Can It Say Why: 이유를 대지 못하는 공급망 AI 점수로는 누구도 결정하지 못한다
공급망 위험 AI가 협력사를 '치명적'이라고 표시해도 이유를 대지 못하면 조달 담당은 믿고 움직이거나 미룰 수밖에 없다는 글. 벤더에게 '점수가 틀렸다면 어떻게 알 수 있나'를 묻는 평가법과 3주 시험 계획을 붙였습니다.
Neurosymbolic Architecture: 공급망 위험은 그래프 계산이 정하고 LLM은 그 안에서만 말하게 한 이유
공급망 위험을 분류가 아니라 그래프 추론과 물리적 제약의 문제로 보고 지식 그래프와 결정론 엔진이 정답을 정하면 LLM·에이전트·GNN은 그 경계 안에서만 말하게 한 설계의 이유. 판단마다 계층을 나누는 6주 도입안을 붙였습니다.
More AI Power, More Explainability: 모델이 강해질수록 설명도 두꺼워지게 만드는 설계 원칙
성능이 좋은 공급망 AI일수록 이유를 대기 어렵다는 통념을 SHAP·LIME의 실패 모드와 최근 연구로 반박하고, 모든 엔진이 계산하는 순간 같은 근거 스키마에 쓰게 하라는 원칙을 제시한 글. 플랫폼을 고를 때 돌릴 재현성·섭동 테스트와 2주 평가 일정을 붙였습니다.
The Architecture Your Auditors Will Ask About: 공급망 AI 구매 평가의 통과 조건이 된 감사 추적 설계
공급망 AI 구매 평가에서 설명 가능성이 기술 평가 전의 통과 조건이 됐다는 글. ISO 42001·CSRD·EUDR·CSDDD가 공통으로 묻는 것과 벤더를 가르는 다섯 가지 설계 시험, 3주 평가 절차를 정리했습니다.
Trust Layer: 보험사가 AI에 일을 맡기기 전에 데이터 출처·검증·설명부터 갖추는 법
보험 데이터 표준 기구 ACORD 계열 ACORD Solutions Group의 CEO Chris Newman은 에이전트형 AI의 다음 시험대가 모델이 아니라 데이터 신뢰라고 봅니다. 레거시를 갈아엎지 않고 표준으로 잇는 Trust Layer 설계와 8주 파일럿을 붙였습니다.
Cross-Cutting Context Objects: 여러 엔진을 거친 AI 점수의 이유를 한곳에 기록하는 설계
여러 엔진이 이어 붙은 공급망 위험 점수를, 계산하는 순간 하나의 공유 객체에 근거를 적어 UI·LLM·감사 문서가 같은 근거를 쓰게 만든 설계. 설명 스키마부터 정하는 4주 도입안을 붙였습니다.