원문은 프랑스어입니다. AI로 번역했습니다 — 문체가 아니라 의미를 보존했습니다.
이 글은 제 책 Le contexte에서 다룬 내용을 이어갑니다. 책은 여기서 내려받거나 Amazon에서 구매하실 수 있습니다.
TDD는 테스트로 개발을 이끕니다. 그렇다면 온톨로지로 소프트웨어의 업무 일관성을 지키는 것도 가능하지 않을까요? 저는 Claude Code로 이 가능성을 탐색하고 있습니다. 코드에서 출발해 온톨로지를 만들고, 점차 방향을 뒤집어 이 온톨로지가 소프트웨어의 변경을 이끌고, 검증하고, 뒷받침하게 하는 것입니다.
코드는 동작합니다. 그런데 여전히 올바른 업무를 수행할까요?
Claude Code 같은 AI 에이전트 덕분에 코드를 만드는 일은 갈수록 쉬워지고 있습니다.
제가 기능을 설명하면, 에이전트는 기존 코드를 살펴보고, 여러 클래스를 수정하고, 함수를 추가하고, 인터페이스를 조정하고, 테스트를 작성합니다. 몇 분 뒤에는 작업 결과를 보여 줍니다.
코드는 컴파일되고 테스트도 통과합니다.
그래도 질문이 남습니다. 이 새 코드는 여전히 제 애플리케이션의 업무 로직을 지키고 있을까요?
에이전트는 기술적으로 올바른 구현을 만들면서도 업무 모델에 불일치를 끌어들일 수 있습니다. 같은 개념에 이름을 둘 쓰기도 하고, 폐기한 관념을 되살리기도 하고, 기존 규칙과 충돌하는 규칙을 만들기도 합니다.
애플리케이션이 커지고 AI 에이전트가 수정의 상당 부분을 맡게 되면 이 문제는 특히 흥미로워집니다.
에이전트들에게 공통의 업무 기준을 어떻게 줄 수 있을까요? 이탈은 어떻게 감지할까요? 그리고 이 기준이 소프트웨어와 어긋나 버리는 또 하나의 문서가 되지 않게 하려면 어떻게 해야 할까요?
이런 질문에서 출발해, 저는 개인 프로젝트에서 Claude Code로 Ontology-Driven Design(ODD)이라 부르는 접근을 실험하기 시작했습니다.
설명을 위해 가상의 ERP를 예로 들겠습니다.
첫 번째 단계: 코드에서 온톨로지 추출하기
출발점은 단순했습니다.
저는 소스 코드를 실제로 구현된 동작의 진실 공급원으로 봅니다. 명세는 의도를 설명하지만, 코드는 애플리케이션이 실제로 무엇을 하는지 보여 줍니다.
그래서 Claude Code에게 애플리케이션 코드를 탐색해 업무 도메인의 표현을 Markdown 파일 ontology.md로 추출해 달라고 했습니다.
이 파일에는 다음과 같은 내용이 담깁니다.
- 업무 개념: 고객, 주문, 견적, 청구서, 대변 전표(Avoir) 등
- 각 개념의 속성과 관계
- 업무 규칙과 불변식
- 상태와 상태 전이
- 이 개념들을 가리키는 데 쓰는 어휘
가상의 ERP에서 고객 주문은 고객과 연결됩니다. 주문에는 하나 이상의 행이 있습니다. 견적에서 만들어질 수 있습니다. 승인, 취소, 청구될 수 있습니다.
이 정보들이 코드의 같은 곳에 적혀 있지는 않습니다. 어떤 규칙은 명시적이고, 어떤 규칙은 여러 함수에 흩어져 있습니다.
Claude Code는 이를 찾아 재구성해 볼 수 있습니다.
결과물은 완벽한 명세가 아닙니다. 구현을 바탕으로 업무를 구조화해 해석한 것입니다. 암묵적인 규칙을 놓칠 수도 있고, 과거에 남은 동작을 의도된 규칙으로 오해할 수도 있다는 한계가 있습니다.
그래도 흥미로운 것을 얻습니다. 구현의 기술적 세부 사항에서 독립된 도메인 표현입니다.
ontology.md 파일은 소프트웨어를 이해하는 기준점이 됩니다.
두 번째 단계: 온톨로지로 새 코드 검증하기
이 온톨로지가 생기자, Claude Code가 새 기능을 개발할 때 이를 활용하게 했습니다.
