도그푸딩 · 자가측정 기록Dogfooding · 自我測量紀錄Dogfooding · 自我测量记录DOGFOODING · SELF-AUDIT

우리는 우리 시스템도
같은 방법론으로 측정합니다

我們用同一套方法論
連自己的系統也一起測量

我们用同一套方法论
连自己的系统也一起测量

We measure our own system
with the same method

KNDLI는 고객사에 제안하는 측정·개선 방법론을 자사 AI 에이전트 지식관리 시스템에도 그대로 적용합니다. 공개 루브릭 AKM Index v1.1로 자가측정한 결과 총점 72.75/100, 성숙도 밴드 M3이며, 1회차 66.25에서 3일 만에 +6.5점 자가개선했습니다. 5필러 적대검증과 증거 게이트로 부풀림을 막은 정직한 기록입니다.KNDLI 把向客戶提案的測量與改善方法論,原封不動地套用在自家的 AI 代理知識管理系統上。以公開評分表 AKM Index v1.1 自我測量,總分 72.75/100、成熟度等級 M3,並在第一次 66.25 分後三天內自我改善 +6.5 分。透過五支柱對抗式驗證與證據門檻,杜絕灌水的誠實紀錄。KNDLI 把向客户提案的测量与改善方法论,原封不动地套用在自家的 AI 代理知识管理系统上。以公开评分表 AKM Index v1.1 自我测量,总分 72.75/100、成熟度等级 M3,并在第一次 66.25 分后三天内自我改善 +6.5 分。通过五支柱对抗式验证与证据门槛,杜绝灌水的诚实记录。KNDLI applies the very measurement and improvement method it proposes to clients to its own AI agent knowledge-management system. Self-audited against the public AKM Index v1.1 rubric, it scores 72.75/100 at maturity band M3, improving +6.5 points in three days from a first-round 66.25. An honest record kept free of inflation by a five-pillar adversarial review and an evidence gate.

방법론이 말뿐이 아니라는 것을 보이는 가장 확실한 방법은, 그 방법론으로 우리 자신을 먼저 측정하는 것입니다. 아래는 그 점수와 증거입니다.

要證明方法論不是空話,最確實的方式,就是先用它測量我們自己。以下是分數與證據。

要证明方法论不是空话,最确实的方式,就是先用它测量我们自己。以下是分数与证据。

The surest way to show a method is more than talk is to measure ourselves with it first. Here are the scores and the evidence.

72.75
총점 / 100總分 / 100总分 / 100TOTAL / 100
M3
성숙도 밴드成熟度等級成熟度等级MATURITY BAND
+6.5
3일 자가개선3天自我改善3天自我改善IN 3 DAYS
01

숫자로 본 우리 시스템

用數字看我們的系統

用数字看我们的系统

Our system, in numbers

공개 루브릭 AKM Index v1.1은 지식관리 시스템을 다섯 영역으로 나눠 채점합니다. 총점 72.75점, 성숙도 밴드 M3(오케스트레이션). 강한 곳과 약한 곳을 숨기지 않고 그대로 보여드립니다.

公開評分表 AKM Index v1.1 把知識管理系統分成五個領域評分。總分 72.75、成熟度等級 M3(協作編排)。強項與弱項都不隱藏,原樣呈現。

公开评分表 AKM Index v1.1 把知识管理系统分成五个领域评分。总分 72.75、成熟度等级 M3(协作编排)。强项与弱项都不隐藏,原样呈现。

The public AKM Index v1.1 rubric scores a knowledge system across five areas. Total 72.75, maturity band M3 (orchestration). Strengths and weak spots are shown as they are, nothing hidden.

AKM Index v1.1 · 2회차AKM Index v1.1 · 第二次AKM Index v1.1 · 第二次AKM Index v1.1 · Round 2

프롬프트 설계提示詞設計提示词设计Prompt engineeringAI에게 일을 시키는 지시문을 체계적으로 관리有系統地管理給 AI 的指示文有系统地管理给 AI 的指示文Structured instructions for the AI 15 / 20
컨텍스트 설계脈絡設計脉络设计Context engineeringAI가 참고할 자료와 기억을 갖춰 두기備妥 AI 可參考的資料與記憶备妥 AI 可参考的资料与记忆The material and memory the AI draws on 15 / 25
하네스 설계執行框架設計执行框架设计Harness engineeringAI가 실제로 도구를 쓰고 일하는 환경을 안전하게讓 AI 實際用工具工作的環境更安全让 AI 实际用工具工作的环境更安全Safe environment where the AI runs tools 17 / 20
운영 루프 설계運營迴圈設計运营循环设计Loop engineering매일 돌리고 점검하고 개선하는 반복 구조每天運轉、檢查、改善的循環結構每天运转、检查、改善的循环结构Running, checking, improving every day 16 / 20
상호운용 · 거버넌스互通與治理互通与治理Interop & governance여러 AI·기기·사람이 같은 규칙으로 협업하고 안전장치를 두기多個 AI、裝置、人以同一規則協作並設安全機制多个 AI、设备、人以同一规则协作并设安全机制Shared rules and safeguards across AI, devices, people 9.75 / 15
02
SELF-IMPROVEMENT

