AI 컴파일러는 정규화 (Normalization), 로워링 (Lowering), 최적화 (Optimization)를 통해 계산 그래프 (Computation Graph)를 공격적으로 재작성하며, 이로 인해 컴파일 과정 전반에 걸쳐 텐서 (Tensor)와 연산자 (Operator)의 출처 (Provenance)를 추적하는 것이 어려워집니다. 신뢰할 수 있는 출처 추적은 플랫폼 특화 사후 처리 (Postprocessing)를 부착하고, 컴파일러 동작을 디버깅하며, 변환 (Transformation)을 검증하는 데 필수적이지만, 기존의 솔루션들은 비단사적 (Non-injective) 그래프 재작성 상황에서 침습적이거나 임시방편적 (Ad hoc)입니다. 본 논문에서는 관찰 가능 세만틱스 (Observational Semantics)에 기반한 가볍고 생성적인 출처 추적 접근 방식을 제시합니다. 컴파일러 패스 (Compiler Pass)를 통해 식별자 (Identifier)를 전파하는 대신, 그래프 변환을 관찰하고 관찰 가능한 계산 동작 (Observable Computational Actions)의 관점에서 출처를 추론합니다. 우리는 이 접근 방식을 코알제브라 모델 (Coalgebraic Model)과 이심 관계 (Bisimulation)를 사용하여 정식화하며, 이는 중간 노드가 제거될 때도 출처를 보존합니다. 나아가, 우리는 이 접근 방식을 프로토타입 AI 컴파일러인 COVAN에 구현하여, 최소한의 엔지니어링 오버헤드로 컴파일 파이프라인 전반에 걸쳐 안정적인 출처 추적을 입증합니다.