아이디어는 수정한 내용을 ontology.md의 개념과 규칙에 견주어 보는 것이었습니다.
예를 들어 온톨로지에 승인된 청구서는 더 이상 수정할 수 없다고 적혀 있다고 해 보겠습니다.
Claude Code가 승인 후에 청구서 행을 바꿀 수 있는 기능을 추가한다면, 이 모순을 반드시 짚어 내야 합니다.
마찬가지로 온톨로지가 견적과 주문을 분명히 구분한다면, 에이전트는 명확한 이유 없이 두 개념의 책임을 뒤섞는 함수를 도입해서는 안 됩니다.
이것이 첫 번째 안전망입니다.
하지만 결함이 있습니다.
검증이 코드를 만든 뒤에 이루어진다는 점입니다.
에이전트는 이미 작업을 마쳤습니다. 여러 클래스를 만들고, 메서드를 추가하고, 업무를 잘못 해석한 채 테스트까지 쌓았을 수 있습니다.
문제는 발견할 수 있지만, 그러려면 이미 만들어진 코드로 되돌아가야 합니다.
결국 제가 추가한 것은 사후 검증입니다. 유용하지만 충분하지는 않습니다.
세 번째 단계: Test-Driven Development에서 영감 얻기
여기서 TDD가 떠올랐습니다.
Test-Driven Development의 원리는 잘 알려져 있습니다. 동작을 구현하기 전에 기대하는 바를 표현하는 테스트를 먼저 씁니다. 테스트가 실패하면 통과시킬 코드를 작성하고, 그 안전망을 유지한 채 구현을 개선합니다.
온톨로지에도 비슷한 논리를 적용하면 어떨까요?
그래서 Claude Code의 작업 절차를 바꾸라고 요청했습니다.
코드를 쓰기 전에, 먼저 요청받은 기능을 기존 온톨로지와 대조해야 합니다.
작업 순서가 달라집니다.
새 요청이 들어왔다고 가정해 보겠습니다.
"견적을 반드시 거치지 않고도 고객 주문을 만들 수 있게 해 주세요."
온톨로지에 주문은 반드시 견적에서 나와야 한다고 적혀 있다면, 에이전트는 코드를 수정하기 전에 모순을 감지합니다.
하지만 이 모순이 꼭 요청의 오류인 것은 아닙니다.
업무의 정당한 변경일 수도 있습니다.
그러면 에이전트는 개발자의 의도가 기존 규칙을 바꾼다는 점을 인식하고, 그 변경안을 제안하고, 관련 개념에 미치는 영향을 판단해야 합니다.
그다음에 수정된 업무 모델을 반영해 기능을 개발할 수 있습니다.
절차는 다음과 같습니다.
- 요청받은 기능을 이해한다.
- 관련된 온톨로지의 개념과 규칙을 식별한다.
- 요청과 기존 모델 사이의 모순을 찾아낸다.
- 의도된 변경인지 설계 오류인지 구분하며 모순을 해소한다.
- 기능을 개발한다.
- 생성된 코드가 기대하는 업무 모델과 일관되는지 검증한다.
엄밀한 의미의 TDD는 아닙니다. 온톨로지는 자동화된 테스트 모음이 아니고, LLM의 분석은 결정론적 단언(assertion)만큼의 보장을 주지 못합니다.
하지만 철학은 가깝습니다. 구현한 뒤에 불일치를 발견하기보다, 구현하기 전에 기대와 제약을 정의하는 것입니다.
이 단계에서 온톨로지는 개발에서 능동적인 역할을 하기 시작합니다.
그러면서 새로운 문제가 나타납니다.
네 번째 단계: 코드와 함께 진화해야 하는 온톨로지
온톨로지가 개발의 기준이 된다면, 어떻게 최신 상태로 유지할까요?
애플리케이션이 바뀔 때마다 손으로 고쳐야 하는 새 문서를 만들고 싶지는 않습니다.
그러면 처음의 문제로 되돌아갑니다. 코드와 동기화가 깨지는 문서 말입니다.
그래서 다음 아이디어는 과정에 기계적인 부분을 도입하는 것입니다.
스크립트가 Git 등을 바탕으로 소스 코드의 변경을 분석해 추가, 수정, 삭제된 요소를 식별합니다.
