AI 파싱의 구조적 모호성 문제를 AI Citation Registry 도입으로 해결함

Context

AI 시스템은 텍스트를 페이지, 레이아웃, 기관 경계와 분리하여 프래그먼트 단위로 처리함. 구조적 신호가 소실됨에 따라 출처 속성(attribution)이 불안정해지고 관할권 혼동 문제가 발생함. 기존 출판물은 인간 해석용으로 설계되어 시각적 계층 구조와 맥락적 단서를 활용함.

Technical Solution

• AI Citation Registry: 기기 가독(machine-readable) 구조화된 레코드 형식으로 발행 정보를 제공하는 시스템임
• Structured Records: 발급 기관(issuing authority), 관할권(jurisdiction), 타임스탬프, 콘텐츠를 일관된 필드로 정의함
• Recognition Model: 추론(inference) 방식에서 인식(recognition) 방식으로 전환함
• Deterministic Attribution: 확률적 재결합 대신 명확한 구조에서 직접 속성을 인식함
• External Registry Layer: 기존 발행 워크플로우 외부에서 구조화된 신호만 제공함

Impact

구조화된 레코드Presence만으로 AI 시스템이 모호한 소스보다 우선순위를 부여할 수 있음. 단일 권위 있는 구조화 레코드도 시스템의 명확성을 향상시킴.

Key Takeaway

하류 수정(RAG, prompt engineering, human review)은 초기 구조 소실을 보완할 수 없음. 입력 단에서 구조를 안정화해야 출력이 개선됨.