Back to Profiling Engine

Intelligence Architecture Philosophy

지능은 문제의 성격에 따라 구조를 달리 설계해야 합니다.

CareGuard / CarePath

  • 생명·의료 위기 관리 특화
  • 설명 가능성, 책임, 거버넌스가 핵심
  • Rule-first Hybrid (Symbolic > Statistical: 틀리면 안되는 지능)

Profiling (DNA=Learned Trait Vector)

  • 매칭·추천·적합도 분석 특화 (업데이트 가능, 오류 허용)
  • 집단 통계, 경향성, 확률이 핵심 (비결정적 / 비규범적 / 비의료적)
  • Statistical-first Hybrid (궁극적으론 Statistical-only 가능: 틀리며 학습하는 지능)

👉 이 차이는 “철학 충돌”이 아니라 “문제 영역(Domain) 차이”입니다.

지능은 문제의 성격에 따라 구조를 달리 설계하지만,
데이터의 출처·진실성·피드백 루프는 일관돼야 합니다.

Profiling Engine Mechanics & Market

1. Mining the Hidden DNA

Ontology로부터의 데이터 채굴

  • 케어가드와 동일한 5대 온톨로지 및 현장 로그
  • 다만 목적은 ‘위험 판단’이 아니라 ‘성향 추정’
Important:
이곳의 "DNA"는 의학적/규범적 판단이 아닌 확률적 특성 벡터 (Trait Vector)입니다.

2. The Data Refinery

Vector & NLP 중심의 통계 엔진

CareGuard는 “Vector 결과가 의사결정을 대체하면 안 됨” Profiling은 “Vector 결과가 곧 출력물(추천 점수)”인 영역

  • 생명·안전 : 벡터 단독 판단 금지
  • 매칭·추천 : 벡터 단독 판단 허용

3. One Engine, Three Markets

입소 / 채용 / 케어 매칭

모두 N:N 관계 최적화 문제로 비즈니스 확장에 타당. CareGuard의 “N:1에서 N:N으로 진화하는 위험 판단”과 문제 정의가 다름.

  • Profiling 결과는: "권고"
  • CareGuard 결과는: "경보 + 책임"

Structure vs Pattern Intelligence

세만AI의 두 엔진은 서로 다른 철학의 지능을 구현합니다.
하나는 구조가 먼저인 지능, 하나는 패턴이 먼저인 지능입니다.

Structure Intelligence

CareGuard / CarePath 계열
Definition

현실을 구조로 해석하고, 책임 가능한 판단을 생성하는 지능

Core Output Risk Object
Process Flow
Observe Interpret (Rule) Alert Action Verified Outcome Structure Update
“지능은 구조에 축적된다.”
확률은 보조, 설명 가능성 필수, 법적 책임 가능, 인간 개입 전제

Pattern Intelligence

Profiling Engine 계열
Definition

반복되는 데이터 패턴을 학습해 관계의 적합도를 예측하는 지능

Core Output DNA (Trait Vector)
Process Flow
Accumulate Vectorize Cluster Score Recommend Recalculate
“지능은 패턴의 축적에서 나온다.”
확률 중심, 통계적 최적화, 관계 개선 목적, 오류 허용 가능

두 지능의 본질적 대비

항목 Structure Intelligence Pattern Intelligence
대표 엔진 CareGuard Profiling
핵심 산출물 Risk Object DNA (Trait Vector)
판단 성격 규범적 (Normative) 확률적 (Probabilistic)
설명 가능성 필수 선택적
책임 구조 높음 낮음
오류 허용도 매우 낮음 상대적으로 높음
목적 생명 보호 관계 최적화
시간 구조 사건 중심 경향 중심
업데이트 방식 검증 후 구조 보정 지속적 통계 재계산

두 지능이 만나는 지점: Ontology

CareGuard는 Ontology를 "판단의 구조"로 사용하고,
Profiling은 Ontology 로그를 "데이터 채굴 원천"으로 사용합니다.

즉, Structure Intelligence가 현실을 안정적으로 고정하고
Pattern Intelligence가 그 위에서 의미를 추출합니다.

Dual-Layer Intelligence Architecture

데이터 출처·온톨로지·피드백 루프는 의도적으로 공유된 접점입니다.

Layer 1 — Structural Layer
Ontology • Rule Logic • Risk Object • Safeguard Protocol • Human Verification
Layer 2 — Statistical Layer
Vector Space • Embedding • Trait Aggregation • Matching Matrix

SemanAI's Differentiation

경쟁사들은 보통 전부 통계 모델이거나, 전부 룰 기반 시스템입니다.

"세만AI는 문제의 윤리적·책임적 성격에 따라
지능의 구조를 다르게 설계합니다."

의료적 위기 → Structure Intelligence
시장 매칭 → Pattern Intelligence
Structure Intelligence protects life.
Pattern Intelligence optimizes relationships.
SemanAI integrates both without collapsing their roles.
구조는 판단을 책임지고,
패턴은 관계를 최적화한다.
세만AI는 이 둘을 혼동하지 않는다.