# 모든 것을 에이전트에게 맡기지 않는 설계

> Deterministic core, probabilistic edge, human authority와 fallback

- Canonical: https://learning.reopt.ai/en/courses/ai-native-architecture/lessons/na-m1-concept
- Language: en
- HTML: https://learning.reopt.ai/en/courses/ai-native-architecture/lessons/na-m1-concept

---

[AI-native architecture & implementation boundaries](/en/courses/ai-native-architecture) 1. 책임과 결정성 경계 1 / 9

# 모든 것을 에이전트에게 맡기지 않는 설계

Deterministic core, probabilistic edge, human authority와 fallback
Concept 45 XP 9 min

분류·요약·대안 생성처럼 의미 판단이 필요한 일은 모델에 적합하지만 금액 계산, 권한 검사, 상태 전이, 감사 기록은 결정적 코드가 보장해야 합니다. 사람은 정책 예외, 고위험 승인, 가치 판단의 최종 권한을 가집니다.
모델 출력은 제안, 시스템 상태는 검증된 결과 모델 응답을 typed schema로 파싱하고 domain validation·authorization·idempotency를 통과한 뒤에만 상태를 바꿉니다. 실패 시 retry만 하지 말고 deterministic fallback·human escalation·safe stop을 구분합니다.

| 책임 주체 | 적합한 결정 | 필수 경계 |
| Model | 의미 해석·초안·대안 | schema·confidence·evaluation |
| Code | 계산·권한·상태·감사 | type·invariant·transaction |
| Tool | 외부 조회·행동 | input·permission·idempotency |
| Human | 정책 예외·고위험 승인 | evidence·accountability·SLA |

- 1 결정 목록 기능이 내리는 판단과 상태 변경을 모두 나열합니다.

- 2 결정성 분류 확률적 해석과 반드시 재현되어야 하는 규칙을 나눕니다.

- 3 검증 경계 Schema·domain rule·authorization·approval을 배치합니다.

- 4 Fallback Retry·degrade·human handoff·safe stop의 조건을 정합니다.

실무에 남길 기준

- AI 네이티브 아키텍처는 모델 사용량이 아니라 책임 경계의 명확성으로 판단한다
- 자연어 출력이 직접 금전·권한·데이터 상태를 바꾸지 않게 한다
- 사람 승인은 evidence와 기한이 있는 시스템 단계여야 한다

Got it · Continue

---

Site guide for agents: https://learning.reopt.ai/llms.txt · Sitemap: https://learning.reopt.ai/sitemap.xml · Contact: https://learning.reopt.ai/contact