업무 하나를 AI로 처리하는 방법
AI 실무 안내서
소방 업무를 AI에게 맡길 때 함께 줄 자료와 결과를 확인할 기준을 업무별로 정리했습니다.
안내서마다 그대로 붙여 넣는 프롬프트가 있고, 끝에는 관련 데이터셋·법령·사례 링크가 있습니다.
어디서부터 읽을지 모르겠다면 학습 로드맵의 순서를 따르고, 맡은 업무가 정해져 있으면 직군·주제로 골라 읽습니다.
AI가 읽는 파일안내서kg/guides.txt
소방 AI, 이것만은 하지 마세요
외부 AI 입력, 비식별, AI 출력, 법령 해석, 제출·공개에서 지킬 다섯 가지를 모은 입문 안내서입니다. 멈춰야 할 때 원자료와 사람 검토로 돌아가는 기준을 정리했습니다.
AI에게 업무를 맡기는 프롬프트 기초
요즘 AI는 짧은 요청과 파일만으로도 쓸 만한 초안을 만듭니다. 그래도 목적·독자, 함께 줄 자료, 완성 기준, 넣지 않을 자료와 확정하지 않을 판단은 사람이 정해 줘야 합니다. 이 네 가지를 프롬프트에 담는 방법입니다.
개인정보, AI에 넣기 전에 점검하기
신고자·환자 정보가 섞인 자료를 외부 AI나 공개 저장소에 올리기 전에 기관 PC에서 개인정보를 점검하는 방법입니다. 정규식 점검, 문맥 점검, 사람 최종 확인 순서로 보며, 점검에서 아무것도 나오지 않아도 외부 전송이 승인된 것은 아닙니다.
AI 결과, 제출 전 확인 사항
AI가 만든 초안을 제출·발송·공개하기 직전에 숫자·출처·개인정보·공식 판단을 원자료와 대조하는 점검표입니다. 문장마다 원자료 위치를 찾아 대조하고, 결과는 pass·needs changes·block 세 판정으로 나눠 기록합니다.
막혔을 때 다시 요청하는 법
AI가 준 코드가 오류를 내거나, 무엇을 하는지 모르겠거나, 결과가 의심될 때 다시 요청하는 방법입니다. 원인 확인을 먼저 받고, 바꿀 범위를 좁히고, 행 수·합계로 검산하며, 실제 자료 대신 합성 재현 예시를 씁니다.
회의록 정리, 지어낸 담당자·기한 막기
회의 메모를 결정사항·할 일·공유사항·추가 확인으로 나눠 정리하되, 항목마다 원문 근거 문장을 붙이게 해 메모에 없는 담당자와 기한이 끼어들지 않게 하는 방법입니다.
민원 답변 초안, 단정 대신 절차로
자주 들어오는 소방 민원에 답변 초안을 만들 때 법령·처분을 단정하지 않고 확인 절차를 안내하게 하는 방법입니다. 확인된 사실·민원인 주장·추가 확인을 나누고, 붙인 원문에 없는 조문·기한은 쓰지 않으며, 사실 확인과 발송은 담당자가 맡습니다.
법령 근거 확인 브리프 만들기
안내문·민원 답변·교육자료에 법령 근거를 쓰기 전에 조문 후보·공식 원문 주소·시행일·확인일·검토자를 표 한 장에 묶는 방법입니다. AI가 찾아온 조문은 후보로 두고, 원문 확인과 해석·처분 판단을 나눠 기록합니다.
재난문자·기상특보로 상황 브리프 초안 만들기
재난문자와 기상특보를 교대용 상황 브리프 초안으로 묶는 방법입니다. 특보의 발표·발효·해제 시각을 브리프 기준 시각과 먼저 대조한 판정표를 만들고, 그 표를 근거로 AI에게 초안만 받습니다.
