# 실패를 모델 문제가 아니라 환경 신호로 읽기

> Failure taxonomy, human correction, retrieval task와 documentation trigger

- Canonical: https://learning.reopt.ai/en/courses/ai-problem-context/lessons/pc-m4-concept
- Language: en
- HTML: https://learning.reopt.ai/en/courses/ai-problem-context/lessons/pc-m4-concept

---

[AI problem framing & context design](/en/courses/ai-problem-context) 4. 컨텍스트 품질 피드백 루프 7 / 9

# 실패를 모델 문제가 아니라 환경 신호로 읽기

Failure taxonomy, human correction, retrieval task와 documentation trigger
Concept 45 XP 9 min

결과가 틀렸을 때 모델만 바꾸면 같은 컨텍스트 결함이 반복됩니다. 요구 누락, 잘못된 source, 오래된 문서, tool 경계, 불충분한 oracle, reasoning 실패로 원인을 분류하고 가장 싼 층부터 고칩니다.
수정한 결과보다 수정된 시스템 사람이 반복해서 설명한 내용은 scoped instruction·ADR·test fixture·command로 승격합니다. 단, 일시적 task state를 영구 지침으로 만들지 않고 재사용 빈도와 안정성을 확인합니다.

| 실패 유형 | 개선 대상 | 측정 |
| 요구 누락 | problem contract·acceptance | clarification·rework |
| Context 오류 | source·scope·freshness | retrieval success·drift |
| Tool·권한 | capability·approval·error | blocked·unsafe action |
| Oracle 공백 | test·review·runtime signal | escaped defect·correction |

- 1 수정 기록 사람이 무엇을 왜 바꿨는지 작업 유형별로 분류합니다.

- 2 근본 층 선택 모델·prompt·context·tool·evaluation 중 원인을 좁힙니다.

- 3 자산 승격 반복되고 안정된 지식을 instruction·doc·fixture로 옮깁니다.

- 4 재평가 같은 retrieval·implementation task에서 correction이 줄었는지 확인합니다.

실무에 남길 기준

- Human correction은 실패 비용이면서 컨텍스트 설계의 핵심 학습 데이터다
- 한 번의 성공보다 다른 세션·사람·모델에서도 재현되는지가 중요하다
- 문서 maintenance trigger를 코드·정책·incident 변경과 연결한다

[Previous](/en/courses/ai-problem-context/lessons/pc-m3-checklist) 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