(주)HFC컨설팅

가장 강한 모델이 생각을 감추기 시작했다 - 검수는 보이지 않는 추론을 감사할 수 있는가

HFC 이슈 브리핑 · Brief 24모델은 더 강해졌다.생각은 더 보이지 않는다.가장 강한 모델이 생각을 감추기 시작했다 · HFC Consulting2026년 9월 3일, OpenAI가 차기 모델 GPT-6 Astra를 공개했다. 발표의 첫 줄은 성능이었다. 그러나 그날 가장 멀리 퍼진 문장은 벤치마크 점수가 아니었다. 회사가 함께 공개한 안전 문서에 적힌 한 줄이었다. 모델의 생각을 들여다보는 일이 전보다 어려워졌다는 서술이다.반투명 유리 뒤에 사람이 서 있다. 움직임은 보이는데 표정은 보이지 않는다. 발주자가 앞으로 검수해야 할 AI가 그 유리 뒤로 들어가고 있다.무슨 일이 일어났나OpenAI가 9월 3일(현지시간) 공개한 안전 개요에 따르면, Astra는 자체 위험관리 체계(Preparednes..

AI 시대의 데이터 발주 가이드 · Ep.08 (완결)일곱 달은 없앨 수 없다.옮길 수 있을 뿐이다.데이터 준비가 곧 AI 준비다 · HFC Consulting1화의 장면으로 돌아가자. 전사 데이터를 모으는 데 일곱 달이 걸려 검수가 무너진 사업. 이 연재가 내내 말한 것은 하나다. 그 일곱 달은 없앨 수 없다. 데이터를 모으고 고치고 권리를 확인하는 시간은 누구에게나 필요하다. 선택할 수 있는 것은 그 시간을 어디에 둘 것인가다. AI 사업의 한복판에 두면 지연과 분쟁이 되고, 사업 앞에 두면 준비가 된다. 이번 완결편은 그 준비를 하나의 로드맵으로 묶고, 어디서부터 시작할지의 순서를 정리한다.여덟 편이 그린 하나의 그림랜드연구소가 80% 이상이라 추정한 AI 프로젝트 실패율, 그 원인 2위였던 데이터..

AI 시대의 데이터 발주 가이드 · Ep.07사업이 끝나고 1년,품질은 착수 전으로 돌아갔다.사업이 끝나도 데이터가 살아 있게 - 데이터 거버넌스 발주 · HFC Consulting정비 사업의 종료 보고서는 훌륭했다. 중복률은 12%에서 0.3%로 내려갔고 검수는 통과했다. 1년 뒤 후속 사업의 진단에서 중복률은 8%였다. 정비 인력이 떠난 자리에 데이터를 지키는 사람은 없었고, 매일 들어오는 신규 데이터는 옛 습관대로 쌓였다. 발주자는 같은 정비를 두 번 사게 되었다. 두 번째 견적서의 금액은 첫 번째와 같았다.정비는 사건이고 관리는 제도다데이터 품질에는 반감기가 있다. 조직이 움직이는 한 데이터는 매일 태어나고, 태어나는 데이터의 품질은 정비 사업이 아니라 일상의 규칙이 결정한다. 규칙이 없으면 품질..

AI 시대의 데이터 발주 가이드 · Ep.06들어올 때는 무료였다.나갈 때 청구서가 왔다.데이터 플랫폼 조달 - 종속 없이 사는 법 · HFC Consulting플랫폼 전환을 검토하던 기업이 견적서 앞에서 멈췄다. 새 플랫폼의 구축비가 아니었다. 지금 플랫폼에서 데이터를 꺼내는 비용, 독점 포맷으로 쌓인 5년 치를 변환하는 비용, 그 위에 만든 분석 파이프라인을 다시 짜는 비용이었다. 떠나는 값이 머무는 값보다 컸다. 그 순간 협상력은 사라졌다. 재계약서의 인상된 단가에 서명하는 일만 남았다.플랫폼 선택은 10년짜리 계약이다애플리케이션은 갈아탈 수 있다. 데이터 플랫폼은 데이터가 쌓일수록 무거워진다. 종속의 비용은 세 겹이다. 데이터 반출 비용, 독점 포맷과 독점 기능의 변환 비용, 그리고 그 위에 구축..