- 함수와 메서드
- 클래스와 인터페이스
- 모듈과 패키지
- API 시그니처와 계약
- MCP로 노출되는 도구, 리소스, 계약
- 변경 내용에서 식별할 수 있는 업무 관계와 동작
목적은 애플리케이션의 기술적 세부 사항으로 온톨로지를 다시 만드는 것이 아닙니다.
오히려 구현 선택으로부터 독립적이고 싶습니다. 헥사고날 아키텍처든, Domain-Driven Design이든, (아무리 엉망이더라도) 다른 어떤 코드 구성이든 온톨로지에 자기 구조를 강요해서는 안 됩니다.
온톨로지가 나타내는 것은 업무 도메인이지 기술 아키텍처가 아닙니다.
클래스가 반드시 업무 개념인 것은 아닙니다. 새 패키지는 단순한 기술적 재구성일 수 있습니다. 함수는 업무 규칙을 구현하면서도 그 자체로 새 개념이 되지는 않을 수 있습니다.
그래서 두 작업을 나누어야 합니다.
첫째는 기계적인 작업으로, 무엇이 바뀌었는지 정확히 판단하는 것입니다.
둘째는 의미적인 작업으로, 그 변경이 업무 개념을 도입하는지, 수정하는지, 아니면 모순되는지 이해하는 것입니다.
여기서 LLM이 등장합니다.
스크립트는 변경 목록을 만듭니다. LLM은 이 목록을 현재의 온톨로지, 그리고 개발을 시작시킨 지침과 대조합니다.
그러면 여러 상황이 나타날 수 있습니다.
새 업무 개념이 등장합니다. 에이전트는 관계와 관련 규칙을 포함해 온톨로지에 추가하는 방안을 제안하거나 준비할 수 있습니다.
기존 개념의 의미가 바뀝니다. 의도된 변경인지 이탈인지 판단해야 합니다.
두 개념이 서로 맞지 않게 됩니다. 에이전트는 해당 코드의 위치와 함께 모순을 알립니다.
어휘가 어긋납니다. 같은 업무 현실에 이름이 둘이거나, 기존 이름이 다른 관념에 쓰입니다.
변경이 순전히 기술적입니다. 온톨로지를 수정할 필요가 없습니다.
한 가지는 분명히 해 둬야 합니다. 코드가 무조건 옳은 것으로 간주되어서는 안 됩니다.
에이전트가 오류를 만들었다고 해서, 두 번째 에이전트가 그 오류를 용인할 수 있도록 온톨로지를 고치는 일은 원하지 않습니다.
삼각형: 의도, 코드, 온톨로지
저는 여기에 이 개념의 진짜 진전이 있다고 생각합니다.
코드와 온톨로지를 비교하는 것만으로는 부족합니다.
세 가지를 대조해야 합니다.
의도: 개발자가 Claude Code에게 요청한 것.
코드: 실제로 구현된 것.
온톨로지: 기준이 되는 업무 개념과 규칙.
이 셋을 비교해야 차이의 성격을 이해할 수 있습니다.
다시 가상의 ERP로 돌아가 보겠습니다.
온톨로지에는 고객 주문이 반드시 견적에서 나온다고 되어 있습니다.
개발자가 견적을 선택 사항으로 만들어 달라고 명시적으로 요청합니다.
Claude Code는 관련 함수를 수정하고 주문을 직접 만들 수 있게 합니다.
이제 온톨로지와 새 코드는 모순됩니다. 하지만 코드는 의도를 따르고 있습니다.
따라서 올바른 결과는 수정을 무조건 거부하는 것이 아닙니다. 온톨로지의 해당 변경을 제안하고, 견적이 필수라고 여전히 전제하는 소프트웨어의 다른 부분을 찾는 것입니다.
반면 아무 지침도 없는데 Claude Code가 이 필수 조건을 없앴다면, 그 차이는 의심스럽습니다.
이 차이가 핵심입니다.
불일치가 항상 버그인 것은 아닙니다. 업무가 의도적으로 바뀌고 있다는 신호일 수 있습니다.
시스템의 역할은 변경을 막는 것이 아니라, 변경을 명시적이고 일관되며 추적 가능하게 만드는 것입니다.
온톨로지 중심의 개발 주기를 향하여
저는 이제 세 시점에 개입하는 절차를 그려 봅니다.
