Confidence 0.82 임계값 기반 Uncertainty 모델링을 통한 분류 시스템 신뢰성 확보

Context

관세 분류 시스템에서 분류 결과의 불확실성을 무시하고 성공 상태로만 저장하는 Persistence 레이어의 설계 결함 발견. 단순 완료 여부만 판단하는 Happy Path 중심의 처리 로직으로 인해 데이터의 증거 기반 신뢰성이 훼손되는 리스크 발생.

Technical Solution

• Evidence 기반의 상태 결정 모델을 도입하여 'Classification is evidence, not a label' 원칙 적용
• Rust 기반의 outcome_decision 함수를 통해 blocked, needs_review, classified로 상태를 세분화하여 결정 로직을 단일 지점으로 응집
• Confidence score 0.82 미만인 경우를 low_confidence로 정의하여 강제 Review 큐로 라우팅하는 결정론적 경계 설정
• 유사한 점수를 가진 후보군 존재 시 tie_candidate 상태를 부여하여 최적 해의 불확실성을 데이터베이스에 보존
• 결과 값뿐만 아니라 failure_reason과 rejected candidates를 함께 저장하여 감사 추적(Audit Trail)의 정밀도 향상
• 단순 처리 완료가 아닌 상태, 사유, 선택 코드, 후보 리스트를 모두 검증하는 Regression Test 체계 구축