용어집

Agent2Agent 프로토콜은 자율 에이전트가 서로를 발견하고, 작업을 교환하며, 조직 경계를 넘어 협업할 수 있게 하는 개방형 표준입니다. 한 에이전트가 자신의 기능을 어떻게 알리고, 다른 에이전트가 작업을 어떻게 위임하고 완료까지 추적하는지 정의합니다.

동의어: A2A, agent2agent, agent-to-agent protocol, agent interoperability

Answer engine optimization은 AI 답변 엔진과 채팅 어시스턴트가 콘텐츠를 찾고, 인용하고, 정확하게 요약할 수 있도록 콘텐츠를 구조화하는 관행입니다. SEO가 순위가 매겨진 링크를 목표로 한다면, AEO는 합성된 답변 자체를 목표로 하며 명확한 정의, 구조화된 데이터, 기계가 읽을 수 있는 원본 파일에 최적화합니다.

동의어: AEO, generative engine optimization, GEO, AI search optimization

Chunking은 원본 문서를 embedding하기 전에 더 작은 검색 단위로 나누는 과정입니다. chunk 크기와 경계 전략은 retriever가 관련 사실을 얼마나 정밀하게 찾을 수 있는지를 결정하며, knowledge base 전체에서 recall, precision, embedding 비용의 균형을 맞춥니다.

동의어: text chunking, document segmentation, passage splitting, chunk strategy

Embedding은 텍스트, 이미지 또는 다른 데이터의 의미를 고차원 공간에서 나타내는 숫자 벡터입니다. 의미가 비슷한 항목은 서로 가까운 벡터를 만들기 때문에, 시스템은 정확한 일치가 아니라 의미적 유사성으로 콘텐츠를 비교, 군집화, 검색할 수 있습니다.

동의어: vector embedding, text embedding, semantic vector, dense representation

Grounding은 AI 모델의 출력을 그 모델의 파라메트릭 메모리가 아니라 검증 가능한 원천 증거에 묶어 두는 관행입니다. grounded 답변은 인용하고 확인할 수 있는 검색 passage로 뒷받침되며, 조작되었거나 자신 있게 틀린 응답에 대한 주요 방어입니다.

동의어: grounded AI, evidence grounding, source grounding, factual grounding

Hallucination은 언어 모델이 자신 있게 내놓지만 지원되지 않거나 조작된 출력입니다. 그럴듯하게 들리지만 제공된 증거나 현실에 근거가 없는 주장입니다. Hallucination은 지식 업무 자동화의 핵심 위험이며, 인용된 증거로 grounding하는 것이 주요 완화책입니다.

동의어: AI hallucination, fabrication, confabulation, ungrounded output

Human-in-the-loop은 AI 시스템의 제안이 효력을 갖기 전에 사람이 검토, 승인 또는 수정하는 설계 패턴입니다. 자동화가 routine volume을 처리하는 동안, 고위험 또는 낮은 confidence 결정의 critical path에는 인간 판단을 유지합니다.

동의어: HITL, human in the loop, human oversight, human review

Intake 자동화는 구조화되지 않은 인바운드 요청을 수동 데이터 입력 없이 구조화되고 기계가 읽을 수 있는 record로 바꾸는 과정입니다. 요청을 분류하고, 중요한 필드를 추출하며, 결과를 workflow로 라우팅해 작업이 일관되게 답변되거나 action될 수 있게 합니다.

동의어: request intake, automated triage, intake processing, request normalization

Model Context Protocol은 AI 어시스턴트가 균일한 interface를 통해 외부 도구와 데이터 source에 연결될 수 있게 하는 개방형 표준입니다. MCP server는 모델 client가 발견하고 호출할 수 있는 typed tool과 resource를 노출하므로, integration마다 bespoke code 없이 capability를 추가할 수 있습니다.

동의어: MCP, model context protocol, MCP server, tool protocol

콘텐츠를 vector embedding으로 변환하고, 효율적인 similarity search를 위해 metadata와 함께 MongoDB Atlas Search vector index에 저장하는 과정입니다.

동의어: mongodb embedding, vector indexing, semantic indexing, atlas search vectors

Retrieval-augmented generation은 언어 모델의 output을 파라메트릭 메모리에만 의존하지 않고 검색된 source document에 grounding하는 기법입니다. 시스템은 knowledge base에서 관련 passage를 가져와 context로 제공하고, 모델에게 그 증거만 사용해 답하라고 요청합니다.

동의어: RAG, retrieval augmented generation, grounded generation, context augmentation

SAML 또는 OpenID Connect 같은 identity federation protocol을 통해 사용자가 하나의 login credential 세트로 여러 application에 접근할 수 있게 하는 인증 방식입니다.

