Saram Consulting생명과학 분야의 OKF(Open Knowledge Format) 도입 논쟁을 다룬 4편의 글을 통해 우리는 세 가지 사실을 명확히 확인했습니다. 기본 패턴은 타당하며, 규제 대상 저장소(regulated storage)로서의 포맷은 부적합하고, 기존 솔루션 벤더들이 자체 API 레이어를 구축 중이라는 점입니다. 하지만 가장 실무적이고 본질적인 질문에는 아직 답하지 못했습니다. 만약 백지상태(scratch)에서 QMS를 새로 구축한다면, 실제로 무엇을 만들어야 할까요?
10개의 독립적인 분석에 바로 이 질문을 던졌습니다. 그리고 놀랍게도 10개 분석 모두가 동일한 아키텍처로 수렴했습니다. 대략적인 유사성이 아닌, 데이터베이스 선정에 이르기까지 완전히 일치하는 아키텍처였습니다.
만장일치의 결론
모든 분석이 도달한 결론은 다음과 같습니다:
| 계층 (Layer) | 역할 (Role) | OKF 관여도 (OKF involvement) |
|---|---|---|
| PostgreSQL 데이터베이스 | 단일 진실 공급원(Source of truth), 감사 추적(Audit trail), 전자서명 | 없음 — 표준 관계형 테이블 |
| 지식 그래프 (Knowledge graph) | 관계 탐색(Relationship traversal) | 기존 테이블 기반의 SQL/PGQ 속성 그래프(property graph) |
| 에이전트 API (Agent API) | AI 에이전트를 위한 구조화된 컨텍스트 | 온디맨드(on-demand)로 생성되는 OKF 형태의 응답 |
| 사용자 UI (Human UI) | 양식(Forms), 워크플로우, 대시보드 | 없음 — 표준 웹 프론트엔드 |
데이터베이스는 밸리데이션된 상태(validated state)를 유지합니다. 지식 그래프는 엔티티 간의 관계를 포착합니다. API는 에이전트에게 OKF 형태의 프로젝션(projection) 데이터를 제공합니다. 사용자 UI는 일반적인 QMS와 동일한 외형을 갖춥니다. 디스크에 마크다운 파일을 저장하지도 않고, Git 리포지토리를 사용하지도 않으며, 별도의 병렬 문서 포맷을 두지도 않습니다.
OKF는 스토리지 엔진도, 데이터베이스도, 사용자 인터페이스도 아닌, QMS가 AI 에이전트와 대화하는 언어가 됩니다.
왜 PostgreSQL인가 (그리고 왜 지금 중요한가)
모든 분석 보고서가 구체적으로 PostgreSQL을 지목했습니다. 그 이유는 두 가지입니다:
첫째: 유연한 메타데이터 처리를 위한 JSONB 컬럼입니다. 품질 문서에는 엄격하게 규정된 필수 필드(문서 ID, 버전, 상태, 효력 발생일 등)가 존재하는 동시에, 문서 유형에 따라 달라지는 가변적인 메타데이터가 존재합니다. 일탈(deviation)의 경우 심각도(severity), 근본 원인 분류(root cause category), 영향받은 배치(impacted batches)가 필요합니다. 밸리데이션 프로토콜(validation protocol)의 경우 적격성 판정 기준(acceptance criteria), 통계적 분석 방법(statistical method), 샘플 크기(sample size)가 요구됩니다. PostgreSQL의 JSONB를 활용하면 관계형 컬럼에서 필수 필드의 무결성을 강제하는 동시에, JSON Schema 제약 조건을 갖춘 검증된 JSONB 필드 내에 문서 유형별 특화 메타데이터를 저장할 수 있습니다.
둘째: PostgreSQL 19의 네이티브 그래프 쿼리 지원입니다. 이는 아키텍처 설계의 판도를 바꾸어 놓은 기술적 진전입니다. 2026년 6월 베타 버전이 공개된 PostgreSQL 19는 ISO SQL:2023 표준인 SQL/PGQ(Property Graph Queries)를 공식 구현했습니다. 기존 관계형 테이블 상에 속성 그래프를 뷰 형태로 정의한 후, MATCH 구문을 사용하여 직관적으로 쿼리할 수 있습니다:
SELECT * FROM GRAPH_TABLE (quality_graph
MATCH (dev IS deviation WHERE dev.id = 'DEV-2026-102')
-[IS involved_equipment]->(eq IS equipment)
-[IS governed_by]->(sop IS sop)
-[IS validated_by]->(vp IS validation_protocol)
COLUMNS (eq.name, sop.doc_id, vp.doc_id, vp.status)
);이 쿼리는 단 한 번의 실행으로 Deviation(일탈) → Equipment(장비) → SOP(표준작업지침서) → Validation Protocol(밸리데이션 프로토콜)의 관계 경로를 탐색합니다. 별도의 그래프 데이터베이스도, Neo4j도, Apache AGE 확장 프로그램도, 데이터 마이그레이션도 필요하지 않습니다. 그래프는 밸리데이션된 데이터를 담고 있는 동일한 테이블 위에서, 동일한 인덱스를 활용하여 직접 실행됩니다.
