제안
AI가 업무 맥락과 정책 범위 안에서 다음 행동을 제안합니다.
intent capturedAI가 무엇을 할 수 있는지가 아니라, 무엇을 하도록 허가받았는지가 중요합니다
Patty의 공통 통제 계층은 제안, 승인, 실행, 기록을 분리합니다. 대화는 권한이 아니며, 로그는 검증 가능한 증거가 아닙니다.
승인
권한을 가진 사람이 실행 범위와 영향을 확인하고 승인합니다.
authority verified실행
통제 커널이 승인된 작업만 격리된 도구와 인프라에서 실행합니다.
policy enforced기록
행위, 근거, 결과, 출처가 검증 가능한 영수증으로 남습니다.
evidence sealed하나의 통제 계층, 여섯 개의 실행 표면
각 제품은 서로 다른 업무를 다루지만 신원, 승인, 실행, 증거를 같은 방식으로 관리합니다.
검증 가능한 주장만 공개합니다
수치에는 측정 조건을 붙이고, 프로토콜에는 명세와 적합성 근거를 연결합니다. 아직 확인되지 않은 고객, 인증, 수상 경력은 사용하지 않습니다.
보안과 거버넌스는 별도 기능이 아닙니다
정책은 문서에 머물지 않습니다. 신원, 데이터 경계, 승인, 실행, 감사가 런타임에서 함께 작동해야 합니다.
기업 검토 질문직원들이 AI로 어떤 일을 하는지, 회사는 알고 있습니까?통제 결과감사 & 출처
기업 검토 질문직원들이 AI에 회사 데이터를 안 넣었으면 하는데, 어떻게 막을 수 있을까요?통제 결과LLM 게이트웨이 & 정책 엔진
기업 검토 질문주민등록번호 같은 개인정보가 AI에 입력되면, 자동으로 걸러진다고 생각하시나요?통제 결과DLP & 프라이버시
기업 검토 질문AI는 하지 말라는 명령을 잘 따를까요? 믿고 쓸 수 있을까요?통제 결과AI 행위 모니터링
기업 검토 질문ChatGPT와 Claude에 입력한 회사 데이터는 어디로 흘러가는 걸까요?통제 결과데이터 레지던시 & 주권
BLOG
블로그 전체 글블로그 최신 글
붙이는 자리까지 함께 배우는 분자 설계, Fraglingo가 묻는 것
조각 고르기와 붙일 자리 예측을 하나의 연속 벡터로 묶은 Fraglingo를 자기회귀 생성, 와일드카드 읽기, 검색 기반 확장과 네 가지 설계 작업 중심으로 읽는다.
매번 처음부터 헤매지 않는 웹 에이전트
앱의 동작 방식을 미리 배워 토큰을 아끼는 OdoBot 설계를 해설합니다. Canvas 45개 과제에서 Agent-E보다 44퍼센트, WebVoyager보다 80퍼센트 적은 토큰으로 과제를 마친 결과를 구조와 함께 읽습니다.
정답지 대신 원문을 판사로 세우는 법, GAVEL이 임상 시간표를 비교하는 방식
두 개의 임상 타임라인을 정답지와 비교하지 않고 원본 케이스 리포트에 직접 비춰 판정하는 GAVEL 프로토콜의 구조와 검증 결과, 그리고 병합 시간표까지 이어지는 흐름을 해설합니다.