G·Graph Daily Lab
DAY 99 / 100
내 학습 기록
DAY 99개념·실험팔란티어 온톨로지 II

AIP, 온톨로지 위의 LLM 에이전트

Part 4의 두 줄기, 그래프로 LLM의 근거를 만드는 일과 온톨로지로 운영을 기록하는 일이 여기서 만납니다. 팔란티어 AIP에서 온톨로지가 LLM에게 근거·도구·권한 경계를 어떻게 제공하는지 봅니다.

약 20분조작형 실험 확인 퀴즈
A SMALL DETOUR

이번 회차, 내 속도로.

기초를 더 짚거나 궁금한 주제로 잠깐 넓혀 보세요. 최대 3단계를 거쳐 DAY 99로 돌아옵니다.

난이도·관심 주제 고르기
이번 회차는 어느 속도로 볼까요?
더 살펴볼 주제 1~2개 선택

1/2개 선택 · 새 보충·심화 수업과 본과정 다시 읽기를 선택할 수 있어요.

이렇게 다녀와요 1단계 · 약 12분

  1. 출발 · DAY 99도구로서의 온톨로지
  2. 1. 관심 주제사람 승인 설계·위험 기준추가 39 · 새 추가 수업
  3. 복귀 · DAY 99원래 회차 이어가기
  • 사람 승인 설계·위험 기준 · DAY 99에서 AIP Chatbot의 Action 도구를 ‘자동 실행’ 또는 ‘사용자 확인 후 실행’으로 설정할 수 있다고 했는데, 그 선택의 기준을 정리합니다.

선택과 경로 기록은 이 브라우저에 저장됩니다. 본과정의 회차 완료와는 별도입니다.

복귀: DAY 99 → 본과정 다음 회차: DAY 100

핵심 개념

팔란티어 문서에서 AIP(Artificial Intelligence Platform)는 AI를 조직의 데이터·운영과 연결하는 플랫폼이며, AIP Logic, AIP Chatbot Studio(이전 이름 AIP Agent Studio), AIP Evals, AIP Assist 등을 포함합니다. 이 과정의 관점에서 온톨로지는 LLM에게 세 가지를 줍니다. 근거(grounding)는 객체와 링크로 조회한 현재 운영 상태이고, 도구(tools)는 함수 호출과 액션 적용이며, 권한 경계(permission boundary)는 사용자 권한과 액션의 제출 조건입니다.

AIP Logic은 LLM 기반 함수를 만들고 테스트하고 배포하는 노코드 환경입니다. 블록에는 Use LLM, Apply action, Execute function, Conditionals, Loops, Create variable이 있고, Use LLM 블록에 줄 수 있는 도구는 Query objects, Apply actions, Call function, Calculator입니다. Logic 함수를 자동화하면 온톨로지 편집을 자동 적용하거나 사람 검토를 위해 보류(staged)할 수 있습니다. 또 Logic 함수는 액션에서 실행될 때만 실제로 온톨로지를 편집합니다.

AIP Chatbot Studio는 LLM·온톨로지·문서·사용자 정의 도구로 대화형 어시스턴트(AIP Chatbots, 이전 이름 AIP Agents)를 만듭니다. 도구 유형은 Action(온톨로지 편집 실행), Object query(지정한 객체 타입·속성의 필터·집계·링크 탐색), Function(게시된 AIP Logic 함수 포함), Update application variable, Command, Request clarification입니다. Action 도구는 자동 실행 또는 사용자 확인 후 실행으로 설정할 수 있습니다. 챗봇은 플랫폼 안과 Ontology SDK·플랫폼 API를 통해 밖에 배포할 수 있습니다.

설계 원칙은 ‘LLM은 제안하고, 사람은 확인하고, 액션은 실행하고 기록한다’입니다. 읽기 도구는 필요한 객체 타입과 속성으로 좁히고, 쓰기 도구는 사용자 확인 후 실행으로 두며, 제출 조건이 마지막 검사를 맡습니다. 도구를 준다고 LLM의 판단이 옳아지지는 않습니다. 잘못된 객체를 고르거나 근거 없는 요약을 할 수 있으므로, 답에 객체 ID를 인용하게 하고 AIP Evals 같은 평가 세트로 반복 점검합니다.

AIP에서 온톨로지는 LLM의 근거(객체 조회), 도구(함수·액션), 권한 경계(사용자 권한·제출 조건)를 제공하고, 쓰기는 사람의 확인과 제출 조건을 거쳐 실행됩니다.