“이 일탈과 3단계(hop) 이내로 연결된 모든 항목을 보여달라”는 요구사항처럼 지식 그래프가 핵심 기능으로 작동하는 QMS에서, 이는 신규 시스템(greenfield system)에 그래프 기능을 도입할 때 제기되던 가장 큰 아키텍처적 걸림돌을 완전히 제거합니다.
OKF 형태의 API 계약
에이전트 대면 API의 실제 형태는 다음과 같습니다. 모든 품질 객체는 OKF 형태의 응답을 반환하는 엔드포인트를 제공합니다:
GET /api/v1/okf/concepts/sop/SOP-00123반환 결과:
---
type: SOP
doc_id: SOP-00123
title: Equipment Cleaning - Grade C/D Areas
version: 4.2
status: Effective
effective_date: 2026-01-15
review_due: 2027-01-15
owner: Manufacturing QA
site: [Dublin, CA]
product: [Product A, Product B]
regulation_refs: [21 CFR 211.67, EU GMP Annex 1]
resource: /api/v1/qms/documents/SOP-00123/v4.2/pdf
staleness: 2026-07-11T04:00:00Z
training_required: true
risk_level: High
---
# Purpose
Standard cleaning procedure for equipment in Grade C and D areas
at the Dublin facility.
# Related Documents
- [Work Instruction WI-088](/api/v1/okf/concepts/work-instruction/WI-088)
- [Validation Protocol VP-234](/api/v1/okf/concepts/validation/VP-234)
- [Equipment EQ-442](/api/v1/okf/concepts/equipment/EQ-442)
- [21 CFR 211.67](/api/v1/okf/concepts/regulation/21-cfr-211.67)
# AI Guidance
retrieval_priority: high
common_questions:
- "What cleaning method is required after Product X?"
- "What is the rinse verification procedure?"
known_risks:
- "Cleaning validation failures when operators skip rinse verification (Section 3.2.4)"여기서 세 가지 핵심 사항에 주목해야 합니다:
resource 필드는 운영 중인 실제 QMS를 가리킵니다. 에이전트가 인용, 검증, 혹은 승인된 문서가 요구되는 의사결정을 위해 실제 통제된 원본 PDF를 필요로 하는 경우, 리소스 링크를 따라 밸리데이션된 라이브 시스템에 접근합니다. 이 시스템은 교육 이수 요건 및 접근 통제를 엄격히 강제합니다.
staleness 필드는 단순한 타임스탬프이며 유효성을 영구 보증하지 않습니다. 에이전트는 승인 상태나 유효 버전과 같이 시간에 민감한 필드를 신뢰하기 전에 이 타임스탬프를 확인해야 합니다. 규제 의사결정과 직결된 사안의 경우, 에이전트는 라이브 시스템의 GET /api/v1/qms/status/SOP-00123을 직접 호출합니다.
AI Guidance 섹션은 규제 문서 본문과 분리되어 있습니다. 자주 묻는 질문(common questions), 알려진 위험(known risks), 검색 우선순위(retrieval priority) 등은 AI 에이전트의 효과적인 추론을 돕기 위한 보강 필드(enrichment fields)입니다. 이 메타데이터는 규제 콘텐츠와 분리되어 별도로 저장되므로, 문서 자체에 대한 변경 관리(Change Control) 절차를 유발하지 않고도 업데이트할 수 있습니다.
