방대한 규칙을 한꺼번에 컨텍스트에 밀어넣으면 AI는 혼란스러워하고, 결과물은 일관성을 잃는다. 여기까지는 익숙한 얘기다. pxd가 짚은 두 번째 손실이 더 흥미롭다. 규칙이 평면 리스트일 때 실무자도 무엇을 기준으로 그 교정의 옳고 그름을 판단할지 알 수 없게 된다는 것이다.
그래서 이들은 Aarron Walter의 사용자 요구 계층 모델을 빌려와 UX Writing 규칙을 4층으로 세웠다. 용어(신뢰성) → UI 규칙(사용성) → 문법(가독성) → 라이팅 원칙·톤(브랜드 인격). 사용자 경험에 위계가 있듯 글쓰기 규칙에도 위계가 있다는 전제다.
근거
AI가 규칙을 평면적인 리스트가 아닌, 의미 있는 계층 구조로 인식하도록 했습니다. (…) 또한, 실무자는 이 규칙이 어떠한 계층의 위계에 따라 적용되었는지를 자연스럽게 이해할 수 있습니다.
같은 구조가 검색 단계에도 적용됐다. 유사도 기반 검색은 규칙을 ‘비슷한 텍스트’로만 찾기 때문에 “왜 이렇게 고쳐야 하는지”를 설명하지 못한다. Rule-based RAG는 PDF에서 “경로 표기는 ’→‘로 통일한다” 같은 추상 규칙을 먼저 추출해 목록화하고, 이슈 유형에 규칙을 매칭한다.
내가 여기서 얻은 원칙은 이렇다. 지식 구조화는 검색 정확도를 위한 엔지니어링 작업이 아니라, 설명 가능성을 위한 UX 작업이다. 계층 구조는 AI에게 탐색 경로를 주는 동시에 사용자에게 납득 경로를 준다. 하나의 설계 결정이 두 축을 동시에 움직이는 드문 경우다.
연결된 생각
- 20260609-hybrid-rag-graph-search-ux — 구조화된 검색이 UX를 바꾸는 같은 계열의 논의
- 20260522-knowledge-compilation-vs-stateless-rag — 지식을 컴파일해두는 것과 그때그때 검색하는 것의 차이
- 20260807-workflow-embedded-ai-writing-assistant — 이 위계 설계를 포함한 전체 패턴