복잡한 비즈니스 로직을 AI에게 학습시키는 방법론

"할인 쿠폰은 정가 상품에만 적용되지만, VIP 회원은 세일 상품에도 적용 가능합니다. 단, 이미 최대 할인율(40%)에 달한 상품과 구매 후 30일이 지난 주문에는 어떤 경우에도 적용 불가입니다." 이 4줄짜리 정책을 AI가 100% 정확하게 이해하고 적용하도록 만드는 것이 엔터프라이즈 AI 도입의 핵심 기술 과제입니다.

비즈니스 로직이 AI에게 어려운 이유

AI는 일반적인 패턴 학습에 뛰어나지만, 기업 고유의 비즈니스 룰은 학습 데이터에 없습니다. 더 큰 문제는 비즈니스 룰의 특성입니다. 중첩 조건(nested conditions), 예외의 예외, 시간 기반 제약, 사용자 등급별 차별화 규칙 등은 복잡한 논리 구조를 갖습니다. AI는 이런 구조를 자연어로 설명했을 때 전체를 올바르게 이해하지 못하고 일부 조건을 무시하거나 잘못 해석하는 경향이 있습니다.

실제로 복잡한 비즈니스 룰을 자연어로만 설명한 경우 AI의 정확도는 60~70%에 그치는 경우가 많습니다. 나머지 30~40%는 엣지 케이스에서 오류를 범합니다. 고객 서비스 AI라면 이 오류가 잘못된 환불 처리, 부적절한 쿠폰 적용, 잘못된 정책 안내로 이어집니다. 금융 서비스라면 규제 위반이 될 수 있습니다.

비즈니스 룰 인코딩의 3가지 접근법

첫 번째는 의사결정 트리 구조화입니다. 비즈니스 룰을 명확한 if-then-else 구조로 변환합니다. "IF 회원 등급 = VIP AND 상품 유형 = 세일 상품 AND 할인율 < 40% THEN 쿠폰 적용 가능 ELSE IF 상품 유형 = 정가 상품 AND..." 이런 구조는 자연어 설명보다 AI가 훨씬 정확하게 따릅니다. 복잡한 조건일수록 들여쓰기로 계층을 표현하면 AI의 이해도가 향상됩니다.

두 번째는 Few-shot 케이스 매핑입니다. 주요 시나리오 5~10개에 대해 "입력 조건 → 올바른 판단 → 이유"를 명시적으로 제공합니다. "사례 3: VIP 회원이 할인율 35%의 세일 상품에 쿠폰 적용 요청 → 쿠폰 적용 가능 → 이유: VIP 예외 규정 적용, 할인율 40% 미만"과 같은 형식입니다. 이 케이스들이 AI에게 의사결정 기준을 학습시키는 역할을 합니다.

예외 케이스와 에스컬레이션 설계

• 절대 금지 조건: "다음 조건에서는 어떤 경우에도 승인하지 말 것"을 최우선 규칙으로 명시
• 불확실 케이스 처리: AI가 추측하지 말고 "이 경우는 담당자 확인이 필요합니다"로 에스컬레이션
• 경합 조건 우선순위: 두 조건이 동시에 적용될 때의 우선순위 명시(예: "일반 규칙보다 VIP 규칙이 항상 우선")
• 시간 기반 제약: 날짜, 기간, 만료 조건은 특히 명확하게 표현(예: "주문일로부터 30 calendar day 이내")
• 금액/수량 경계값: "이상/이하/초과/미만"을 혼용하지 말고 정확한 경계 조건으로 표현

비즈니스 룰 정확도 테스트 방법

비즈니스 룰을 프롬프트에 인코딩한 후에는 반드시 체계적인 테스트가 필요합니다. "룰 테스트 매트릭스"를 작성합니다. 모든 조건 조합(일반 회원 × 정가 상품, 일반 회원 × 세일 상품, VIP × 정가 상품, VIP × 세일 상품, 각각에 대해 할인율 경계값 전후)에 대한 예상 결과를 먼저 수동으로 작성합니다. 그런 다음 AI에게 동일 케이스를 물어보고 예상 결과와 비교합니다.

이 테스트에서 불일치가 발생한 케이스는 두 가지 원인 중 하나입니다. 프롬프트의 표현이 모호하거나 조건 누락이 있는 경우, 또는 AI 모델의 한계로 특정 복잡도 이상의 논리를 처리하지 못하는 경우입니다. 전자는 프롬프트 개선으로 해결하고, 후자는 프롬프트 체이닝(복잡한 조건을 여러 단계로 분해)으로 대응합니다.

비즈니스 룰 변경 관리

비즈니스 룰은 정적이지 않습니다. 프로모션이 끝나고, 정책이 변경되고, 새로운 상품 유형이 추가됩니다. AI 프롬프트에 인코딩된 비즈니스 룰도 이 변화를 즉시 반영해야 합니다. 이를 위해 비즈니스 룰 섹션을 시스템 프롬프트의 별도 블록으로 분리하고 버전 관리합니다. Git과 유사한 방식으로 변경 이력을 관리하면, 룰 변경으로 인한 AI 오류가 발생했을 때 롤백이 가능합니다.

AI와 레거시 시스템 통합 시 비즈니스 룰 관리

많은 기업에서 비즈니스 룰은 이미 기존 시스템(ERP, CRM, 규정 문서)에 존재합니다. AI 프롬프트에 이 룰을 다시 인코딩할 때 가장 큰 위험은 기존 시스템과 AI 프롬프트 간의 룰 불일치입니다. 시스템은 A를 처리하지만 AI는 B를 안내하는 상황이 발생하면, 고객은 잘못된 기대를 갖고 서비스를 이용하다가 실망하게 됩니다. 따라서 비즈니스 룰 인코딩 시 항상 원천 문서(정책 문서, 시스템 설계 명세)를 기준으로 작성하고, 운영팀이 최종 검수하는 프로세스를 거쳐야 합니다.

또한 레거시 시스템의 규칙이 변경될 때 AI 프롬프트도 함께 업데이트되도록 알림 체계를 구축하는 것이 중요합니다. 정책 문서나 운영 매뉴얼이 수정될 때 자동으로 AI 담당팀에 알림이 가는 워크플로우를 설정하면, 룰 불일치로 인한 AI 오류를 사전에 방지할 수 있습니다. 이 연결 고리가 없으면 정책은 업데이트되었지만 AI는 구버전 정책을 안내하는 상황이 수개월간 지속될 수 있습니다.