Skip to main content

무엇이 AI의 증거가 아닌가

참고: 이 문서는 영문 원본의 자동 번역본입니다.

무엇이 AI의 증거가 아닌가

프로젝트는 작동하는 AI 컴포넌트의 증거처럼 보이는 많은 산출물을 제시할 수 있습니다 — 그러나 자세히 살펴보면 실제로는 그것을 입증하지 않습니다. 이 페이지는 가장 흔한 안티패턴을 나열합니다: 검증 가능한 증거를 제공하지 않고 AI 역량을 주장하는 신호들. 이것은 무엇이 AI 컴포넌트의 증거로 인정되는가의 동반 문서입니다.

요약하면: 마케팅 문구, 빈 리포지토리, 방법론 없는 지표, 자체 소유 로직이 없는 API 래퍼, 그리고 토큰 이름의 "AI"는 작동하는 AI 컴포넌트의 증거가 아닙니다.

거짓 신호를 인식하는 것이 왜 중요한가

"증거"와 "비증거" 사이의 경계는 AI-washing에 대한 DecAIHub 접근법의 기초입니다. 아래 패턴을 인식하는 것은 프로젝트에 대한 고발이 아닙니다 — 그것은 특정 산출물이 검증 가능한 AI reality에 영향을 주지 않으며, Tier-1 증거로 오해되어서는 안 된다는 것을 의미합니다.

흔한 안티패턴

마케팅 문구의 "우리는 AI를 사용한다"

랜딩 페이지나 피치 덱에서 "AI 구동", "머신러닝으로 구축됨", 또는 "신경망 주도"라고 말하는 것은 증거가 아니라 포지셔닝 진술입니다. Tier-1 산출물(코드, 문서, 데모) 없이는 이러한 단어들은 검증 가능한 무게를 갖지 않습니다.

DecAIHub는 그 단어를 사용한다고 프로젝트를 처벌하지 않습니다 — 그러나 그것을 증거로 취급하지도 않습니다. 마케팅에서 "AI"의 존재는 기준을 높입니다: 프로젝트가 AI를 두드러지게 주장한다면, 뒷받침 산출물의 부재가 더 두드러집니다.

비어 있거나 무관한 리포지토리

존재하지만 AI/ML 코드가 없는 — 또는 README, 보일러플레이트, 무관한 스크립트만 포함하는 — GitHub 리포지토리는 위험 신호입니다. 의미 있는 리포지토리는 커밋, 릴리스, 테스트, 그리고 백서나 문서의 주장과 정렬되는 코드를 가집니다.

흔한 패턴: 단일 초기 커밋으로 최근에 생성된 리포지토리; 수정 없는 인기 프레임워크의 포크; 모델 코드 없는 구성 파일 모음; 프로젝트가 활발한 AI 개발을 계속 주장하는 동안 1년 넘게 커밋이 없는 리포지토리.

방법론 없는 지표

"95% 정확도"나 "최첨단 성능"을 주장하는 것은 맥락 없이는 아무 의미가 없습니다: 무엇이 측정되었고, 어떤 데이터에서, 언제, 그리고 어떤 버전의 모델로. 방법론 없는 지표는 Tier-1 증거가 아닙니다.

"우리 모델은 2026년 1월에 버전 2.1에서 평가된 XYZ 벤치마크에서 0.92 F1을 달성한다"는 지표입니다. "우리는 92% 정확도를 달성한다"는 주장입니다. DecAIHub는 주장을 기록된 진술로 기록하지만, 그것에 기반하여 AI_3 플래그를 설정하지는 않습니다.

자체 소유 로직이 없는 API 래퍼

OpenAI, Anthropic, 또는 다른 서드파티 API를 호출하고 그 결과를 반환하는 것은 프로젝트 자체의 AI의 증거가 아닙니다. API 래퍼는 유효한 제품일 수 있지만, DecAIHub가 평가하는 의미에서 프로젝트를 AI 프로젝트로 만들지는 않습니다. AI는 제공자의 것이지 프로젝트의 것이 아닙니다.

