# 용어 — 119 소방 AI 스튜디오 지식 그래프

AI 개념 용어입니다. 소방 관계 법령이 정의한 소방 업무 용어는 '소방 업무 용어' 파일에 따로 있습니다. 정의는 학습용 설명이며 표준 정의가 아닙니다. 용어사전은 미검토 · 위험도 미평가 상태입니다.
화면에서 보기: https://119-ai-studio.kr/glossary.html
이 파일: 전체 165건 중 103~136번째 (4/5)
지식 그래프 입구: https://119-ai-studio.kr/kg/index.txt

## 안전·보안·거버넌스

### 재식별
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-re-identification
- 카드 파일: https://119-ai-studio.kr/kg/card-46dafbd01c35fe117d42.txt
- 요약: 비식별 또는 가명 처리된 자료를 추가 정보와 결합해 특정 개인과 다시 연결하는 과정이나 위험.
- 영문·다른 이름: Re-identification · 재식별화
- 난이도: 심화
- 비유: 가려진 기록을 다른 명부나 시간·장소 단서와 맞춰 원래 사람을 다시 알아내는 일.
- 업무 참고: 희귀 출동·세부 위치·정확한 시각처럼 조합될 때 식별력이 커지는 항목을 포함해 위험을 평가한다.
- 연결:
  - 관련 용어: 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 관련 용어: 익명처리 — https://119-ai-studio.kr/glossary.html#gl-anonymization · 기존 관계 · 미검증
  - 관련 용어: PII 개인식별정보 — https://119-ai-studio.kr/glossary.html#gl-pii · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← PII 개인식별정보 — https://119-ai-studio.kr/glossary.html#gl-pii · 기존 관계 · 미검증
  - 관련 용어 ← 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 관련 용어 ← 익명처리 — https://119-ai-studio.kr/glossary.html#gl-anonymization · 기존 관계 · 미검증

### 동의
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-consent
- 카드 파일: https://119-ai-studio.kr/kg/card-ba8700cf7cca364666fa.txt
- 요약: 정보 주체가 처리 목적·항목·이용 범위 등 필요한 내용을 이해하고 자발적으로 의사를 표시하는 근거 중 하나.
- 영문·다른 이름: Consent · 정보 처리 동의
- 난이도: 실무
- 비유: 무엇을 왜 어떻게 쓸지 알린 뒤 해당 범위의 처리를 허락받는 절차.
- 업무 참고: 동의가 필요한지와 유효한 방식은 적용 법령과 기관 절차로 확인하며 포괄 문구 하나를 모든 AI 이용의 허가로 확대하지 않는다.
- 연결:
  - 관련 용어: 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 관련 용어: 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증
  - 관련 용어: 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증
  - 배경 학습: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 라이선스 — https://119-ai-studio.kr/glossary.html#gl-license · 기존 관계 · 미검증

### 데이터 유출
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-data-leakage
- 카드 파일: https://119-ai-studio.kr/kg/card-8eb4123a9885d2f5f8e0.txt
- 요약: 민감하거나 제한된 정보가 의도하지 않은 출력·로그·학습·전송·공유 경로를 통해 노출되는 현상.
- 영문·다른 이름: Data Leakage · 정보 노출 · 데이터 누출
- 난이도: 입문
- 의미 범위: 정보 보안에서의 데이터 유출
- 비유: 보호해야 할 정보가 승인되지 않은 사람이나 시스템 경계 밖으로 새어 나가는 사고.
- 업무 참고: 외부 모델 입력·도구 호출·로그·내보내기·공유 링크를 하나의 처리 경로로 보고 각 경계의 유출 가능성을 점검한다.
- 구분하기: 외부로 정보가 새는 유출과, 평가 정보가 학습에 섞여 성능이 부풀려지는 학습 데이터 누수를 구분합니다.
- 연결:
  - 관련 용어: 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 관련 용어: 마스킹 — https://119-ai-studio.kr/glossary.html#gl-masking · 기존 관계 · 미검증
  - 관련 용어: 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 정의 설명 학습 자료: 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 함께 볼 자료: 프롬프트·컨텍스트 엔지니어링 · 32. 안전과 민감정보 주의 — https://119-ai-studio.kr/learn/prompt/32_안전과_민감정보.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 소방청 개인정보 보호규정 — https://119-ai-studio.kr/ai-laws.html#law-nfa-privacy-rule
  - 관련 용어 ← 국가·공공기관 AI보안 가이드북 — https://119-ai-studio.kr/ai-laws.html#law-nis-ai-security-guidebook
  - 관련 용어 ← 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html
  - 관련 용어 ← 민감정보 — https://119-ai-studio.kr/glossary.html#gl-sensitive-data · 기존 관계 · 미검증
  - 관련 용어 ← 마스킹 — https://119-ai-studio.kr/glossary.html#gl-masking · 기존 관계 · 미검증
  - 함께 비교 ← 학습·평가 데이터 누수 — https://119-ai-studio.kr/glossary.html#gl-training-data-leakage · 자료 대조: 학습·평가 누수는 평가의 독립성을 오염시키는 정보 사용이며 기존 데이터 유출은 보호 정보 노출의 의미다.
    - 편집 판단 근거: scikit-learn — Common pitfalls and recommended practices — https://scikit-learn.org/stable/common_pitfalls.html#data-leakage (12.2 Data leakage, 2026-10-24)
    - 편집 판단 근거: 개인정보, AI에 넣기 전에 점검하기 — https://119-ai-studio.kr/pii-guard.html#s3 (내보내기 전에 거르는 이유, 2026-10-26)
  - 관련 용어 ← 정보보안 — https://119-ai-studio.kr/glossary.html#gl-law-b90ab545
  - 관련 용어 ← 정보보호 — https://119-ai-studio.kr/glossary.html#gl-law-c8e53470
  - 관련 용어 ← 정보보호시스템 — https://119-ai-studio.kr/glossary.html#gl-law-066a695d
  - 관련 용어 ← 휴대용 저장매체 — https://119-ai-studio.kr/glossary.html#gl-law-b5770f8e
  - 관련 용어 ← 업무자료 — https://119-ai-studio.kr/glossary.html#gl-law-922744c2
  - 관련 용어 ← 비공개 업무자료 — https://119-ai-studio.kr/glossary.html#gl-law-18ce12ec
  - 관련 용어 ← 대외비 — https://119-ai-studio.kr/glossary.html#gl-law-be68eb20
  - 관련 용어 ← 비밀 — https://119-ai-studio.kr/glossary.html#gl-law-00897c8f
  - 관련 용어 ← 검증필 암호모듈 — https://119-ai-studio.kr/glossary.html#gl-law-54abe428

### 프롬프트 인젝션
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-prompt-injection
- 정의 근거: https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (OWASP Gen AI Security Project — LLM01:2025 Prompt Injection · Types of Prompt Injection Vulnerabilities; Prevention and Mitigation Strategies · 직접·간접 입력을 통한 행동 변경, 외부 자료 구분과 최소 권한·검증·사람 승인, 단일 방어의 한계. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/ai-safety-anchor.html#s8 (소방 AI, 이것만은 하지 마세요 · 지킬 것 5 — 사람 검토 없이 내보내거나 실행하지 않습니다 · 검토자의 자료·업무 맥락·권한과 미확인 상태 유지, 검토 판정과 결재·업무 승인의 구분. · 원문 대조 2026-10-26)
- 카드 파일: https://119-ai-studio.kr/kg/card-81319d151722d4cc9232.txt
- 요약: 모델이 처리하는 외부 입력에 악의적 지시를 넣어 기존 지시를 무시하거나 정보 노출·원치 않는 도구 실행을 유도하는 공격 방식.
- 영문·다른 이름: Prompt Injection · 지시 주입 · 프롬프트인젝션
- 난이도: 실무
- 비유: 참고 문서나 웹페이지 속에 숨긴 지시가 원래 임무보다 우선인 명령처럼 작동하게 노리는 공격.
- 학습 예시: 가상 교육자료의 본문에 점검이 모두 끝났다고 답하라는 지시가 섞여, 요약 모델이 원래 요청과 다른 답을 하는 상황입니다.
- 업무 참고: 회의 메모·민원 원문처럼 AI에게 정리시키는 자료 속에 지시문이 섞일 수 있다. '회의록 정리, 지어낸 담당자·기한 막기'의 프롬프트는 자료 속 지시를 정리할 내용으로만 다루게 하고, 보고서·민원·SOP 답변이 권한을 넘는지 회귀 테스트로 확인하는 방법은 '안전한 AI 운영 도구 — 검증·비식별·추적'에 있다.
- 구분하기: 문구로 금지하는 것만으로 막을 수 없으며 최소 권한·입력 경계·출력 검증·사람 승인이 함께 필요하다.
- 심화 설명: 작동 방식 모델이 처리하는 입력에 원래 작업과 다른 행동을 요구하는 지시가 들어오면 지시와 자료의 경계가 흐려질 수 있습니다. 사용자 입력에서 직접 들어오는 경우와 웹페이지·문서·도구 결과를 통해 간접적으로 들어오는 경우가 있습니다. 모델이 그 문장을 따를 경우 답변이 변조되거나 연결된 도구에 부적절한 요청을 보낼 수 있습니다. 외부 자료 구분, 최소 권한, 출력·도구 인자 검사와 필요한 사람 승인을 함께 적용해 영향을 줄입니다. 학습 예시 - 가상 입력: 교육자료를 요약하는 중 문서 본문에 모든 점검이 끝났다고 답하라는 문장이 섞여 있습니다. - 출력 예: 모델이 실제 교육 내용 대신 점검을 완료했다고 답하면 원래 작업이 문서 안의 지시에 의해 바뀐 것입니다. - 해석: 문서에 있는 글이라는 사실이 실행 지시로 따를 권한을 주지는 않습니다. 문서 내용을 읽는 단계와 외부 동작을 승인하는 단계를 구분합니다. 구분과 한계 원문에 없는 내용을 생성하는 환각과는 오류가 생기는 경로가 다릅니다. RAG로 가져온 문서도 간접 지시의 전달 경로가 될 수 있습니다. 금지 문구를 프롬프트에 쓰거나 특정 문자열을 차단하는 것만으로 모든 변형을 막았다고 판단하지 않습니다.
- 연결:
  - 관련 용어: 탈옥 공격 — https://119-ai-studio.kr/glossary.html#gl-jailbreak · 기존 관계 · 미검증
  - 관련 용어: 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 관련 용어: 최소 권한 — https://119-ai-studio.kr/glossary.html#gl-least-privilege · 기존 관계 · 미검증
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 정의 설명 학습 자료: 프롬프트·컨텍스트 엔지니어링 · 32. 안전과 민감정보 주의 — https://119-ai-studio.kr/learn/prompt/32_안전과_민감정보.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 회의록 정리, 지어낸 담당자·기한 막기 — https://119-ai-studio.kr/meeting-memo-verify.html
  - 먼저 볼 개념 ← 프롬프트 — https://119-ai-studio.kr/glossary.html#gl-prompt · 자료 대조: 작업 지시와 참고 자료가 모델 입력에 함께 들어간다는 점을 먼저 배우면 자료 속 지시가 작업을 바꾸는 문제를 이해하기 쉽습니다.
    - 편집 판단 근거: 프롬프트·컨텍스트 엔지니어링 — 01. 프롬프트 엔지니어링이란 무엇인가 — https://119-ai-studio.kr/learn/prompt/01_프롬프트_엔지니어링이란.html#s4 (그럼 왜 어떤 표현은 실제로 효과가 있을까, 2026-10-24)
    - 편집 판단 근거: OWASP Gen AI Security Project — LLM01:2025 Prompt Injection — https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (Types of Prompt Injection Vulnerabilities; Prevention and Mitigation Strategies, 2026-10-24)
  - 관련 용어 ← 시스템 프롬프트 — https://119-ai-studio.kr/glossary.html#gl-system-prompt · 기존 관계 · 미검증
  - 관련 용어 ← 구분자 — https://119-ai-studio.kr/glossary.html#gl-delimiter · 기존 관계 · 미검증
  - 관련 용어 ← 탈옥 공격 — https://119-ai-studio.kr/glossary.html#gl-jailbreak · 기존 관계 · 미검증

