세 영역
팩트 · 의견 · 제안
Recipe로 정의된 데이터(팩트), 그 데이터를 해석한 AI 판단(의견), 사용자 결정을 기다리는 권고(제안) — 세 영역의 경계와 응답 예시를 정리했습니다.
FACT
팩트 / Fact
Recipe로 정의된 시스템 데이터에서 직접 가져옵니다.
Recipe 위에 있는 정보 → 팩트
응답 예시
"지난주 프레스반 작업 실적은 2,847건입니다."
OPINION
의견 / Opinion
팩트를 해석한 AI의 판단입니다. 환각 가능성이 있고, 사용자 검토를 전제로 노출됩니다.
팩트에 대한 해석 → 의견
응답 예시
"프레스반 가동률이 다른 작업반보다 12% 낮습니다. 인력 운용에 병목이 있는 것으로 보입니다."
SUGGESTION
제안 / Suggestion
AI가 제시하는 개선 방안입니다. 채택 여부는 사람이 결정합니다.
사용자 결정을 기다리는 권고 → 제안
응답 예시
"프레스반에 인원을 한 명 추가 배치하거나, 외주를 검토하시는 것을 제안 드립니다."
응답 비교
같은 질문에 대한 응답 차이
"지난주 프레스반 가동률은 어떤가요?" — 동일 질문에 일반 LLM과 Factory Agent가 내놓는 응답을 나란히 두었습니다.
일반 LLM 응답
"지난주 프레스반의 가동률은 약 78% 정도로, 다른 작업반에 비해 다소 낮은 편입니다. 인력 부족이나 설비 문제일 가능성이 있으며, 추가 점검을 권장 드립니다."
특징
"78%"라는 수치의 출처(데이터인지 추정인지)가 한 문장에 섞여 있어 의사결정 자료로 직접 사용하기 어렵습니다.
Factory Agent 응답
FACT
지난주 프레스반 가동률은 78.3%입니다. (Recipe: WorkOrder 기반 집계)
OPINION
다른 4개 작업반 평균 가동률 89.5%보다 11.2%p 낮습니다. 인력 운용 병목으로 추정됩니다.
SUGGESTION
인력을 1명 추가 배치하거나, 외주 검토를 제안 드립니다.
HOSU의 관점
사실과 추론이 한 문장에 섞이면 의사결정에 사용하기 어렵다는 판단에서 3분류 분리를 도입했습니다. Recipe로 정의된 영역은 직접 조회로 답하므로 팩트의 출처가 명확해지고, 의견·제안은 별도 영역으로 노출되어 사용자가 검토 후 판단할 수 있습니다.