당신이 초지능 로봇에게 이야기를 쓰는 법을 가르치려 한다고 상상해 보십시오. 단순히 "이야기를 써봐"라고 말하면 재미있는 결과물을 얻을 수도 있겠지만, 로봇은 줄거리를 잊어버리거나, 등장인물을 뒤섞거나, 앞뒤가 맞지 않는 세계관을 만들어낼 수도 있습니다. 로봇이 매번 '완벽한' 이야기를 쓰게 하려면, 당신은 일종의 설계도를 주어야 합니다. 인공지능의 세계에서 이 설계도를 **온톨로지(Ontology)**라고 부릅니다. 온톨로지는 특정 유형의 문서를 위한 마스터 지도 또는 레고 조립 설명서와 같습니다. 이것은 어떤 요소들(예: "등장인물", "배경", "갈등")이 반드시 존재해야 하는지, 그것들이 어떻게 연결되는지, 그리고 어떤 규칙을 따라야 하는지를 알려줍니다.

오랫동안 이러한 설계도를 만드는 일은 느리고, 지루하며, 비용이 많이 드는 작업이었습니다. 보통 전문가 팀이 앉아서 의료 보고서, 법률 계약서, 혹은 채용 공고와 같은 새로운 유형의 문서마다 규칙을 수동으로 설계해야 했습니다. 만약 어떤 회사가 송장을 작성하는 것에서 의료 기록을 작성하는 것으로 전환하고 싶다면, 전문가를 고용하여 처음부터 새로운 지도를 만들어야 합니다. 이는 거대한 병목 현상을 일으킵니다. AI는 준비가 되었지만, 지도가 아직 완성되지 않았기 때문입니다.

여기서 **생성적 온톨로지 유도(Generative Ontology Induction, GOI)**라는 새로운 아이디어가 등장합니다. 건축가 팀을 고용해 지도를 그리게 하는 대신, 이 논문은 AI에게 완성된 문서 더미를 보고 스스로 지도를 찾아내라고 제안합니다. 이는 마치 로봇에게 수백 채의 집을 보여주며, 그 집들을 가능하게 만든 건축 설계도를 역설계(reverse-engineer)해 보라고 요청하는 것과 같습니다. 연구진은 AI가 일련의 예시들을 살펴보고, 숨겨진 구조를 학습한 뒤, 그 구조를 사용하여 스스로 완벽한 문서를 생성할 수 있는지 확인하고자 했습니다. 그들은 이 시스템이 간단한 청구서부터 복잡한 의료 기록까지 다양한 유형의 문서를 처리할 수 있는지 확인하기 위해 네 가지 매우 다른 유형의 문서를 테스트했습니다.

이 논문의 핵심 아이디어: AI에게 스스로 지도를 그리도록 가르치기

이 논문은 **생성적 온톨로지 유도(GOI)**라는 프레임워크를 소개합니다. 주요 목표는 인간이 AI를 위한 "지침서(온톨로지)"를 수동으로 설계하는 일을 멈추는 것입니다. 대신, GOI는 채용 공고가 담긴 폴더나 의료 방문 기록이 쌓인 서류 뭉치와 같은 문서 모음을 가져와 대규모 언어 모델(LLM)이 이를 연구하도록 요청합니다. AI의 임무는 단순히 읽는 것이 아니라, 그것들을 하나로 묶어주는 보이지 않는 골격을 파악하는 것입니다.

이렇게 생각해보십시오. 아이에게 강아지 사진 백 장을 보여주면, 특정 품종을 본 적이 없더라도 결국 '강아지'가 무엇인지 배우게 됩니다. GOI도 문서에 대해 똑같은 일을 수행합니다. 일련의 예시들을 살펴보고 "여기에 반드시 있어야 하는 필수 요소는 무엇인가? 그것들을 연결하는 규칙은 무엇인가?"라고 묻는 것입니다.

논문에 따르면, AI는 이러한 설계도를 성공적으로 "역설계"할 수 있습니다. AI는 단순히 보이는 단어들을 나열하는 데 그치지 않고, 여섯 가지 유형의 노드(예: "클래스(Class)", "속성(Property)", "차원(Dimension)")와 일곱 가지 유형의 연결을 가진 구조화된 그래프를 구축합니다. 이 그래프는 엄격한 규칙 세트 역할을 합니다. 일단 AI가 이 지도를 구축하면, 인간이 다음 단계를 지시하지 않아도 동일한 구조를 따르는 완전히 새로운 문서를 생성할 수 있습니다.

"친숙함"의 함정: 기존 방식이 실패하는 이유

이 논문에서 발견한 가장 흥-미로운 사실 중 하나는, AI가 잘 알고 있는 것에 대해서는 일종의 "속임수"를 쓴다는 점입니다. 연구진은 GOI 시스템을 매우 단순하고 일반적인 방식, 즉 세 가지 필드(제목, 내용, 메타데이터)가 포함된 기본적인 템플릿을 제공하는 방식과 비교 테스트했습니다.

AI가 수없이 많이 접해본 문서 유형(예: 소프트웨어 서비스 송장)의 경우, 일반적인 템플릿이 놀라울 정도로 잘 작동했습니다. AI는 학습 데이터로부터 얻은 지식을 바탕으로 빈칸을 채워 넣었으며, 필요한 구조적 부분의 약 **97.8%**를 충족했습니다. 이는 마치 요리사에게 냅킨 한 장만 주고 버거를 만들라고 한 것과 같습니다. 요리사는 버거가 어떻게 생겼는지 이미 알고 있기 때문에, 부족한 세부 사항을 기억에서 꺼내어 채운 것입니다.

하지만 연구진이 AI가 잘 알지 못하는 문서로 전환하자, 일반적인 템플릿은 무너졌습니다.