### 탈옥 공격
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-jailbreak
- 카드 파일: https://119-ai-studio.kr/kg/card-e27fa1c6c9fb53973f9c.txt
- 요약: 모델이나 서비스의 안전 제한을 우회해 허용되지 않은 출력이나 행동을 유도하는 입력 전략.
- 영문·다른 이름: Jailbreak · 제한 우회
- 난이도: 실무
- 비유: 안전 규칙을 예외처럼 보이게 꾸며 금지된 답이나 행동을 끌어내려는 시도.
- 업무 참고: 모델 거절만 믿지 말고 민감 기능은 인증·권한·입력 검증·감사 기록으로 별도 보호한다.
- 구분하기: 프롬프트 인젝션은 외부 입력이 지시를 바꾸는 위협을 넓게 다루고 탈옥은 안전 제한 우회에 초점을 둔다.
- 연결:
  - 관련 용어: 프롬프트 인젝션 — https://119-ai-studio.kr/glossary.html#gl-prompt-injection · 기존 관계 · 미검증
  - 관련 용어: 가드레일 — https://119-ai-studio.kr/glossary.html#gl-guardrail · 기존 관계 · 미검증
  - 관련 용어: 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 32. 안전과 민감정보 주의 — https://119-ai-studio.kr/learn/prompt/32_안전과_민감정보.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 프롬프트 인젝션 — https://119-ai-studio.kr/glossary.html#gl-prompt-injection · 기존 관계 · 미검증

### 가드레일
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-guardrail
- 카드 파일: https://119-ai-studio.kr/kg/card-44bf8b5b028570311d10.txt
- 요약: AI 입력·출력·도구·권한·운영 절차에서 허용 범위를 제한하고 위험을 탐지하거나 차단하는 통제의 묶음.
- 영문·다른 이름: Guardrail · 안전 통제 · 보호 장치
- 난이도: 입문
- 비유: 위험 구간에서 실수가 사고로 이어지지 않도록 여러 겹으로 설치한 난간과 정지 장치.
- 업무 참고: 금칙어 필터 하나가 아니라 최소 권한·출처 확인·사람 승인·로그·중지 절차를 위험에 맞게 조합한다.
- 연결:
  - 관련 용어: 위험 평가 — https://119-ai-studio.kr/glossary.html#gl-risk-assessment · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 관련 용어: 최소 권한 — https://119-ai-studio.kr/glossary.html#gl-least-privilege · 기존 관계 · 미검증
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← AI 보안 레드티밍 가이드 — https://119-ai-studio.kr/ai-laws.html#law-ai-red-teaming-guide
  - 관련 용어 ← 탈옥 공격 — https://119-ai-studio.kr/glossary.html#gl-jailbreak · 기존 관계 · 미검증
  - 관련 용어 ← 위험 평가 — https://119-ai-studio.kr/glossary.html#gl-risk-assessment · 기존 관계 · 미검증

### 사람 검토
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-human-review
- 정의 근거: https://119-ai-studio.kr/ai-output-review.html#s8 (AI 결과, 제출 전 확인 사항 · 세 가지 판정 — pass · needs changes · block · 원자료 대조, 수정 후 재검토와 중단 판단. 기존 안내서의 학습 절차를 설명하며 업무 승인을 새로 정의하지 않습니다. · 원문 대조 2026-10-26)
- 정의 근거: https://119-ai-studio.kr/ai-safety-anchor.html#s8 (소방 AI, 이것만은 하지 마세요 · 지킬 것 5 — 사람 검토 없이 내보내거나 실행하지 않습니다 · 검토자의 자료·업무 맥락·권한과 미확인 상태 유지, 검토 판정과 결재·업무 승인의 구분. · 원문 대조 2026-10-26)
- 정의 근거: https://119-ai-studio.kr/ai-output-review.html#s12 (AI 결과, 제출 전 확인 사항 · 검토 기록을 남기기 · 입력·도구·대조 항목·수정 사항·검토자·확인일을 결과와 연결하는 실무 기록. · 원문 대조 2026-10-26)
- 카드 파일: https://119-ai-studio.kr/kg/card-ae9ef6bd73e86b26a608.txt
- 요약: AI 결과나 행동을 실제 책임과 권한을 가진 사람이 정해진 기준으로 확인·수정·승인·중지하는 통제.
- 영문·다른 이름: Human Review · 인적 검토 · 휴먼 인 더 루프
- 난이도: 입문
- 비유: 자동 초안이나 경보를 책임 있는 담당자가 근거와 원문에 대조해 승인하거나 되돌리는 절차.
- 학습 예시: AI가 작성한 교육안 초안의 장비명·수치·인용을 담당자가 공개 교재와 대조하고 수정한 뒤 배포한다.
- 업무 참고: AI 초안을 제출·발송·공개하기 직전에 점검하는 'AI 결과, 제출 전 확인 사항'과 점검 우선순위를 자동으로 확정하지 않고 담당자 판단용 후보를 만드는 '예방 점검표 누락·재점검 대상 찾기'에서 만난다. AI 결과가 허가·점검·과태료 같은 처분에 영향을 줄 때는 AI 관계법령의 행정기본법 카드로 이어진다.
- 구분하기: 사람이 화면을 한 번 보는 것만으로 충분하지 않으며 필요한 자료·시간·권한·거부 절차가 있어야 한다.
- 심화 설명: 작동 방식 검토자는 AI 출력과 원자료를 나란히 놓고 수치·이름·출처·권한을 대조합니다. 오류를 고칠 수 있는 자료, 시간과 수정·중단 권한이 있어야 검토 결과를 반영할 수 있습니다. 확인한 항목과 남은 문제를 기록하고, 수정이 필요하면 같은 항목을 다시 점검합니다. 제출·발송·실행 전 어느 단계에서 누가 검토하는지도 정합니다. 학습 예시 - 가상 입력: 원래 메모에는 장비 두 개의 상태를 확인할 예정이라고 적혀 있지만, AI 초안에는 장비 두 개의 점검을 완료했다고 적혀 있습니다. - 출력 예: 검토자가 완료 표현을 확인 예정으로 고치고, 변경 항목과 대조한 메모를 기록합니다. - 해석: 문체 교정뿐 아니라 행위의 상태가 바뀌었는지를 확인한 예입니다. 원자료를 구할 수 없다면 확인 완료로 처리하지 않습니다. 구분과 한계 사람 검토는 이름만 있는 승인 버튼이나 AI의 자기 평가와 다릅니다. 검토자가 확인하지 못한 항목은 미확인 상태로 남겨야 합니다. 검토 기록 자체가 결재·업무 승인이나 법적 적합성 판단을 대신하지는 않습니다.
- 연결:
  - 관련 용어: 환각 할루시네이션 — https://119-ai-studio.kr/glossary.html#gl-hallucination · 기존 관계 · 미검증
  - 관련 용어: 평가 — https://119-ai-studio.kr/glossary.html#gl-evaluation · 기존 관계 · 미검증
  - 관련 용어: 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증
  - 정의 설명 학습 자료: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
  - 정의 설명 학습 자료: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 20. 실전 n8n: 메모리·도구·앱 연동·프로덕션 — https://119-ai-studio.kr/learn/agentic-ai/20_n8n-production.html
  - 함께 볼 자료: 프롬프트·컨텍스트 엔지니어링 · 32. 안전과 민감정보 주의 — https://119-ai-studio.kr/learn/prompt/32_안전과_민감정보.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 행정기본법 — https://119-ai-studio.kr/ai-laws.html#law-framework-admin-act
  - 관련 용어 ← AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
  - 관련 용어 ← 신고 전사 심화, 화자 결합과 품질 관리 — https://119-ai-studio.kr/call-transcription-quality.html
  - 관련 용어 ← 음성 인식 — https://119-ai-studio.kr/glossary.html#gl-speech-recognition · 기존 관계 · 미검증
  - 관련 용어 ← 워크플로 — https://119-ai-studio.kr/glossary.html#gl-workflow · 기존 관계 · 미검증
  - 관련 용어 ← 자동화 — https://119-ai-studio.kr/glossary.html#gl-automation · 기존 관계 · 미검증
  - 관련 용어 ← 평가 — https://119-ai-studio.kr/glossary.html#gl-evaluation · 기존 관계 · 미검증
  - 관련 용어 ← 정답 기준 — https://119-ai-studio.kr/glossary.html#gl-ground-truth · 기존 관계 · 미검증
  - 관련 용어 ← 오탐 — https://119-ai-studio.kr/glossary.html#gl-false-positive · 기존 관계 · 미검증
  - 관련 용어 ← 미탐 — https://119-ai-studio.kr/glossary.html#gl-false-negative · 기존 관계 · 미검증
  - 관련 용어 ← 환각 할루시네이션 — https://119-ai-studio.kr/glossary.html#gl-hallucination · 기존 관계 · 미검증
  - 먼저 볼 개념 ← 환각 할루시네이션 — https://119-ai-studio.kr/glossary.html#gl-hallucination · 자료 대조: 근거 없는 수치·인용이 자연스러운 문장에 섞일 수 있음을 먼저 알면 사람 검토에서 원문 대조가 필요한 이유를 이해하기 쉽습니다.
    - 편집 판단 근거: 프롬프트·컨텍스트 엔지니어링 — 18. 환각을 줄이는 법 — https://119-ai-studio.kr/learn/prompt/18_환각을_줄이는_법.html#s8 (환각은 0이 되지 않는다 — 검증으로 대비, 2026-10-24)
    - 편집 판단 근거: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html#s8 (세 가지 판정 — pass · needs changes · block, 2026-10-26)
  - 관련 용어 ← 가드레일 — https://119-ai-studio.kr/glossary.html#gl-guardrail · 기존 관계 · 미검증
  - 관련 용어 ← 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증
  - 관련 용어 ← 설명가능성 — https://119-ai-studio.kr/glossary.html#gl-explainability · 기존 관계 · 미검증
  - 관련 용어 ← 위험 평가 — https://119-ai-studio.kr/glossary.html#gl-risk-assessment · 기존 관계 · 미검증
  - 관련 용어 ← 고영향 인공지능 — https://119-ai-studio.kr/glossary.html#gl-high-impact-ai · 기존 관계 · 미검증
  - 관련 용어 ← 자동화된 결정 — https://119-ai-studio.kr/glossary.html#gl-automated-decision · 기존 관계 · 미검증

