본문으로 건너뛰기

이름이 비슷하다고 같은 데이터는 아니었습니다

강진태

2026.10.26

이름이 비슷하다고 같은 데이터는 아니었습니다 본문 이미지

소개

여러 기록을 모은 뒤에는 서로 관련된 항목을 찾아 보여 주는 단계가 필요했습니다. 제목이 비슷하고 숫자가 반복되면 같은 대상을 가리킨다고 판단하기 쉽습니다. 하지만 제목 속 숫자는 식별자일 수도 있고, 용량이나 치수, 수량, 버전 설명일 수도 있었습니다. 같은 숫자가 보인다는 이유로 기록을 묶으면 서로 다른 항목이 한 흐름처럼 보일 수 있었습니다.

이 글은 실제 수신 자료에서 발견된 식별 오류와 그 뒤의 수정 검사를 다룹니다. AI 도구가 모든 문장을 이해하게 된 사례는 아닙니다. 어떤 숫자를 같은 항목이라는 근거로 쓰면 안 되는지 정하고, 판단을 보수적으로 바꾼 과정입니다. 구체적인 서비스와 대상은 공개하지 않고, 제목에서 단서들을 추출하는 작업에 공통으로 적용할 수 있는 부분만 설명합니다.

설명용 개념 일러스트, 실제 화면 아님: 비슷해 보인다는 이유만으로 같은 항목으로 묶지 않습니다.

진행 방법

아래는 원문 인용이 아닌 기록 기반 요청 요약입니다.

제목이 비슷해도 서로 다른 항목을 같은 기록으로 묶지 않습니다.
측정 단위, 수량, 치수, 버전은 식별자와 구분합니다.
기존에 잘못 추출한 값도 비교할 때 다시 점검합니다.
수정 전 실제 수신과 수정 후 저장 원문 재생 검사를 나누어 보고합니다.

첫 단서는 실제 자료를 읽는 화면에서 나왔습니다. 소수와 측정 단위가 붙은 표현의 일부가 잘려 별도 식별자처럼 잡히는 오류가 기록됐습니다. 글자 몇 개가 겹친 것이 강한 관련성으로 이어진 것입니다. 이름을 비슷하게 만드는 표기와 대상을 고유하게 구분하는 표기를 같은 종류의 정보로 취급한 데 문제가 있었습니다.

AI 도구는 새 제목에서 단서를 뽑는 규칙부터 수정했습니다. 용량과 측정 단위에 해당하는 표현을 식별자 후보에서 빼는 방식이었습니다. 단위가 같다는 이유만으로 강한 관련 후보를 만들지 않도록 했습니다. 제목을 통째로 새로 쓰거나 원문의 값을 바꾸는 대신, 비교에 사용할 근거를 좁혔다는 점이 중요했습니다.

여러 모양을 통과시키며 단서 종류를 나누는 체

설명용 개념 일러스트, 실제 화면 아님: 이름 속 단서가 맡은 역할을 나누어 비교합니다.

새 자료의 추출 규칙만 바꾸면 이미 저장된 잘못된 단서는 남습니다. 그래서 도구는 비교 단계에서도 단위 표현을 다시 거르도록 보완했습니다. 이전에 저장한 후보 배열에 단위가 섞여 있어도 그대로 믿지 않는 방식입니다. 기존 사용자 자료를 한꺼번에 고쳐 쓰지는 않았습니다. 입력 시점의 보정과 비교 시점의 방어가 함께 있어야 이전 자료 때문에 같은 오류가 되살아나는 것을 막을 수 있었습니다.

후속 검사에서는 수량과 치수, 버전 표기도 별도로 다뤘습니다. 크기나 개수를 나타내는 숫자를 고유 식별자로 읽지 않도록 했고, 서로 다른 버전이 명시된 기록은 이름이 같더라도 강하게 연결하지 않았습니다. 반대로 같은 버전을 서로 다른 방식으로 적은 경우는 같은 표기로 정리하는 규칙을 검사했습니다. 숫자를 모두 버리는 것이 아니라 숫자가 맡은 역할을 나누는 접근이었습니다.