출동 데이터의 결측·중복·표기 불일치 정제하기
출동 CSV의 빈 칸·중복·표기 불일치를 AI나 코드로 정제할 때 정해 줄 규칙과 결과 확인 기준입니다. 빈 칸은 채우지 않고, 같은 출동번호는 펼쳐 본 뒤에 지우고, 표기는 승인된 매핑표로만 바꾸며, 단계마다 남은 행 수를 기록해 검산합니다.
교육 명단 대조, 조용한 오답 막기
교육 대상자 명단과 이수 기록을 양방향으로 대조해 미이수 후보·대상 외 이수·중복 기록을 따로 찾는 방법입니다. 실명단을 AI에 넣지 않고 대조 코드를 받는 프롬프트와, 개수 빼기 대신 쓰는 검산식을 다룹니다.
출동 통계, CSV 한 장으로 월간 집계
출동 기록 CSV로 월별·유형별·요일x시간대·지역별 건수를 낼 때 먼저 정할 정의(건수 기준, 시각 기준, 연·월 키)를 다룹니다. 코드나 AI가 낸 집계표를 행 수·고유 ID·결측으로 검산하는 기준도 함께 적었습니다. 표에 없는 원인·평가는 보고 문장에 넣지 않습니다.
예방 점검표 누락·재점검 대상 찾기
점검 대상 목록과 점검 기록을 양방향으로 대조해 미점검 후보·재점검 임박 후보·불량 분류 집계를 만드는 대조 규칙과 검산식입니다. AI에게 대조 코드를 맡길 때 줄 규칙과 결과에서 확인할 것을 다루며, 우선순위는 담당자가 원자료로 정합니다.
소방 업무에 쓸 공공데이터 고르는 법
알고 싶은 것을 먼저 정하고 그 질문에 답하는 자료 종류(통계 화면·파일·OpenAPI·학습 데이터셋)를 고르는 순서입니다. 고른 자료는 기준 시점·분류·위치 단위·인증키를 받는 곳·이용 조건을 원문에서 확인합니다. 자료 목록은 공공 데이터·학습 데이터셋·소방 공식 문서 허브로 안내합니다.
공공 API JSON을 검산 가능한 CSV로
소방용수시설 같은 공공 표준데이터를 파일이나 오픈API로 받아, 열 이름 차이·키 중복·좌표 결측을 검산하고 분석용 CSV와 사람 검토용 CSV로 나누는 방법입니다. 정리 코드를 AI에게 맡길 때 요청할 검산 기준을 함께 다룹니다.
119 합성 데이터로 안전하게 연습하기
실제 출동·점검 자료 대신 규칙으로 만든 합성 표로 분석 코드를 받고 연습하는 방법입니다. 무엇을 연습하는지, 실제와 다른 점, 재식별 가능성, 합성 표시를 먼저 정하고, 생성 규칙과 따로 검산합니다.
소방용수 접근성 분석, 공백 구역을 지도로 찾기
소방용수 표준데이터와 건물 위치를 같은 좌표계로 묶어, 법정 기준 거리(소방기본법 시행규칙 별표 3) 밖에 있는 건물을 현장 확인 후보로 찾는 공간 분석입니다. 결과는 증설·배치 결정에 바로 쓰지 않고 조사 기록과 대조할 후보로 쓰며, 건물 수를 검산하고 판단할 수 없는 건물은 따로 셉니다.
지역별 화재 위험도 예측 모델 구축
기상·건물·과거 출동 자료로 지역별 화재 위험도를 예측할 때 정할 것과 확인할 것을 다룹니다. 예측 단위와 대상, 미래 정보가 섞이지 않는 검증, 단순 기준과의 비교를 먼저 정하고, 예측 점수만으로 점검 대상이나 인력 배치를 정하지 않습니다.
예측 모델 운영, 드리프트 감지와 재학습 시점
배포한 위험도 예측 모델은 건물 분포·기후·신고 방식이 바뀌면 코드가 그대로여도 맞지 않게 됩니다. 언제 다시 확인하고 누가 재학습·교체·은퇴를 결정하며 무엇을 기록할지 운영 계획으로 정하는 방법과, AI가 계산한 백테스트·입력 분포 점검 결과를 검산하는 기준을 다룹니다.
