구매 오더 승인 워크플로우를 하나 만들어 보겠습니다
“구매 금액이 500만 원을 넘으면 팀장 승인, 그 이하는 자동 승인.” 이런 규칙 하나를 실제로 동작하는 워크플로우로 만들려면 어디서부터 시작해야 할까요. AIP 안에서 “AI가 만든다”는 말은 사실 두 층위로 나뉩니다. 온톨로지와 애플리케이션을 만드는 걸 돕는 AI, 그리고 완성된 워크플로우 안에서 실제로 판단하고 행동하는 AI. 이 글에서는 이 두 층위가 구매 오더 승인이라는 하나의 사례에서 어떻게 이어지는지 따라가 봅니다.
1단계 — AI FDE로 뼈대를 빠르게 만든다
FDE(Forward Deployed Engineer)는 요구사항을 직접 코드로 구현하는 역할입니다. AI FDE는 이 역할의 반복 작업을, 자연어 요청만으로 AI가 초안화해주는 기능입니다.
구매 오더 승인 사례라면 이렇게 씁니다.
- ERP의 구매 오더 테이블, 승인자 마스터 테이블을 AI FDE에게 보여주고 “구매 오더와 승인자 사이의 Object Type·Link Type 후보를 제안해줘”라고 요청합니다.
- Workshop 앱 빌더 환경에서 “구매 금액과 승인 상태를 보여주는 화면을 만들어줘”라고 하면, 위젯 배치와 데이터 바인딩 초안이 자동으로 구성됩니다.
여기서 중요한 건, AI가 만든 이 초안이 “출발점이지 완제품이 아니다”라는 겁니다. AI가 제안한 Link Type의 카디널리티가 정말 맞는지, 이름이 회사의 네이밍 전략을 따르는지는 사람이 반드시 검토해야 합니다.
2단계 — AIP Logic으로 실제 판단 로직을 조립한다
뼈대가 준비됐으면, 이제 “500만 원 넘으면 팀장 승인”이라는 규칙을 실행 가능한 워크플로우로 만들 차례입니다.
AIP Logic은 LLM의 유연한 추론 능력을, 통제 가능한 비즈니스 룰 안에 통합하는 도구입니다. 비결정적인 LLM과 결정론적인 로직 블록을 시각적으로 조합합니다.
구매 오더 승인 워크플로우라면 이런 식으로 구성됩니다.
- 구매 오더 금액을 온톨로지에서 가져온다 (온톨로지 기반 데이터 바인딩)
- 금액이 500만 원 이하인가? → If/Else 블록으로 결정론적으로 분기
- 500만 원 초과라면, LLM 블록이 과거 유사 구매 건과 비교해 “이례적으로 높은 금액인지” 1차 검토 코멘트를 생성
- 팀장에게 승인 요청 알림을 발송 (API 호출)
- 승인/반려 결과를 온톨로지에 기록
여기서 핵심은 3번입니다. 단순 금액 비교는 If/Else로 충분한데, “이례적인지 아닌지”처럼 판단이 필요한 지점에만 LLM을 배치했다는 점입니다. 전체 워크플로우를 LLM에 통째로 맡기지 않았습니다.
AIP Logic은 각 단계의 입출력을 추적하는 시각적 디버깅과, 과거 데이터로 미리 검증해보는 백테스팅 기능도 제공합니다. 배포 전에 지난 6개월치 구매 오더 데이터를 넣어 돌려보면, 워크플로우가 실제로 어떻게 판단했을지 미리 확인할 수 있습니다.
두 도구가 이어지는 지점
역할을 나누면 이렇습니다. AI FDE는 “무엇을 다룰 것인가”를 데이터 기반으로 준비하고, AIP Logic은 “그것을 가지고 무엇을 할 것인가”를 실행합니다.
실무에서는 보통 이런 순서로 진행됩니다.
- AI FDE로 온톨로지와 초기 앱 구조를 빠르게 구축한다
- 제안된 스키마와 코드를 사람이 검토하고 수정한다
- 검증된 온톨로지 위에서 AIP Logic으로 자동화 워크플로우를 설계한다
- 결정론적 블록으로 뼈대를 잡고, LLM은 꼭 필요한 판단 지점에만 배치한다
- 배포 전 백테스팅으로 검증한다
자주 하는 실수
AI 제안을 검증 없이 그대로 확정한다. Link Type의 관계 방향이나 카디널리티는 반드시 사람이 재확인해야 합니다. 구매 오더-승인자 관계를 AI가 1:1로 제안했는데 실제로는 승인자 한 명이 여러 구매 오더를 담당하는 1:N이라면, 이 오류는 나중에 워크플로우 전체에 영향을 줍니다.
결정론적으로 처리 가능한 부분까지 LLM에 맡긴다. “500만 원 초과 여부”처럼 단순 조건 분기는 If/Else가 더 빠르고 예측 가능합니다. LLM은 판단이 실제로 필요한 지점에만 씁니다.
백테스팅을 생략하고 바로 배포한다. LLM이 포함된 워크플로우는 예외 케이스가 많습니다. 과거 데이터로 미리 돌려보지 않으면, 실제 운영 중에 예상 못한 케이스에서 워크플로우가 이상하게 동작하는 걸 뒤늦게 발견하게 됩니다.
AI 제안과 사람 설계를 구분하지 않는다. 나중에 문제가 생겼을 때, 이게 AI가 초안한 부분인지 사람이 직접 설계한 부분인지 구분이 안 되면 원인 추적이 어려워집니다. 변경 이력을 남겨두는 습관이 필요합니다.
자주 묻는 질문
Q. AI FDE와 AIP Logic의 차이는 무엇인가요? AI FDE는 개발 과정을 지원하는 도구이고, AIP Logic은 완성된 온톨로지 위에서 실제 업무를 실행하는 도구입니다.
Q. AI FDE가 제안한 스키마를 그대로 써도 되나요? 권장하지 않습니다. 비즈니스 의미가 맞는지, 회사의 네이밍 원칙을 따르는지 반드시 검토하고 수정해야 합니다.
Q. AIP Logic에서 LLM은 어디에 배치해야 하나요? 워크플로우 전체를 LLM에 위임하는 건 지양하세요. 자연어 이해나 복합적인 판단이 실제로 필요한 지점에만 선별적으로 배치하는 게 안전합니다.
Q. AI 에이전트가 실행하는 Action은 안전한가요? 온톨로지의 권한 체계와 검증 규칙 안에서만 실행됩니다. 금액이 크거나 영향이 큰 Action에는 사람의 승인 단계를 추가로 걸어두는 걸 권합니다.