개발 전: 업무 이해하기
새 기능이 들어오면 Claude Code는 관련된 온톨로지 개념을 식별합니다.
온톨로지 전체를 불러올 필요는 없습니다. 요청에 필요한 개념, 관계, 규칙만 골라서 쓸 수 있습니다.
그런 다음 기능이 이 모델과 양립하는지 검증하거나, 필요한 변경을 알립니다.
이렇게 개발은 도메인에 대한 명시적인 이해에서 출발합니다.
개발 중과 개발 후: 이탈 감지하기
기계적 분석기가 소스 코드의 변경을 찾아냅니다.
Tree-sitter 같은 도구로 구문 구조를 분석해 변경된 요소를 식별할 수 있습니다(제 다음 과제입니다). API 계약과 MCP 인터페이스의 변화도 애플리케이션이 노출하는 기능에 대한 정보를 줍니다.
LLM은 이런 정보를 바탕으로 온톨로지와의 불일치를 찾습니다.
이 작업은 훅(hook)을 통해 Claude Code의 워크플로에 통합할 수 있습니다. 예를 들어 수정 후나 작업이 끝날 때 실행하는 식입니다.
변경이 있을 때마다 LLM에게 애플리케이션 전체를 맹목적으로 다시 읽게 하자는 것이 아닙니다. 영향을 받는 요소에 분석을 집중하자는 것입니다.
통합 전: 일관성 검증하기
코드를 병합하기 전에 마지막 검증을 할 수도 있습니다.
이 검증은 다음 내용을 담은 보고서를 만듭니다.
- 새로 생겼거나 바뀐 개념
- 영향을 받았을 수 있는 업무 규칙
- 감지된 불일치
- 제안된 온톨로지 변경
- 사람의 승인이 필요한 결정
목표는 재현 가능한 검증입니다. 쓸모 있을 만큼 정밀하되, 코드를 바꿀 때마다 업무 모델을 끝없이 검토하는 일로 번지지는 않아야 합니다.
개념과 구현 사이의 연결 유지하기
보완책으로 온톨로지와 코드 사이의 추적성을 유지하는 방법이 있습니다.
Invoice 같은 개념을 그 구현에 참여하는 여러 클래스, 함수, 이벤트, API 연산과 연결할 수 있습니다.
이 연결은 개념을 정의하지 않습니다. 개념이 어디에 구현되어 있는지를 알려 줍니다.
이 구분 덕분에 흥미로운 질문에 답할 수 있습니다.
청구서 개념을 바꾸면 코드의 어느 부분이 영향을 받을까요?
업무 함수가 사라지면 어떤 온톨로지 규칙이 더 이상 구현되지 않을 수 있을까요?
새 API 연산이 생기면 기존 개념을 노출하는 것일까요, 새로운 관념을 드러내는 것일까요?
클래스 이름이 바뀌었다면 단순한 리팩터링일까요, 도메인의 실제 변경일까요?
이런 매핑은 코드가 변하는 대로 차츰 가꿔 갈 수 있습니다.
다만 각 연결의 근거, 즉 파일, 심볼, 관찰된 변경은 남겨 두어야 합니다. LLM이 추론한 관계를 입증된 대응과 혼동해서는 안 됩니다.
온톨로지 불변식에서 자동화된 테스트로
또 다른 방법은 온톨로지의 일부를 실행 가능하게 만드는 것입니다.
일부 업무 규칙은 불변식으로 표현할 수 있습니다.
예를 들면 이렇습니다.
- 승인된 청구서는 더 이상 수정할 수 없다.
- 청구서에는 최소 한 개의 행이 있어야 한다.
- 대변 전표는 자신이 정정하는 청구서를 참조한다.
- 취소된 주문은 출고할 수 없다.
이런 규칙 중 일부는 자동화된 테스트를 만드는 데 쓰거나, 기존 테스트가 해당 규칙을 다루는지 확인하는 데 쓸 수 있습니다.
그러면 서로 보완하는 두 층위가 생깁니다.
첫째는 의미적 층위입니다. LLM이 의도, 개념, 코드 사이의 일관성을 살핍니다.
둘째는 결정론적 층위입니다. 테스트와 실행 가능한 제약이 형식화할 수 있는 동작을 검증합니다.