여기에는 반대 방향의 위험도 있습니다. 제외 규칙을 넓게 만들면 실제 식별자까지 사라질 수 있습니다. 따라서 잘못된 단위 표현을 배제하는 검사와 진짜 식별자를 남기는 검사를 함께 둔 것으로 기록돼 있습니다. 제외 사례만 통과했다고 해서 추출기가 좋아졌다고 단정하지 않고, 남아야 할 정보도 확인한 것입니다. 그래도 제목만으로 정확히 같은 항목임을 확정할 수 있다는 결론은 내리지 않았습니다.

검증의 순서는 특히 구분할 필요가 있었습니다. 약 30분 동안 외부 자료를 실제로 받아 저장한 검수는 단위 오인을 고치기 전 단계였습니다. 이 실행은 자료가 들어오는 흐름과 중지 동작을 보여 주지만, 수정한 규칙으로 30분간 새 자료를 받았다는 증거는 아닙니다. 같은 회차에 기록됐다는 이유로 서로 다른 검사를 합칠 수는 없었습니다.

수정 후 검사는 앞서 받은 실제 제목 15개를 다시 읽히는 방식으로 진행됐습니다. 도구가 수정된 해석 규칙을 적용하고 새 시험 저장소를 거쳐 관련 기록 화면까지 재생했습니다. 이때 식별 번호, 제목, 원문 주소와 원래의 값이 유지되는지 확인했고, 추가 외부 요청은 하지 않았습니다. 따라서 실제 원문을 재사용한 검사이지만, 수정 후 새 외부 수집을 다시 완료한 검사와는 다릅니다.

후속 기록에도 저장해 둔 실제 관측 자료를 새 해석 규칙으로 재생한 결과가 있습니다. 이 검사는 이미 알려진 제목에 대한 처리와 원문 보존을 확인하는 데 도움이 됩니다. 그러나 그 표본 밖의 모든 제목, 앞으로 등장할 새로운 단위, 설명이 생략된 항목까지 정확히 판별한다는 보증은 아닙니다. 관련 후보라는 표현은 확정이라는 표현보다 근거의 범위에 맞았습니다.

결과와 배운 점

작업 기록에서 확인되는 성과는 알려진 단위 오인의 수정, 기존에 저장된 잘못된 후보에 대한 비교 단계의 방어, 수량·치수·버전 표기의 구분입니다. 실제 제목 재생과 자동 검사 결과도 기록돼 있습니다. 다만 이번 편집에서 실행 결과 원본을 다시 돌리거나 새 자료를 받아 검증한 것은 아닙니다. 모든 항목의 식별 정확도나 사용자가 실제로 선택한 결과는 확인 범위 밖입니다.

이 사례는 이름이 비슷한 자료를 더 많이 연결하는 것보다 잘못 연결하지 않는 기준이 먼저일 수 있음을 보여 줍니다. 약한 단서만 있는 경우는 후보로 남기고, 버전이나 단위처럼 서로 다른 대상을 가리킬 수 있는 조건은 따로 표시하는 편이 안전합니다. 모르는 항목을 억지로 확정하지 않는 것도 결과의 일부였습니다. 화면에 연결선이 많다는 사실만으로 데이터의 품질을 판단할 수는 없었습니다.

다른 작업에서 재사용한다면 우선 제목의 표현을 식별자, 수치와 단위, 버전, 나머지 설명으로 나눠 보시면 좋겠습니다. 그다음 잘못 묶였던 실제 제목을 작은 검사 묶음으로 보관하고, 규칙을 바꿀 때마다 다시 읽히는 방법을 쓸 수 있습니다. 이때 원래 제목과 주소 같은 기본 정보가 바뀌지 않았는지도 함께 확인해야 합니다. 이 순서는 사례에서 도출한 제안이지 다른 분야의 적용 결과를 만들어 낸 것이 아닙니다.