### 최소 권한
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-least-privilege
- 카드 파일: https://119-ai-studio.kr/kg/card-ae087d70d6e6d09a0e49.txt
- 요약: 사용자·에이전트·도구에 업무 수행에 꼭 필요한 최소 범위와 기간의 접근 권한만 부여하는 보안 원칙.
- 영문·다른 이름: Least Privilege · 최소 권한 원칙
- 난이도: 입문
- 비유: 작업에 필요한 문과 시간에만 열리는 출입증을 주고 나머지 구역은 닫아 두는 원칙.
- 업무 참고: 조회와 수정·삭제 권한을 분리하고 고위험 행동은 별도 승인과 짧은 유효 기간을 둔다.
- 연결:
  - 관련 용어: 인가 — https://119-ai-studio.kr/glossary.html#gl-authorization · 기존 관계 · 미검증
  - 관련 용어: 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 관련 용어: 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 정의 설명 학습 자료: MCP 심화 안내서 · 부록 D. 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/mcp/D_terms.html
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 함께 볼 자료: 프롬프트·컨텍스트 엔지니어링 · 32. 안전과 민감정보 주의 — https://119-ai-studio.kr/learn/prompt/32_안전과_민감정보.html
  - 함께 볼 자료: sudo — https://119-ai-studio.kr/setup.html#term-sudo
- 이 개체를 가리키는 자료:
  - 관련 용어 ← MCP 서버 — https://119-ai-studio.kr/glossary.html#gl-mcp-server · 기존 관계 · 미검증
  - 관련 용어 ← 프롬프트 인젝션 — https://119-ai-studio.kr/glossary.html#gl-prompt-injection · 기존 관계 · 미검증
  - 관련 용어 ← 가드레일 — https://119-ai-studio.kr/glossary.html#gl-guardrail · 기존 관계 · 미검증
  - 관련 용어 ← 인가 — https://119-ai-studio.kr/glossary.html#gl-authorization · 기존 관계 · 미검증
  - 관련 용어 ← 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 관련 용어 ← 샌드박스 — https://119-ai-studio.kr/glossary.html#gl-sandbox · 자료 대조: 실행 환경을 격리할 때 작업에 필요한 자원만 허용하는 경계를 정할 수 있다. 샌드박스라는 이름만으로 최소 권한이 달성되지는 않는다.
    - 편집 판단 근거: Claude Code — Configure the sandboxed Bash tool — https://code.claude.com/docs/en/sandboxing (What the sandbox restricts / How sandboxing relates to permissions, 2026-10-24)

### 인증
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-authentication
- 카드 파일: https://119-ai-studio.kr/kg/card-3f67aa1948df7f392964.txt
- 요약: 사용자·서비스·장치가 주장하는 신원이 맞는지 자격 증명 등으로 확인하는 과정.
- 영문·다른 이름: Authentication · 신원 확인
- 난이도: 입문
- 비유: 출입증이 실제로 누구의 것인지 확인하는 절차.
- 업무 참고: API 키와 계정은 코드나 프롬프트에 넣지 말고 승인된 비밀 관리 방식과 교체 절차를 쓴다.
- 구분하기: 인증은 누구인지 확인하고 인가는 그 신원이 무엇을 할 수 있는지 결정한다.
- 연결:
  - 관련 용어: 인가 — https://119-ai-studio.kr/glossary.html#gl-authorization · 기존 관계 · 미검증
  - 관련 용어: 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 관련 용어: API — https://119-ai-studio.kr/glossary.html#gl-api · 기존 관계 · 미검증
  - 정의 설명 학습 자료: MCP 심화 안내서 · 부록 D. 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/mcp/D_terms.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← API — https://119-ai-studio.kr/glossary.html#gl-api · 기존 관계 · 미검증
  - 관련 용어 ← 인가 — https://119-ai-studio.kr/glossary.html#gl-authorization · 기존 관계 · 미검증
  - 관련 용어 ← 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증

### 인가
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-authorization
- 카드 파일: https://119-ai-studio.kr/kg/card-ea158362ed851d9d4ca1.txt
- 요약: 인증된 주체가 특정 자료나 기능에 접근하거나 행동을 수행할 권한이 있는지 결정하는 과정.
- 영문·다른 이름: Authorization · 권한 부여 · 허용 판단
- 난이도: 실무
- 비유: 신원이 확인된 사람에게 어느 방과 장비를 쓸 수 있는지 정하는 절차.
- 업무 참고: 모델이 요청했다는 이유만으로 허용하지 말고 사용자와 업무 맥락에 따른 권한을 실행 직전에 검사한다.
- 연결:
  - 관련 용어: 인증 — https://119-ai-studio.kr/glossary.html#gl-authentication · 기존 관계 · 미검증
  - 관련 용어: 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 관련 용어: 최소 권한 — https://119-ai-studio.kr/glossary.html#gl-least-privilege · 기존 관계 · 미검증
  - 정의 설명 학습 자료: MCP 심화 안내서 · 부록 D. 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/mcp/D_terms.html
  - 함께 볼 자료: 관리자 권한 — https://119-ai-studio.kr/setup.html#term-uac
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 보안업무규정 — https://119-ai-studio.kr/ai-laws.html#law-security-regulation
  - 관련 용어 ← 최소 권한 — https://119-ai-studio.kr/glossary.html#gl-least-privilege · 기존 관계 · 미검증
  - 관련 용어 ← 인증 — https://119-ai-studio.kr/glossary.html#gl-authentication · 기존 관계 · 미검증
  - 관련 용어 ← 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증

### 접근 통제
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-access-control
- 카드 파일: https://119-ai-studio.kr/kg/card-b5674333bf176abd2b48.txt
- 요약: 자료와 기능에 누가 어떤 조건으로 어떤 행동을 할 수 있는지 정책으로 제한하고 집행하는 통제.
- 영문·다른 이름: Access Control · 접근 제어
- 난이도: 실무
- 비유: 신원·역할·장소·시간에 따라 문을 열거나 막고 출입을 기록하는 체계.
- 업무 참고: 프롬프트가 아니라 서버와 데이터 경계에서 권한을 검사하고 실패 시 기본적으로 거부되게 한다.
- 연결:
  - 관련 용어: 인증 — https://119-ai-studio.kr/glossary.html#gl-authentication · 기존 관계 · 미검증
  - 관련 용어: 인가 — https://119-ai-studio.kr/glossary.html#gl-authorization · 기존 관계 · 미검증
  - 관련 용어: 최소 권한 — https://119-ai-studio.kr/glossary.html#gl-least-privilege · 기존 관계 · 미검증
  - 배경 학습: MCP 심화 안내서 · 부록 D. 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/mcp/D_terms.html
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← MCP 호스트 — https://119-ai-studio.kr/glossary.html#gl-mcp-host · 기존 관계 · 미검증
  - 관련 용어 ← 민감정보 — https://119-ai-studio.kr/glossary.html#gl-sensitive-data · 기존 관계 · 미검증
  - 관련 용어 ← 가명처리 — https://119-ai-studio.kr/glossary.html#gl-pseudonymization · 기존 관계 · 미검증
  - 관련 용어 ← 데이터 유출 — https://119-ai-studio.kr/glossary.html#gl-data-leakage · 기존 관계 · 미검증
  - 관련 용어 ← 탈옥 공격 — https://119-ai-studio.kr/glossary.html#gl-jailbreak · 기존 관계 · 미검증
  - 관련 용어 ← 최소 권한 — https://119-ai-studio.kr/glossary.html#gl-least-privilege · 기존 관계 · 미검증
  - 관련 용어 ← 인증 — https://119-ai-studio.kr/glossary.html#gl-authentication · 기존 관계 · 미검증
  - 관련 용어 ← 인가 — https://119-ai-studio.kr/glossary.html#gl-authorization · 기존 관계 · 미검증
  - 관련 용어 ← 개인정보취급자 — https://119-ai-studio.kr/glossary.html#gl-law-0de2bd22
  - 관련 용어 ← 정보보호시스템 — https://119-ai-studio.kr/glossary.html#gl-law-066a695d

### 감사 추적 기록
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-audit-trail
- 카드 파일: https://119-ai-studio.kr/kg/card-87a731babdb0b9569a75.txt
- 요약: 중요한 입력·결정·도구 실행·변경·승인의 주체와 시각과 결과를 사후 확인할 수 있게 남긴 기록.
- 영문·다른 이름: Audit Trail · 감사 로그 · 변경 이력
- 난이도: 실무
- 비유: 누가 언제 무엇을 요청·변경·승인했는지 되짚을 수 있는 연속 기록.
- 업무 참고: 원문 개인정보는 최소화하거나 마스킹하고 로그 자체의 접근 권한·무결성·보관·삭제 기준도 관리한다.
- 연결:
  - 관련 용어: 실행 추적 — https://119-ai-studio.kr/glossary.html#gl-tracing · 기존 관계 · 미검증
  - 관련 용어: 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 배경 학습: 안전한 AI 운영 도구 — 검증·비식별·추적 — https://119-ai-studio.kr/ai-ops-toolkit.html
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 인공지능 및 데이터 기반 행정 활성화에 관한 법률 시행령 — https://119-ai-studio.kr/ai-laws.html#law-ai-admin-decree
  - 관련 용어 ← 개인정보의 안전성 확보조치 기준 — https://119-ai-studio.kr/ai-laws.html#law-pipa-safety-standard
  - 관련 용어 ← 공공기록물 관리에 관한 법률 — https://119-ai-studio.kr/ai-laws.html#law-public-records-act
  - 관련 용어 ← 상태 — https://119-ai-studio.kr/glossary.html#gl-state · 기존 관계 · 미검증
  - 관련 용어 ← 실행 추적 — https://119-ai-studio.kr/glossary.html#gl-tracing · 기존 관계 · 미검증
  - 관련 용어 ← 마스킹 — https://119-ai-studio.kr/glossary.html#gl-masking · 기존 관계 · 미검증
  - 관련 용어 ← 동의 — https://119-ai-studio.kr/glossary.html#gl-consent · 기존 관계 · 미검증
  - 관련 용어 ← 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 관련 용어 ← 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증
  - 관련 용어 ← 기록물 — https://119-ai-studio.kr/glossary.html#gl-law-7ab8ff57
  - 관련 용어 ← 기록관리시스템 — https://119-ai-studio.kr/glossary.html#gl-law-dc19a543