• 직무 기술서(Job Descriptions): AI가 일반적인 템플릿을 사용하여 "기업 브랜드 보이스"나 "커리어 궤적"과 같이 특이하고 독특한 섹션이 포함된 맞춤형 채용 공고를 만들려고 했을 때, 필요한 부분의 **52.2%**만을 충족했습니다. AI는 해당 내용에 대한 "기억"이 없었기 때문에 독특한 맞춤형 섹션들을 완전히 놓쳤습니다.
• 의료 기록(Medical Records): 통증 관리 전문 임상 기록의 경우, 일반적인 템플릭은 **62.2%**만을 충족했습니다. AI는 산재 보상이나 특정 신체 검사 모듈 전체를 놓쳤고, 대신 일반적인 "의사 소견서" 형태로 되돌아가 버렸습니다.
• 법률 계약서(Legal Contracts): 전문 서비스 계약서의 경우 일반적인 템플릿이 **78.3%**를 수행했지만, 여전히 "권리 유인 금지(Non-Solicitation)"나 "주간 시간 제한(Weekly Hours Caps)"과 같은 결정적이고 구체적인 조항들을 놓쳤습니다.

이 논문은 AI가 익숙한 구조는 짐작할 수 있지만, 독특하고 맞춤화된 구조를 가진 경우에는 완전히 실패한다는 것을 보여줍니다. 일반적인 템플릿은 AI의 "사전 지식(학습 중에 본 것)"에 의존하는데, 그 지식이 존재하지 않을 때 구조는 붕괴됩니다.

해결책: "구조적 계약(Structural Contract)"

여기서 GOI가 빛을 발합니다. 모든 테스트 케이스에서 AI에게 GOI로 생성된 설계도(즉, "구조적 계약")가 주어졌을 때, AI는 필요한 부분의 **95%에서 100%**를 충족했습니다.

• 직무 기술서의 경우 **100%**를 달성했습니다.
• 의료 기록의 경우 **95.6%**를 달성했습니다.
• 법률 계약서의 경우 **100%**를 달성했습니다.

논문은 GOI가 "구조적 보장"을 제공한다고 주장합니다. AI가 해당 문서 유형을 이전에 본 적이 있는지 여부는 중요하지 않습니다. 예시로부터 스스로 구축한 설계도를 준다면, AI는 규칙을 따를 것입니다. 이는 요리사에게 냅킨 대신 상세한 레시피 카드를 주는 것과 같습니다. 요리사가 그 특정 요리를 만들어 본 적이 없더라도, 레시피는 그가 비밀 재료를 잊지 않도록 보장해 줍니다.

성공 측정 방법: "노드 커버리지 점수(Node Coverage Score)"

연구진은 단순히 "잘 작동한다"라고 말하는 것만으로는 부족하다는 것을 알고 있었습니다. 그들은 얼마나 잘 작동하는지를 측정할 방법이 필요했습니다. 그래서 그들은 **노드 커버리지 점수(Node Coverage Score)**라는 새로운 지표를 고안했습니다.

설계도가 45개의 항목(예: "판매자 이름", "총 비용", "서비스 유형")으로 이루어진 체크리스트라고 상상해 보십시오. "노드 커버리지 점수"는 단순히 다음과 같이 묻습니다. "이 45개 항목 중 실제로 최종 문서에 나타난 항목은 몇 개인가?"

• 만약 AI가 작성한 문서에 45개 중 44개 항목이 포함되어 있다면, 점수는 **97.8%**가 됩니다.
• 만약 "판매자 이름"과 "총 비용"을 놓쳤다면, 점수는 떨어집니다.

이는 단어의 철자가 맞는지 주로 확인하는 기존의 AI 측정 방식과는 다릅니다. 노드 커버리지 점수는 "구조"가 존재하는지를 확인합니다. 논문은 일반적인 프롬프트가 단어는 맞출 수 있어도 복잡한 문서의 경우 구조를 완전히 놓치는 경우가 많지만, GOI는 일관되게 높은 점수를 기록함으로써 문서의 '피부'가 아닌 '뼈대'를 포착한다는 것을 증명했습니다.

이것이 미래에 의미하는 바

이 논문은 의료, 법률, 또는 특수 엔지니어링과 같이 복잡하고 맞춤화된 문서를 다루는 산업에서 AI의 일반적인 기억력에 의존하는 것이 위험하다고 결론짓습니다. AI는 빈칸을 잘못된 정보로 채우거나 중요한 섹션을 누락할 수 있습니다.

GOI는 이를 해결할 방법을 제시합니다. AI가 일련의 예시를 학습하고 스스로 엄격한 설계도를 구축하게 함으로써, 팀은 생성되는 모든 새로운 문서가 구조적으로 완벽함을 보장할 수 있습니다. 이 논문은 이 방식이 AI에게 해당 문서 유형이 얼마나 친숙한지와 관계없이 작동한다고 제안합니다. 이는 AI를 단순히 "추측하는 기계"에서 "규칙을 따르는 설계자"로 변화시킵니다.

저자들은 이것이 모든 것을 해결하는 마법 지팡이는 아니라는 점을 주의 깊게 언급합니다. AI는 여전히 실수를 할 수 있으며, 특히 이해관계가 걸린 중요한 문서를 다룰 때는 인간의 검토가 필요합니다. 그러나 결과는 AI에게 명확하고 스스로 발견한 지도를 제공할 때, 일반적인 프롬프트가 결코 따라올 수 없는 신뢰성을 가지고 복잡한 구조를 구축할 수 있다는 것을 보여줍니다. 이는 AI를 단순히 사용자가 원하는 것을 추측하는 도구가 아니라, 지식을 구축하는 진정한 파트너로 만드는 단계입니다.