2025-11-01 멘토링 정리 (오전+오후) — AI Security Assistant

🎯 핵심: 도메인·핵심 기능을 먼저 고정하고, 성공의 무게중심은 데이터 수급·전처리·RAG 품질·평가(Ops) 에 둔다. “섹시한 기능”보다 완성도 있는 시나리오+운영 프로세스.

🧾 페이지 속성

속성	타입	예시
Status	Select	Draft / In Review / Final
Owner	Person	모인지(회의록 작성자)
Sprint	Select	Sprint 0 / 1
Domain	Select	교육 / 일반기업(보안·HR) / 병영(비군사 실무)
Stack	Multi-select	Define, LangGraph, FastAPI, React, VectorDB
Cloud	Select	AWS / GCP / NCP

스코프/목표
- 20 men-month 내 현실적 목표(PoC vs MVP) 우선 결정
- 핵심 Feature → 메인 기능 → 역할별 문제 정의 순서
모델/플랫폼
- 멘토 경험: Define(대화설계) > LangChain
- MCP(앱 간 권한 프로토콜)로 에이전트 확장 고려
- ChatGPT 유료 공동 계정 검토
데이터·RAG
- *임베딩 적재(만 단위)**가 병목 → 시간·비용 산정
- 문서→벡터DB화→검색 튜닝→응답 생성 R&R 분리
- Q/A 세트 선행 준비, LLM/임베딩/RAG 후보 비용 우선 평가
- 의도/워크플로우별 모델 분기 가능(의도파악 vs 인용형 답변)
방법론/운영
- 애자일 + 전 활동 문서화
- 클라우드 권장(공공은 국내 리전/국내 클라우드 고려)

전략
- 결정 이유–발전 방향–얻고 싶은 지표를 먼저 고정
- “섹시한 기능”보다 도메인 시나리오 품질
- 해야 할/하지 말아야 할 답변 경계·정책 문서화
페르소나(요약)
- A. 중소 화학기업 실무자(유진): 승인 복잡·반출 제한 → 정책 Q/A+절차 라우팅
- B. 대학 근로학생(소현): 매뉴얼 부재 → 지식 라우팅
- C. 공무원(대현): 표준화·검색성 필요
- D. 취업설명회 수강생(성현): 자료 과다 → 요약/FAQ
- E. 인사↔총무 라우팅: 문의 자동 전달(휴가/출장 등)
데이터 포커스
- 데이터 수급·표준화가 60~70%
- 표/엑셀/도형 등 비정형 요소까지 고려(스키마화·청킹)
- 학습용/비학습용 구분 중요
평가/운영
- 컴플라이언스 변경 알림 + 피드백 루프(AIOps)
- 지표: 정확도·근거정합·정책준수율·응답지연·거부율