게시물은 이미지가 아니다: 검증 가능한 에디토리얼 파이프라인 설계하기

소셜 콘텐츠는 캡션이 달린 이미지처럼 보일 수 있습니다. 하지만 실제로 장소와 기억을 전달할 때는 작은 파이프라인입니다. 출처가 있는 자료에서 시작하여, 그것을 콘텐츠로 변환하고, 정확성을 잃지 않은 채 발행에 도달해야 합니다.

저는 지역 에디토리얼 프로젝트인 Radici di San Giovanni Lipioni를 진행하고 있습니다. 개발 관점에서 흥미로운 부분은 단순히 게시물을 레이아웃하는 것이 아니라, 초안과 우리가 책임지고 발행할 수 있는 콘텐츠를 구분하는 검증 절차들을 명시적으로 만드는 것입니다.

투명성 노트: 이 프로젝트는 규칙과 문서화된 워크플로우를 가지고 있습니다. 저는 이러한 검증 절차들을 이미 구현된 자동화 시스템으로 제시하는 것이 아닙니다.

1. 렌더링 전: 데이터의 출처 알기

사진, 날짜 또는 증언은 서로 대체 가능한 입력값이 아닙니다. 각 요소에 대해 최소한 다음을 알아야 합니다:

• 출처가 무엇인지;
• 사실이 문서화되었는지, 가설적인 것인지, 아니면 구두로 전해진 것인지;
• 자료의 권리를 누가 보유하는지;
• 발행 시 개인 데이터를 노출할 수 있는지.

이는 데이터 파이프라인에서 사용하는 방식과 유사한 출처(provenance) 형태입니다. 값이 어디서 오는지 모른다면, 검증된 것으로 처리해서는 안 됩니다.

2. 구성의 결정론적 만들기

프로젝트의 주요 형식에 대해 캔버스는 1080 × 1350 px이며, 비율은 4:5이고 프로필은 sRGB입니다. 규칙은 기록 사진을 유지하는 것입니다: 추가된 건물, 대체된 하늘 또는 이미지가 증언하는 것을 변경하는 재구성은 없습니다.

텍스트 역시 명시적인 규칙으로 구성되어야 합니다: 계층 구조, 안전 여백(safe margins), 예측 가능한 크기 및 위치를 갖춰야 합니다. 각 생성기가 제목과 서명을 어디에 배치할지 자유롭게 결정하도록 내버려 두면, 결과를 재현하고 검증하기가 더 어려워집니다.

3. 파일 이상을 검증하기

• 정확한 크기 및 비율;
• 내보내기(export) 개방성;
• 100% 및 25% 가독성;
• 스마트폰 및 중앙 클리핑에서의 결과물;
• 대비, 여백, 오버플로우 및 충돌;
• 텍스트, 캡션 및 출처 간의 일치.

일부 검사는 자동화가 가능합니다(예: 크기 및 비율). 반면 다른 검사들은 인간의 검토를 필요로 합니다. 파이프라인은 이러한 두 경우를 명확히 구분해야 하며, 수행되지 않은 검사를 가짜 'OK' 상태로 변환해서는 안 됩니다.

4. 파일뿐만 아니라 상태(State) 모델링하기

작은 상태 모델은 무엇이 발생했는지 명시적으로 만듭니다:

type PublicationState = 
  | "draft"
  | "needs-review"
...

이는 프로젝트에 이미 존재하는 코드가 아니라 예시적인 스키마입니다. 아이디어는 간단합니다: approved 상태는 필요한 검사들을 거친 후에만 도달할 수 있어야 하며, published 상태는 실제로 출판이 이루어진 후에만 가능해야 합니다. 절대로 파일 이름이나 생성된 메시지로부터 상태를 추론해서는 안 됩니다.

구현 시, 이러한 전환은 검사 결과들을 받는 함수에 의해 확인될 수 있으며, 만약 어떤 검사가 누락되었다면 진행을 거부합니다. 시각적 검토는 여전히 시스템이 임의로 만든 값이 아니라 명시적인 결정으로 남아 있어야 합니다.

5. 실질적인 교훈

품질은 더 많은 자동화를 추가하는 것에서 나오는 것이 아니라, 과정을 검증 가능하게 만들고 불확실성을 가시화하는 데서 나옵니다. 잘 정의된 체크리스트는 무엇을 자동화해야 하는지, 무엇이 인간의 영역으로 남아 있어야 하는지, 그리고 출판하기 전에 어떤 정보가 부족한지를 파악하는 데 이미 도움을 줍니다.

이 프로젝트에서 다음 단계는 자료, 출처 및 권리에 대한 목록을 완성하는 것입니다. 그래야만 어떤 검사를 코드로 변환할지 결정하는 것이 의미를 갖습니다. 이는