부록 B. 추가 검토 모듈 (H·I)

코어 완료 후 여유가 있을 때 둘 중 하나만 착수한다. 착수 확정 시 지표를 6.1절에 편입한다.

B-1. 모듈 I — 본인확인 요건 게이트 (H·I 중 권장)

주장 범위: “본인확인 없는 민감 요청 처리의 비용을 올린다.” — “보이스피싱을 막습니다”가 아니다.

F-2와 구조가 1:1로 대응된다. 규정 문서만 바뀌고 흐름은 동일하다.

I를 권장하는 이유: F-2와 스토리가 이어진다(“근거 없는 종결” → “확인 없는 민감 요청”). H가 안고 있는 거버넌스 문제가 없다.

한계: 실제 사기 통화 데이터는 확보하지 않는다. I-1 탐지 성능은 측정 불가. 금융감독원·경찰청 공개 사기 유형 자료는 규정 문서처럼 인덱싱하여 I-2·I-3의 RAG 근거로만 쓴다.

B-2. 모듈 H — 악성민원 대응 (범위 축소 전제)

주장 범위: “폭언 노출을 기록하고 대응을 돕는다.” — “감정노동을 없앤다”가 아니다.

H-1의 데이터 — 정정

“C모듈과 동일한 분류기, 대상 채널만 전환”이라는 설명은 부정확하다. 아키텍처는 재사용되지만 모델은 새로 학습해야 한다. C모듈은 확정적 보장 표현·개인정보 요구를 잡는 라벨셋이고, H-1은 폭언·욕설·성희롱이다. 라벨·학습 데이터·평가셋이 모두 다르다.

AI Hub 감정 태깅을 근거로 “검증 가능”이라고 보는 것도 낙관적이다. 감정 라벨과 폭언 라벨은 다르다. 화난 고객이 모두 폭언을 하지 않고, 차분한 어조의 성희롱도 있다.

정정: H-1의 출발점은 혐오표현 멀티라벨 데이터셋(Unsmile 계열) 기반 분류기다. 클래스 불균형이 크므로 정확도가 아닌 macro-F1으로 평가한다.

H-4 / H-5를 축소하는 이유

상담원별 누적 지표는 직원 감시 도구가 될 수 있다. 보호 목적으로 설계해도 조직에 들어가면 성과 평가로 전용되는 것이 이 종류 데이터의 전형적 경로이며, 팀 프로젝트에는 이를 통제할 거버넌스가 없다.

권장 형태 (아래로 갈수록 안전)

1. 집계는 팀·시간대 단위로만 — “야간 시간대 고위험 통화 비율”
2. 개인별 지표는 본인만 열람, 관리자 미노출
3. H-5는 직전 통화 1건만 보고 판정 — 누적 기록 없이 목적 달성. 저장할 데이터가 없어 가장 깔끔하다

3번을 권장한다.

B-3. H·I 리스크

← 개발목차로 돌아가기