3일 만에 스스로 올린 점수

三天內自己拉高的分數

三天内自己拉高的分数

The score it raised on its own, in 3 days

한 번 재고 끝이 아닙니다. 1회차에서 약한 곳을 확인하고, 그 원인을 실제로 고쳐 2회차에서 다시 측정했습니다. 새 기능을 자랑한 게 아니라, 검증 루프와 안전장치를 더한 결과입니다.

不是量一次就結束。第一次確認弱點,實際修正原因後,第二次再測。不是炫耀新功能,而是加上驗證迴圈與安全機制的結果。

不是量一次就结束。第一次确认弱点,实际修正原因后,第二次再测。不是炫耀新功能,而是加上验证循环与安全机制的结果。

Not a one-off reading. Round one exposed the weak spots; we fixed the causes and measured again in round two. Not new features to show off, but verification loops and safeguards actually added.

1회차第一次第一次Round 1
66.25

첫 측정. 약한 영역과 증거 부족 지점을 확인.首次測量,確認弱項與證據不足處。首次测量,确认弱项与证据不足处。First reading. Weak areas and missing evidence identified.

+6.5 자가개선自我改善自我改善self-improve
2회차 · 3일 뒤第二次 · 3天後第二次 · 3天后Round 2 · 3 days later
72.75

원인 수리 후 재측정. 밴드 M3 유지, 총점 상승.修正原因後重測。維持 M3,總分提升。修正原因后重测。维持 M3,总分提升。Re-measured after fixes. Held M3, total up.

03

점수를 믿을 수 있게 만드는 세 가지

讓分數可信的三件事

让分数可信的三件事

Three things that make the score trustworthy

자기 점수는 부풀기 쉽습니다. 그래서 셀프 측정이 아니라 검증 가능한 측정이 되도록 세 가지 장치를 둡니다.

自評的分數容易灌水,所以我們用三個機制,讓它從「自我評分」變成「可驗證的測量」。

自评的分数容易灌水,所以我们用三个机制,让它从「自我评分」变成「可验证的测量」。

Self-scores inflate easily. So three mechanisms turn this from self-rating into verifiable measurement.

01 · Public rubric

공개 루브릭

公開評分表

公开评分表

Public rubric

우리가 만든 잣대가 아니라, 누구나 볼 수 있는 공개 기준(AKM Index v1.1)으로 잽니다. 같은 표로 다른 조직과 비교할 수 있습니다.

不是自己訂的尺,而是用人人可見的公開標準(AKM Index v1.1)評分。同一張表也能和別的組織比較。

不是自己订的尺,而是用人人可见的公开标准(AKM Index v1.1)评分。同一张表也能和别的组织比较。

Not a yardstick we invented, but a public standard anyone can inspect (AKM Index v1.1). The same table compares across organizations.

02 · Adversarial review

적대검증 패널

對抗式驗證小組

对抗式验证小组

Adversarial panel

다섯 영역을 각각 깐깐하게 반박하는 검증 패널을 둡니다. 좋게 봐주는 게 아니라 흠을 찾는 역할입니다.

為五個領域各設一個專門挑毛病的驗證小組,任務是找碴,而不是給好評。

为五个领域各设一个专门挑毛病的验证小组,任务是找碴,而不是给好评。

A review panel challenges each of the five areas hard. Its job is to find faults, not to be generous.

03 · Evidence gate

증거 게이트

證據門檻

证据门槛

Evidence gate

근거 산출물이 없으면 점수를 깎도록 강제합니다. 말로 주장한 레벨은 인정되지 않고, 실제 기록이 있어야 점수가 오릅니다.

沒有佐證產出就強制扣分。用嘴主張的等級不算數,要有實際紀錄分數才會上去。

没有佐证产出就强制扣分。用嘴主张的等级不算数,要有实际记录分数才会上去。

Missing evidence forces a deduction. A level claimed in words does not count; only real records raise the score.

