안내서 라이브러리
현장에서 쓰는 AI 노하우를 한 편씩.
전부 Markdown으로 쓰여 가볍고, 검색과 필터로 빠르게 찾습니다.
화재 영상에서 화염·연기 탐지하기
CCTV·드론 영상으로 조기 화재 경보 모델을 만드는 전 과정. 라벨링·학습·성능 평가·오탐 줄이기·현장 배치까지.
소방관을 위한 프롬프트 작성 기초
업무 보고와 민원 응대에 바로 쓰는 프롬프트 패턴 모음. 좋은 질문이 좋은 답을 만들고, 마지막엔 사람이 검증합니다.
지저분한 출동 데이터 깔끔하게 정제하기
결측·중복·표기 불일치가 섞인 현장 데이터를 분석 가능한 형태로. 살펴보기부터 검산까지 pandas로 단계별.
지역별 화재 위험도 예측 모델 구축
기상·건물·과거 출동 데이터를 결합해 위험 구역을 사전 예측. 피처 엔지니어링부터 불균형 데이터 평가·임계값·편향 주의까지.
소방 공공데이터·API 지도
화재·재난·공간·법령 분야의 공식 공공데이터·OpenAPI·법령 출처를 한곳에 모은 지도. 각 자료의 소방 활용 포인트와 인증키 필요 여부까지 정리해, 합성 데이터 대신 진짜 데이터로 시작하도록 돕습니다.
AI 결과, 제출 전 1분 점검
AI가 만든 초안을 제출·발송·공개하기 직전 1분 안에 숫자·출처·개인정보·공식 판단을 점검하는 표준 체크리스트. pass·needs changes·block 세 판정으로 사고를 미리 막습니다.
개인정보, AI에 넣기 전에 점검하기
신고자·환자 정보가 섞인 데이터를 외부 AI나 공개 저장소에 올리기 전, 로컬에서 개인정보 패턴을 먼저 점검하는 방법. 정규식 점검 → 문맥 점검 → 사람 최종 확인의 3단 파이프라인입니다.
민원 답변 초안, 단정 대신 절차로
자주 들어오는 소방 민원에 정중한 답변 초안을 만들되, 법령·처분을 단정하지 않고 "확인 절차 안내" 중심으로. AI는 초안만, 사실·발송 책임은 사람이 집니다.
회의록 정리, 지어낸 담당자·기한 막기
어수선한 회의 메모를 결정·할일·공유·확인필요 네 갈래로 정리하되, 각 항목에 근거 문장을 강제해 AI가 원문에 없는 담당자·기한을 지어내지 못하게 합니다.
출동 통계, CSV 한 장으로 월간 집계
출동 기록 CSV 한 장으로 월별·유형별·요일x시간대·지역별 집계와 차트·엑셀을 만드는 노트북. 외부 AI를 쓰지 않고, 집계 합과 전체 행 수가 맞는지 자동 검산합니다.
막혔을 때 구원 프롬프트
AI가 준 코드가 에러 나거나, 뜻을 모르거나, 결과가 의심될 때 쓰는 구원 프롬프트 5종. 에러와 코드를 숨기지 말고 그대로 주되 개인정보만 제거해 붙여넣습니다.
법령 근거 확인 브리프 만들기
근거 법령을 확인했습니다"라고 쓰기 전에 공식 원문 링크·확인일·조문 후보·검토자를 한 표로 묶는 방법. AI가 조문을 지어내지 못하도록 출처를 먼저 고정합니다.
예방 점검표 누락·재점검 대상 찾기
점검 대상 목록과 점검 기록을 대조해 미점검 대상·재점검 임박 대상·불량 항목 분류를 찾는 로컬 스크립트. 우선순위를 자동 확정하지 않고 담당자 판단용 후보를 만듭니다.
교육 명단 대조, 조용한 오답 막기
교육 대상자와 이수자 명단을 대조해 미이수자·대상 외 이수자·중복 기록을 찾는 방법. "대상자 수 빼기 이수자 수"가 조용히 틀리는 것을 양방향 대조로 막습니다.
재난문자·기상특보로 상황 브리프 초안 만들기
재난문자와 기상특보를 시간순 상황 브리프 초안으로 묶는 방법. AI에게 요약을 먼저 시키지 않고, 특보 유효시간을 코드로 검산한 뒤 프롬프트로 초안만 받습니다.
119 합성 데이터로 안전하게 연습하기
실제 출동·점검 데이터 없이 분석을 끝까지 연습하도록, 같은 seed면 항상 같은 합성 출동·점검 CSV를 만드는 생성기. 합성도 검산하고, 공개할 땐 합성임을 표시합니다.
공공 API JSON을 검산 가능한 CSV로
소화전·소방용수 같은 공공 API의 페이지별 JSON을 받아, 필드명 차이·페이지 중복·좌표 결측을 검산해 분석용 고유 행 CSV와 사람 검토용 CSV로 분리하는 방법.