프로젝트가 자체 파인튜닝을 적용하거나, 서드파티 출력을 자체 소유 모델과 결합하거나, 측정 가능한 후처리를 추가한다면, 그림이 바뀝니다. 핵심 질문은 프로젝트가 원시 API가 제공하는 것을 넘어 검증 가능한 AI 수준의 가치를 추가하는지입니다. "AI 컴포넌트" 전체가 시스템 프롬프트가 있는 단일 API 호출이라면, AI reality는 제공자의 것입니다.

토큰 이름이나 브랜딩에만 있는 "AI"

프로젝트의 AI에 대한 유일한 연결이 토큰 티커, 도메인 이름, 또는 브랜딩의 "AI"라는 단어 — 그 뒤에 기술적 구현 없이 — 라면, 이것은 증거가 아니라 포지셔닝입니다.

토큰 티커는 기능이 아니라 레이블입니다. DecAIHub는 명명을 중립적 신호로 취급합니다 — 그것은 증거 평가에 기여하지도 손상시키지도 않습니다. 중요한 것은 이름 뒤에 산출물이 존재하는지입니다.

AI 회사와의 파트너십

파트너십 발표(예: "NVIDIA와 제휴" 또는 "OpenAI와 통합")는 기껏해야 Tier-2입니다. 그것은 프로젝트 내부의 작동하는 AI 컴포넌트가 아니라 연관성을 보여줍니다. 파트너십은 코드, 문서, 또는 데모를 대체하지 않습니다.

파트너십은 깊은 기술 협업(공동 연구, 공동 개발 모델)부터 느슨한 제휴(액셀러레이터 멤버십, 파트너 디렉토리에 등재됨)까지 다양합니다. 크립토-AI 공간의 대부분의 발표된 파트너십은 더 느슨한 쪽에 속합니다. 검증 가능한 기술적 산출물이 있는 파트너십만 증거 그림에 기여하며, 그조차도 Tier-1 증명이 아니라 Tier-2 맥락으로 기여합니다.

구현 없는 "AI 로드맵"이나 AI 의도

"AI 기능이 Q3에 출시 예정"이라고 말하는 로드맵 항목은 작동하는 AI 컴포넌트가 아니라 의도(AI_0)를 보여줍니다. 의도는 단일 플래그로 기록되지만, 그 자체로 작동하는 AI 컴포넌트를 나타내지는 않습니다. ai_score 공식은 3에서 상한이 적용되므로, AI_0만으로는 최소한으로 기여합니다.

계획은 바뀌거나, 지연되거나, 취소됩니다. DecAIHub는 AI 야망을 선언한 프로젝트를 그렇지 않은 프로젝트와 구별하기 위해 AI_0 플래그를 통해 공식적 AI 의도를 기록합니다. 그러나 그 플래그는 상한이 아니라 하한입니다 — 그것은 기껏해야 ai_score = 1에 기여하며, 의도가 Tier-1 출처에서 올 때만 그렇습니다.

검증 가능한 AI 백엔드가 없는 데모

AI 결과를 보여준다고 주장하지만 그 뒤에서 AI 모델이 실행되고 있음을 검증할 방법을 제공하지 않는 — API 문서도, 모델 버전도, 재현 가능한 출력도 없는 — 세련된 프론트엔드는 충분한 증거가 아닙니다.

검증 가능한 데모는 다른 입력을 허용하고 맥락에 따라 다양한 출력을 생성합니다. 그것은 API 엔드포인트를 노출하거나, 모델 버전 정보를 표시하거나, 샌드박스 모드를 제공할 수 있습니다. 반면 쇼케이스는 스크립트된 경로를 따르거나 입력과 무관하게 동일한 출력을 생성합니다. DecAIHub는 전자를 찾습니다; 후자는 기록되지만 AI_0을 넘어서는 증거 플래그에 기여하지 않습니다.