04
THE EVIDENCE

시스템이 시스템을 고친 기록

系統修好系統的紀錄

系统修好系统的记录

A record of the system fixing itself

점수의 근거가 되는 레벨4 산출물 세 가지입니다. 셋 다 실제로 매일 돌아가고 있고, 이 세 가지가 있어서 시스템이 스스로 문제를 찾아 고칠 수 있습니다.

支撐分數的三項 Level 4 產出,三者都每天實際運轉;正因為有它們,系統才能自己找出問題並修好。

支撑分数的三项 Level 4 产出,三者都每天实际运转;正因为有它们,系统才能自己找出问题并修好。

Three Level 4 artifacts back the score. All three run daily, and together they let the system find and fix its own problems.

Level 4

지속 메모리

持續記憶

持续记忆

Persistent memory

한 번 배운 것을 다음 세션에서도 기억합니다. 매번 처음부터 설명할 필요가 없어, 지식이 흩어지지 않고 쌓입니다.

學過的東西下次開工也記得,不必每次從頭說明,知識不會散掉而是累積。

学过的东西下次开工也记得,不必每次从头说明,知识不会散掉而是累积。

What it learns once, it remembers next session. No re-explaining from scratch, so knowledge compounds instead of scattering.

Level 4

관측성

可觀測性

可观测性

Observability

무엇이 언제 어떻게 돌았는지 기록으로 남깁니다. 조용히 실패한 일도 로그로 드러나기 때문에 원인을 되짚을 수 있습니다.

記錄什麼在何時如何運轉,連悄悄失敗的事也會在日誌上現形,才能回溯原因。

记录什么在何时如何运转,连悄悄失败的事也会在日志上现形,才能回溯原因。

It logs what ran, when, and how. Even silent failures surface in the logs, so causes can be traced back.

Level 4

주기 리뷰

週期回顧

周期回顾

Periodic review

정해진 주기로 스스로를 다시 점검하고 개선합니다. 이 자가측정 자체가 그 리뷰 루프의 일부이며, 다음 재측정 일정도 잡혀 있습니다.

依固定週期重新檢視並改善自己。這份自我測量本身就是回顧迴圈的一環,下次重測也已排定。

依固定周期重新检视并改善自己。这份自我测量本身就是回顾循环的一环,下次重测也已排定。

On a set cadence it re-checks and improves itself. This self-audit is part of that review loop, and the next re-measure is already scheduled.

05

그래서 실제로 무슨 일이 있었나

那麼,實際上發生了什麼

那么,实际上发生了什么

So what actually happened

추상적인 점수 뒤에는 구체적인 하루가 있습니다. 이 방법론이 실무에서 어떻게 굴러가는지, 실제 작업을 그대로 옮깁니다.

抽象分數的背後,是具體的一天。以下把實際作業原樣呈現,看方法論在實務中如何運轉。

抽象分数的背后,是具体的一天。以下把实际作业原样呈现,看方法论在实务中如何运转。

Behind an abstract score sits a concrete day. Here is the actual work, showing how the method runs in practice.

침묵 실패 3건의 원인을 하루 만에 규명하고 수리

一天內查明並修好三起「悄悄失敗」的原因

一天内查明并修好三起「悄悄失败」的原因

Three silent failures diagnosed and fixed in a day

에러도 없이 조용히 멈춰 있던 자동화 세 건을 관측성 로그로 찾아냈습니다. 겉으로는 정상처럼 보이던 작업의 진짜 원인을 짚어 그날 안에 고쳤습니다.

三個沒報錯、卻悄悄停擺的自動化,靠可觀測性日誌被揪出。找出這些看似正常之作業的真正原因,當天就修好。

三个没报错、却悄悄停摆的自动化,靠可观测性日志被揪出。找出这些看似正常之作业的真正原因,当天就修好。

Three automations had stopped quietly, with no error. The observability logs surfaced them; the real causes behind seemingly fine tasks were pinned down and fixed the same day.

데일리 검증 루프와 메모리 자동 캡처를 직접 설계

親手設計每日驗證迴圈與記憶自動擷取

亲手设计每日验证循环与记忆自动捕获

Built a daily verification loop and auto memory capture

매일 결과를 스스로 검증하는 루프를 만들고, 그날 배운 것이 자동으로 팀 메모리에 남도록 했습니다. 사람이 잊어도 시스템이 기억합니다.