### 출처 이력
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-provenance
- 정의 근거: https://www.w3.org/TR/prov-overview/#introduction (W3C — PROV-Overview · 1. Introduction · 자료 생성에 관여한 개체·활동·사람, 처리 단계·버전·유래의 기록과 신뢰성 판단의 자료라는 범위. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/ai-output-review.html#s12 (AI 결과, 제출 전 확인 사항 · 검토 기록을 남기기 · 입력·도구·대조 항목·수정 사항·검토자·확인일을 결과와 연결하는 실무 기록. · 원문 대조 2026-10-26)
- 정의 근거: https://119-ai-studio.kr/pii-guard.html#s4 (개인정보, AI에 넣기 전에 점검하기 · 점검은 3단입니다; 사람이 끝까지 봐야 하는 것; 정규식이 못 잡는 것 · 형태 탐지와 문맥 점검의 구분, 자동 검출 누락과 정보 조합의 재확인. · 원문 대조 2026-10-26)
- 카드 파일: https://119-ai-studio.kr/kg/card-5f08938b28160594ec82.txt
- 요약: 데이터·문서·모델 출력의 기원과 수집·변환·검토·버전 과정을 추적할 수 있게 하는 정보.
- 영문·다른 이름: Provenance · 데이터 계보 · 근원 정보
- 난이도: 실무
- 의미 범위: 자료·결과물의 생성·변환 이력
- 비유: 자료가 어디서 왔고 누가 언제 바꾸고 승인했는지 따라갈 수 있는 이력표.
- 학습 예시: 가상 교육 요약문에 원본 교육안의 버전·절 위치와 요약·수정 과정을 연결해, 잘못된 값이 어느 단계에서 생겼는지 확인합니다.
- 업무 참고: 법령 조문을 문장에 넣기 전에 공식 출처 링크·확인일·검토자를 한 줄로 묶는 '법령 근거 확인 브리프 만들기'와 제출 전 출처를 점검하는 'AI 결과, 제출 전 확인 사항'에서 만난다. AI 결과물이 공문·보고서로 남을 때는 AI 관계법령의 공공기록물 관리에 관한 법률 카드로 이어진다.
- 구분하기: 출처 링크는 원본 위치를 알려 주고 출처 이력은 생성·변환 과정까지 설명합니다. 기록 자체가 사실성이나 사용 승인을 보증하지는 않습니다.
- 심화 설명: 작동 방식 결과물에 사용한 원본 자료, 변환 작업과 작업 주체를 연결해 기록합니다. 문서 ID·버전·원문 위치가 있으면 특정 문장을 어떤 자료에서 가져왔는지 추적하기 쉽습니다. 수집 뒤 분할·요약·수정한 과정도 남기면 어느 단계에서 값이 달라졌는지 확인할 수 있습니다. 원본이나 변환 결과가 바뀌었을 때는 기록이 가리키는 버전도 함께 구분합니다. 학습 예시 - 가상 입력: 공개 교육안 A의 2절을 바탕으로 교육 일정 요약문을 만들었다고 가정합니다. - 출력 예: 원본 A의 버전, 2절 위치, 요약 작업, 검토자의 수정 항목을 결과와 연결해 기록합니다. - 해석: 잘못된 시간이 발견되면 원문에 있던 오류인지 요약·수정 과정에서 생겼는지 되짚을 수 있습니다. 구분과 한계 출처 링크 한 개는 원본 위치를 알려 주지만 모든 변환 이력을 설명하지는 않습니다. 출처 이력은 신뢰성을 판단하는 자료이며 기록 자체가 내용의 진실성이나 사용 승인을 보증하지 않습니다. 기록에도 불필요한 개인정보나 원문 민감정보를 복제하지 않습니다.
- 연결:
  - 관련 용어: 근거화 — https://119-ai-studio.kr/glossary.html#gl-grounding · 기존 관계 · 미검증
  - 관련 용어: 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증
  - 관련 용어: 골든셋 — https://119-ai-studio.kr/glossary.html#gl-golden-set · 기존 관계 · 미검증
  - 배경 학습: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
  - 정의 설명 학습 자료: RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 공공기록물 관리에 관한 법률 — https://119-ai-studio.kr/ai-laws.html#law-public-records-act
  - 관련 용어 ← AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
  - 관련 용어 ← 법령 근거 확인 브리프 만들기 — https://119-ai-studio.kr/law-reference-brief.html
  - 관련 용어 ← 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
  - 관련 용어 ← RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
  - 관련 용어 ← 컨텍스트 압축 — https://119-ai-studio.kr/glossary.html#gl-compaction · 기존 관계 · 미검증
  - 관련 용어 ← 메타데이터 — https://119-ai-studio.kr/glossary.html#gl-metadata · 기존 관계 · 미검증
  - 관련 용어 ← 근거화 — https://119-ai-studio.kr/glossary.html#gl-grounding · 기존 관계 · 미검증
  - 관련 용어 ← 저장소 — https://119-ai-studio.kr/glossary.html#gl-repository · 기존 관계 · 미검증
  - 관련 용어 ← 골든셋 — https://119-ai-studio.kr/glossary.html#gl-golden-set · 기존 관계 · 미검증
  - 관련 용어 ← 동의 — https://119-ai-studio.kr/glossary.html#gl-consent · 기존 관계 · 미검증
  - 관련 용어 ← 감사 추적 기록 — https://119-ai-studio.kr/glossary.html#gl-audit-trail · 기존 관계 · 미검증
  - 관련 용어 ← 설명가능성 — https://119-ai-studio.kr/glossary.html#gl-explainability · 기존 관계 · 미검증

### 편향
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-bias
- 카드 파일: https://119-ai-studio.kr/kg/card-9751508c90184e331f14.txt
- 요약: 데이터·설계·측정·운영 과정의 치우침 때문에 시스템 오류나 영향이 특정 집단·상황에 체계적으로 달라지는 현상.
- 영문·다른 이름: Bias · AI 편향
- 난이도: 실무
- 비유: 자료와 기준이 한쪽 상황에 치우쳐 특정 집단이나 조건에서 반복적으로 불리한 결과가 나는 현상.
- 업무 참고: 전체 평균만 보지 말고 지역·문서 유형·상황별 실패를 살피되 불필요한 민감정보 수집으로 해결하려 하지 않는다.
- 연결:
  - 관련 용어: 데이터셋 — https://119-ai-studio.kr/glossary.html#gl-dataset · 기존 관계 · 미검증
  - 관련 용어: 평가지표 — https://119-ai-studio.kr/glossary.html#gl-metric · 기존 관계 · 미검증
  - 관련 용어: 위험 평가 — https://119-ai-studio.kr/glossary.html#gl-risk-assessment · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 23. 평가(eval)의 기초 — 좋은 프롬프트인지 어떻게 아는가 — https://119-ai-studio.kr/learn/prompt/23_평가의_기초.html
  - 배경 학습: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 인공지능 및 데이터 기반 행정 활성화에 관한 법률 시행령 — https://119-ai-studio.kr/ai-laws.html#law-ai-admin-decree

### 설명가능성
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-explainability
- 카드 파일: https://119-ai-studio.kr/kg/card-847b781a33c1ac71e6e5.txt
- 요약: AI 시스템의 결과·근거·처리 과정을 이해하고 검토할 수 있는 형태로 설명할 수 있는 정도.
- 영문·다른 이름: Explainability · 설명 가능성 · 결과 설명
- 난이도: 심화
- 비유: 결과만 제시하는 대신 어떤 자료와 규칙이 판단에 영향을 주었는지 사람이 검토할 단서를 주는 성질.
- 업무 참고: 유창한 사후 설명을 실제 내부 판단의 완전한 기록으로 믿지 말고 인용 원문·입력·도구 기록과 대조한다.
- 구분하기: 설명가능성이 높다는 사실만으로 결과가 참이거나 공정하거나 안전하다는 뜻은 아니다.
- 연결:
  - 관련 용어: 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 관련 용어: 사고 사슬 — https://119-ai-studio.kr/glossary.html#gl-chain-of-thought · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 20. 검증 가능한 출력 만들기 — https://119-ai-studio.kr/learn/prompt/20_검증_가능한_출력.html
  - 배경 학습: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 어텐션 — https://119-ai-studio.kr/glossary.html#gl-attention · 기존 관계 · 미검증
  - 관련 용어 ← 사고 사슬 — https://119-ai-studio.kr/glossary.html#gl-chain-of-thought · 기존 관계 · 미검증
  - 관련 용어 ← 자동화된 결정 — https://119-ai-studio.kr/glossary.html#gl-automated-decision · 기존 관계 · 미검증

### 위험 평가
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-risk-assessment
- 카드 파일: https://119-ai-studio.kr/kg/card-7bb0509c9040c024a093.txt
- 요약: AI 사용에서 발생 가능한 위해의 가능성과 영향·노출·통제를 식별하고 허용 여부와 대응을 정하는 과정.
- 영문·다른 이름: Risk Assessment · AI 위험 평가
- 난이도: 실무
- 비유: 장비를 배치하기 전에 고장 가능성·피해 크기·노출 범위·대응 수단을 함께 따지는 점검.
- 업무 참고: 현장 안전·권리·개인정보·대외 신뢰에 미치는 영향이 크면 자동화 범위를 줄이고 사람 승인과 중지 조건을 강화한다.
- 연결:
  - 관련 용어: 가드레일 — https://119-ai-studio.kr/glossary.html#gl-guardrail · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 관련 용어: 모니터링 — https://119-ai-studio.kr/glossary.html#gl-monitoring · 기존 관계 · 미검증
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 가드레일 — https://119-ai-studio.kr/glossary.html#gl-guardrail · 기존 관계 · 미검증
  - 관련 용어 ← 편향 — https://119-ai-studio.kr/glossary.html#gl-bias · 기존 관계 · 미검증
  - 관련 용어 ← 고영향 인공지능 — https://119-ai-studio.kr/glossary.html#gl-high-impact-ai · 기존 관계 · 미검증

### 고영향 인공지능
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-high-impact-ai
- 카드 파일: https://119-ai-studio.kr/kg/card-bb01c3068fa27506e757.txt
- 요약: 사람의 생명·신체의 안전·기본권에 중대한 영향을 미치거나 위험을 초래할 우려가 있는 AI 시스템 가운데 법에 열거된 영역에서 쓰이는 것을 가리키는 법률 용어.
- 영문·다른 이름: High-impact AI · 고영향 AI
- 난이도: 심화
- 비유: 같은 장비라도 생명·안전·권리에 닿는 자리에 놓이면 더 엄격한 점검 대상이 되듯 쓰이는 영역 때문에 따로 분류되는 AI.
- 업무 참고: 구급·출동 판단이나 공공서비스 결정에 쓰일 AI 사업은 해당 여부를 스스로 단정하지 말고 기획 단계에서 조문 원문과 담당 부서 검토로 확인한다.
- 구분하기: 고영향 여부는 모델의 크기나 성능이 아니라 활용 영역과 영향으로 나뉘며 생성형 AI와는 다른 분류다.
- 법령 정의: 인공지능기본법 제2조제4호는 고영향 인공지능을 사람의 생명, 신체의 안전 및 기본권에 중대한 영향을 미치거나 위험을 초래할 우려가 있는 인공지능시스템으로서 에너지 공급·보건의료·채용 판단·국가기관등의 공공서비스 자격 확인·결정 등 법에 열거된 영역에서 활용되는 것으로 정의합니다.
- 연결:
  - 관련 용어: 위험 평가 — https://119-ai-studio.kr/glossary.html#gl-risk-assessment · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 관련 용어: 생성형 AI — https://119-ai-studio.kr/glossary.html#gl-generative-ai · 기존 관계 · 미검증
  - 법령 정의: 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법 — https://119-ai-studio.kr/ai-laws.html#law-ai-basic-act
  - 배경 학습: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
  - 정의 설명 학습 자료: AI 관계법령 — https://119-ai-studio.kr/ai-laws.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법 — https://119-ai-studio.kr/ai-laws.html#law-ai-basic-act

