이득:
- 프로젝트를 구상부터 납품까지 단계별로 나누고, 각 단계별로 인공지능의 역할과 활성화할 검증, 담당 전문가를 결정하는 능력입니다.
- 각 단계가 끝날 때 위험 버킷 질문을 하고 해당 단계에서 현지 공장, 법률 및 비용을 확인할 수 있습니다.
- AI 생산물을 통합하고, 인간이 결정하고, 모든 중요한 출력을 검증하고, 서명이 엔드투엔드 워크플로우에서 전문가 원칙에 따라 이루어지도록 하는 능력
이전 11개 단원에서는 개념, 시각적, 부지 분석, 식물, 물, 지속 가능성, 기술, 프리젠테이션, 비용, 법률 등의 부분을 하나씩 배웠습니다. 이 단원에서는 이 모든 것을 하나의 실제 프로젝트로 결합합니다. 프로젝트 시작부터 납품까지 인공지능(AI)을 유창하고 안전하게 사용할 수 있는 워크플로우를 구축하는 것이 목표다. 워크플로는 작업이 처음부터 끝까지 따르는 일련의 순차적 단계입니다. 이 단원은 요약이 아니라 통합 리허설입니다. 각 단계에서 AI가 가속화되는 위치, 중지되는 위치, 검증이 적용되는 단계입니다.
샘플 프로젝트: 하천 옆 4ha 도시 공원
모듈 전반에 걸쳐 언급한 프로젝트를 처음부터 끝까지 살펴보겠습니다. 지자체에서는 홍수 위험이 있는 유휴 하천 제방을 물을 완충하고 인근 지역에 유용성을 제공하는 도시 공원으로 전환하기를 원합니다. 예산은 제한되어 있고 기간은 3개월이며 기후는 약간 비가 내립니다.
1단계 — 프레임워크 및 개념(단원 1-2) 프로젝트 프레임워크와 6가지 테마를 AI로 제작합니다. 팀은 '도시가 잊어버린 하천을 되돌려주는 물줄기'라는 주제를 선택하고 이를 원리로 해석한다. AI는 팀을 다양화하고 선택합니다.
2단계 - 현장 분석(단위 4). 경사, 방향, 물 흐름은 GIS에서 얻습니다. 견학이 이루어집니다. AI는 측정된 데이터 + 관찰을 종합하여 기회 제약 목록을 생성합니다. 도구의 측정, 합성 확인.
3단계 — 물 및 기후 전략(단위 6) YZ는 레인 가든 + 바이오스왈 + 투과성 토양의 조합을 제안합니다. 결제 논리가 확립됩니다. 치수 측정은 유압 엔지니어에게 위임됩니다.
4단계 - 식물 팔레트(단위 5). AI는 기능 프로필과 후보 목록을 생성합니다. 팀은 지역 기후대, 침입 목록, 독성 및 묘목 가용성에 대해 각 종을 확인합니다. 확인되지 않은 유형은 포함되지 않습니다.
5단계 - 지속가능성 점검(단위 7). 디자인은 투수성-지역 비율-음영-생물 다양성 점수표를 통과합니다. 약한 제목이 개선되었습니다.
6단계 — 시각 및 기술(단원 3, 8). AI는 대기 이미지와 세부 논리/재료 비교를 생성합니다. 스케일 시트는 CAD로 그려지고, 정적 세부 사항은 엔지니어가 그립니다.
7단계 - 비용 및 일정(단위 10) AI는 항목 목록과 테이블을 구성합니다. 실제 수량과 현재 가격을 입력하고, 파종 시기에 맞춰 작업 일정을 설정합니다.
8단계 — 입법 및 시행(9, 11호). 허가 체크리스트와 기관 관련 질문이 준비되고 해당 항목은 담당자에게 확인됩니다. 프레젠테이션은 세 명의 청중(지방자치단체, 이웃 주민, 배심원)을 위해 다양한 언어로 설계되었습니다.
팁: 각 단계가 끝날 때 "이 결과물의 위험성은 낮음, 중간, 높음입니까? 누가 검증할 것인가?"라는 질문을 하십시오. 이 단일 질문은 전체 작업 흐름을 안전하게 유지합니다.
