방법론이 말뿐이 아니라는 것을 보이는 가장 확실한 방법은, 그 방법론으로 우리 자신을 먼저 측정하는 것입니다. 아래는 그 점수와 증거입니다.
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.
AKM Index v1.1 · 2회차
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.
자기 점수는 부풀기 쉽습니다. 그래서 셀프 측정이 아니라 검증 가능한 측정이 되도록 세 가지 장치를 둡니다.
우리가 만든 잣대가 아니라, 누구나 볼 수 있는 공개 기준(AKM Index v1.1)으로 잽니다. 같은 표로 다른 조직과 비교할 수 있습니다.
다섯 영역을 각각 깐깐하게 반박하는 검증 패널을 둡니다. 좋게 봐주는 게 아니라 흠을 찾는 역할입니다.
근거 산출물이 없으면 점수를 깎도록 강제합니다. 말로 주장한 레벨은 인정되지 않고, 실제 기록이 있어야 점수가 오릅니다.
점수의 근거가 되는 레벨4 산출물 세 가지입니다. 셋 다 실제로 매일 돌아가고 있고, 이 세 가지가 있어서 시스템이 스스로 문제를 찾아 고칠 수 있습니다.
한 번 배운 것을 다음 세션에서도 기억합니다. 매번 처음부터 설명할 필요가 없어, 지식이 흩어지지 않고 쌓입니다.
무엇이 언제 어떻게 돌았는지 기록으로 남깁니다. 조용히 실패한 일도 로그로 드러나기 때문에 원인을 되짚을 수 있습니다.
정해진 주기로 스스로를 다시 점검하고 개선합니다. 이 자가측정 자체가 그 리뷰 루프의 일부이며, 다음 재측정 일정도 잡혀 있습니다.
추상적인 점수 뒤에는 구체적인 하루가 있습니다. 이 방법론이 실무에서 어떻게 굴러가는지, 실제 작업을 그대로 옮깁니다.
에러도 없이 조용히 멈춰 있던 자동화 세 건을 관측성 로그로 찾아냈습니다. 겉으로는 정상처럼 보이던 작업의 진짜 원인을 짚어 그날 안에 고쳤습니다.
매일 결과를 스스로 검증하는 루프를 만들고, 그날 배운 것이 자동으로 팀 메모리에 남도록 했습니다. 사람이 잊어도 시스템이 기억합니다.
발송이나 결제처럼 되돌리기 어려운 단계 앞에 가드레일을 걸어, 자동화되어 있어도 반드시 사람의 확인을 거치게 했습니다. 빠름보다 안전을 먼저 둔 설계입니다.
우리 자신에게 쓴 측정과 개선을, 고객사 AI 시스템에도 똑같이 적용합니다. 지금 어디쯤인지, 어디를 먼저 고칠지부터 함께 진단해 드립니다.
※ 이 페이지의 점수와 서사는 KNDLI 자사 시스템을 공개 루브릭으로 측정한 결과입니다. 고객사 자료와 상담 내용은 외부에 공개하지 않습니다.
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.
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.
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.