AI는 어떻게 동작하는가

경영진 입장에서 "AI가 낸 이 숫자, 믿어도 됩니까?"는 당연한 질문입니다. Taylro의 답은 말이 아니라 구조에 있습니다 — Taylro Intelligence는 스스로 숫자를 만들지 않습니다. 수치는 결정론 원가 엔진이 계산하고, AI는 그 결과를 읽어 해석·서술만 합니다. 그래서 언어모델의 환각이 숫자 자체를 바꾸지 못합니다.

환각이 숫자를 바꾸지 못하는 이유

언어모델은 그럴듯한 문장을 만드는 데 강하지만, 없는 사실을 자신 있게 지어내기도 합니다(환각). 재무 의사결정에서 이건 치명적입니다 — 틀린 원가율 하나가 잘못된 가격 결정으로 이어지기 때문입니다. Taylro는 이 위험을 프롬프트에 "틀리지 마"라고 적어 막는 것이 아니라, 아키텍처로 차단합니다.

핵심은 역할 분리입니다. 수치를 만드는 일과 수치를 설명하는 일을 서로 다른 주체에게 맡깁니다. 계산은 회계 규칙을 코드로 고정한 결정론 엔진이 하고, 해석은 언어모델이 합니다. AI는 이미 계산된 숫자만 다루므로, 아무리 그럴듯하게 문장을 지어내도 근거가 되는 수치를 바꿀 수는 없습니다.

결정론 도구 + 언어모델 해석

이 분리는 선언이 아니라 데이터에 닿는 방식으로 강제됩니다. Taylro Intelligence는 회사 데이터베이스를 직접 헤집지 않습니다. 대신 미리 정의된 읽기전용 도구 몇 개만 호출할 수 있고, 각 도구는 정해진 질문을 받아 결정론 엔진이 계산한 결과를 돌려줍니다. AI가 값을 쓰거나 바꾸는 통로는 애초에 존재하지 않습니다.

• 계산은 엔진 — 공헌이익, 고객기여이익, 이익 브릿지, 원가 분해 같은 수치는 회계 규칙을 코드로 고정한 원가 엔진이 산출합니다. 결정론적이라 같은 입력이면 언제나 같은 값이 나옵니다.
• 전달은 읽기전용 도구 — AI는 이 도구를 호출해 결과만 받습니다. 예컨대 특정 거래처의 이번 달 고객기여이익을 묻고, 엔진이 계산한 답을 돌려받습니다. 도구는 읽기만 하며 데이터를 바꾸지 않습니다.
• 해석은 언어모델 — AI는 받은 수치를 읽어 '무엇이·왜·다음에 무엇을'을 문장으로 엮습니다. 숫자를 지어내는 것이 아니라, 이미 계산된 숫자에 맥락과 설명을 붙이는 일입니다.

근거로 이어지는 인용

해석이 믿을 만한지 확인하려면 근거로 되짚어갈 수 있어야 합니다. Taylro Intelligence의 답변은 결론만 던지지 않고, 그 수치가 계산된 리포트·화면으로 이어지는 인용 딥링크를 함께 제시합니다. 클릭하면 같은 숫자가 나온 자리로 이동해 실무자가 직접 확인할 수 있습니다.

이 인용은 앱 내부의 정해진 리포트로만 연결됩니다. 답변은 외부 URL이나 외부 이미지를 렌더하지 않습니다 — 데이터가 밖으로 새는 통로를 원천 차단하기 위해서입니다. 덧붙여, 고객 데이터는 AI 모델 학습에 사용되지 않습니다.

AI는 어디까지 하는가

AI가 '어디까지' 개입하는지는 단계로 정리됩니다. Taylro가 주로 제공하는 범위는 알리고, 짚어주고, 초안을 만드는 데까지이고, 실행은 기본적으로 사람이 승인합니다. 마지막 단계인 바로 실행은 회사가 운영정책으로 허용한 좁은 범위에서만 쓰입니다.

바로 실행을 좁게 두는 이유

바로 실행은 '건별 승인 없이 AI가 운영 시스템에 직접 실행하는' 방식입니다. Taylro는 이것을 기본으로 두지 않습니다 — 원가·수익성·생산 의사결정은 책임이 사람에게 있어야 하는 영역이기 때문입니다. 잘못된 실행 한 번은 잘못된 발주·가격·결산으로 이어질 수 있습니다. 그래서 바로 실행은 회사가 운영정책으로 직접 허용한, 되돌릴 수 있는 일에만 둡니다. 지금은 현장에서 발견한 재고를 정해 둔 수량까지 넣는 일 하나이고, 실행 기록이 남으며 관리자가 그 전표를 취소해 되돌릴 수 있습니다(사용·마감 전). 그 밖의 일은 초안까지가 AI의 몫이고 승인과 실행은 사람의 몫입니다.