단계 사이의 황금률
엔드투엔드 흐름에서는 세 가지 원칙이 모든 단계에서 반복됩니다. (1) AI는 다양화하고 가속화하며, 인간은 선택하고 소유합니다. (2) 각 숫자/로컬/보안에 중요한 출력이 확인됩니다. (3) 결정 및 서명은 유능한 전문가에게 있습니다. 이 세 가지 원칙은 변하지 않습니다. 적용되는 대상만 변경됩니다.
세 개의 미니 케이스
사례 1 — 엔드투엔드 속도. 한 사무실은 AI 기반 워크플로를 사용하여 유사한 하천 공원을 운영했습니다. 개념 및 분석이 3주에서 10일로 단축되었습니다. 절약된 시간은 세부 사항과 검증에 전념했습니다. 팀이 '생산'이 아닌 '결정'할 시간을 얻었기 때문에 배송 품질이 향상되었습니다.
사례 2 - 체인 검증. 동일한 프로젝트에서는 침입 식물(유닛 5 검증), 조작된 규제 조항(유닛 11 검증), 과장된 이미지(유닛 3 확인), 누락된 비용 항목(유닛 10 목록) 등 4가지 개별 AI 버그가 서로 다른 단계에서 발견되었습니다. 제출에 도달한 사람은 없습니다. 징계가 이루어졌습니다.
사례 3 — 팀 변화. 한 팀은 AI가 '모든 것을 다 해주는 마법'이라고 생각하면서 처음에는 실수를 많이 했다. 위험 버킷 원칙(1단원)을 채택한 후에는 올바른 계층에서 AI를 사용하기 시작했습니다. 즉, 낮은 위험에서는 무료로, 중간 위험에서는 검증하고, 높은 위험에서는 유용하게 사용되었습니다. 효율성과 자신감이 함께 높아졌습니다.
복사 가능한 템플릿 4개
1) 프로젝트 로드맵:
귀하의 역할: 조경 프로젝트 코디네이터. 프로젝트: [설명, 기간, 예산, 기후]. 개념, 분석, 물 전략, 플랜트, 지속 가능성, 시각적, 기술, 비용, 법률, 프레젠테이션 등 엔드투엔드 워크플로우 로드맵을 제공하세요. 각 단계에서 AI의 역할과 어떤 검증/전문가가 참여할지 지정하세요.
2) 단계 종료 위험 감사:
위험에 대한 다음 단계[단계 및 출력]의 출력을 확인합니다. 위험도가 낮은/중간/고위험 부분을 분리하고, 각 중간/높음에 대해 검증 대상과 방법을 확인하고, 배송 전에 해결해야 할 격차를 나열합니다.
3) 배송 전 전체적인 제어:
납품 전에 이 프로젝트를 전체적으로 점검하십시오. 컨셉-설계 일관성, 현지 플랜트 검증이 이루어졌는지, 엔지니어링 전략이 승인되었는지, 비용이 현실적인지, 법률이 확정되었는지, 시각적 요소가 대표적인지 여부를 확인하십시오. 누락된 확인이 목록에 나타납니다.
4) 교훈:
이 프로젝트가 끝나면 AI를 사용하여 배운 교훈을 도출하세요. AI가 어떤 단계에서 매우 잘 작동했는지, 어떤 단계에서 오류 위험이 높았는지, 다음 프로젝트에서는 워크플로를 어떻게 개선해야 합니까? 구체적이고 실행 가능한 항목을 작성하세요.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
이 프로젝트를 처음부터 끝까지 저를 위해 해주세요.
모든 것을 한꺼번에 원하는 이 욕망; 이는 검증되지 않은 피상적이고 위험한 더미를 생성합니다.
강력한 프롬프트:
귀하의 역할: 프로젝트 코디네이터. 프로젝트: 하천 옆 4ha 공원, 3개월, 제한된 예산, 온화한 비가 내리는 기후, 우선 홍수 완충 및 인근 지역 사용. 단계별 작업 흐름이 나에게 나타납니다. 각 단계에서 (1) AI의 구체적인 기여, (2) 수행될 검증, (3) 책임 있는 전문가/권한자가 지정되어야 합니다. 고위험 단계를 별도로 표시합니다. "AI가 스스로 모든 단계를 완료합니다"라고 말하지 마십시오.