### 자동화된 결정
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-automated-decision
- 카드 파일: https://119-ai-studio.kr/kg/card-bea20a8343fc77a6d36e.txt
- 요약: 사람의 개입 없이 완전히 자동화된 시스템이 개인정보를 처리해 내리는 결정으로 정보주체의 거부·설명 요구 권리와 연결되는 법률 용어.
- 영문·다른 이름: Automated Decision · 완전 자동화 결정 · 자동 결정
- 난이도: 실무
- 비유: 담당자가 끼지 않고 시스템이 개인정보를 처리해 곧바로 결과를 내는 판정 창구.
- 업무 참고: AI가 낸 분류나 점수를 사람이 확인하지 않고 그대로 처리 결과로 쓰는 설계라면 기획 단계에서 조문 원문과 개인정보 담당 부서의 판단을 확인한다.
- 구분하기: 사람 검토는 결정 과정에 사람이 개입하는 통제이고 행정청의 자동적 처분은 이 정의에서 빠져 행정기본법 제20조가 따로 정한다.
- 법령 정의: 개인정보 보호법 제37조의2제1항은 완전히 자동화된 시스템(인공지능 기술을 적용한 시스템 포함)으로 개인정보를 처리하여 이루어지는 결정을 자동화된 결정으로 정의하고 행정기본법 제20조에 따른 행정청의 자동적 처분은 제외합니다.
- 연결:
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 관련 용어: 설명가능성 — https://119-ai-studio.kr/glossary.html#gl-explainability · 기존 관계 · 미검증
  - 관련 용어: 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 법령 정의: 개인정보 보호법 — https://119-ai-studio.kr/ai-laws.html#law-pipa
  - 배경 학습: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
  - 정의 설명 학습 자료: AI 관계법령 — https://119-ai-studio.kr/ai-laws.html
  - 주제: 개인정보·비식별 — https://119-ai-studio.kr/kg/index.txt#topic-privacy-deid
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 개인정보 보호법 — https://119-ai-studio.kr/ai-laws.html#law-pipa
  - 관련 용어 ← 행정기본법 — https://119-ai-studio.kr/ai-laws.html#law-framework-admin-act

### 라이선스
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-license
- 카드 파일: https://119-ai-studio.kr/kg/card-b0448a6b39fb4857222d.txt
- 요약: 저작권자가 소프트웨어나 자료의 사용·수정·재배포 범위와 의무를 정해 붙이는 이용 조건. 저장소에 라이선스 파일이 없으면 조건이 정해지지 않은 상태로 본다.
- 영문·다른 이름: License · 이용 조건 · 사용권
- 난이도: 입문
- 비유: 남이 만든 것을 어떤 조건에서 써도 되는지 미리 적어 둔 약속.
- 업무 참고: 업무에 들이기 전에 출처 표시·수정본 공개·상업적 이용 제한 같은 의무를 확인해야 한다. 공공데이터는 공공누리 유형으로 조건을 표시한다.
- 구분하기: 무료로 내려받을 수 있다는 것과 업무에 써도 된다는 것은 다르다. 쓸 수 있는 범위는 라이선스가 정한다.
- 연결:
  - 관련 용어: 오픈 소스 — https://119-ai-studio.kr/glossary.html#gl-open-source · 기존 관계 · 미검증
  - 관련 용어: 저장소 — https://119-ai-studio.kr/glossary.html#gl-repository · 기존 관계 · 미검증
  - 관련 용어: 동의 — https://119-ai-studio.kr/glossary.html#gl-consent · 기존 관계 · 미검증
  - 배경 학습: Git 완전 정복 · 17. 포크(Fork)와 오픈소스 기여 — https://119-ai-studio.kr/learn/git/17_포크와오픈소스기여.html
  - 관련 안내서: 소방 업무에 쓸 공공데이터 고르는 법 — https://119-ai-studio.kr/public-data-map.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 공공데이터의 제공 및 이용 활성화에 관한 법률 — https://119-ai-studio.kr/ai-laws.html#law-public-data-act
  - 관련 용어 ← 저작권법 — https://119-ai-studio.kr/ai-laws.html#law-copyright-act
  - 관련 용어 ← Bounding Box Annotated Wildfire Smoke Dataset — https://119-ai-studio.kr/datasets.html#dataset-aiformankind-wildfire-smoke
  - 관련 용어 ← 오픈 소스 — https://119-ai-studio.kr/glossary.html#gl-open-source · 기존 관계 · 미검증
  - 관련 용어 ← 저장소 — https://119-ai-studio.kr/glossary.html#gl-repository · 기존 관계 · 미검증
  - 관련 용어 ← 저작물 — https://119-ai-studio.kr/glossary.html#gl-law-807f2247

## AI·모델 기초

### GPU
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-gpu
- 정의 근거: https://docs.nvidia.com/cuda/cuda-programming-guide/01-introduction/introduction.html (NVIDIA CUDA Programming Guide — Introduction · 1.1.1 The Graphics Processing Unit · GPU의 그래픽 처리 기원과 병렬 연산 용도. 특정 제품의 속도 우열이나 사양은 지지하지 않는다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-1fb94f5004e1088ccbef.txt
- 요약: 많은 연산을 병렬로 처리하도록 설계된 프로세서. 그래픽 처리에서 출발했으며 AI의 행렬·텐서 계산에도 널리 쓰인다.
- 영문·다른 이름: Graphics Processing Unit · 그래픽 처리 장치 · 그래픽처리장치
- 난이도: 입문
- 의미 범위: AI 계산을 수행하는 하드웨어
- 비유: 비슷한 계산을 여러 작업대에서 동시에 처리하는 장치.
- 학습 예시: 가상의 교육용 영상 실습에서 같은 모델을 CPU와 GPU로 실행하고 처리 시간과 메모리 사용량을 비교한다.
- 업무 참고: 영상·음성·로컬 LLM 실습에서는 모델과 연산 형식이 해당 GPU에서 지원되는지 함께 확인한다.
- 구분하기: GPU의 계산 능력과 VRAM의 저장 용량은 다른 조건이다. GPU라는 이름만으로 모든 작업이 더 빠르다고 판단할 수 없다.
- 연결:
  - 관련 용어: VRAM — https://119-ai-studio.kr/glossary.html#gl-vram · 자료 대조: GPU의 계산 장치와 그 장치가 사용하는 전용 메모리는 서로 다른 자원이다.
    - 편집 판단 근거: NVIDIA CUDA Programming Guide — Introduction — https://docs.nvidia.com/cuda/cuda-programming-guide/01-introduction/introduction.html (1.1.1 The Graphics Processing Unit, 2026-10-24)
    - 편집 판단 근거: AI 컴퓨팅·시스템 기초 — RAM, VRAM, cache, bandwidth — https://119-ai-studio.kr/learn/ai-computing/06_메모리_계층.html#s2 (정확한 정의: 하드웨어 메모리 계층, 2026-10-24)
  - 정의 설명 학습 자료: AI 컴퓨팅·시스템 기초 · 04. CPU, GPU, NPU — https://119-ai-studio.kr/learn/ai-computing/04_CPU_GPU_NPU.html

### VRAM
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-vram
- 정의 근거: https://119-ai-studio.kr/learn/ai-computing/06_메모리_계층.html#s2 (AI 컴퓨팅·시스템 기초 — RAM, VRAM, cache, bandwidth · 정확한 정의: 하드웨어 메모리 계층 · 독립형 GPU의 전용 메모리와 시스템 RAM의 구분. 이어지는 캐시·런타임 메모리 절은 가중치 외 KV 캐시·활성값·버퍼가 메모리를 차지함을 설명한다. · 원문 대조 2026-10-24)
- 정의 근거: https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (NVIDIA — Mastering LLM Techniques: Inference Optimization · LLM inference / Batching / Key-value caching / Quantization · 자기회귀 LLM의 프리필·디코드, KV 상태 재사용, 요청 배칭과 양자화의 기본 개념. 제품별 성능 수치는 사용하지 않는다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-c4fceb68441065bca8c1.txt
- 요약: 독립형 GPU가 연산에 필요한 데이터를 저장하는 전용 메모리. AI 추론에서는 모델 가중치뿐 아니라 중간 계산값과 KV 캐시 등도 이 공간을 사용한다.
- 영문·다른 이름: Video Random Access Memory · 비디오 메모리 · GPU 메모리
- 난이도: 입문
- 의미 범위: 독립형 GPU의 전용 메모리
- 비유: GPU 작업대 바로 곁에 둔 재료 보관 공간.
- 학습 예시: 가상의 로컬 요약 실습에서 모델은 열리지만 긴 문서를 넣을 때 메모리가 부족해져 입력 길이별 사용량을 따로 확인한다.
- 업무 참고: 모델 파일이 들어가는지만 보지 말고 문서 길이·동시 요청을 포함한 실습 조건에서 메모리 여유를 확인한다.
- 구분하기: VRAM 용량은 모델 파일 크기나 처리 속도와 같지 않다. CPU·GPU가 메모리를 공유하는 시스템은 전용 VRAM 구성과 구분한다.
- 연결:
  - 관련 용어: KV 캐시 — https://119-ai-studio.kr/glossary.html#gl-kv-cache · 자료 대조: GPU에서 KV 캐시를 저장하는 구성에서는 가중치와 KV 상태가 같은 유한한 메모리 공간을 사용한다.
    - 원문에 명시: AI 컴퓨팅·시스템 기초 — RAM, VRAM, cache, bandwidth — https://119-ai-studio.kr/learn/ai-computing/06_메모리_계층.html#s2 (정확한 정의: 하드웨어 메모리 계층, 2026-10-24)
    - 원문에 명시: NVIDIA — Mastering LLM Techniques: Inference Optimization — https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (LLM inference / Batching / Key-value caching / Quantization, 2026-10-24)
  - 정의 설명 학습 자료: AI 컴퓨팅·시스템 기초 · 06. RAM, VRAM, cache, bandwidth — https://119-ai-studio.kr/learn/ai-computing/06_메모리_계층.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← GPU — https://119-ai-studio.kr/glossary.html#gl-gpu · 자료 대조: GPU의 계산 장치와 그 장치가 사용하는 전용 메모리는 서로 다른 자원이다.
    - 편집 판단 근거: NVIDIA CUDA Programming Guide — Introduction — https://docs.nvidia.com/cuda/cuda-programming-guide/01-introduction/introduction.html (1.1.1 The Graphics Processing Unit, 2026-10-24)
    - 편집 판단 근거: AI 컴퓨팅·시스템 기초 — RAM, VRAM, cache, bandwidth — https://119-ai-studio.kr/learn/ai-computing/06_메모리_계층.html#s2 (정확한 정의: 하드웨어 메모리 계층, 2026-10-24)

