AI 권고와 사람 결정으로 환불 검토하기

속도와 책임을 함께 묻는 환불 요청

가상의 전자제품 쇼핑몰 QuickReturn에는 소액 반품부터 고가 노트북 환불까지 섞여 들어옵니다. 모든 근거를 사람이 처음부터 찾으면 느리고, 위험 점수나 AI 권고만으로 승인하면 정책과 고객 맥락을 놓칠 수 있습니다.

오늘은 QuickReturn 지원·리스크 담당자가 되어 다음 질문에 답합니다.

어떤 환불 검토를 자동화하고, 어느 시점부터 사람이 최종 결정을 책임져야 할까요?

이번 미션의 판단 기준

• 함께 보는 관점 — 지원 운영 관점은 반복 근거 수집을 빠르게 만들고, 리스크 검토 관점은 위험도와 정책 근거를 확인하며, 사람 검토자는 최종 결정과 책임을 맡습니다.
• 판단 제약 — 현재 합성 시드의 위험도는 medium 5건·low 7건·high 0건입니다. Agent의 고정 학습 응답과 Actor 결과는 실제 환불·메일·감사 이력의 영속 저장을 뜻하지 않습니다.
• 완료 신호 — 주문 12건의 근거를 보강하고 위험도로 검토 순서를 만든 뒤, 정책을 인용한 AI 권고가 사람 확인 전에는 후속 실행으로 넘어가지 않는 책임 경계를 설명합니다.

워크숍 목표

• 주문·고객·환불 이력을 한 검토 묶음으로 보강합니다.
• 위험 점수를 승인 결과가 아니라 검토 순서 신호로 사용합니다.
• 환불 정책을 검색해 AI 권고가 참조할 근거를 만듭니다.
• AI 권고와 사람의 최종 결정을 분리합니다.
• 사람 확인 뒤의 자동 Actor 결과와 실제 영속 기록을 구분합니다.

일곱 번의 판단

flowchart LR
    accTitle: 환불 권고와 사람 결정을 분리하는 일곱 판단
    accDescr: 환불 요청에서 시작해 주문 근거와 정책을 모으고 사람 결정을 요구한 뒤 퀴즈로 권고와 기록의 경계를 점검해 책임 있는 처리 흐름을 설명합니다.
    request["1. 요청 정하기"] --> evidence["2. 근거 보강"]
    evidence --> risk["3. 검토 순서"]
    risk --> policy["4. 정책 검색"]
    policy --> human["5. 사람 결정"]
    human --> check["6. 책임 퀴즈"]
    check --> explain["7. 책임 설명"]

각 챕터는 질문 → 이유 → 행동 → 관찰 → 해석 → 다음 판단 순서로 진행합니다. “AI가 승인한다”가 아니라 어떤 근거를 모으고 어디에서 멈추는지 확인합니다.

사전 준비

• D.Hub 포털에 접근할 수 있는 지원 운영자 또는 리스크 분석가 계정 (편집자 이상)
• 약 37 KB의 시나리오 zip 파일을 받을 다운로드 여유
• Agent를 직접 실행하려면 관리자가 Claude Sonnet 4.6 (환불) 모델에 API 키를 설정한 환경
• 권장 소요 시간 90분

터미널·Python·dhub2-examples 클론은 필요하지 않습니다. 모델 자격 증명이 없다면 배치, 그래프, 대시보드 실습은 그대로 진행하고 Agent 챕터에서는 도구·Actor 계약을 읽어도 됩니다.