연구 프레임워크

SRI의 연구 프레임워크는 거대한 구상을 단순히 결론으로 내지 않고, 질문, 증거, 모델, 프로토타입, 평가, 사회적 구현으로 단계적으로 전환하기 위한 작업 체계입니다. 여러 영역을 가로지르더라도 무엇이 확인되었고, 무엇이 추론이며, 무엇이 미검증된 가설인지를 놓치지 않는 것을 중시합니다.

왜 프레임워크가 필요한가

AI는 방대한 정보를 단시간에 연결할 수 있습니다. 하지만 그럴듯한 설명을 생성하는 것과 주장이 옳다는 것은 별개의 문제입니다. 또한, 하나의 평가 지표를 최적화하면 측정되지 않는 가치나 소수의 관점이 상실될 수 있습니다.

SRI는 성급한 결론을 피하면서 앞으로 나아가기 위해, 관측부터 공개에 이르는 공정을 분리하고 각 단계마다 확인 사항을 둡니다.

6가지 연구 단계

1. 관측 (Observation)

현상, 논문, 통계, 법제도, 보도, 당사자의 경험, 시스템 로그를 수집합니다. 출처, 취득 일시, 대상 범위, 결측치, 관측 조건을 기록하며, 정보의 존재 여부와 그 내용의 정확성을 구분합니다.

2. 표현 (Representation)

문장, 수식, 도표, 데이터 구조, 지도, 시뮬레이션 등 질문에 적합한 형식으로 변환합니다. 모든 표현은 현실의 일부를 강조하고 다른 일부를 배제합니다. 따라서 하나의 도표나 지표만으로 전체를 대표하지 않습니다.

3. 선택 (Selection)

어떤 가설, 변수, 경계, 시간 척도, 평가 기준을 채택할지 명시합니다. 채택하지 않은 안과 그 이유도 기록하여, 추후 다른 관찰자가 판단을 재검토할 수 있는 상태를 유지합니다.

4. 실험 (Experiment)

작은 계산, 반례 테스트, 프로토타입, 비교 실험부터 시작합니다. AI의 출력물은 검증 후보일 뿐, 증거 그 자체는 아닙니다. 재현 조건과 실패 조건을 확인합니다.

5. 거버넌스 (Governance)

누가 결정하고, 누가 영향을 받으며, 누가 중단할 수 있는지를 설계합니다. 의료, 법무, 공공 정책, 금융 등 높은 신중함이 요구되는 영역에서는 전문가 확인, 권한 제어, 감사 로그, 이용 범위 제한을 전제로 합니다.

6. 공개 (Publication)

연구 노트, 프리프린트, 구현 자료, 일반용 해설로 번역합니다. 공개 후에도 버전, 정정, 철회, 업데이트 이유를 관리하며 결론을 고착화하지 않습니다.

4가지 유형의 기술 구분

사실 (Fact)	1차 자료, 관측, 재확인 가능한 데이터
추론 (Inference)	사실로부터 도출된 해석. 다른 해석이 가능함
가설 (Hypothesis)	향후 검증 대상. 현 시점에서는 미확인 상태
창작 (Creation)	가능성을 탐색하는 서사, 비유, 미래 구상

비폐쇄성 (Non-closure) | 닫히지 않는 설계

판단을 영원히 유보하는 것이 아니라, 실행 시점의 잠정적 결론과 재검토 가능한 여지를 동시에 가집니다. 선택하지 않은 안, 소수 의견, 모델 외의 잔차를 보존하여 상황이 변했을 때 다시 돌아올 수 있도록 합니다.

구현으로의 전환

연구 성과는 지식 DB, 의사결정 지원, AI 에이전트, 교육 교재, 공공 데이터 시각화, 감사 가능한 워크플로우로 전환됩니다. 구현의 편의성을 이유로 불확실성이나 사회적 리스크를 숨기지 않는 것을 원칙으로 합니다.