做了每天自我驗證結果的迴圈,並讓當天學到的東西自動留進團隊記憶。人忘了,系統還記得。

做了每天自我验证结果的循环,并让当天学到的东西自动留进团队记忆。人忘了,系统还记得。

A loop that verifies each day's results on its own, plus automatic capture of what was learned into team memory. Even if a person forgets, the system remembers.

가드레일 훅으로 되돌리기 어려운 작업을 사람 승인 앞에서 멈춤

用護欄鉤在難以回復的作業前,停下等人核准

用护栏钩在难以回复的作业前,停下等人批准

Guardrail hooks that pause irreversible actions for human approval

발송이나 결제처럼 되돌리기 어려운 단계 앞에 가드레일을 걸어, 자동화되어 있어도 반드시 사람의 확인을 거치게 했습니다. 빠름보다 안전을 먼저 둔 설계입니다.

在寄送、付款等難以回復的步驟前設護欄,即使已自動化也必經人的確認。這是把安全擺在速度之前的設計。

在寄送、付款等难以回复的步骤前设护栏,即使已自动化也必经人的确认。这是把安全摆在速度之前的设计。

Guardrails sit before irreversible steps like sending or payment, so even automated flows require a human check. Safety is placed ahead of speed by design.

NEXT STEP

이 방법론을,
우리 회사 시스템에도

把這套方法論,
也用在貴公司系統上

把这套方法论,
也用在贵公司系统上

This method,
applied to your systems too

우리 자신에게 쓴 측정과 개선을, 고객사 AI 시스템에도 똑같이 적용합니다. 지금 어디쯤인지, 어디를 먼저 고칠지부터 함께 진단해 드립니다.

我們用在自己身上的測量與改善,同樣套用到客戶的 AI 系統。先一起診斷你現在在哪、該先修哪裡。

我们用在自己身上的测量与改善,同样套用到客户的 AI 系统。先一起诊断你现在在哪、该先修哪里。

The measurement and improvement we ran on ourselves, applied to your AI systems. We start by diagnosing where you stand and what to fix first.

진단 문의하기申請診斷申请诊断Request a diagnosis AI 자동화 컨설팅 보기看 AI 自動化顧問看 AI 自动化咨询AI automation consulting

※ 이 페이지의 점수와 서사는 KNDLI 자사 시스템을 공개 루브릭으로 측정한 결과입니다. 고객사 자료와 상담 내용은 외부에 공개하지 않습니다.

※ 本頁分數與敘述,是以公開評分表測量 KNDLI 自家系統的結果。客戶資料與諮詢內容不對外公開。

※ 本页分数与叙述,是以公开评分表测量 KNDLI 自家系统的结果。客户资料与咨询内容不对外公开。

※ The scores and story here come from measuring KNDLI's own system against a public rubric. Client materials and consultation details stay confidential.

자주 묻는 질문 — 지식관리 자가측정常見問題 — 知識管理自我測量常见问题 — 知识管理自我测量FAQ — Knowledge-management self-audit

AKM Index란 무엇인가요?什麼是 AKM Index?什么是 AKM Index?What is the AKM Index?

AKM Index는 AI 에이전트 지식관리 시스템의 성숙도를 다섯 영역(프롬프트 설계, 컨텍스트 설계, 하네스 설계, 운영 루프 설계, 상호운용·거버넌스)으로 나누어 0에서 100점으로 채점하는 공개 루브릭(v1.1)입니다. 각 영역은 행동 기준으로 레벨을 나누고, 점수마다 실제 증거 자료를 요구합니다. KNDLI는 이 공개 기준으로 자사 시스템을 측정해 총점 72.75점, 성숙도 밴드 M3를 받았습니다.AKM Index 是把 AI 代理知識管理系統的成熟度分成五個領域(提示詞設計、脈絡設計、執行框架設計、運營迴圈設計、互通與治理),以 0 到 100 分評分的公開評分表(v1.1)。各領域依行為基準分級,每個分數都要求實際證據。KNDLI 以此公開標準測量自家系統,得到總分 72.75、成熟度等級 M3。AKM Index 是把 AI 代理知识管理系统的成熟度分成五个领域(提示词设计、脉络设计、执行框架设计、运营循环设计、互通与治理),以 0 到 100 分评分的公开评分表(v1.1)。各领域依行为基准分级,每个分数都要求实际证据。KNDLI 以此公开标准测量自家系统,得到总分 72.75、成熟度等级 M3。The AKM Index is a public rubric (v1.1) that scores an AI agent knowledge system from 0 to 100 across five areas: prompt engineering, context engineering, harness engineering, loop engineering, and interop and governance. Each area has behaviorally anchored levels, and every score requires real evidence. KNDLI measured its own system against this public standard and reached a total of 72.75 at maturity band M3.