AI에 수정을 맡길 때는 오류가 사라졌다는 보고만 받기보다 무엇을 식별 근거에서 뺐는지, 이전 자료에도 방어가 적용되는지, 남아야 할 식별자가 유지되는지를 함께 요청할 수 있습니다. 수정 전 실제 수신과 수정 후 원문 재생의 날짜와 조건도 나누어 두는 것이 좋겠습니다. 알려진 오판을 줄였다는 사실과 앞으로도 틀리지 않는다는 주장은 서로 다르기 때문입니다.

강한 연결과 약한 연결을 구분해 원본을 남긴 장면

설명용 개념 일러스트, 실제 화면 아님: 후보라는 판단을 확정이라는 판단으로 바꾸지 않습니다.

도움 받은 글 (옵션)

외부 사례글을 별도로 인용하지 않았습니다. 당시의 오류 수정 기록과 식별·비교 기준, 원문 재생 검사에 관한 내부 문서를 참고했습니다.

2

함께 이야기해요 2

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.10.26

"이름이 비슷하다 = 같은 데이터"라는 직관이 왜 위험한지, 단위·수량·치수·버전을 식별자와 분리해서 풀어주셔서 읽는 내내 고개를 끄덕였어요. 숫자를 전부 버리는 게 아니라 숫자가 맡은 역할을 나눴다는 문장이 이 글의 핵심으로 느껴졌어요.

특히 새 자료의 추출 규칙만 고치면 이미 저장된 잘못된 단서가 남기 때문에 비교 단계에서도 한 번 더 거르게 했다는 이중 방어, 그리고 제외 규칙을 넓히다가 진짜 식별자까지 사라질 위험을 막으려고 "남아야 할 것이 남는지"도 함께 검사했다는 부분이 인상 깊었어요. 약 30분 외부 수신 검수(수정 전)와 15개 제목 재생 검사(수정 후)를 섞지 않고 나눠 보고하신 것도 검증 순서를 지키는 좋은 습관이에요.

꼬리 탁! 치고 응원하고 갈게요 🐈‍⬛

Giacomo 프로필 이미지
Giacomo2026.11.05

소수와 측정 단위가 붙은 표현이 잘려 식별자처럼 잡혔다는 대목에서, 잘못된 연결이 생긴 이유가 구체적으로 보이네요. 제목을 통째로 고치지 않고 비교 근거로 쓸 표현을 좁혔다는 점이 좋습니다. 비슷한 글자를 찾는 일과 같은 대상을 가리키는 근거를 찾는 일이 어떻게 다른지, 실제 자료에서 발견한 오류를 통해 설명해주셨어요.

새로 들어오는 제목의 추출 규칙과 이미 저장된 후보를 비교하는 단계를 함께 보완한 기록도 중요하게 읽었습니다. 새 입력만 고쳐서는 과거에 잘못 뽑은 단서가 비교에 계속 쓰일 수 있는데, 기존 사용자 자료를 일괄 수정하지 않으면서 그 문제를 다뤘네요. 수량·치수·버전을 구분하고, 다른 버전은 강하게 묶지 않되 같은 버전의 다른 표기는 정리한 과정에서도 숫자를 무조건 버리지 않고 역할을 나누려는 판단이 드러납니다. 제외해야 할 표현과 남겨야 할 진짜 식별자를 함께 검사한 이유까지 자연스럽게 이어져요.

검사 시점을 나눠주신 덕분에 수정 효과도 과장 없이 읽을 수 있습니다. 약 30분의 실제 수신은 수정 전 기록이고, 수정 뒤에는 저장한 실제 제목 15개를 추가 외부 요청 없이 재생한 검사였다는 구분이 명확합니다. 원래 제목과 주소, 값의 보존을 확인했다는 보고와 표본 밖의 제목까지 정확하다는 보증은 다르다는 점도 놓치지 않으셨고요. 읽는 분들은 오류를 줄였다는 보고에서 어떤 입력을 다시 검사했는지까지 살펴볼 수 있습니다.

잘못된 단위 표현을 걸러내면서도 진짜 식별자가 남는지 함께 확인한 과정을 남겨주셔서, 수정의 양쪽 기준이 보입니다. 알려진 오판을 고친 성과를 인정하면서 약한 단서는 후보로 남겨둔 설명이 이 기록의 신뢰를 지켜주고 있어요.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요