지식 그래프 레이어
지식 그래프는 기존 관계형 테이블을 기반으로 속성 그래프(Property Graph) 형태로 정의됩니다:
CREATE PROPERTY GRAPH quality_graph
VERTEX TABLES (
sops LABEL sop
PROPERTIES (id, doc_id, title, version, status, effective_date),
deviations LABEL deviation
PROPERTIES (id, deviation_id, severity, status, discovered_date),
capas LABEL capa
PROPERTIES (id, capa_id, status, effectiveness_status),
equipment LABEL equipment
PROPERTIES (id, equipment_id, name, location, qualification_status),
validation_protocols LABEL validation
PROPERTIES (id, doc_id, title, status),
regulations LABEL regulation
PROPERTIES (id, regulation_id, title, framework)
)
EDGE TABLES (
sop_references_equipment
SOURCE KEY (sop_id) REFERENCES sops (id)
DESTINATION KEY (equipment_id) REFERENCES equipment (id)
LABEL references,
deviation_involves_equipment
SOURCE KEY (deviation_id) REFERENCES deviations (id)
DESTINATION KEY (equipment_id) REFERENCES equipment (id)
LABEL involves,
capa_closes_deviation
SOURCE KEY (capa_id) REFERENCES capas (id)
DESTINATION KEY (deviation_id) REFERENCES deviations (id)
LABEL closes,
sop_validated_by
SOURCE KEY (sop_id) REFERENCES sops (id)
DESTINATION KEY (protocol_id) REFERENCES validation_protocols (id)
LABEL validated_by
);그래프의 엣지(Edge, 관계선)는 데이터베이스의 외래 키(Foreign Key)에서 도출됩니다. 이는 QMS가 이미 엄격히 통제하고 있는 무결성 관계와 동일합니다. 수작업으로 관리하는 마크다운 링크도 없고, LLM이 임의로 생성한 상호 참조도 없습니다. 그래프는 데이터베이스 그 자체를 그래프로 투영한 것이므로 데이터베이스와 완벽히 동일한 수준의 정확성을 보장합니다.
에이전트가 관계를 탐색해야 할 때는 다음 API를 호출합니다:
GET /api/v1/okf/graph/deviation/DEV-2026-102?hops=3API는 SQL/PGQ MATCH 쿼리를 실행하여 연결된 서브그래프를 조회한 후, 관계가 마크다운 링크로 표현된 일련의 OKF 개념 세트로 반환합니다. 에이전트는 데이터베이스에 직접 접근하지 않고도 탐색 가능한 지식 그래프를 확보하게 됩니다.
밸리데이션(Validation) 접근 전략
이 아키텍처가 규제 환경에서 공식적으로 인정받을 수 있는 이유는 바로 밸리데이션 접근 방식에 있습니다.
밸리데이션 대상:
- PostgreSQL 데이터베이스 스키마 및 무결성 제약 조건
- API 엔드포인트 및 권한 통제 메커니즘
- PDF 렌더링 엔진 (전자서명 시점의 데이터베이스 데이터 → 표준 공식 PDF 생성)
- OKF 직렬화 로직 (데이터베이스 데이터 → OKF 형태 응답 생성)
밸리데이션 비대상:
- OKF 콘텐츠 자체 (매 요청마다 동적으로 재생성되는 파생 프로젝션 데이터임)
- OKF 응답을 소비하는 에이전트 (이미 밸리데이션된 API로부터 데이터를 읽어오는 주체임)
- AI 보강 필드 (규제 대상 콘텐츠가 아닌 권고용 데이터임)
이 방식은 커스텀 마크다운 내보내기 파이프라인 전체를 밸리데이션하는 것에 비해 비용과 복잡성을 획기적으로 낮춥니다. OKF 직렬화는 결정론적 함수(deterministic function)로 작동하므로, 동일한 데이터베이스 상태에서는 항상 동일한 OKF 결과가 도출됩니다. 따라서 한 번 검증하면 지속적으로 신뢰할 수 있습니다. 데이터베이스 자체는 QMS의 핵심이므로 이미 완벽하게 밸리데이션되어 있습니다.
에이전트 워크플로우의 실제 작동 방식
이 아키텍처 내에서 작동하는 일탈 조사(deviation investigation) 에이전트의 워크플로우는 다음과 같습니다:
- 사용자로부터 일탈 기술서(deviation description)를 수신합니다.
GET /api/v1/okf/concepts/deviation/DEV-2026-102를 호출하여 구조화된 메타데이터와 관련 링크를 수집합니다.GET /api/v1/okf/graph/deviation/DEV-2026-102?hops=3을 호출하여 연결된 서브그래프(해당 장비, 관련 SOP, 과거 일탈 이력, CAPA, 밸리데이션 프로토콜 등)를 조회합니다.- 연결된 각 엔티티의 OKF 개념을 열람하여 AI 가이던스가 포함된 구조화된 컨텍스트를 확보합니다.
GET /api/v1/qms/documents/SOP-00123/v4.2/sections/3.2를 호출하여 라이브 QMS로부터 특정 절차 섹션을 조회합니다 (이 과정에서 교육 이수 요건이 확인 및 강제됩니다).- 완벽한 추적성(traceability)을 바탕으로 조사 착수 보고서 초안을 종합 및 작성합니다.