KNDLI는 왜 자사 시스템을 공개적으로 측정하나요?KNDLI 為何公開測量自家系統?KNDLI 为何公开测量自家系统?Why does KNDLI measure its own system in public?

고객사에 제안하는 측정과 개선 방법론을 우리 시스템에도 똑같이 적용한다는 것을 보여주기 위해서입니다. 좋아진다는 말 대신, 공개된 기준으로 몇 점인지, 어디가 약한지, 며칠 만에 얼마나 올렸는지를 숫자와 증거로 공개합니다. 이렇게 스스로 먼저 측정하는 방식을 흔히 도그푸딩이라고 부르며, 방법론이 말뿐이 아니라 실제로 돌아간다는 신뢰의 근거가 됩니다.為了證明我們把向客戶提案的測量與改善方法論,也同樣用在自己身上。不說「會變好」,而是以公開標準公布幾分、哪裡弱、幾天內提升多少,用數字與證據說話。這種先量自己的做法常稱為 dogfooding,是方法論並非空談、確實在運轉的信任依據。为了证明我们把向客户提案的测量与改善方法论,也同样用在自己身上。不说「会变好」,而是以公开标准公布几分、哪里弱、几天内提升多少,用数字与证据说话。这种先量自己的做法常称为 dogfooding,是方法论并非空谈、确实在运转的信任依据。To show that the measurement and improvement method we propose to clients, we apply to ourselves the same way. Instead of promising things will get better, we publish the score against a public standard, where we are weak, and how much we raised it in how many days, with numbers and evidence. Measuring yourself first this way is often called dogfooding, and it is the trust basis that a method actually runs rather than just being talk.

점수는 어떻게 검증하고 부풀림을 막나요?分數如何驗證、怎麼防灌水?分数如何验证、怎么防灌水?How is the score verified and kept from inflation?

다섯 영역을 각각 적대적으로 검증하는 패널을 두고, 근거가 없는 항목은 점수를 깎도록 강제합니다. 레벨을 주장하려면 지속 메모리, 관측성 로그, 주기 리뷰 기록처럼 실제로 존재하는 산출물을 증거로 제시해야 합니다. 증거가 없으면 점수가 오르지 않기 때문에 실제보다 높게 나오는 것을 구조적으로 막습니다. 1회차 66.25점에서 2회차 72.75점으로 오른 것도 새 기능을 자랑해서가 아니라, 침묵 실패의 원인을 고치고 검증 루프와 안전장치를 실제로 추가한 결과입니다.為五個領域各設對抗式驗證小組,沒有依據的項目強制扣分。要主張某個等級,就得拿出持續記憶、可觀測性日誌、週期回顧紀錄等實際存在的產出當證據。沒有證據分數就上不去,從結構上防止分數高於實際。第一次 66.25 到第二次 72.75,也不是炫耀新功能,而是修好悄悄失敗的原因、實際加上驗證迴圈與安全機制的結果。为五个领域各设对抗式验证小组,没有依据的项目强制扣分。要主张某个等级,就得拿出持续记忆、可观测性日志、周期回顾记录等实际存在的产出当证据。没有证据分数就上不去,从结构上防止分数高于实际。第一次 66.25 到第二次 72.75,也不是炫耀新功能,而是修好悄悄失败的原因、实际加上验证循环与安全机制的结果。Each of the five areas has an adversarial review panel, and any item without grounds is forced to lose points. To claim a level, you must present artifacts that actually exist, such as persistent memory, observability logs, and periodic review records. Since no evidence means no rise, the score is structurally prevented from exceeding reality. Going from 66.25 in round one to 72.75 in round two was not about showing off new features, but the result of fixing the causes of silent failures and actually adding verification loops and safeguards.

다른 서비스 둘러보기探索其他服務探索其他服务Explore More Services
전체 포트폴리오完整作品集完整作品集Full Portfolio AI 자동화 컨설팅AI 自動化顧問AI 自动化咨询Automation Consulting AI 노출 패키지AI曝光方案AI曝光方案AI Visibility AI 자동화AI 自動化AI 自动化AI Automation 맞춤 AI 교육客製化AI教育客制化AI教育Custom AI Training 프로필個人檔案个人档案Profile 문의聯繫联系Contact