학습 데이터의 권리를 간과하기 전에 — CDO의 관점에서 AI 플랜을 심문하는 기술

AI 프로젝트에서 "이 데이터를 학습에 사용해도 되는가"라는 질문은 의외로 뒷전으로 밀리기 쉽다. 스크레이핑(Scraping)으로 수집한 뉴스 기사, 웹에서 가져온 이미지, 구매한 데이터셋——각각의 라이선스나 이용 약관을 정밀하게 검토하지 않은 채 학습을 진행하다가, 출시 직전에 법무 부서로부터 제동이 걸리는 케이스는 드물지 않다. cdo-review는 그러한 종류의 판단 실수를, 플래닝(Planning) 단계에서 CDO(최고 데이터 책임자)의 입장에서 체계적으로 다시 묻는 기술이다. 단순한 체크리스트가 아니라, 의사결정을 촉진하는 대화 형식으로 맹점을 파헤친다.

주로 세 가지 국면에서 사용할 수 있다. 첫 번째는 학습 데이터의 권리 확인. 외부 소스의 데이터를 파인튜닝(Fine-tuning)이나 사전 학습(Pre-training)에 사용하기 전에, 저작권·프라이버시·이용 약관의 관점에서 적절한지 정리한다. 두 번째는 데이터 아키텍처(Data Architecture)의 선정. 배치(Batch)인지 실시간(Real-time)인지, 웨어하우스(Warehouse)인지 레이크하우스(Lakehouse)인지, 스케일(Scale)과 비용 전망을 다시 물으며 선택지를 좁혀 나간다. 세 번째는 데이터 프로덕트화·채용 계획의 검증. 외부로 제공하는 데이터 API의 품질 보증 체계나, 채용하려는 데이터 엔지니어(Data Engineer)의 스킬셋(Skill set)이 사업 목표에 부합하는지를 확인한다.

/cs:cdo-review <플랜의 개요를 1~3단락으로 기술>

Claude Code에서 위를 실행하기만 하면 된다. 기술은 CDO가 부하 직원의 프레젠테이션을 듣는 듯한 형태로 질문을 던져온다. 그에 답하면서 모호한 전제를 하나씩 확인함으로써, 나중에 발각될 리스크를 구현 전에 없앨 수 있다. 도입 절차로는, Claude Code를 설치한 후, /skills에서 cdo-review가 표시되는 것을 확인하고, 리뷰하고 싶은 플랜을 평문으로 전달하기만 하면 된다. "계획에는 자신 있지만, 놓치는 것이 두렵다"라는 단계에서 사용하는 것이 가장 효과적이며, CDO가 없는 팀일수록 혜택을 받기 쉽다.

skill_content 측의 parse/generate에 대해서는, 위 텍스트를 그대로 전달하면 _parse()가 각 라벨을 추출할 수 있습니다. generate() 실행은 Nobu의 승인 후에 진행합니다.