구체성 없는 "파인튜닝된 모델"

파인튜닝된 모델을 가지고 있다고 주장하는 것은 프로젝트가 다음을 명시하지 않는 한 증거가 아닙니다: 베이스 모델, 파인튜닝에 사용된 데이터셋, 베이스 모델 대비 개선, 그리고 방법론이 있는 품질 지표.

신뢰할 만한 파인튜닝 주장은 베이스 모델을 명명하고, 트레이닝 데이터를 설명하며, 정의된 작업에서 측정 가능한 개선을 보여줍니다. 이러한 구체성 없이는 "우리는 모델을 파인튜닝했다"는 "우리는 모델을 사용했다"와 구별할 수 없습니다.

안티패턴 참조 표

안티패턴 무엇을 주장하는가 실제로 무엇을 증명하는가
웹사이트의 "AI 구동" 프로젝트에 AI가 있음 Tier-1 산출물 없이는 아무것도
빈 GitHub 리포지토리 오픈소스 AI 코드 리포지토리는 존재; AI 코드는 없음
맥락 없는 "95% 정확도" 고품질 AI 숫자가 진술됨; 유효성은 불명
OpenAI API 래퍼 프로젝트가 "AI를 사용함" 프로젝트가 다른 사람의 AI를 호출함
토큰 이름의 "AI" AI 관련 프로젝트 명명 선택이 이루어짐
AI 연구소와의 파트너십 AI 역량 연관성이 존재함
"Q3 로드맵의 AI" 미래 AI 컴포넌트 의도(AI_0)만
백엔드 증거 없는 세련된 데모 작동하는 AI 프론트엔드가 구축됨
세부 정보 없는 "파인튜닝된 LLM" 자체 소유 모델 주장이 이루어짐

거짓 신호를 약하지만 실제인 증거와 구별하는 방법

Tier-1 기준에 실패하는 모든 산출물이 쓸모없는 것은 아닙니다. 일부 산출물은 진정으로 약한 증거입니다 — 그 자체로는 불충분하지만 조합 시 의미가 있습니다. 아래 표는 경계를 명확히 합니다:

산출물 거짓 신호(증거 가치 없음) 약하지만 실제인 증거
리포지토리 비어 있거나 보일러플레이트만 일부 AI 코드를 포함하지만 테스트나 릴리스가 부족
지표 방법론 없는 숫자 부분적 방법론이 있는 숫자(네 가지 맥락 질문 중 하나 누락)
데모 고정 출력의 스크립트된 쇼케이스 API 문서나 모델 버전이 없는 인터랙티브 데모
파트너십 파트너 페이지의 로고 공동 기술 산출물(공동 저자 논문, 공유 리포지토리)
문서 기술적 깊이 없는 마케팅 백서 아키텍처를 설명하지만 버전 세부 정보가 부족한 기술 백서

약한 증거는 다른 산출물에 의해 입증될 때 개별 플래그를 설정하는 데 기여할 수 있습니다. 거짓 신호는 수량과 무관하게 기여하지 않습니다 — 열 개의 빈 리포지토리는 하나보다 더 강하지 않습니다.

DecAIHub가 이러한 경우를 기록하는 방법

작동하는 AI 컴포넌트에 대한 Tier-1 증거가 발견되지 않으면, 프로젝트의 ai_score는 0 또는 1로 유지됩니다. 증거가 부재한 동안 AI가 마케팅에서 적극적으로 홍보되면, 카드에 AI-washing 플래그가 설정될 수 있습니다.

이것은 고발이 아닙니다 — 검증 날짜 기준으로 주장과 산출물 사이의 간극에 대한 기록입니다. 새로운 증거가 나타나면 카드가 업데이트됩니다.

ai_score는 이진 플래그 AI_0부터 AI_4까지를 합산합니다(3에서 상한). 이 페이지의 안티패턴만 보여주는 프로젝트는 일반적으로 ai_score = 0 또는 ai_score = 1(AI_0이 공식 로드맵을 통해 설정된 경우)을 가지며, 이는 최대 DecAI Fit을 직접 제한합니다.