검증 및 책임 할당을 통한 점진적인 프롬프트는 AI를 진정한 조정 도구로 만듭니다.
엔드투엔드 역할 요약 표
무대
AI 기여
확인
책임
개념
변형
예산/기후 필터
디자이너
분석
합성
현장 + GIS
현장 분석가
물/기후
전략
유압 계산기
엔지니어
식물
후보자 목록
현지 검증
조경가
기술적
논리/텍스트
CAD + 정적
건축가/엔지니어
비용
테이블
실제 수량/가격
수량 측량사
입법
요약/목록
승인된 확인
관할 당국
프레젠테이션
내러티브
무결성 검사
디자이너
일반적인 실수
- 하나의 요청으로 모든 것을 원합니다. 엔드투엔드 흐름은 점진적입니다. 각 단계는 별도로 검증됩니다.
- 최종 위험 감사를 건너뜁니다. 단계 전환 중에 오류가 포착됩니다.
- 긍정을 쌓아서 마지막까지 남겨두는 것. 현지 공장, 법률 및 비용 확인은 자체 단계에서 수행되어야 합니다.
- AI 흐름에 인간의 결정을 포함시킵니다. 선택, 소유권 및 서명은 모든 단계에서 사람들에게 있습니다.
- 배운 내용을 기록하지 않습니다. 모든 프로젝트는 다음 워크플로를 개선할 수 있는 기회입니다.
요약하면
엔드투엔드 워크플로우는 이전의 모든 유닛이 단일 프로젝트에 함께 모이는 곳입니다. AI는 모든 단계에서 다양화되고 가속화됩니다. 그러나 모든 단계에서 사람들은 선택하고, 확인하고, 소유합니다. 세 가지 불변의 원칙은 흐름을 안전하게 유지합니다. AI가 생산하고, 인간이 결정하고, 모든 중요한 출력이 검증되고, 서명은 유능한 전문가에게 있습니다. 프로젝트를 여러 단계로 나누고, 각 단계가 끝날 때 위험 버킷 질문을 하고, 해당 단계에서 검증을 수행하고, 각 프로젝트에서 학습합니다. 따라서 AI는 직업을 약화시키는 것이 아니라 강화하는 파트너가 됩니다.
응용과제
선택한 실제 프로젝트에 대한 "프로젝트 로드맵" 템플릿을 사용하여 엔드투엔드 워크플로를 만듭니다. 각 단계에 대한 책임을 확인하고 할당합니다. 그런 다음 두 단계를 선택하고 "단계 종료 위험 감사" 템플릿을 사용하여 감사합니다. 마지막으로 '전체적인 배송 전 확인' 템플릿을 사용하여 누락된 확인 항목을 나열하세요.
체크리스트
- [ ] 나는 프로젝트를 여러 단계로 나누었습니다. 각 단계마다 책임을 확인하고 할당했습니다.
- [ ] 각 단계가 끝날 때 위험 버킷 질문을 했습니다.
- [ ] 현지 공장, 입법, 비용 확인 등을 자체 단계에서 진행했습니다.
- [ ] 고위험 단계를 전문가 승인과 연결했습니다.
- [ ] 다음 워크플로우를 위해 프로젝트에서 얻은 교훈을 기록했습니다.
모듈 시험
1. 다음 중 조경 건축에서 인공지능의 위치 선정으로 가장 정확한 것은 무엇입니까?
- A) AI는 가속기이자 청사진 생성기입니다. 현장, 생태, 보안 및 규제 결정에 대한 책임은 사람에게 있습니다 ✔
- 나) 인공지능이 스스로 디자인을 완성하고 서명할 수 있다.
- 다) 인공지능은 비주얼 제작에만 작동하며 다른 디자인 단계와는 아무런 관련이 없습니다.
- 라) 인공지능은 인간보다 객관적이기 때문에 입법적 판단도 인공지능에게 맡겨야 한다.
설명: 인공 지능은 개념, 시각적, 분석 및 커뮤니케이션을 가속화하는 아이디어 승수 및 초안 생성기입니다. 현장 현실, 지역 생태, 안전 및 법적 책임은 유능한 전문가에게 있습니다. 엔지니어링 및 안전에 중요한 결정에서 AI는 전문가 승인을 대체할 수 없습니다.