AI 시대의 데이터 발주 가이드 · Ep.05데이터는 충분했다.쓸 수 있는 데이터가 없었다.AI에 먹일 수 있는 데이터의 조건 - 학습·RAG 데이터 발주 · HFC Consulting품질 정비가 끝난 문서 30만 건이 학습 후보로 올라왔다. 법무 검토가 돌아오자 목록이 줄기 시작했다. 외부 기관 발간물은 이용 허락 범위가 불분명했다. 고객 상담 기록에는 개인정보가 있었다. 협력사가 납품한 보고서는 저작권 귀속이 계약에 없었다. 남은 것은 9만 건이었다. 목표했던 모델 성능의 전제가 흔들렸고, 일정표는 다시 그려졌다. 품질의 관문을 통과한 데이터가 권리의 관문 앞에 서 있었다.깨끗한 물이 먹는 물은 아니다앞의 두 편이 다룬 품질은 데이터의 물리적 상태였다. 학습과 검색증강생성(RAG)에 쓰려면 두 번째 ..

AI 시대의 데이터 발주 가이드 · Ep.04품질을 높이라는 과업은검수할 수 없다.데이터 품질을 검수기준으로 바꾸는 법 · HFC Consulting검수 회의에서 발주 담당자가 말했다. 품질이 기대에 못 미칩니다. 수행사 PM이 물었다. 기대가 몇 점이었습니까. 회의실이 조용해졌다. 계약서 어디에도 그 숫자는 없었다. 데이터 품질 제고라는 여섯 글자가 과업의 전부였다.형용사는 검수되지 않는다높은 품질, 정확한 데이터, 신뢰할 수 있는 기반. 제안요청서에 흔한 이 표현들은 검수 단계에서 전부 분쟁의 씨앗이 된다. 기대는 사람마다 다르고, 문서에 없는 기대는 계약상 존재하지 않기 때문이다. 9기 8화 ‘검수 방어: 검수는 마지막 주에 시작되지 않는다’의 명제는 데이터 사업에서 더 이르다. 데이터 검수는 착수..

AI 시대의 데이터 발주 가이드 · Ep.03착수 때 12개였다.종료 때 19개가 되어 있었다.데이터 정비 사업의 과업범위 - 범위는 왜 항상 넘치는가 · HFC Consulting계약서의 정비 대상은 원천 시스템 12개였다. 종료 보고서에는 19개가 적혀 있었다. 늘어난 7개에 대한 계약 변경은 없었다. 대가 조정도 없었다. 수행사는 적자로 마감했고, 발주 담당자는 그 사실을 사업이 끝나고 알았다. 다음 사업의 입찰에 그 수행사는 들어오지 않았다.범위가 넘치는 세 가지 경로데이터 정비 사업의 범위는 세 갈래로 넘친다. 첫째, 숨은 원천이다. 착수 후에야 발견되는 부서 서버의 엑셀 원장, 퇴직자가 만든 접속 계정 없는 데이터베이스. 둘째, 하는 김에 요청이다. 정비 인력이 들어와 있으니 이 테이블도 이참..

AI 시대의 데이터 발주 가이드 · Ep.02원천 시스템이 몇 개냐고 물었다.부서마다 답이 달랐다.발주 전에 우리 데이터부터 - 현황 진단의 기술 · HFC Consulting착수 회의에서 수행사 PM이 물었다. 학습에 쓸 데이터의 원천 시스템이 모두 몇 개입니까. 정보화 부서는 열두 개라고 답했다. 현업 부서는 열여섯 개를 꼽았다. 지난달 퇴직한 차장의 엑셀 파일에는 스물한 개가 적혀 있었다. 그 조직의 데이터 지도는 시스템이 아니라 한 사람의 머릿속에 있었고, 그 사람은 이제 없었다. 사업은 첫 주부터 고고학이 되었다.진단 없이 발주하면 생기는 일데이터 현황을 모른 채 발주된 사업의 제안요청서에는 대체로 한 문장이 들어간다. 학습에 필요한 데이터는 발주기관이 제공한다. 이 문장은 약속이 아니라 공백이..

AI 시대의 데이터 발주 가이드 · Ep.01모델은 준비됐다.데이터가 오지 않았다.왜 AI 사업은 데이터에서 무너지는가 · HFC Consulting시범 사업 시연은 박수로 끝났다. AI 상담 지원 시스템은 질문에 막힘없이 답했고, 사업 예산은 이듬해 본사업으로 증액되었다. 열 달 뒤, 검수 회의실의 공기는 달랐다. 같은 모델, 같은 수행사였다. 답변의 절반이 낡은 규정을 인용하고 있었다. 원인은 모델이 아니었다. 학습에 쓸 전사 데이터를 모으는 데 일곱 달이 걸렸고, 모아 놓은 데이터의 상당수가 서로 다른 코드 체계를 쓰고 있었다.이 연재는 그 일곱 달에 관한 이야기다. AI를 발주하기 전에, 발주자가 데이터라는 기반을 어떻게 진단하고 발주하고 검수해야 하는지를 여덟 편에 걸쳐 다룬다.실패의 숫자는 모..