요구사항 4. 인공지능 시스템의 추적가능성 및 변경이력 확보
1. 인증 기준
인공지능 시스템 개발 및 운영 과정에서 발생하는 변화를 추적하기 위한 기준과 방법을 제시해야 합니다. 이는 인공지능 시스템의 투명성, 책임성, 신뢰성을 향상시키는데 기여합니다.
2. 평가 개요
구분 | 내용 |
---|---|
평가 대상 | 인공지능 모델, 인공지능 시스템 |
평가 방법 | 문서‧절차 검사 및 측정‧기능 시험 |
주요 확인사항 | • 데이터 출처 및 변환 과정에 대한 정보가 명확하게 기록되어 있는지 확인합니다. • 모델 학습 과정 및 알고리즘 변화에 대한 정보가 기록되어 있는지 확인합니다. • 코드 및 시스템 버전 관리가 체계적으로 이루어지고 있는지 확인합니다. • 성능 및 결과에 대한 지속적인 추적 및 분석이 이루어지고 있는지 확인합니다. • 변경 사항에 대한 상세 정보가 정확하게 기록되어 있는지 확인합니다. • 변경 사항에 대한 승인 및 검증 프로세스가 명확하게 정의되어 있는지 확인합니다. • 변경 사항에 대한 롤백 및 복구 기능이 정상적으로 작동하는지 확인합니다. |
3. 평가 세부 설명
3.1 신뢰 속성
책무성 및 투명성: 개발, 운영과정, 의사결정 과정에 대한 책임 소재가 추적 가능해야 하고, 데이터 정보, 모델 알고리즘 종류 및 작동방식, 사용자와의 상호작용 및 의사결정이 추적 가능해야 합니다.
3.2 관련 프로세스
• 요구사항 추적성 매트릭스를 작성하여 전방향, 역방향, 양방향 추적성 유지 및 관리
4. 평가 증빙
증빙 문서 | 포함 내용 |
---|---|
로그 | • 로그의 스키마 • 의사결정 추적 (데이터, 모델, 사용자 경험, 기타 모니터링 로그) • 의사결정 관련 소스코드 일부 |
데이터 라벨링 가이드 | • 원천데이터 확인용 |
형상관리 도구 사용 이력 | • 예) Github, SVN |
성능 추적기록 | • 추적성 매트릭스(전방향, 역방향, 양방향 추적성 유지 및 관리 기록) |
5. 관련 기법 및 도구
데이터 추적 및 리니지 관리 도구
DataHub: https://datahubproject.io/
모델 학습 및 알고리즘 변화 추적 도구
MLflow: https://mlflow.org/
코드 및 시스템 버전관리 도구
Git: https://git-scm.com/
Subversion: https://subversion.apache.org/
6. 추가 고려사항
시스템의 일부를 구매하여 이용할 경우 (예: 생성AI Foundation model 제공사), 구매자가 확보할 수 없는 이력으로 인해 발생할 수 있는 위험에 대한 관리 계획이 따로 준비되어야 합니다.
자회사 또는 하도급을 이용하여 일부 모듈을 개발할 경우, 시스템 내 타 모듈과의 호환성 문제 등으로 추적성 및 이력 관리 도구 사용에 어려움이 있을 수 있으므로 이에 유의하여야 합니다.
7. 사례
[1] 성능시험에 대한 결과 출력 시, 성능 수치 뿐만 아니라 대상 테스트 데이터의 경로 등도 같이 표시하여 직관적인 추적성 유지
Last updated