2. 조경 프로젝트에 대한 결정을 위험 수준별로 분류할 때 다음 중 '고위험(전문가 승인 필요)' 버킷에 속하는 것은 무엇입니까?
- 가) 컨셉 텍스트 작성
- B) 무드보드 아이디어 만들기
- 다) 옹벽정전기 및 어린이 놀이터 안전 ✔
- D) 프레젠테이션 제목 제안 받기
설명: 옹벽 정적, 나무 뿌리-하부 구조 충돌, 독성/침습 식물 및 어린이 놀이터 안전과 같은 엔지니어링 및 안전에 중요한 문제는 위험이 높습니다. 여기서 인공지능은 보조자일 뿐 최종 결정은 전문가의 몫이다. 컨셉 텍스트와 무드보드는 위험이 낮습니다.
3. 컨셉 개발 단계에서 인공지능을 가장 효율적으로 활용하는 방법은 무엇인가요?
- A) 다양한 테마를 생성하고 컨텍스트 필터를 통과하여 선택 및 심화 ✔
- 나) 하나의 '최고의 컨셉'을 요구하고 이를 직접 구현하는 것
- 다) 맥락을 제시하지 않고 일반적인 개념을 묻는다.
- D) 아무런 비판 없이 컨셉을 전달한다.
설명: 인간의 마음은 처음 2~3가지 아이디어에 집착하는 경향이 있습니다. 인공지능의 진짜 힘은 다양한 테마를 만들어내고 비교한다는 점이다. 선택, 심화, 소유권은 인간에게 있습니다. 단일 '최고' 추천을 요청하는 것은 그 힘을 낭비하는 것입니다.
4. 인공지능으로 제작된 렌더(이미지)를 고객에게 선보일 때 반드시 지켜야 할 원칙은 무엇인가요?
- A) 비주얼은 적용할 명확하고 정확한 뷰로 제시됩니다.
- B) 시각적 규모의 기술 문서로 간주됩니다.
- C) 시각적 표현은 분위기입니다. 진위 여부 검사 및 기술 시트 제공 ✔
- D) 이미지는 인증 없이 바로 애플리케이션으로 전송됩니다.
설명: 인공지능 영상은 의사소통과 분위기의 수단입니다. 규모에 맞지 않으며, 현실적으로 설치할 수 없는 요소(과장된 밀도, 기후에 익숙하지 않은 식물)가 포함될 수 있습니다. 따라서 '대표적인 분위기'라고 명시하고 기술시트를 함께 제시해야 한다.
5. 면적분석에서 플롯의 평균기울기를 인공지능에게 묻는 것이 왜 잘못된 걸까요?
- A) 인공지능은 위치 측정을 할 수 없으며 숫자를 계산할 수 있습니다. GIS/현장 측정에서 가져온 측정 ✔
- 나) 인공지능이 경사를 정확하게 계산하지만 느리다.
- C) 기울기는 중요하지 않은 데이터이므로 물어볼 필요가 없습니다.
- 라) 인공지능은 경사가 아닌 제곱미터만 계산할 수 있고 거리도 계산할 수 있다.
설명: 인공 지능은 플롯을 볼 수 없으며 공간 측정을 할 수 없습니다. 그러한 질문은 자신만만하지만 근거 없는 숫자를 생성할 수 있습니다. 경사, 면적, 거리 등의 측정값은 GIS 또는 현장 조사에서 가져옵니다. 인공지능은 주어진 측정 데이터를 해석하는 데에만 사용됩니다.
6. 인공지능을 식물선별에 활용하는 가장 중요한 규칙은 무엇입니까?
- A) AI를 사용하여 후보 목록을 작성하고 지역 기후, 침입 목록, 독성 및 시장을 통해 각 종을 검증합니다. ✔
- 나) 글로벌 데이터를 기반으로 하기 때문에 AI가 제안한 목록을 프로젝트에 직접 넣는 것
- 다) 시각적으로 매력적으로 보이는 종만 선별
- 라) 검증 없이 빨리 자라서 실용적인 수종을 선호한다.
