7일차는 데이터를 많이 만드는 날이 아니라 작게 시험하고 같은 기준으로 검수하는 날입니다. 6일차에서 만든 작업가이드를 들고, 작은 데이터 10건을 직접 라벨링한 뒤, 친구와 결과를 비교해 일치율을 계산하고, 다른 곳을 불일치 조정으로 맞춥니다. 그다음 pass·caution·fail 검수표를 채우고, AI는 형식·개인정보·역번역만 보조로 점검합니다. 숫자(일치율)는 점수가 아니라 기준 상태를 보는 신호이고, 최종 판단은 사람이 합니다. 각 카드의 복사 버튼으로 템플릿을 가져가 팀 문서에 붙여넣고 채우세요.
개인 라벨링 카드에 적기14_labeling_result.jsonl 완성ERR_ 태그로 15_review_sheet.md 채우기00_project_log.md 기록·1분 발표13_labeling_guide.md · 라벨 뜻·쓰는 경우·쓰지 않는 경우·헷갈리는 경계를 담은 작업가이드(6일차에서 이어받아 업데이트)14_labeling_result.jsonl · 불일치 조정까지 끝낸 최종 라벨이 들어간 데이터 10건(한 줄에 한 건)15_review_sheet.md · pass·caution·fail 판정, 오류 태그, 문제 설명, 수정 제안을 적은 검수표00_project_log.md · 오늘 결정한 것, 바꾼 기준, 남은 질문, 제출 파일 목록먼저 오늘 남길 4개 파일과 필수 필드를 확인합니다. 같은 고객센터 데이터를 md·csv·json·jsonl 네 그릇에 담아 보고, 확장자만 바꾼다고 구조가 저절로 바뀌지 않는다는 점을 익힙니다. jsonl은 한 줄에 데이터 한 건입니다. 마지막으로 연습용 원자료 10건을 받아 라벨링을 준비합니다.
가이드의 라벨 한 칸(뜻·쓰는 경우·쓰지 않는 경우·헷갈리는 경계)을 보고, 혼자서 10건에 라벨을 붙입니다. 각 건마다 이유 한 문장과 확신도(1~3)를 적고, 헷갈리면 물음표를 남깁니다. 막히면 도움 카드, 빨리 끝났으면 도전 카드로 애매한 경계를 다듬습니다. 정답을 빨리 맞히기보다 왜 그 라벨인지를 남기는 게 핵심입니다.
파일럿은 작은 시험판입니다. 쉬운 사례만 골라 일치율을 좋아 보이게 만들지 말고, 애매한 사례를 함께 넣습니다. 친구와 라벨을 비교해 일치율 = 같은 라벨 수 ÷ 전체 건수 × 100으로 계산하고, 다른 칸은 불일치 조정 카드로 최종 라벨·조정 이유·가이드에 넣을 문장을 정합니다. 결과는 14_labeling_result.jsonl에 한 줄씩 저장합니다.
검수는 완성된 것을 다시 보고 고칠 곳을 찾는 일입니다. pass는 그대로 사용 가능, caution은 고치면 쓸 수 있음, fail은 그대로 쓰면 안 됨입니다. 문제는 오류 태그(ERR_)로 종류를 표시합니다(ERR_LABEL·ERR_FORMAT·ERR_PRIVACY·ERR_FACTUALITY·ERR_TONE·ERR_TRANSLATION). 판정·태그·문제 설명·수정 제안을 15_review_sheet.md 한 줄씩 채웁니다. 개인정보는 fail로 엄격하게 다룹니다.
AI는 형식·개인정보·역번역만 보조로 점검하고 내용 판단은 사람이 합니다. 형식 검수 프롬프트로 필수 필드·id 중복·placeholder를 1차로 확인하고, 다국어는 역번역으로 의미가 맞는지 봅니다. 팀이 원자료부터 제출물까지 한 번에 통합한 뒤, 결정·바꾼 기준·남은 질문을 00_project_log.md에 남기고 일치율과 가장 헷갈린 사례로 1분 발표를 준비합니다.
네 파일이 모두 준비됐는지 마지막으로 확인합니다. 아래 항목을 모두 체크한 뒤 저장하세요. 남은 빈칸은 00_project_log.md의 ‘남은 질문’으로 옮깁니다.