따라서 온톨로지가 단위 테스트나 통합 테스트를 대체하지는 않습니다.
다만 어떤 동작을 왜 테스트해야 하는지 설명하고, 아직 검증이 없는 업무 규칙을 찾아내는 데는 도움이 될 수 있습니다.
살아 있되 기회주의적이지 않은 온톨로지
이 장치에는 큰 위험이 있습니다.
온톨로지가 코드를 따라 무조건 바뀐다면 더 이상 안전망이 아닙니다. 계속 다시 생성되는 단순한 문서가 됩니다.
반대로 현재 규칙에 모순되는 변경을 모두 금지하면 제품이 변하지 못합니다.
그래서 온톨로지의 변경을 명시적으로 관리해야 합니다.
저는 세 가지 상황으로 나눕니다.
변경이 의도적이고 분명합니다. 시스템은 온톨로지의 버전 관리된 수정안을 준비하고, 승인 전에 작업 브랜치에 적용할 수도 있습니다.
수정이 의도와 맞지 않아 보입니다. 시스템은 온톨로지를 갱신하는 대신 코드 수정을 제안합니다.
의도가 모호합니다. 시스템은 새 업무 규칙을 지어내지 않고 결정을 요청합니다.
이렇게 온톨로지는 의도와 구현 사이의 변화하는 계약이 됩니다.
이력도 보관해야 합니다. 예를 들어 ADR에서 착안한 작은 결정 기록부를 둘 수 있습니다. 이름이 바뀐 개념이 서로 무관한 두 개념이 되어서는 안 됩니다. 삭제된 규칙은 그 소멸을 정당화한 결정과 이어질 수 있어야 합니다.
온톨로지의 변경도 코드의 변경만큼 추적할 수 있어야 합니다.
코드 줄 수가 아니라 일관성을 측정하기
이 접근은 몇 가지 흥미로운 지표도 만들어 낼 수 있습니다.
온톨로지 커버리지는 코드에서 식별된 업무 개념 중 온톨로지에 표현된 개념의 비율을 측정할 수 있을 것입니다.
추적성은 구현으로 가는 검증 가능한 참조를 가진 개념이 몇 개인지 측정할 수 있을 것입니다.
확인되었으나 해결되지 않은 불일치의 수는 코드와 모델 사이의 이탈 정도를 가늠하게 해 줄 것입니다.
마지막으로 실행 가능한 테스트와 연결된 불변식의 비율은 안전망이 얼마나 단단한지 가늠하는 데 도움이 될 수 있을 것입니다.
이 수치들이 절대적인 품질 지표는 아닙니다. 쓸모는 시스템이 진짜 업무 개념과 기술적 잡음을 얼마나 잘 구분하느냐에 전적으로 달려 있습니다.
그래도 지금은 대체로 암묵적인 채로 남아 있는 것, 즉 소프트웨어가 변해 가는 동안의 개념적 일관성을 눈에 보이게 만들 수 있습니다.
과정이 양방향으로 작동한다면?
처음에 제 방식은 단방향이었습니다.
코드가 온톨로지를 만들었습니다.
그다음 반대 방향의 검증을 추가했습니다. 온톨로지로 새 코드를 검증하는 것입니다.
TDD에서 영감을 얻어 사전 단계도 넣었습니다. 개발을 시작하기 전에 의도를 온톨로지와 대조하는 것입니다.
다음 진전은 변경의 감지와 성격 판단을 자동화해 이 일관성을 오래 유지하는 것입니다.
하지만 이제 한 가지 가능성이 더 보입니다.
코드가 온톨로지를 진화시키고, 온톨로지가 코드의 변경을 이끌 수 있습니다.
코드 수정으로 새 업무 개념이 나타나면, 시스템은 이를 온톨로지에 통합하자고 제안합니다.
요청이 기존 개념의 변경을 수반하면, 온톨로지 덕분에 시작하기도 전에 영향을 받을 수 있는 규칙과 구현을 알 수 있습니다.
기준은 이제 소프트웨어가 만들어 내기만 하는 것이 아닙니다. 소프트웨어의 변화에도 참여합니다.
제가 관심을 갖는 것은 이 순환입니다.
오래된 아이디어, 새로 만들 활용법
Ontology-Driven Design을 완전히 새로운 아이디어라고 소개하면 사실이 아닙니다.