### 양자화
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-quantization
- 정의 근거: https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (NVIDIA — Mastering LLM Techniques: Inference Optimization · LLM inference / Batching / Key-value caching / Quantization · 자기회귀 LLM의 프리필·디코드, KV 상태 재사용, 요청 배칭과 양자화의 기본 개념. 제품별 성능 수치는 사용하지 않는다. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/learn/llm-inference/11_양자화의_절충.html#s1 (LLM 추론 시스템의 원리 — 양자화의 절충 · 먼저: 양자화(quantization)가 뭔가요? / 세 갈래 · 가중치·활성값·KV 캐시 양자화의 구분과 품질·메모리·지원 커널에 따른 절충. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-529e9ad9e6c26f499fa7.txt
- 요약: 가중치·활성값·KV 캐시 등의 수치를 더 적은 비트로 나타내도록 제한된 값들에 대응시키는 기법. 저장·전송할 양을 줄일 수 있지만 표현 오차와 품질 변화가 생길 수 있다.
- 영문·다른 이름: Quantization · 모델 양자화 · 저비트 양자화
- 난이도: 실무
- 의미 범위: AI 모델의 수치 표현을 줄이는 기법
- 비유: 촘촘한 눈금으로 적던 값을 더 성긴 눈금에 맞춰 기록하는 것.
- 학습 예시: 가상의 공개 문서 요약 실습에서 같은 모델의 양자화 전후 메모리 사용량과 숫자·고유명사 오류를 같은 질문으로 비교한다.
- 업무 참고: 학습용 평가셋으로 품질을 다시 확인하고 가중치·활성값·KV 캐시 중 무엇을 줄였는지 기록한다.
- 구분하기: 파일을 압축했다가 원래 수치로 완전히 되돌리는 무손실 압축과 다르다. 적은 비트 수가 항상 더 빠른 실행을 보장하지도 않는다.
- 연결:
  - 관련 용어: 수치 정밀도 — https://119-ai-studio.kr/glossary.html#gl-numeric-precision · 자료 대조: 양자화는 수치를 제한된 값으로 표현하는 방법이므로 어떤 수치 형식과 정밀도를 쓰는지 함께 이해한다.
    - 원문에 명시: NVIDIA — Train With Mixed Precision — https://docs.nvidia.com/deeplearning/performance/mixed-precision-training/index.html (2 Mixed Precision Training / 2.1 Half Precision Format, 2026-10-24)
    - 원문에 명시: LLM 추론 시스템의 원리 — 양자화의 절충 — https://119-ai-studio.kr/learn/llm-inference/11_양자화의_절충.html#s1 (먼저: 양자화(quantization)가 뭔가요? / 세 갈래, 2026-10-24)
  - 정의 설명 학습 자료: LLM 추론 시스템의 원리 · 11. 양자화의 절충 — https://119-ai-studio.kr/learn/llm-inference/11_양자화의_절충.html

### 수치 정밀도
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-numeric-precision
- 정의 근거: https://docs.nvidia.com/deeplearning/performance/mixed-precision-training/index.html (NVIDIA — Train With Mixed Precision · 2 Mixed Precision Training / 2.1 Half Precision Format · 수치 형식의 비트 배분, 유효숫자 정밀도와 표현 범위, 낮은 비트 표현의 메모리 효과. 분류 평가의 precision과는 다른 개념이다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-37e9e7dcf1cfd76d4494.txt
- 요약: 숫자를 얼마나 촘촘하게 구별해 표현하고 계산할 수 있는지를 나타내는 성질. 부동소수점 형식에서는 유효숫자에 배정한 비트 수가 정밀도에, 지수에 배정한 비트 수가 표현 범위에 영향을 준다.
- 영문·다른 이름: Numerical Precision · 숫자 정밀도 · 수치 표현 정밀도 · Precision
- 난이도: 실무
- 의미 범위: 숫자를 저장·계산하는 표현 형식의 정밀도
- 비유: 자의 눈금 간격은 정밀도에, 잴 수 있는 최대 길이는 표현 범위에 대응한다.
- 학습 예시: 가상의 모델 실행 비교표에서 둘 다 16비트인 형식도 표현 범위와 유효숫자가 다를 수 있음을 확인한다.
- 업무 참고: 모델의 FP16·BF16 같은 표기를 읽을 때 비트 수만으로 품질과 속도의 우열을 정하지 않는다.
- 구분하기: 분류 평가의 정밀도는 양성 예측 중 정답의 비율이다. 수치 정밀도를 높인다고 그 평가 지표가 반드시 높아지는 것은 아니다.
- 연결:
  - 함께 비교: 정밀도 — https://119-ai-studio.kr/glossary.html#gl-precision · 자료 대조: 같은 precision이라는 영문 이름을 쓰지만 수치 표현의 정밀도와 양성 예측의 정답 비율은 다른 개념이다.
    - 편집 판단 근거: NVIDIA — Train With Mixed Precision — https://docs.nvidia.com/deeplearning/performance/mixed-precision-training/index.html (2 Mixed Precision Training / 2.1 Half Precision Format, 2026-10-24)
    - 편집 판단 근거: Ultralytics — Performance Metrics Deep Dive — https://docs.ultralytics.com/guides/yolo-performance-metrics (Object Detection Metrics / Class-wise Metrics, 2026-10-24)
  - 정의 설명 학습 자료: AI 컴퓨팅·시스템 기초 · 03. FP32, FP16, BF16, INT8, INT4 — https://119-ai-studio.kr/learn/ai-computing/03_정밀도.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 양자화 — https://119-ai-studio.kr/glossary.html#gl-quantization · 자료 대조: 양자화는 수치를 제한된 값으로 표현하는 방법이므로 어떤 수치 형식과 정밀도를 쓰는지 함께 이해한다.
    - 원문에 명시: NVIDIA — Train With Mixed Precision — https://docs.nvidia.com/deeplearning/performance/mixed-precision-training/index.html (2 Mixed Precision Training / 2.1 Half Precision Format, 2026-10-24)
    - 원문에 명시: LLM 추론 시스템의 원리 — 양자화의 절충 — https://119-ai-studio.kr/learn/llm-inference/11_양자화의_절충.html#s1 (먼저: 양자화(quantization)가 뭔가요? / 세 갈래, 2026-10-24)

### KV 캐시
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-kv-cache
- 정의 근거: https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (NVIDIA — Mastering LLM Techniques: Inference Optimization · LLM inference / Batching / Key-value caching / Quantization · 자기회귀 LLM의 프리필·디코드, KV 상태 재사용, 요청 배칭과 양자화의 기본 개념. 제품별 성능 수치는 사용하지 않는다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-86ff2cefa556f8e67274.txt
- 요약: 앞서 처리한 토큰의 어텐션 key·value 값을 저장해 이후 토큰을 만들 때 재사용하는 상태. 같은 값을 다시 계산하는 일을 줄이는 대신 메모리를 사용한다.
- 영문·다른 이름: Key-Value Cache · 키 값 캐시 · 키-밸류 캐시 · KV cache
- 난이도: 심화
- 의미 범위: 자기회귀 트랜스포머 추론의 중간 상태 저장
- 비유: 앞부분 계산의 중간 메모를 보관하고 다음 계산에서 다시 꺼내 쓰는 것.
- 학습 예시: 가상의 긴 교육 문서 질의응답에서 대화 길이를 늘리며 KV 캐시 사용량이 어떻게 변하는지 관찰한다.
- 업무 참고: 로컬 LLM 실습에서 긴 문맥과 동시 요청이 메모리 사용량에 주는 영향을 이해할 때 필요하다.
- 구분하기: 완성된 답변을 그대로 돌려주는 응답 캐시와 다르다. 저장량과 증가 방식은 모델 구조·문맥 길이·캐시 정책에 따라 달라진다.
- 연결:
  - 관련 용어: 어텐션 — https://119-ai-studio.kr/glossary.html#gl-attention · 자료 대조: 자기회귀 트랜스포머에서 KV 캐시는 어텐션에 쓰는 앞 토큰의 key·value를 재사용한다.
    - 원문에 명시: NVIDIA — Mastering LLM Techniques: Inference Optimization — https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (LLM inference / Batching / Key-value caching / Quantization, 2026-10-24)
  - 정의 설명 학습 자료: LLM 추론 시스템의 원리 · 05. KV 캐시 — https://119-ai-studio.kr/learn/llm-inference/05_KV캐시.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← VRAM — https://119-ai-studio.kr/glossary.html#gl-vram · 자료 대조: GPU에서 KV 캐시를 저장하는 구성에서는 가중치와 KV 상태가 같은 유한한 메모리 공간을 사용한다.
    - 원문에 명시: AI 컴퓨팅·시스템 기초 — RAM, VRAM, cache, bandwidth — https://119-ai-studio.kr/learn/ai-computing/06_메모리_계층.html#s2 (정확한 정의: 하드웨어 메모리 계층, 2026-10-24)
    - 원문에 명시: NVIDIA — Mastering LLM Techniques: Inference Optimization — https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (LLM inference / Batching / Key-value caching / Quantization, 2026-10-24)

### 프리필
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-prefill
- 정의 근거: https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (NVIDIA — Mastering LLM Techniques: Inference Optimization · LLM inference / Batching / Key-value caching / Quantization · 자기회귀 LLM의 프리필·디코드, KV 상태 재사용, 요청 배칭과 양자화의 기본 개념. 제품별 성능 수치는 사용하지 않는다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-8a711041661f4e895c51.txt
- 요약: 주어진 입력 토큰을 처리해 다음 토큰 예측과 이후 생성에 필요한 중간 상태를 계산하는 단계. 여러 입력 토큰을 병렬로 처리할 수 있으며 캐시를 쓰는 모델에서는 KV 상태를 준비한다.
- 영문·다른 이름: Prefill · 프롬프트 처리 · 입력 처리 단계
- 난이도: 실무
- 의미 범위: 자기회귀 LLM 추론의 입력 처리 단계
- 비유: 답을 이어 쓰기 전에 주어진 자료를 읽고 계산 메모를 준비하는 단계.
- 학습 예시: 가상의 요약 실습에서 답 길이는 같게 두고 입력 문서만 길게 바꿔 첫 출력 전 대기 시간을 비교한다.
- 업무 참고: 긴 법령·교육 문서를 읽히는 실습에서 첫 반응이 늦어지는 이유를 살펴볼 출발점이다.
- 구분하기: 토큰을 계속 이어 만드는 디코드와 구분한다. 사용자 관점의 첫 토큰 대기 시간에는 프리필 외에 대기열·전송 시간도 포함될 수 있다.
- 연결:
  - 함께 비교: 디코드 — https://119-ai-studio.kr/glossary.html#gl-decode · 자료 대조: 자기회귀 LLM의 입력 토큰 처리 단계와 뒤이은 토큰 생성 단계를 구분한다.
    - 원문에 명시: NVIDIA — Mastering LLM Techniques: Inference Optimization — https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (LLM inference / Batching / Key-value caching / Quantization, 2026-10-24)
  - 정의 설명 학습 자료: LLM 추론 시스템의 원리 · 02. tokenization, prefill, decode — https://119-ai-studio.kr/learn/llm-inference/02_tokenization_prefill_decode.html