작은 예제로 따라가기

01

질문 “A등급 고객의 미도착 지연 배송을 정리하고 조치를 제안해”(기준일 10-07) → Object query: 미도착이고 고객 등급이 A인 Shipment → S-104(바른약국, W-2 대전센터, 약속 10-04, 운송 빠른운송)를 가져옵니다. S-101·S-103은 이미 도착했습니다.

02

Function: isDelayed(S-104, 10-07) → 지연 3일, 창고별 지연률 → W-2 50%. LLM은 근거(S-104, 약속일, 지연 일수)를 인용해 ‘바른약국에 지연 안내 발송’과 ‘운송사 재배정 검토’를 제안합니다.

03

Action 도구(사용자 확인 후 실행): 담당자가 확인하면 ‘고객 지연 안내 발송’ 액션이 제출되고 제출 조건 검사를 거쳐 액션 로그에 남습니다. 반려하면 편집도 발송도 일어나지 않습니다.

직접 실험해 보기

에이전트 단계를 객체 조회부터 하나씩 진행한 뒤 ‘승인’과 ‘반려’를 각각 눌러 실행 여부와 로그를 비교하고, 권한 밖 액션 시도 시나리오를 켜서 어느 단계에서 막히는지 확인하세요.

LIVE EXPERIMENT · AIP AGENT

AIP 에이전트의 제안을 사람이 승인하고 실행하기

질문: “A등급 고객의 미도착 지연 배송을 정리하고 조치를 제안해” (요청자: 고객 지원 지아)
1단계 · Query objects객체 조회

미도착이고 고객 등급이 A인 Shipment → S-104(바른약국, W-2 대전센터, 약속 10-04, 운송 빠른운송). 모델은 요청한 사용자 지아가 읽을 수 있는 객체만 봅니다.

에이전트 실행 로그 1행
  1. 도구 Query objects: Shipment[미도착 · 고객 등급 A · 10-07 지연] → S-104 (S-101·S-103은 이미 도착)

AIP Logic의 Use LLM 블록은 Query objects·Call function·Apply actions를 도구로 씁니다. Logic 함수의 온톨로지 편집은 자동 적용하거나 사람 검토용으로 보류(staged)할 수 있고, 액션에서 실행될 때만 실제로 반영됩니다.

이번에는 직접 풀어 보세요

정답을 보기 전에 계산과 이유를 적어 보세요. 해설과 비교하고 확인 표시를 남기면 완료할 수 있습니다.

문제 1
힌트 보기

읽기는 필요한 범위로 좁히고, 고객에게 나가는 쓰기는 확인을 둡니다.

풀이와 비교하기

(1) Object query: Shipment·Customer의 상태·예정일·고객명만 조회, 읽기, 자동 실행(담당자 권한 범위 안). (2) Function: 배송 지연 일수 계산, 읽기, 자동 실행. (3) Action ‘고객 지연 안내 발송’: 쓰기, 사용자 확인 후 실행(외부로 나간 안내는 되돌리기 어려움), 제출 조건으로 안내 문구와 대상 배송이 비어 있지 않은지 확인. 실행 결과는 액션 로그로 남습니다.

풀이와 확인 표시는 이 브라우저에 저장됩니다.

YOUR NOTES

오늘 이해한 것과 다시 볼 것

계산이 달라진 이유, 헷갈린 개념, 다음에 확인할 질문을 남겨 보세요.

메모는 이 브라우저에 저장됩니다. 홈에서 전체 기록을 내려받을 수 있습니다.

오늘의 이해 확인

AIP Chatbot의 Action 도구를 ‘사용자 확인 후 실행’으로 설정했을 때 달라지는 점은?

완료 조건: 확인 퀴즈 정답 · / 직접 풀기 0/1

FURTHER READING

더 깊이 읽기

예제와 실험 데이터는 이 과정을 위해 만든 것입니다. 원문은 선택 자료이며, 강의와 직접 풀기만으로도 다음 회차를 이어갈 수 있습니다.

AIP: OverviewPalantir Foundry DocsAIP Logic: OverviewPalantir Foundry DocsAIP Logic: BlocksPalantir Foundry DocsAIP Chatbot Studio: OverviewPalantir Foundry DocsAIP Chatbot Studio: ToolsPalantir Foundry Docs

이 자료는 개념 학습용입니다. 실제 데이터베이스·라이브러리·플랫폼의 동작과 설정은 제품과 버전마다 다를 수 있습니다.