설명: AI는 전 세계 평균을 학습하기 때문에 기후 지역, 침입 상태, 독성 및 시장에 대해 잘못될 수 있습니다. 따라서 후보 목록 생성기로만 사용됩니다. 각 종은 지역 기후대, 침입종 목록, 독성 및 묘목 가용성에 대해 검증되었습니다. 검증되지 않은 타입은 프로젝트에 진입하지 않습니다.
7. 우수관리에서 인공지능의 역할과 엔지니어의 역할은 어떻게 다른가요?
- A) 인공지능은 전략과 역량 계산을 모두 안전하게 수행한다.
- B) 인공지능은 전략과 배치 아이디어를 생성합니다. 치수 및 용량은 엔지니어 계산 및 승인입니다 ✔
- C) 엔지니어는 전략만 결정하고 인공지능은 계산을 수행합니다.
- D) 크기 조정은 중요하지 않습니다. 물이 흐르는 방향이 충분하다
설명: 빗물정원, 생물저습지와 같은 솔루션의 아이디어와 배치는 설계 결정이며 인공 지능이 여기에 도움이 됩니다. 그러나 크기 조정, 용량 및 홍수 안전에는 수력학 계산 및 엔지니어 승인이 필요합니다. 잘못된 크기는 홍수나 붕괴를 의미하므로 인공지능은 유량/용량을 계산할 수 없습니다.
8. 디자인의 지속가능성을 평가할 때 가장 정확한 접근 방식은 무엇입니까?
- A) 디자인이 친환경적일수록 지속가능성이 더 높습니다.
- B) 물, 투수성, 지역 비율, 그늘, 유지 관리 및 생물 다양성 등 측정 가능한 주제에 대한 지속 가능성 평가 ✔
- 다) 식물의 수를 늘리는 것만으로도 충분하다
- D) 유지관리 비용을 고려하지 않은 집중식재
설명: '녹색을 찾는 것'은 지속가능성이 아닙니다. 많은 물을 소비하는 단일 종의 녹지 공간은 생태학적으로 열악하고 비용이 많이 들 수 있습니다. 올바른 접근 방식은 물, 투과성, 자생종 비율, 그늘, 유지 관리 및 생물 다양성과 같은 측정 가능한 주제에 대한 지속 가능성을 평가하고 약점을 개선하는 것입니다.
9. 기술도면 단계에서 인공지능이 부여하는 옹벽 '샘플 단면'의 측정값과 보강값은 어떻게 해야 하나요?
- A) AI가 표준을 알고 있기 때문에 값을 프로젝트에 직접 복사할 수 있습니다.
- B) 값은 대표적인 것입니다. 정적 상세는 지반 조사 및 엔지니어 계산에 의해 결정되며 검증 없이 도면에 포함되지 않습니다.
- C) 값은 미적인 목적으로만 사용되며 정적과는 아무 관련이 없습니다.
- 라) 인공지능이 제공하는 장비의 가치는 항상 안전한 편이다.
설명: 인공 지능은 축척/정적 도면을 생성하지 않으며 인공 지능이 제공하는 측정, 고도 및 보강 값은 대표적인 것입니다. 정적 디테일; 이는 지상 조사 및 엔지니어 계산에 의해 결정됩니다. 이러한 값은 확인 없이는 도면으로 전송할 수 없으며 이는 보안이 중요한 세부 사항에 특히 중요합니다.
10. 동일한 조경 프로젝트를 다양한 청중에게 선보일 때 가장 효과적인 접근 방식은 무엇입니까?
- A) 모든 사람에게 동일한 기술 문서 제시
- B) 효과를 높이기 위해 절감액과 이익 수치를 과장함
- C) 디자인 본질을 적용하여 각 청중이 관심 있는 사항을 자신의 언어로 전달합니다. ✔
- 라) 기술심사위원만을 위한 프레젠테이션을 준비하는 것으로 충분하다.
설명: 투자자는 비용과 가치에 관심을 갖고, 이웃은 일상의 이익과 안전에 관심을 갖고, 배심원은 개념과 기술에 관심을 갖습니다. 모든 청중이 관심을 갖는 단일 디자인 본질을 이해할 수 있는 언어로 설명합니다. 인공지능의 프레임 변환 능력을 활용하는 것이 가장 효과적인 방법이다. 같은 언어로 모든 사람에게 설명하는 것은 흔한 실수입니다.