### 디코드
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-decode
- 정의 근거: https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (NVIDIA — Mastering LLM Techniques: Inference Optimization · LLM inference / Batching / Key-value caching / Quantization · 자기회귀 LLM의 프리필·디코드, KV 상태 재사용, 요청 배칭과 양자화의 기본 개념. 제품별 성능 수치는 사용하지 않는다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-894638b166370b37a78a.txt
- 요약: 이미 주어진 토큰과 생성한 토큰을 조건으로 다음 토큰을 선택하며 출력을 이어 가는 단계. 기본적인 자기회귀 생성은 앞 토큰의 결과에 의존해 순차적으로 진행된다.
- 영문·다른 이름: Decode, Decoding · 토큰 생성 단계 · 자기회귀 디코딩
- 난이도: 실무
- 의미 범위: 자기회귀 LLM의 이어쓰기 단계
- 비유: 앞 문장을 참고하면서 다음 조각을 이어 적는 과정.
- 학습 예시: 가상의 안내문 작성 실습에서 첫 출력은 빨라도 긴 답변의 완료까지는 시간이 걸리는 현상을 구분해 기록한다.
- 업무 참고: 스트리밍 응답의 첫 반응과 이후 출력 속도를 나누어 이해할 때 쓰인다.
- 구분하기: 토큰 ID를 사람이 읽는 문자로 바꾸는 디토큰화와 다르다. 여기서 디코드는 LLM이 출력 토큰을 이어 생성하는 계산 단계를 뜻한다.
- 연결:
  - 관련 용어: 다음 토큰 예측 — https://119-ai-studio.kr/glossary.html#gl-next-token-prediction · 자료 대조: 기본 자기회귀 디코드에서는 이미 생성한 토큰을 조건으로 다음 토큰을 반복해서 선택한다.
    - 원문에 명시: NVIDIA — Mastering LLM Techniques: Inference Optimization — https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (LLM inference / Batching / Key-value caching / Quantization, 2026-10-24)
  - 정의 설명 학습 자료: LLM 추론 시스템의 원리 · 02. tokenization, prefill, decode — https://119-ai-studio.kr/learn/llm-inference/02_tokenization_prefill_decode.html
- 이 개체를 가리키는 자료:
  - 함께 비교 ← 프리필 — https://119-ai-studio.kr/glossary.html#gl-prefill · 자료 대조: 자기회귀 LLM의 입력 토큰 처리 단계와 뒤이은 토큰 생성 단계를 구분한다.
    - 원문에 명시: NVIDIA — Mastering LLM Techniques: Inference Optimization — https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (LLM inference / Batching / Key-value caching / Quantization, 2026-10-24)

## 평가·운영

### TTFT
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-ttft
- 정의 근거: https://docs.nvidia.com/nim/benchmarking/llm/metrics (NVIDIA NIM Benchmarking — Metrics · Time to First Token / Tokens Per Second · 요청 제출부터 첫 토큰 수신까지의 TTFT와 여러 동시 요청의 출력 토큰 처리량. 측정 시작·종료 이벤트가 같아야 비교할 수 있다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-359dad15e094872641f1.txt
- 요약: 요청을 보낸 시점부터 첫 출력 토큰을 받은 시점까지 걸린 시간. 측정 위치에 따라 대기열·입력 처리·네트워크 시간이 포함되므로 시작과 종료 이벤트를 함께 밝혀야 한다.
- 영문·다른 이름: Time To First Token · 첫 토큰까지의 시간 · 첫 토큰 지연
- 난이도: 실무
- 의미 범위: LLM 응답의 첫 출력 지연 지표
- 비유: 주문을 넣고 첫 응답이 돌아오기까지 기다린 시간.
- 학습 예시: 가상의 교육용 챗봇이 1.2초 뒤 첫 토큰을 보내고 8초 뒤 답을 마쳤다면 TTFT는 1.2초이고 전체 응답 시간은 8초다.
- 업무 참고: 대화형 실습의 체감 대기를 평가할 때 평균뿐 아니라 느린 요청의 분포도 살펴본다.
- 구분하기: 응답 전체가 끝나는 시간이나 첫 토큰 뒤의 출력 속도와 다르다. 프리필 계산 시간만을 TTFT로 부르면 측정 범위가 달라진다.
- 연결:
  - 상위 개념: 지연시간 — https://119-ai-studio.kr/glossary.html#gl-latency · 자료 대조: TTFT는 요청부터 첫 토큰 수신까지라는 특정 구간의 지연시간이다.
    - 원문에 명시: NVIDIA NIM Benchmarking — Metrics — https://docs.nvidia.com/nim/benchmarking/llm/metrics (Time to First Token / Tokens Per Second, 2026-10-24)
  - 정의 설명 학습 자료: LLM 추론 시스템의 원리 · 14. 추론 지표 — https://119-ai-studio.kr/learn/llm-inference/14_추론_지표.html

### 처리량
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-throughput
- 정의 근거: https://docs.nvidia.com/nim/benchmarking/llm/metrics (NVIDIA NIM Benchmarking — Metrics · Time to First Token / Tokens Per Second · 요청 제출부터 첫 토큰 수신까지의 TTFT와 여러 동시 요청의 출력 토큰 처리량. 측정 시작·종료 이벤트가 같아야 비교할 수 있다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-69d7d53f6f53fe17042a.txt
- 요약: 정해진 시간 동안 처리한 요청이나 토큰 등 작업량을 그 시간으로 나눈 값. 무엇을 세는지와 단일 요청·전체 시스템 중 어느 범위인지 함께 명시한다.
- 영문·다른 이름: Throughput · 초당 처리량 · TPS · RPS
- 난이도: 실무
- 의미 범위: 시스템 성능의 단위 시간당 작업량
- 비유: 한 사람의 대기 시간이 아니라 일정 시간에 완료한 전체 작업 수.
- 학습 예시: 가상의 부하 실험에서 10초 동안 완료한 요청이 20건이면 요청 처리량은 초당 2건이다.
- 업무 참고: 여러 교육용 요약 요청을 함께 처리하는 실습에서는 처리량과 첫 반응·완료 지연을 함께 비교한다.
- 구분하기: 처리량이 높아져도 개별 요청의 지연시간이 줄었다고 할 수 없다. 입력 토큰과 출력 토큰을 세는 지표도 구분한다.
- 연결:
  - 함께 비교: 지연시간 — https://119-ai-studio.kr/glossary.html#gl-latency · 자료 대조: 단위 시간당 완료량과 개별 요청이 기다린 시간은 다른 성능 축이므로 한쪽의 개선으로 다른 쪽을 단정하지 않는다.
    - 편집 판단 근거: NVIDIA NIM Benchmarking — Metrics — https://docs.nvidia.com/nim/benchmarking/llm/metrics (Time to First Token / Tokens Per Second, 2026-10-24)
  - 정의 설명 학습 자료: LLM 추론 시스템의 원리 · 14. 추론 지표 — https://119-ai-studio.kr/learn/llm-inference/14_추론_지표.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 배칭 — https://119-ai-studio.kr/glossary.html#gl-batching · 자료 대조: 여러 요청의 계산을 묶으면 처리량이 늘 수 있지만 메모리 한계와 포화점 때문에 항상 늘어나는 것은 아니다.
    - 원문에 명시: NVIDIA — Mastering LLM Techniques: Inference Optimization — https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (LLM inference / Batching / Key-value caching / Quantization, 2026-10-24)
    - 원문에 명시: NVIDIA NIM Benchmarking — Metrics — https://docs.nvidia.com/nim/benchmarking/llm/metrics (Time to First Token / Tokens Per Second, 2026-10-24)

## AI·모델 기초

### 배칭
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-batching
- 정의 근거: https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (NVIDIA — Mastering LLM Techniques: Inference Optimization · LLM inference / Batching / Key-value caching / Quantization · 자기회귀 LLM의 프리필·디코드, KV 상태 재사용, 요청 배칭과 양자화의 기본 개념. 제품별 성능 수치는 사용하지 않는다. · 원문 대조 2026-10-24)
- 정의 근거: https://docs.nvidia.com/nim/benchmarking/llm/metrics (NVIDIA NIM Benchmarking — Metrics · Time to First Token / Tokens Per Second · 요청 제출부터 첫 토큰 수신까지의 TTFT와 여러 동시 요청의 출력 토큰 처리량. 측정 시작·종료 이벤트가 같아야 비교할 수 있다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-ecc31a4c974a52301a19.txt
- 요약: 여러 입력이나 요청의 계산을 묶어 처리하는 방식. 하드웨어와 데이터 이동을 함께 활용해 처리량을 높일 수 있지만 메모리 사용과 개별 요청 대기도 늘 수 있다.
- 영문·다른 이름: Batching · 배치 처리 · 요청 묶음 처리
- 난이도: 실무
- 의미 범위: AI 추론에서 여러 입력·요청을 묶어 계산하는 방식
- 비유: 작업을 모아 한 번에 처리해 준비 비용을 나누는 방식.
- 학습 예시: 가상의 공개 문서 100건 요약 실습에서 요청을 하나씩 처리할 때와 묶어서 처리할 때의 완료량·대기 시간을 비교한다.
- 업무 참고: 배칭 크기를 늘리는 것이 언제나 유리하다고 가정하지 말고 메모리 한계와 지연 조건을 함께 읽는다.
- 구분하기: 배치 크기는 같은 계산 묶음에 든 작업 수이며 전체 접속자 수와 같지 않다. 정적 배칭과 진행 중인 묶음을 바꾸는 연속 배칭도 구분한다.
- 연결:
  - 관련 용어: 처리량 — https://119-ai-studio.kr/glossary.html#gl-throughput · 자료 대조: 여러 요청의 계산을 묶으면 처리량이 늘 수 있지만 메모리 한계와 포화점 때문에 항상 늘어나는 것은 아니다.
    - 원문에 명시: NVIDIA — Mastering LLM Techniques: Inference Optimization — https://developer.nvidia.com/blog/mastering-llm-techniques-inference-optimization/ (LLM inference / Batching / Key-value caching / Quantization, 2026-10-24)
    - 원문에 명시: NVIDIA NIM Benchmarking — Metrics — https://docs.nvidia.com/nim/benchmarking/llm/metrics (Time to First Token / Tokens Per Second, 2026-10-24)
  - 정의 설명 학습 자료: LLM 추론 시스템의 원리 · 07. batch 효율 — https://119-ai-studio.kr/learn/llm-inference/07_batch_효율.html

## 데이터·검색·RAG

### OCR 광학 문자 인식
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-ocr
- 정의 근거: https://learn.microsoft.com/en-us/azure/ai-services/computer-vision/overview-ocr (Microsoft Learn — OCR: Optical Character Recognition · OCR (Read) editions — OCR 정의 문단 · 이미지·스캔 문서의 인쇄체 및 손글씨를 디지털 텍스트로 추출하는 문자 인식의 뜻. 특정 API의 권장 여부나 사용법은 수록하지 않는다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-1964beedbadd97de8abc.txt
- 요약: 이미지나 스캔 문서에 보이는 인쇄체·손글씨를 컴퓨터가 다룰 수 있는 텍스트로 인식하는 기술. 글자를 읽은 결과가 원문의 구조나 의미까지 정확히 보존한다는 보장은 없다.
- 영문·다른 이름: Optical Character Recognition · OCR · 문자 인식 · 광학문자인식
- 난이도: 입문
- 의미 범위: 이미지에 보이는 글자를 텍스트로 바꾸는 처리
- 비유: 사진 속 글자를 편집 가능한 타자 원고로 옮기는 과정.
- 학습 예시: 가상의 소방안전 안내문 스캔에서 연락처 숫자가 잘못 읽힌 부분을 원본 이미지와 대조한다.
- 업무 참고: 공개 교육자료를 검색용으로 정리할 때 숫자·표·읽기 순서가 보존됐는지 원문으로 확인한다.
- 구분하기: 텍스트가 이미 들어 있는 PDF에서 글자를 추출하는 일과, 이미지 속 글자를 인식하는 OCR은 구분한다. 번역이나 요약도 OCR 자체의 뜻은 아니다.
- 연결:
  - 관련 용어: 전처리 — https://119-ai-studio.kr/glossary.html#gl-preprocessing · 자료 대조: 스캔 이미지를 검색용 문서로 준비하는 경우 OCR은 후속 청킹·검색에 앞선 텍스트 준비 단계가 될 수 있다.
    - 편집 판단 근거: Microsoft Learn — OCR: Optical Character Recognition — https://learn.microsoft.com/en-us/azure/ai-services/computer-vision/overview-ocr (OCR (Read) editions — OCR 정의 문단, 2026-10-24)
  - 배경 학습: 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html