동의어: saml, oidc, federated login, enterprise sso

SLA 위반은 응답 또는 해결 마감처럼 service-level agreement에 정의된 약속을 작업이 지키지 못할 때 발생합니다. 위반을 자동 감지하고 escalation하면 책임성이 보이고, 약속이 깨지기 전에 위험한 작업이 적절한 사람에게 도달합니다.

동의어: service level breach, SLA violation, missed SLA, deadline breach

Tenant 격리는 multi-tenant system에서 각 고객의 data와 configuration이 논리적으로 분리되어 다른 tenant가 접근할 수 없다는 보장입니다. storage, retrieval, access control 모든 layer에서 강제되어 한 조직이 다른 조직의 작업을 보거나 영향을 줄 수 없게 합니다.

동의어: multi-tenant isolation, tenant scoping, data partitioning, tenancy boundary

Vector search는 정확한 단어가 아니라 의미로 콘텐츠를 찾습니다. 텍스트는 고차원 embedding으로 변환되고, cosine distance 같은 similarity metric이 저장된 vector를 query vector와 얼마나 가까운지에 따라 순위화해, keyword가 일치하지 않아도 개념적으로 관련된 passage를 반환합니다.

동의어: semantic search, similarity search, nearest-neighbor search, embedding search

Vertical pack은 플랫폼을 특정 업무 도메인에 맞게 조정하는 패키지화된 구성입니다. intent, extraction field, evidence source, policy, action을 포함합니다. Pack은 team이 IT access나 vendor security 같은 집중된 workflow를 underlying engine을 다시 만들지 않고 시작하게 합니다.

동의어: pack, vertical pack, solution pack, domain pack

Work packet은 WorkItem을 둘러싸고 조립되는 context bundle로, 원래 요청, extracted field, retrieved evidence, applicable policy, proposed action을 포함해 reasoning하고 action할 수 있게 합니다. 하나의 작업에 대한 완전하고 self-contained한 briefing입니다.

동의어: work bundle, context packet, task packet, work context

WorkItem은 Threada의 작업 단위입니다. email, chat, document, form에서 들어온 단일 인바운드 요청을 구조화되고 추적 가능한 record로 정규화한 것입니다. 각 WorkItem은 intent, extracted field, evidence, 그리고 그 위에서 이루어진 모든 decision과 action의 완전한 history를 가집니다.

동의어: work item, task record, tracked request, unit of work

승인 워크플로는 제안된 작업이 실행되기 전에 통과해야 하는 거버넌스 체크포인트의 순서입니다. 각 단계는 위험, 역할 또는 정책에 따라 결정을 적절한 검토자에게 라우팅하고, 누가 무엇을 승인했는지 기록해 결과가 완전히 책임 가능하도록 합니다.

동의어: approval flow, review workflow, authorization workflow, sign-off process

에이전트 위임은 AI 에이전트가 사용자나 다른 에이전트를 대신해 행동할 수 있도록 범위가 제한되고 시간 제한이 있는 권한을 통제된 방식으로 부여하는 것입니다. 위임은 허용되는 기능, tenant, 작업을 정확히 지정하므로 에이전트는 명시적이고 취소 가능하며 감사 가능한 한계 안에서 작동합니다.

동의어: delegated authority, scoped delegation, agent authorization, agent grant

의도 분류는 인바운드 요청이 실제로 무엇을 요구하는지 판단해, 구조화되지 않은 텍스트를 정의된 업무 범주로 매핑하는 단계입니다. 정확한 분류는 각 WorkItem을 올바른 workflow, evidence source, policy로 라우팅하므로 신뢰할 수 있는 자동화의 기반입니다.

동의어: intent detection, request classification, intent recognition, routing classification

작업 제안은 연결된 비즈니스 시스템을 변경하기 위한 구조화되고 검토 가능한 제안이며, 자동화가 만들지만 아직 실행되지는 않은 상태입니다. 대상 시스템, 작업, 정확한 매개변수를 명시하므로 사람이든 정책이든 실제 변경 전에 승인, 수정 또는 거부할 수 있습니다.

동의어: proposed action, action suggestion, draft action, pending action

증거 인용은 AI 시스템이 만드는 모든 주장에 검증 가능한 출처 참조를 붙이는 관행입니다. 인용된 각 passage는 그것이 나온 문서, record 또는 knowledge asset으로 연결되므로, 사람은 답변을 신뢰하거나 행동하기 전에 그것이 근거 있는지 확인할 수 있습니다.

동의어: citation, source attribution, evidence linking, answer provenance

하이브리드 검색은 관련 passage를 찾기 위해 semantic vector search와 lexical keyword search를 결합합니다. vector search는 의미와 paraphrase를 잡고, keyword search는 정확한 용어와 identifier를 잡으며, fusion 단계가 두 결과 집합을 합쳐 정밀한 token과 개념적 일치 중 어느 쪽도 놓치지 않게 합니다.

동의어: hybrid search, dense-sparse retrieval, vector plus keyword search, fusion retrieval