화재 영상에서 화염·연기 탐지하기
CCTV·드론 영상에서 불꽃과 연기를 찾는 탐지 모델을 기획하고 확인하는 방법입니다. 무엇을 탐지하고 누가 결과를 보는지 먼저 정하고, 영상 단위로 나눠 오탐·미탐을 평가하며, 탐지 결과는 사람이 확인하는 알림 후보로만 씁니다.
훈련 데이터 라벨 품질, 학습 전에 잡기
라벨 오류는 화재·연기 탐지 모델의 오탐·미탐으로 이어질 수 있습니다. 학습 전에 라벨 기준 합의문, 라벨러 간 일치도, 의심 라벨과 분할 누수 후보(FiftyOne), 클래스 분포를 점검하고, 자동 라벨 초안을 사람이 확정하는 방법입니다.
119 신고 통화, 전사부터 유형 분류까지 안전하게
119 신고 통화 음성을 승인된 내부 환경에서 전사하고, 화자를 나누고, 개인정보를 뺀 뒤 유형·긴급도 분류 후보를 만드는 방법입니다. 음성과 전사는 외부 서비스로 보내지 않고, 분류는 사람이 배정할 때 참고하는 후보로만 씁니다.
신고 전사 심화, 화자 결합과 품질 관리
119 신고 통화 전사를 운영 수준으로 관리하는 방법입니다. 화자를 구분한 전사, 소방 용어 오전사 교정, 골든셋으로 잰 오류율, 신뢰도가 낮은 통화를 사람이 다시 듣는 대기열을 다루며, 음성은 외부로 보내지 않습니다.
개인정보 비식별 파이프라인, 이름·주소까지 자동으로
이름·주소·상세 서사처럼 정규식이 놓치는 개인정보를 문맥으로 찾아 가명으로 바꾸는 비식별 과정을 다룹니다. 한국어 설정과 켜진 탐지 항목을 먼저 확인하고, 같은 사람은 같은 가명으로 바꾸며, 골든셋으로 놓친 비율을 재고 공개 여부는 사람이 정합니다.
소방 법령·SOP, RAG로 근거 있게 답하기
법령·SOP 질문을 공식 조회 서비스, 승인된 AI 서비스의 파일 첨부, 자체 검색 색인(RAG) 가운데 어디서 풀지 고르고 근거를 확인하는 방법입니다. 자체 색인이 필요하면 조문 단위로 나누고 출처·시행일·권한을 함께 보관하며, 근거에 없는 답은 확인 필요로 남기게 합니다.
RAG 운영, 골든셋 회귀 평가와 가드레일
법령 개정·프롬프트 수정·모델 교체 뒤에 근거 인용이 빠지는 일을 막는 운영 방법입니다. 자주 묻는 질문으로 골든셋을 만들어 바꿀 때마다 같은 질문으로 다시 확인하고, 나가면 안 되는 답은 응답 직전에 막습니다. 직접 만든 RAG와 도입한 AI 서비스 모두에 씁니다.
안전한 AI 운영 도구 — 검증·비식별·추적
AI를 기관 업무에 올리기 전에 입력 전 비식별, 배포 전 회귀 평가, 운영 중 추적의 세 통제 지점에서 무엇을 검사하고 어떤 기록을 남길지 정합니다. 평가·문서 변환 도구가 기본값으로 외부에 보내는 것을 확인하고 끄는 방법과, 코딩 에이전트에게 설정을 맡길 때 사람이 정할 기준을 함께 다룹니다.
온프레미스 LLM, 망분리 환경에서 안전하게 운영하기
내부 장비에서 LLM을 운영할 때 정할 것을 다룹니다. 추론·검색·외부 도구·로그·평가의 데이터 경계, 호환 API로 옮길 때 확인할 것, 같은 업무 자료로 비교하는 방법, 반입·갱신과 승인 기록입니다. 모델과 장비 고르기는 로컬 AI 허브에서 봅니다.