11. 인공지능이 공원 총 비용을 직접 계산하는 것은 왜 잘못된 걸까요?
- A) 인공지능은 항상 현재 시장 가격을 알고 있습니다.
- 나) 인공지능이 비용을 계산하지만 대규모 프로젝트에서만 틀린다.
- C) 인공지능은 프로젝트의 실제 기간과 현재 가격을 알지 못합니다. 제시된 금액은 제안이 아닌 대표 금액입니다 ✔
- D) 비용은 중요하지 않습니다. 중요한 것은 디자인의 아름다움입니다.
설명: 인공 지능은 프로젝트의 실제 기간이나 현재 현지 단가를 알지 못합니다. 제공된 금액은 제안이 아닌 순전히 대표적인 금액입니다. 올바른 방법은 프로젝트 데이터에서 실제 수량과 시장에서 단가를 가져와 인공지능이 테이블을 편집하도록 하는 것입니다.
12. 인공지능을 활용한 입법 관련 가장 위험한 위험과 올바른 예방조치는 무엇입니까?
- A) 인공지능은 법률을 암기하고 있기 때문에 기사를 신뢰할 수 있다.
- B) 입법은 보편적이므로 현지 확인이 필요하지 않습니다.
- 다) 인공지능이 부여한 품목번호는 항상 최신입니다.
- D) 인공지능은 존재하지 않는 물질도 만들어낼 수 있다. 모든 조항은 공식 최신 출처 및 기관으로부터 확인을 받아야 합니다 ✔
설명: 법률은 지역적이고 최신이며 해석이 가능합니다. AI가 존재하지 않는 항목 번호나 규칙(환각)을 만들어낼 수도 있습니다. 올바른 예방 조치는 이를 확인하지 않고 어떤 조항도 사용하지 않는 것입니다. 제공한 공식 텍스트를 요약하고, 체크리스트와 관계자에게 질문을 생성하고, 공식 현재 소스에서 항목을 확인하는 용도로만 인공지능을 사용하는 것입니다.
13. 고객 계약, 소포 정보 등의 데이터에 인공 지능을 사용하는 경우 어떤 원칙이 적용됩니까?
- A) 속도가 중요하기 때문에 모든 서류는 그대로 업로드 가능합니다.
- B) 계약 데이터는 AI에 중요하지 않으며 무시됩니다.
- 다) 소포정보는 개인정보로 간주되지 않으므로 자유롭게 공유할 수 있습니다.
- D) 기밀 및 개인 데이터는 통제 없이 공유되지 않습니다. 필요한 경우 익명으로 사용됨 ✔
설명: 고객 신원, 소포 정보, 계약서 및 개인 데이터를 통제되지 않은 방식으로 인공 지능 도구에 업로드해서는 안 됩니다. 필요한 경우 데이터는 익명화를 통해 공유됩니다. 기밀 유지는 모듈 전체에서 강조되는 핵심 윤리 원칙 중 하나입니다.
14. 인공지능으로 프로젝트를 엔드투엔드(end-to-end) 실행할 때 변하지 않는 세 가지 원칙은 무엇입니까?
- A) 한 번의 요청으로 모든 것을 요청하고, 결과를 확인하고, 전달합니다.
- 나) 인공지능이 결정하고, 인간은 실행만 한다
- 다) 검증을 축적하고 프로젝트 종료 시 일괄적으로 수행
- D) 인공지능은 생산하고 인간은 선택하고 소유한다. 모든 중요한 출력이 검증됩니다. 결정과 서명은 전문가의 몫입니다 ✔
설명: 엔드투엔드 워크플로우에서는 세 가지 원칙이 모든 단계에서 반복됩니다. AI 유형 및 가속화, 인간이 선택하고 소유합니다. 모든 숫자, 로컬 및 보안에 중요한 출력이 확인됩니다. 결정과 서명은 유능한 전문가에게 속합니다. 이러한 원칙은 적용 대상이 바뀌더라도 변함없이 유지됩니다.