개발을 돕는 AI와 실행을 담당하는 AI
AIP 안에서 “AI가 무언가를 만든다”는 말은 두 가지를 가리킵니다. 하나는 온톨로지·애플리케이션을 만드는 과정 자체를 AI가 보조하는 것(AI FDE)이고, 다른 하나는 완성된 워크플로우 안에서 LLM이 실제로 판단하고 행동하는 것(Logic)입니다. 이 글은 이 둘을 이어서, “AI를 활용한 개발”에서 “AI가 실행하는 워크플로우”로 넘어가는 전체 흐름을 다룹니다.
AI FDE — 온톨로지·애플리케이션 개발을 돕는 AI
FDE(Forward Deployed Engineer)는 현장에서 요구사항을 직접 코드로 구현하며 반복 개선하는 역할입니다. AIP의 AI FDE 기능은 이 역할의 반복 작업 상당 부분 — 온톨로지 스키마 제안, 함수 코드 초안 작성, 위젯 배치 — 을 AI가 자연어 요청만으로 초안까지 만들어주는 기능입니다.
무엇을 자동화하는가
- 이기종 데이터 소스를 분석해서 Object Type·Link Type 후보를 제안합니다.
- Workshop 같은 앱 빌더 환경에서 온톨로지 데이터를 다루는 함수 초안을 생성합니다.
- 원하는 화면을 설명하면 위젯 배치와 데이터 바인딩 초안을 구성합니다.
AI FDE가 만든 초안은 출발점이지 완제품이 아닙니다. 제안된 Object Type·Link Type이 실제 비즈니스 의미에 맞는지, 온톨로지 네이밍 전략에서 다룬 표준화 원칙에 맞는지 사람이 검토해야 합니다.
AIP Logic — LLM과 결정론적 로직을 결합한 워크플로우
AI FDE로 앱과 온톨로지를 만들었다면, 그 위에서 실제로 판단하고 행동하는 워크플로우를 설계하는 도구가 AIP Logic입니다. LLM은 유연하지만 그 자체로는 비결정적입니다 — 같은 질문에 매번 같은 답을 낸다는 보장이 없습니다. AIP Logic은 이 LLM의 추론 능력을 조건문(If/Else), 루프, API 호출 같은 결정론적 로직 블록과 함께 시각적으로 설계해서, 예측 불가능한 영역을 통제 가능한 비즈니스 룰 안에 가둡니다.
- 온톨로지 기반 데이터 바인딩: 프롬프트에 온톨로지 객체와 관계를 직접 연결해서, LLM이 실제 데이터 컨텍스트를 참고하게 만듭니다.
- 멀티 모델 오케스트레이션: 작업 복잡도에 따라 하나의 워크플로우 안에서 서로 다른 LLM을 연쇄적으로 조합할 수 있습니다.
- 결정론적 로직과의 결합: If/Else, 반복, API 호출 같은 전통적인 프로그래밍 블록과 LLM 추론 블록을 드래그 앤 드롭으로 함께 구성합니다.
- 시각적 디버깅·백테스팅: 각 단계의 입력·중간 산출물·최종 출력을 트레이싱 인터페이스로 확인하고, 과거 데이터로 로직의 유효성을 미리 검증할 수 있습니다.
두 도구가 이어지는 지점
AI FDE로 만든 온톨로지와 앱은 AIP Logic 워크플로우가 참조하는 데이터 기반이 됩니다. 즉 AI FDE는 “무엇을 다룰 것인가”를 준비하고, Logic은 “그것을 가지고 무엇을 할 것인가”를 실행합니다. 실무에서는 다음 순서로 이어집니다.
- AI FDE로 온톨로지·초기 앱 구조를 빠르게 만든다.
- 사람이 제안된 스키마와 코드를 검토·수정한다.
- 검증된 온톨로지 위에서 AIP Logic으로 실제 자동화 워크플로우를 설계한다.
- 결정론적 블록으로 뼈대를 짜고, LLM은 자연어 이해나 판단이 꼭 필요한 지점에만 배치한다.
- 백테스팅으로 배포 전 검증한다.
자주 하는 실수
- AI 제안을 검증 없이 그대로 확정하기: AI FDE의 목적은 초안 작성 속도를 높이는 것이지, 검토 과정을 없애는 것이 아닙니다. 특히 Link Type의 관계 방향이나 카디널리티는 사람이 한 번 더 확인해야 합니다.
- 결정론적 로직으로 처리 가능한 부분까지 LLM에 맡기기: 단순 조건 분기는 If/Else로 처리하는 것이 더 빠르고 예측 가능합니다.
- 백테스팅 없이 바로 배포하기: LLM 블록이 포함된 워크플로우는 일반 코드보다 예외 케이스가 다양합니다. 배포 전 과거 데이터로 검증하는 단계를 건너뛰면 운영 중 예상 못 한 응답이 나올 수 있습니다.
- AI FDE로 만든 것과 사람이 직접 설계한 것을 구분하지 않고 방치하기: 나중에 문제가 생겼을 때 어떤 부분이 AI 제안 기반인지 알 수 없으면 원인 추적이 어려워집니다.
다음으로 읽을 글
이렇게 만든 AI 기능을 사용자에게 어떻게 노출할지는 AIP에서 AI 사용자 경험을 설계하는 세 가지 방식에서, Claude 같은 외부 에이전트를 온톨로지에 연결하는 방법은 OMCP 실전 가이드에서 다룹니다.
자주 묻는 질문
Q. AI FDE와 AIP Logic은 같은 AI 기능인가요?
아닙니다. AI FDE는 온톨로지·애플리케이션을 만드는 개발 과정을 돕는 기능이고, AIP Logic은 완성된 온톨로지 위에서 실제 업무를 실행하는 워크플로우 엔진입니다. 역할이 다릅니다.
Q. AI FDE가 만든 스키마를 그대로 써도 되나요?
권장하지 않습니다. AI FDE의 제안은 출발점이며, 실제 비즈니스 의미와 온톨로지 네이밍 원칙에 맞는지 사람이 검토·수정해야 합니다.
Q. AIP Logic에서 LLM은 어디에 배치하나요?
워크플로우 전체를 LLM에 맡기지 않고, 자연어 이해나 판단이 꼭 필요한 지점에만 LLM을 배치하고 나머지는 결정론적 블록으로 짜는 방식이 권장됩니다.
Q. AI 에이전트가 스스로 Action을 실행하게 해도 안전한가요?
온톨로지의 권한 체계와 검증 규칙 안에서 실행되므로 완전히 무제한은 아니지만, 중요한 Action은 사람 승인 단계를 거치도록 설계하는 것이 일반적입니다.
Q. 이 흐름을 실무에 적용하는 순서는?
AI FDE로 온톨로지·초기 앱을 빠르게 만들고, 사람이 검토·수정한 뒤, 검증된 온톨로지 위에서 AIP Logic으로 자동화 워크플로우를 설계하는 순서가 일반적입니다.