이 목록만으로는 증명되지 않는 것

  • 하나 이상의 안티패턴을 보이는 것은 프로젝트에 대한 고발이 아닙니다. 많은 초기 단계 프로젝트는 기술이 아직 공개되지 않았다는 단순한 이유로 산출물이 부족합니다.
  • 안티패턴의 부재는 AI가 실제임을 증명하지 않습니다. 프로젝트는 이 목록의 모든 위험 신호를 피하면서도 여전히 작동하는 AI 컴포넌트가 없을 수 있습니다.
  • 이 목록은 스냅샷입니다 — 프로젝트가 성숙하고 새로운 산출물을 공개하면 안티패턴이 해소될 수 있습니다.

자주 묻는 질문

토큰 이름에 "AI"가 있는 것이 왜 증거로 인정되지 않나요?

토큰 이름은 기술적 산출물이 아니라 브랜딩 결정입니다. 어떤 프로젝트든 기술을 구축하지 않고 "AI"를 포함하는 티커를 선택할 수 있습니다. DecAIHub는 검사 가능하고 검증 가능한 산출물 — 코드, 문서, 데모, 방법론이 있는 지표 — 에 기반하여 증거를 평가합니다. 이름은 이러한 기준 중 어느 것도 충족하지 않습니다. 토큰 이름은 메타데이터로 프로젝트 카드에 기록되지만, 다섯 개의 AI reality 플래그(AI_0부터 AI_4까지) 중 어느 것에도 영향을 주지 않습니다.

NVIDIA(또는 다른 AI 회사)와의 파트너십이 AI의 증거인가요?

아니요. 파트너십 발표는 기껏해야 Tier-2로 분류됩니다 — 그것은 맥락을 제공하지만 프로젝트 내부에 작동하는 AI 컴포넌트가 존재함을 증명하지 않습니다. 파트너십은 깊이가 매우 다양합니다: 깊은 공동 엔지니어링 노력부터 단순한 "에코시스템 멤버" 등재까지. 파트너십이 검증 가능한 기술적 산출물(공유 코드베이스, 공동 출판 연구, 공동 유지보수되는 배포)을 생산하지 않는 한, 그것은 증거가 아니라 연관성으로 남습니다. 그것은 Tier-1 발견이 존재한다면 그것을 뒷받침할 수 있지만, 그것을 대체할 수는 없습니다.

로드맵에서 AI 기능을 약속하는 프로젝트는 어떤가요?

공식 Tier-1 출처(프로젝트 자체의 블로그, 문서, 또는 거버넌스 제안)의 로드맵 항목은 "선언된 AI 의도"를 포착하는 AI_0 플래그를 통해 기록됩니다. 이것은 ai_score를 적어도 1로 설정하여, AI 언급이 전혀 없는 프로젝트와 구별합니다. 그러나 로드맵은 구현이 아니라 계획입니다. AI_0 플래그는 가능한 가장 낮은 긍정 신호이며, 그것만으로는 ai_score 상한 규칙으로 인해 DecAI Fit을 6점 만점에 최대 3점으로 제한합니다. 로드맵 마일스톤이 전달되고 검증 가능한 산출물이 나타나면, 카드가 업데이트되고 더 높은 플래그가 설정될 수 있습니다.

프로젝트가 여러 안티패턴을 보이면서도 실제 AI 컴포넌트를 가질 수 있나요?

네. 안티패턴은 특정 산출물이 증거를 구성하지 않음을 나타냅니다 — 그것이 기술의 부재를 증명하지는 않습니다. 프로젝트는 빈약한 마케팅 관행과 모호한 지표 주장을 가지면서도 공개적으로 잘 문서화되지 않은 합법적 AI 시스템을 동시에 운영할 수 있습니다. DecAIHub는 검토 시점에 검증 가능한 것을 평가합니다. 기반 기술이 존재하지만 외부에서 검사할 수 없다면, 그것은 점수화될 수 없습니다 — 그리고 프로젝트는 카드를 업데이트하는 데 필요한 산출물을 공개하도록 권장됩니다.

외부 참고 자료

함께 보기

No comments to display

Back to top