한 문장 결론 — KG에는 검증 가능한 지식, LLM에는 언어·패턴 해석, 사람에게는 최종 판단을 맡깁니다.

발표의 약속 — “둘을 같이 쓰자”가 아니라 어떤 상태를 누가 책임질지 판단하는 기준을 가져갑니다.

오해 금지 — 정보가 많다고 저절로 지능적인 것도, 좋은 엔진이 빠진 지식을 보충하는 것도 아닙니다.

정의만으로 안전하지 않다 — 사용자가 검토 없이 수용하면 자문도 운영상 자동 결정처럼 작동할 수 있습니다.

책의 구현 범위 — 사람을 돕는 IAS, 정립된 지식 베이스, 경험에서 배우는 피드백에 집중합니다.

RAG 경계 — 외부 최신 문서를 붙이는 것은 근거 공급이지 모델 내부의 특정 사실을 부분 수정한 것이 아닙니다.

한쪽의 비용도 보존 — KG는 준비가 무겁지만 사람이 읽고 부분 수정할 수 있다는 유연성으로 보상받습니다.

분리해서 보기 — 논리적으로 맞다는 것과 현실의 입력 사실이 맞다는 것은 다릅니다.

확률 오해 금지 — 다음 토큰 확률과 모델의 확신 표현은 진단 확률이나 교정된 정답 확률이 아닙니다.

강도 보존 — “LLM은 추론을 못 한다”도 “유창하니 폭넓게 추론한다”도 원자료보다 강한 주장입니다.

피드백 ≠ 정답 — 사용자가 권고를 따랐다는 사실은 그 권고가 옳았다는 증거가 아닙니다.

스키마리스 오해 금지 — 저장 구조는 유연하게 확장해도 의미 스키마·식별 규칙·검증 계약은 유지합니다. 이것이 Chapter 3의 온톨로지로 이어집니다.

발표자 종합 — 근거 충실도·고위험 오류·보류 이유·사실 승격 오류·검토 시간을 함께 측정합니다.

다음 장 연결 — 저장이 유연해도 공유할 의미 계약은 필요하므로 Chapter 3에서 온톨로지를 설계합니다.