오늘부터 할 수 있는 AI 워크플로우 설계 시리즈: LLM 앱을 실제 업무에 적용하기 위한 설계 패턴 모음

이 시리즈에 대하여

이 시리즈는 LLM/AI 에이전트를 실제 업무에 도입할 때 필요한 설계 패턴들을 정리한 것입니다.

모두 오늘부터 부분적으로 구현 가능한 수준으로 패턴화했습니다.

핵심은 모델 자체를 똑똑하게 만드는 것이 아니라, AI의 출력이 어떤 입력에 기반하며, 어느 경계를 넘고, 누구에게 승인받으며, 어떤 effect(효과)를 일으키는지, 그리고 나중에 어떻게 설명하고 중지 및 복구할 수 있는지에 대한 워크플로우 설계입니다.

LLM 애플리케이션은 처음에는 채팅창이나 보조 기능으로 시작합니다. 하지만 업무와 가까워질수록 다음과 같은 질문들을 피하기 어려워집니다.

• AI는 무엇을 읽고 있는가
• 어디까지가 제안이고
• 어디부터가 실행인가
• 무엇을 변경할 수 있는가
• 누가 승인했는가
• 어떤 흔적이 남는가
• 실패하면 되돌릴 수 있는가
• 어느 단계에서 실제 운영에 투입할 수 있는가

이 시리즈에서는 이 모든 것들을 개별적인 설계 패턴으로 분해합니다.

시리즈 전체 흐름

전체 흐름은 다음과 같습니다.

01. 경계를 나누기
02. 입력을 검증하기
03. 실패 시 되돌리기
...

단순한 기술 모음집이라기보다는, AI 워크플로우를 실제 운영에 가깝게 만들기 위한 순서로 읽을 수 있도록 구성했습니다.

1. 첫 번째 글에서는 AI의 개입을 다음 세 가지로 나눕니다.

support-only

review-only

effect-bearing

AI가 단순히 지원하는 것인지, 인간 검토를 필요로 하는지, 외부 상태를 변경하는지를 구분하는 글입니다.

이 경계를 모호하게 하면, 처음에는 단순한 보조 기능이었던 것이 어느새 실질적인 자동 실행으로 변해버립니다.

이 시리