- 모든 출처를 명확히 인용한 초안을 인간 검토자에게 제시합니다.
모든 단계는 시스템에 기록(로그)됩니다. 모든 문서 열람 내역은 감사 추적(audit trail)이 가능합니다. 에이전트는 결코 QMS에 직접 쓰기 작업을 수행하지 않으며, 모든 결정과 승인은 인간의 몫입니다.
유지할 가치가 있는 4가지 OKF 핵심 원칙
전체 논쟁을 거치며 다양한 비판을 이겨내고 최종 아키텍처에 온전히 채택된 4가지 핵심 OKF 아이디어는 다음과 같습니다:
1. 파일당 단일 개념 (현재는 API 엔드포인트당 단일 개념). 각 품질 엔티티는 구조화된 메타데이터와 사람이 읽을 수 있는 본문으로 구성된 자체 기술적(self-describing) 표현 방식을 가집니다. 이는 에이전트가 지식을 탐색하는 본질적인 방식, 즉 링크를 따라 한 번에 하나의 개념씩 접근하는 방식과 완벽히 부합합니다.
2. 쿼리 가능한 메타데이터로서의 YAML 프론트매터. 모든 개념은 에이전트가 필터링할 수 있는 구조화된 필드(유형, 상태, 버전, 효력 발생일, 태그, 사업장, 제품 등)를 포함합니다. 이는 단순한 벡터 검색으로는 불가능한 결정론적 쿼리를 가능하게 합니다.
3. 지식 그래프로서의 상호 교차 링크(Cross-links). 개념 간의 관계가 명시적이며 직접 탐색 가능합니다. 에이전트는 파일 직접 읽기가 아닌 API 호출을 통해 인간 조사관과 동일한 탐색 경로(일탈 → 장비 → SOP → 밸리데이션)를 단계별로 추적합니다.
4. 인덱스를 통한 점진적 세부 공개(Progressive disclosure). 요약에서 출발하여 점진적으로 세부 정보로 들어가는 index.md 패턴은 에이전트가 컨텍스트를 소비하는 가장 효율적인 방식과 일치합니다. API는 먼저 상위 수준의 메타데이터를 제공하고, 필요에 따라 세부 콘텐츠를 온디맨드로 서빙합니다.
OKF 논쟁이 우리에게 남긴 것
4편의 블로그 게시물, 20여 개 이상의 심층 분석, 그리고 하나의 확고한 수렴.
이번 논쟁의 본질은 사실 OKF라는 특정 포맷 자체에 국한된 것이 아니었습니다. 이는 향후 3년 이내에 모든 규제 산업이 직면하게 될 근본적인 질문에 관한 것이었습니다. “규제 컴플라이언스를 훼손하지 않으면서, 밸리데이션된 엔터프라이즈 지식을 AI가 원활히 활용하도록 만드는 방법은 무엇인가?”
도출된 해답 — ‘단일 진실 공급원으로서의 데이터베이스, 관계망으로서의 지식 그래프, 에이전트 대면 계약으로서의 OKF’ — 은 특정 포맷의 한계를 뛰어넘습니다. 이는 규제 환경에서 AI-네이티브 엔터프라이즈 시스템을 구축하기 위한 보편적 아키텍처 패턴입니다. QMS는 그 첫 번째 적용 사례일 뿐입니다.
앞으로 등장할 차세대 QMS 스타트업은 ’밸리데이션되었으나 폐쇄적인 시스템’과 ‘AI 친화적이나 통제 불가능한 시스템’ 사이에서 양자택일을 고민하지 않을 것입니다. 그들은 첫날부터 두 가지를 모두 갖춘 아키텍처를 구축할 것입니다. 에이전트와 OKF로 소통하는 밸리데이션된 핵심 코어, 에이전트가 자유롭게 탐색할 수 있는 지식 그래프, 그리고 모든 엔드포인트에서 컴플라이언스를 엄격히 강제하는 API를 갖춘 시스템입니다.
이는 OKF 찬성파와 반대파 간의 단순한 타협점이 아닙니다. 양측 모두가 진정으로 설명하고자 했던 이상적인 아키텍처입니다.
PostgreSQL 19 SQL/PGQ: neon.com/postgresql/postgresql-19/sql-pgq-graph-queries. ISPE GAMP AI 가이드: ispe.org. 생명과학 분야의 MCP 활용: usdm.com/resources/blogs/the-model-context-protocol-mcp-in-life-sciences.