안전한 AI 운영 도구 — 검증·비식별·추적
소방 업무 AI는 "잘 생성하는가"보다 "검증·비식별·추적이 되는가"가 중요합니다. 개인정보 비식별·답변 회귀 테스트·운영 추적·데이터 라벨링 도구를 목적별로 묶어 기존 안전 가이드와 연결했습니다.
119 신고 통화, 전사부터 유형 분류까지 안전하게
신고 통화 음성을 로컬에서 전사하고, 화자를 나누고, 전사에서 개인정보를 뺀 뒤, 유형·긴급도 분류 초안을 만드는 파이프라인. 음성·전사는 가장 민감한 데이터라 외부 전사 서비스를 쓰지 않고, 분류는 사람 배정용 후보로만 만듭니다.
훈련 데이터 라벨 품질, 학습 전에 잡기
화재·연기 탐지 모델의 오탐·미탐 상당수는 라벨 품질에서 옵니다. 학습 전에 라벨러 간 일치도, 의심 라벨 자동 탐지(FiftyOne), 클래스 불균형을 점검하고, 검수 결과를 사람 판단용 후보로 만드는 방법입니다.
소방 법령·SOP, RAG로 근거 있게 답하기
법령·SOP 질문에 LLM이 조문을 지어내는 환각이 가장 위험합니다. RAG는 먼저 검색해 근거를 고정하고, 그 근거로만 답하고, 답의 충실도를 평가로 검증합니다. 문서 정리·조문 단위 청킹·근거 강제 생성·Ragas 검증의 4단입니다.
RAG 운영, 골든셋 회귀 평가와 가드레일
RAG는 만든 날이 아니라 바꾼 날 망가집니다. 법령 개정·프롬프트 수정·모델 교체가 답을 조용히 바꾸기 때문입니다. 자주 묻는 질문으로 골든셋을 만들고, 바꿀 때마다 Ragas·promptfoo 두 겹으로 회귀 평가를 돌리고, 나가면 안 되는 답은 가드레일로 막는 운영 3종을 다룹니다.
예측 모델 운영, 드리프트 감지와 재학습 시점
배포한 예측 모델은 세상이 변하는 만큼 조용히 낡습니다. 재개발로 건물 분포가 바뀌고 기후가 밀리면, 어제의 상위 10%는 오늘의 위험이 아닙니다. 배포 전 롤링 백테스트로 기대 범위를 재고, 운영 중 PSI로 입력 변화를 조기 감지하고, 주기가 아닌 조건으로 재학습하는 운영법을 다룹니다.
신고 전사 심화, 화자 결합과 품질 관리
전편이 통화 한 건을 전사해 분류 후보를 만들었다면, 이번엔 그 파이프라인을 운영 수준으로 끌어올립니다. WhisperX로 "누가 말했나"가 붙은 스크립트를 만들고, 소방 용어 오전사를 두 겹으로 교정하고, 골든셋 CER로 오류율을 숫자로 재고, 신뢰도 낮은 통화를 사람 재청취 큐로 보내는 4단입니다.
개인정보 비식별 파이프라인, 이름·주소까지 자동으로
입문편의 정규식 점검은 주민번호·전화 같은 '패턴 있는' 개인정보를 잡습니다. 하지만 이름·주소·상세 서사는 패턴이 없어 정규식이 놓칩니다. Presidio로 이름·지명까지 문맥으로 탐지하고, 소방 특화 개체를 커스텀 인식기로 보강하고, 같은 사람을 같은 가명으로 치환하고, 골든셋으로 재현율을 재는 운영 비식별 파이프라인을 다룹니다.
온프레미스 LLM, 망분리 환경에서 안전하게 운영하기
클라우드 LLM은 강력하지만 데이터가 밖으로 나갑니다. 인터넷과 분리된 내부망이나 가장 민감한 데이터에는 아예 데이터가 나가지 않는 온프레미스 LLM이 답일 수 있습니다. 모델을 어떻게 고르고, OpenAI 호환 API로 기존 코드를 어떻게 재사용하고, 약한 로컬 모델의 품질을 어떻게 검증하고, 폐쇄망에 어떻게 반입하는지 다룹니다.
소방용수 접근성 분석, 공백 구역을 지도로 찾기
소화전·저수조가 관할에 고르게 깔려 있는지, 어디가 소방용수 공백인지는 표가 아니라 지도로 봐야 보입니다. 소방용수 표준데이터와 건물 위치를 같은 좌표계로 묶고, 각 지점에서 가장 가까운 용수까지 거리를 재고, 도달 반경 밖 공백 구역을 찾아 점검·증설 우선순위 근거를 만드는 공간분석을 다룹니다.
소방 AI, 이것만은 하지 마세요
외부 AI 입력, 비식별, AI 출력, 법령 해석, 제출·공개에서 넘지 말아야 할 다섯 금지선을 한 장에 모아 원자료와 사람 검토로 되돌아가게 하는 입문 안전 안내서입니다.