FOWOCO는 E-9 외국인근로자를 고용한 사업장의 반복 HR·행정업무를 구조화하고, 담당자가 다음 행동을 놓치지 않도록 지원하는 AI 업무보조 서비스입니다.
이 저장소는 Agent가 참고할 업무 지식과 공식 출처뿐 아니라, HR 발화문을
Intent + evidence로 분류하기 위한 데이터 계약·검수·평가 및 모델 실험 이력을
함께 관리합니다. 운영 앱과 모델 서버를 구현하는 저장소는 아닙니다.
Important
🤗 FOWOCO Hugging Face Model Hub
학습 checkpoint, adapter, tokenizer, model card와 공개 가능한 데이터셋은 FOWOCO Hugging Face 조직에서 배포합니다.
HR 담당자의 입력에서 다음 7개 Intent를 하나 이상 찾고, 판단 근거가 되는 원문의
연속 구간을 evidence로 반환합니다.
WORKER_ONBOARDING: 신규 근로자 등록·초기 처리EXPIRY_RENEWAL: 체류·계약·고용허가 만료와 갱신 준비DOCUMENT_REQUEST: 서류 요청·수령·미제출 추적PAYROLL_EXPLANATION: 급여·수당·공제 설명WORK_INSTRUCTION: 작업·근무일정·현장 안내EMPLOYMENT_CHANGE: 퇴사·결근·사업장 변경 등 고용상태 변동OUT_OF_SCOPE: 지원 범위 밖 요청
모델은 Intent와 evidence까지만 판단합니다. Workflow 선택, 외부기관 제출, 법적 판단과 업무 완료는 규칙 검증과 HR 담당자 승인 이후에 처리합니다.
| 단계 | 내용 | 저장소 상태 |
|---|---|---|
| 규칙·후보 데이터 | Intent 규칙 v1.1, evidence exact substring, HR 발화문 1,340건 | main 반영 |
| A/B 재검수 | 경계 사례 독립 검수와 consensus | #31, #35 검토 중 |
| 모델링 계약 | 유사 템플릿 누수를 막은 Train 1,072건 / Validation 268건 분할 | #33 검토 중 |
| 기준 실험 | 수정 전 라벨 baseline과 A.X 테스트 도구 | #37이 #33 브랜치에 병합됨 |
| 모델 비교 | A.X-4.0-Light와 KLUE-RoBERTa 실험 | 산출물 반영 예정 |
아래 수치는 팀의 최신 Validation 268건 실험 기록입니다. 독립적으로 잠긴 Test 성능이나 운영 성능을 의미하지 않습니다.
| 모델 | Intent Exact Match | 결론 |
|---|---|---|
| A.X-4.0-Light Few-shot | 0.7612 | 초기 기준선 |
| A.X-4.0-Light QLoRA | 0.9254 | 복잡한 입력의 보조 모델 후보 |
| KLUE-RoBERTa Full FT | 0.9590 | 메인 모델 후보, 약 186ms |
| KLUE-RoBERTa LoRA | 0.9104 | Full FT보다 낮아 기각 |
A.X QLoRA는 evidence exact match가 0.7377로 Few-shot의 0.1667보다 크게
개선됐습니다. BERT Full FT는 Intent 분류 성능과 응답속도가 가장 좋았습니다.
HR 입력
-> BERT Intent 분류
-> 복잡도·경계 패턴·예측 margin 검사
-> 위험하거나 불확실함: A.X로 라우팅
-> 그 외: BERT 결과 사용
-> 출력 Schema 검증
-> Workflow 선택과 HR 승인
A.X 라우팅 후보 조건은 다음과 같습니다.
- 활성 Intent가 3개 이상인 복잡한 문장
- 완료·상태보고, 급여계좌, 서류 확보 등 검증된 경계 패턴
- 선택·비선택 Intent 사이의 margin이
0.76미만인 불확실한 예측
현재 Validation에서는 34.3%가 A.X 라우팅 대상으로 선택됐고, BERT 오답이 모두 라우팅 조건에 포함됐습니다. 이는 A.X가 모든 오답을 정정했다는 뜻이 아니며, 같은 Validation에서 만든 규칙이므로 별도 Test에서 다시 검증해야 합니다.
main에는 HR 발화문 후보 데이터 1,340건과 Intent 규칙 v1.1이 있습니다.- A/B consensus와 고정 split은 아직
main에 병합되지 않았습니다. - consensus 또는 원본이 변경되면 split과 모델 평가는 다시 생성해야 합니다.
- Validation은 모델 개발용이며 최종 성능 주장을 위한 Gold Test가 아닙니다.
- 실제 개인정보와 기업정보는 학습·평가 데이터에 저장하지 않습니다.
최신 BERT·A.X 학습 checkpoint와 운영 서빙 코드는 아직 main에 포함하지 않습니다.
FOWOCO Hugging Face는 모델 산출물의 공식 공개 창구입니다. GitHub에는 재현과 검증에 필요한 규칙·계약·코드를, Hugging Face에는 실제로 배포할 모델 파일과 설명을 둡니다.
| 위치 | 관리 대상 |
|---|---|
| Hugging Face | checkpoint, adapter, tokenizer, model card, 공개 가능한 데이터셋 |
| GitHub | 업무 지식, 라벨 규칙, 데이터 계약, 분할·평가 코드, 실험 기록 |
현재 Hugging Face 조직에는 공개된 모델·데이터셋이 없습니다. 산출물을 게시할 때는 학습 데이터 version·SHA-256, 평가 조건, 라이선스와 사용 한계를 model card에 함께 기록합니다.
- 최종 consensus 데이터·manifest와 모델 실험 산출물의 저장소 반영
- 독립 Gold Test에서 BERT·A.X·Cascade 재평가
- BERT 경로의 evidence 추출 방식 확정
- 다중 근로자·다중 지시 문장 보강
- A.X GPU 서빙과 실제 운영 환경의 속도·자원 측정
- 학습·서빙 코드는 최종적으로
fowoco/ai로 이전
fowoco-knowledge/
├── knowledge/ # Intent·Workflow·Guardrail·공식 링크
├── data/ # Seed·Intent·평가·공공 정규화 데이터
├── schemas/ # 데이터·모델 출력 계약
├── src/ # Knowledge 검증·조회 CLI
├── tests/ # Schema·누수·재현성 테스트
└── docs/ # 라벨·검수·모델링·출처 문서
python3.11 -m venv .venv
make install
make check세부 기준은 다음 문서를 참고합니다.
- 모델 출력만으로 법률·체류·급여·신고 결론을 확정하지 않습니다.
- 외부기관 제출과 근로자 안내 발송은 HR 승인 후 수행합니다.
- 실제 외국인등록번호, 여권번호, 전화번호, 계좌번호를 저장하지 않습니다.
- 날짜·금액·서류명·제출처·대상자·기한의 누락과 변경을 중점 검증합니다.