AI 생성값과 서버 사실값을 분리한다
주장
모델이 제안할 수 있는 선택값과 서버가 자산·DB·권위 있는 API에서 조회해야 하는 사실값을 서로 다른 타입과 조립 단계로 분리한다.
Vigilantis의 파라미터 조립
- Vigilantis의 후보 파라미터 모델은 AI가 정할 수 있는 제한된 값만 받는다.
- 대상 자원 식별자는
target_arn에서, 현재 인스턴스 타입 같은 사실값은 DB·AWS 조회에서 조립한다. - 승인 화면의 표시 파라미터도 모델의 별도 문자열이 아니라 typed 후보 파라미터에서 서버가 생성한다.
선택값과 사실값의 조립 경계
- 모델 출력 Schema에는 허용된 선택값만 둔다.
- 대상 식별자, 현재 상태와 소유권은 서버가 권위 있는 원천에서 파생한다.
- 화면에서 두 종류를 함께 보여주더라도 출처 경계를 유지한다.
- 승인에 보인 값과 실제 실행 입력은 같은 typed 객체에서 파생한다.
- 모델이 사실값을 다시 말하게 해 정합성을 검증하지 않는다.
승인한 값과 실행할 값의 대응
Agentic AI의 권한·승인·감사와 비용 통제 - 삼성SDS의 승인 관점을 적용하면, 승인에 제시한 대상·파라미터와 실제 실행 입력이 같은 요청을 나타내는지 확인하게 된다. 기존의 typed 객체를 통한 표시·실행 값 조립은 이 대응을 유지하는 방법이다.
값의 출처와 일치가 확인돼도 요청자의 인가나 실행 주체의 권한까지 입증되지는 않는다. 그 별도 조건은 사용자의 위임과 도구의 실행 권한은 별도로 확인한다에서 다룬다. 이는 기존 원칙을 운영 통제에 연결한 해석이며 특정 시스템의 권한 구현을 검증한 결과는 아니다.
문서에서 추출한 값의 지위
모델이 문서에서 추출한 값도 자동으로 서버 사실이 되지 않는다. 출처와 검증 상태를 보존한 관찰값으로 다루고, 실행 전 권위 있는 원천과 대조한다.
계산된 값과 입력의 불확실성
서버가 계산한 파생값도 입력 원천의 불확실성을 이어받는다. AI 추정 단가를 서버가 정확한 산식과 반올림으로 처리했다면 산술 정합성은 확인할 수 있지만, 결과 금액이 권위 있는 가격 사실로 바뀌지는 않는다. 입력의 출처, 적용한 계산 규칙과 별도 품질 검증 범위를 함께 설명한다. 서버가 작성한 비교 조건 설명도 모델이 단가를 선택한 이유를 입증하지 않는다.
2026-09-17 절감 예상 구현과 단가 실험 회고의 산술·가격 품질 구분과 보존된 구현·실험 기록을 대조해 편입했다. 실험별 수치와 계약 변경 경위는 프로젝트 원문에 남긴다.
승격 원문
C:/labs/team/vigilantis/obsidian-vault/40 Knowledge/Atomic/AI 생성값과 서버 사실값을 분리한다.md