애플리케이션 설계에 온톨로지를 쓰는 일은 오래전부터 있었습니다. Pavel Hruby는 이미 2005년에 Ontology-Based Domain-Driven Design 접근을 설명했습니다.
더 최근에는 ODDToolkit 같은 연구가 형식 온톨로지로부터 소프트웨어 산출물을 생성하는 방법을 탐구했습니다.
제 탐색은 조금 다릅니다.
온톨로지에서 소프트웨어를 반드시 생성하려는 것은 아닙니다. 시작부터 OWL이나 RDF 같은 형식을 강요하고 싶지도 않습니다.
제가 찾는 것은 업무 온톨로지를 소스 코드를 수정하는 AI 에이전트를 위한, 살아 있는 일관성 기준으로 쓰는 방법입니다.
이 차이는 중요합니다.
업무 모델은 구현을 대체하지 않습니다. 소프트웨어의 복잡성 전체를 설명한다고 주장하지도 않습니다. 그것만으로 버그가 없다고 보장하지도 않습니다.
에이전트가 새 작업을 할 때마다 저마다 업무를 다르게 해석하는 일을 막도록, 명시적인 기준 틀을 제공할 뿐입니다.
아직 입증해야 할 것
저는 아직 개인적인 실험 단계에 있습니다.
먼저 코드에서 온톨로지를 생성했고, 이어서 Claude Code에게 이 온톨로지를 바탕으로 변경을 검증하게 했습니다. 그다음 이 검증을 개발 이전으로 앞당기도록 지침을 발전시켰습니다.
기계적인 동기화 루프, 체계적인 추적성, 자동화된 검증이 다음 작업 과제입니다.
열린 질문이 많습니다.
클래스 이름이 하나도 바뀌지 않았을 때도 분석기가 진짜 업무 변경을 감지할 수 있을까요? LLM은 오탐을 얼마나 만들어 낼까요? JEV가 이 필요에 답할 수 있을까요? 이것은 언젠가 열어야 할 또 다른 과제입니다. 온톨로지에 기술적 세부 사항이 넘치지 않게 하려면 어떻게 해야 할까요? 개념과 코드의 대응을 얼마나 자주 다시 검토해야 할까요? 무엇보다 일관성의 이득이 이 장치의 실행 및 유지 비용을 정당화할까요?
이 접근은 실제 소프트웨어 변경에서 시험해 봐야 합니다. 의도된 업무 변경, 인위적으로 심은 불일치, 순수하게 기술적인 리팩터링을 모두 포함해서 말입니다.
그러니 검증된 새 개발 방법론을 정의했다고 주장하지는 않습니다.
제가 실험 중인 하나의 방향을 설명하는 것입니다.
안전망으로서의 업무
개발 관행은 보호 장치를 차츰 늘려 왔습니다.
단위 테스트는 동작을 보호합니다. 통합 테스트는 상호작용을 보호합니다. 타입 검사와 정적 분석 도구는 특정 유형의 오류를 감지합니다. 아키텍처 규칙은 소프트웨어의 구조를 지키도록 돕습니다.
하지만 AI 에이전트가 코드의 상당 부분을 만들게 되면 또 다른 질문이 중요해집니다.
이 에이전트들이 다루는 업무 모델의 일관성은 누가 지킬까요?
DDD는 유비쿼터스 언어, 도메인 모델, 컨텍스트 경계로 오래전부터 답의 일부를 제공해 왔습니다. 헥사고날 아키텍처는 업무를 기술적 관심사에서 분리하도록 돕습니다.
제가 탐구하는 Ontology-Driven Design은 여기에 운영 장치를 더하려는 시도입니다. 업무 모델을 명시적으로 드러내고, 개발 의도와 대조하고, 코드와의 일관성을 지속적으로 검증하는 것입니다.
결국 제 목표는 문서를 더 많이 만드는 것이 아닙니다.
Claude Code가 기능을 추가할 때마다 업무를 조용히 다시 만들어 내지 않으면서 더 빠르게 개발하게 하는 것입니다.
코드는 구현된 동작의 진실로 남습니다. 온톨로지는 업무적 의미의 기준이 됩니다. 의도는 그 의미가 왜 바뀔 수 있는지를 설명합니다.
그리고 이 셋을 대조하는 데서, AI 지원 개발을 위한 새로운 안전망이 생겨날 수 있습니다.