### 하이브리드 검색
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-hybrid-search
- 정의 근거: https://learn.microsoft.com/en-us/azure/search/hybrid-search-overview (Microsoft Learn — Hybrid search overview · Why use hybrid search? / How does hybrid search work? · 키워드 검색과 벡터 검색 결과를 결합하는 하이브리드 검색. RRF는 이 제품의 결합 방식 사례이며 모든 구현의 필수 요건으로 일반화하지 않는다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-a1a3d150de9d08eeb885.txt
- 요약: 정확한 단어나 표기를 찾는 키워드 검색과 의미가 비슷한 내용을 찾는 벡터 검색의 결과를 결합하는 방식. 결합 점수와 순위 계산 방법은 구현마다 다르다.
- 영문·다른 이름: Hybrid Search · 혼합 검색 · 키워드·벡터 결합 검색
- 난이도: 실무
- 의미 범위: 키워드 검색과 벡터 검색을 결합하는 문서 검색
- 비유: 문서의 정확한 표제와 내용의 뜻을 각각 찾아 후보를 합치는 검색.
- 학습 예시: 가상의 교육자료 검색에서 장비의 정확한 모델명은 키워드로, 다른 표현으로 쓴 사용 설명은 의미 검색으로 찾아 함께 검토한다.
- 업무 참고: 약어·조문 번호 같은 정확한 표기와 자연어 질문을 함께 다룰 때 어떤 검색이 기여했는지 살펴본다.
- 구분하기: 클라우드와 로컬을 섞는 하이브리드 배치와는 다른 뜻이다. 결과를 결합하는 것과 후보를 다시 평가하는 리랭킹도 구분한다.
- 연결:
  - 상위 개념: 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 자료 대조: 이 문맥의 하이브리드 검색은 키워드와 벡터 검색 결과를 결합하는 검색 방식이다.
    - 원문에 명시: Microsoft Learn — Hybrid search overview — https://learn.microsoft.com/en-us/azure/search/hybrid-search-overview (Why use hybrid search? / How does hybrid search work?, 2026-10-24)
  - 정의 설명 학습 자료: 컴퓨터·개발 기초 입문 · 3부 · 터미널과 친해지기 — https://119-ai-studio.kr/learn/terminal/03_터미널과_친해지기.html

### 리랭킹
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-reranking
- 정의 근거: https://learn.microsoft.com/azure/architecture/ai-ml/guide/rag/rag-information-retrieval (Microsoft Learn — RAG information-retrieval phase · Reranking / Semantic ranking · 초기 검색으로 얻은 후보를 다시 평가해 순서를 정하는 후속 단계와 추가 지연 비용. 모든 RAG가 리랭킹을 해야 한다는 주장은 지지하지 않는다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-17c6bdbd8b722d01728a.txt
- 요약: 초기 검색에서 얻은 후보들을 질문과 다시 대조해 관련성 순서를 새로 정하는 처리. 후보를 더 정교하게 고를 수 있지만 추가 계산과 지연이 필요하다.
- 영문·다른 이름: Reranking · 재순위화 · 검색 결과 재정렬
- 난이도: 실무
- 의미 범위: 초기 검색 후보의 관련성을 다시 평가하는 단계
- 비유: 1차 후보 목록을 만든 뒤 질문에 맞는 순서로 다시 심사하는 과정.
- 학습 예시: 가상의 교육자료 질문에서 먼저 찾은 문서 30개를 다시 비교해 질문에 직접 답하는 5개를 상위에 둔다.
- 업무 참고: RAG 평가에서는 문서를 찾지 못한 실패와 찾은 후보의 순서를 잘못 매긴 실패를 구분한다.
- 구분하기: 초기 후보에 없는 문서를 리랭킹만으로 새로 찾아내지는 못한다. 이름·날짜순 정렬이나 답변 생성과도 다르다.
- 연결:
  - 관련 용어: 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 자료 대조: 리랭킹은 초기 검색이 반환한 후보의 관련성을 다시 평가하는 후속 단계다.
    - 원문에 명시: Microsoft Learn — RAG information-retrieval phase — https://learn.microsoft.com/azure/architecture/ai-ml/guide/rag/rag-information-retrieval (Reranking / Semantic ranking, 2026-10-24)
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html

### 지식그래프
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-knowledge-graph
- 정의 근거: https://arxiv.org/html/2003.02320v6 (Hogan et al. — Knowledge Graphs · 1 Introduction — Knowledge graph · 저자들이 채택한 포괄적 정의: 대상은 노드, 대상 사이 관계는 연결인 데이터 그래프로 지식을 표현한다. RDF 외 여러 그래프 모델이 가능하며 온톨로지는 모든 지식그래프의 필수 요건이라고 단정하지 않는다. · 원문 대조 2026-10-24)
- 정의 근거: https://www.w3.org/TR/rdf11-primer/#section-triple (W3C — RDF 1.1 Primer · 2 Why Use RDF? / 3.1 Triples · 대상과 관계를 그래프로 표현하고 같은 대상의 식별자를 통해 여러 문장을 연결·질의하는 방식. RDF는 지식그래프 표현의 한 방식이며 모든 지식그래프가 RDF여야 한다는 뜻은 아니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-500acecc7f5c17424bbf.txt
- 요약: 대상이나 개념을 노드로, 그 사이의 의미 있는 관계를 연결로 표현한 지식 구조. 같은 대상을 식별해 여러 자료의 관계를 따라 탐색하거나 질의하는 데 쓸 수 있다.
- 영문·다른 이름: Knowledge Graph · 지식 그래프 · KG
- 난이도: 실무
- 의미 범위: 대상·개념과 관계를 구조화하는 지식 표현
- 비유: 명단의 각 항목에 관계의 종류를 적어 서로 연결한 자료 지도.
- 학습 예시: 가상의 교육자료 목록에서 한 장비를 설명하는 교재와 점검 항목을 연결하되 각 연결이 나온 문서도 함께 기록한다.
- 업무 참고: 자료를 연결할 때 관계의 뜻·대상 ID·근거를 확인해야 하며 연결 자체가 사실이나 공식 승인을 증명하지는 않는다.
- 구분하기: 화면에 선으로 그린 그림만을 뜻하지 않는다. 온톨로지는 용어·관계의 의미를 정하는 데 쓰이고, 지식그래프는 그 관계와 대상에 관한 지식을 담는다.
- 연결:
  - 함께 비교: 온톨로지 — https://119-ai-studio.kr/glossary.html#gl-ontology · 자료 대조: 지식그래프는 대상·관계에 관한 지식을 연결하고 온톨로지는 용어·관계의 의미를 명시하는 데 초점을 둔다. 두 범위는 함께 쓰이거나 일부 겹칠 수 있다.
    - 편집 판단 근거: Hogan et al. — Knowledge Graphs — https://arxiv.org/html/2003.02320v6 (1 Introduction — Knowledge graph, 2026-10-24)
    - 편집 판단 근거: W3C — RDF 1.1 Primer — https://www.w3.org/TR/rdf11-primer/#section-triple (2 Why Use RDF? / 3.1 Triples, 2026-10-24)
    - 편집 판단 근거: W3C — OWL 2 Web Ontology Language Primer — https://www.w3.org/TR/owl2-primer/#What_is_OWL_2.3F (2 What is OWL 2?, 2026-10-24)
  - 배경 학습: SQL 데이터베이스 입문 · 2부 · 데이터를 담는 그릇 (2) 관계와 외래키 — https://119-ai-studio.kr/learn/sql/03_관계와_외래키.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← GraphRAG — https://119-ai-studio.kr/glossary.html#gl-graphrag · 자료 대조: Microsoft GraphRAG의 대표 처리 과정은 문서에서 추출한 대상·관계의 지식그래프를 활용한다.
    - 원문에 명시: Microsoft — GraphRAG documentation — https://microsoft.github.io/graphrag/ (Welcome to GraphRAG / The GraphRAG Process, 2026-10-24)

### 온톨로지
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-ontology
- 정의 근거: https://www.w3.org/TR/owl2-primer/#What_is_OWL_2.3F (W3C — OWL 2 Web Ontology Language Primer · 2 What is OWL 2? · 관심 영역에 관한 정확한 서술, 용어의 의미와 용어 사이 관계를 명시하는 온톨로지. 개별 대상에 관한 서술도 포함할 수 있다는 범위를 보존한다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-5f9e35c71f331b929adf.txt
- 요약: 특정 분야의 개념·속성·관계가 무엇을 뜻하는지 명시적으로 서술한 지식 명세. 시스템과 사람이 같은 용어를 일관되게 해석하도록 개념 간 관계와 제약 등을 표현한다.
- 영문·다른 이름: Ontology · 지식 표현 온톨로지 · 개념 관계 명세
- 난이도: 심화
- 의미 범위: 철학 용어가 아닌 지식 표현·데이터 모델링 문맥
- 비유: 자료를 연결하기 전에 항목과 관계의 뜻을 합의한 공통 용어 규칙집.
- 학습 예시: 가상의 장비 교육 자료에서 장비 종류와 개별 장비를 구분하고 어떤 대상에 점검 주기 속성을 붙일지 정한다.
- 업무 참고: 기관마다 다르게 쓰는 용어를 합칠 때 정의와 적용 범위를 먼저 합의하는 학습 개념으로 참고한다.
- 구분하기: 단어를 모은 목록이나 단순 상하위 분류표와 같지 않다. 지식그래프와 함께 쓸 수 있지만 모든 그래프가 온톨로지를 갖추는 것은 아니다.
- 연결:
  - 관련 용어: 스키마 — https://119-ai-studio.kr/glossary.html#gl-schema · 자료 대조: 둘 다 구조와 관계를 명시할 수 있으나 온톨로지는 분야 용어의 의미를 표현하는 지식 명세라는 범위를 갖는다.
    - 편집 판단 근거: W3C — OWL 2 Web Ontology Language Primer — https://www.w3.org/TR/owl2-primer/#What_is_OWL_2.3F (2 What is OWL 2?, 2026-10-24)
  - 배경 학습: SQL 데이터베이스 입문 · 2부 · 데이터를 담는 그릇 (1) 테이블과 데이터 타입 — https://119-ai-studio.kr/learn/sql/02_테이블과_데이터타입.html
- 이 개체를 가리키는 자료:
  - 함께 비교 ← 지식그래프 — https://119-ai-studio.kr/glossary.html#gl-knowledge-graph · 자료 대조: 지식그래프는 대상·관계에 관한 지식을 연결하고 온톨로지는 용어·관계의 의미를 명시하는 데 초점을 둔다. 두 범위는 함께 쓰이거나 일부 겹칠 수 있다.
    - 편집 판단 근거: Hogan et al. — Knowledge Graphs — https://arxiv.org/html/2003.02320v6 (1 Introduction — Knowledge graph, 2026-10-24)
    - 편집 판단 근거: W3C — RDF 1.1 Primer — https://www.w3.org/TR/rdf11-primer/#section-triple (2 Why Use RDF? / 3.1 Triples, 2026-10-24)
    - 편집 판단 근거: W3C — OWL 2 Web Ontology Language Primer — https://www.w3.org/TR/owl2-primer/#What_is_OWL_2.3F (2 What is OWL 2?, 2026-10-24)