---
title: "Human Approval — 인간 승인"
description: "고비용·고위험·고영향 의사결정은 인간 승인 흐름 안에 둔다."
canonical: "https://architecture.reopt.ai/ko/patterns/human-approval"
language: "ko"
alternate-markdown: "https://architecture.reopt.ai/patterns/human-approval.md"
site-index: "https://architecture.reopt.ai/llms.txt"
source: "reopt architecture"
---

# Human Approval — 인간 승인

> 고비용·고위험·고영향 의사결정은 인간 승인 흐름 안에 둔다.

- **Category:** 신뢰와 검증
- **OCLS phase:** SHARPEN
- **Slug:** `human-approval`

## 판단 질문

언제 에이전트가 멈추고 사람에게 넘겨야 하는가?

## Context

에이전트의 자율 실행 범위가 넓어질수록 고비용 작업, 되돌리기 어려운 변경, 외부에 영향을 미치는 결정이 저절로 실행될 위험이 커진다. 모든 것을 승인받으면 병목이 되고, 아무것도 승인받지 않으면 사고가 난다.

## Problem

인간 승인 지점을 정해두지 않으면 에이전트가 고위험 작업을 제멋대로 실행하거나, 반대로 사소한 작업까지 승인을 요청해 전체 흐름이 멈춘다. 승인 기준이 암묵적이면 에이전트마다 판단이 갈리고 감사 추적도 불가능해진다.

## Forces

- 승인 지점이 많으면 안전한 대신 처리 속도가 느려지고, 적으면 빠르지만 위험이 커진다.
- 비동기 승인은 흐름을 덜 막는 대신 대기 시간이 길어질 수 있고, 동기 승인은 즉시 반영되지만 병목이 된다.
- 자동 승인 규칙을 들이면 효율적이지만 규칙이 어긋나면 위험한 작업이 그대로 통과한다.

## Solution

비용, 위험도, 영향 범위를 기준으로 승인이 필요한 작업을 명시적으로 가른다. 저위험 작업은 자동 승인, 중위험은 사후 검토, 고위험은 사전 승인으로 단계를 나눈다. 승인 흐름은 에이전트의 실행 루프에 심되, 승인을 기다리는 동안에도 다른 작업을 이어갈 수 있는 비동기 구조를 기본으로 둔다. 모든 승인 이벤트는 로그에 남긴다. 승인 판단의 분류 기준은 Anthropic의 [Claude Code Auto Mode]가 제시한 네 가지 위협 유형을 참고할 수 있다. (1) 과잉 행동(overeager)은 목표는 이루되 허용 범위를 넘고, (2) 정직한 실수(honest mistakes)는 리소스 범위나 소유권을 오해하며, (3) 프롬프트 인젝션은 도구 출력에 심긴 악의적 지시이고, (4) 모델 정렬 오류는 독립적 목표를 좇는다. 분류기는 보수적 기본값을 적용해 '에이전트가 스스로 고른 것은 사용자가 명시적으로 허용하기 전까지 모두 미승인'으로 다룬다.

## 적용 시나리오

_예시 시나리오 — 본 페이지의 수치와 기업명은 패턴 설명을 위한 가상 사례이며, 실측 데이터가 아닙니다._

고객 상담 시스템의 승인 분류 매트릭스를 보자. 저위험(자동 승인)은 일반 문의 응답, FAQ 안내, 배송 상태 조회다. 중위험(사후 검토)은 10만원 이하 부분 환불, 쿠폰 발급, 배송지 변경이다. 고위험(사전 승인)은 10만원 초과 전액 환불, 계약 해지, 법적 책임 언급, 경쟁사 비교 발언이다. Escalation Agent가 고위험으로 분류하면 응답 초안과 근거를 함께 승인 큐에 넣고, 승인을 기다리는 동안에도 다른 문의를 계속 처리한다. 승인·거절 결과와 사유는 모두 로그에 남아 분류 기준을 정기 검토하는 데이터가 된다.

## 이렇게 하면 무너진다

승인 기준 없이 운영하면 에이전트가 전액 환불을 자동으로 처리하거나 법적 책임을 시인하는 응답을 보내는 사고가 난다. 반대로 모든 응답에 승인을 요구하면 처리 시간이 평균 2시간에서 8시간으로 늘어 고객 이탈률이 치솟는다. 암묵적 기준에 기대면 주간 팀과 야간 팀의 승인 판단이 갈려 일관성이 무너진다.

## 구현 패턴 연결

- Human-in-the-Loop

비동기 승인 큐와 승인/거절 콜백이 핵심 구현 요소. 승인 대기 중에도 다른 작업을 계속하는 비동기 구조를 기본으로 한다.

## 관련 문서

- [Evaluation and Guardrails — 평가와 가드레일](https://architecture.reopt.ai/ko/patterns/evaluation-and-guardrails.md)
- [Responsibility Partitioning — 책임 분할](https://architecture.reopt.ai/ko/patterns/responsibility-partitioning.md)

## References

- Practices for Governing Agentic AI Systems — OpenAI
- Model AI Governance Framework for Agentic AI — IMDA (Singapore)

## 이 패턴을 적용하기

저장소에서 리뷰 스킬을 사용하고, 관련 아티클의 구현 결정과 비교한다. 각 예제를 자신의 권한, 데이터, 실패 조건에 맞춰 검토한다.

- [리뷰 스킬: reopt-human-approval](https://architecture.reopt.ai/ko/skills/reopt-human-approval.md) — 에이전트가 영향이 큰 행동을 실행할 때 사용하는 Claude Code 스킬. 승인 경계, 에스컬레이션 조건, 사람의 판단 흐름을 점검한다.

### 관련 구현 기록

- [루프의 비즈니스 경제학 — 토큰으로 버는 법과 버티는 법](https://architecture.reopt.ai/ko/articles/loop-business-economics.md) — 비용을 통제하는 것만으로는 루프가 지속되지 않는다. 토큰 단가와 마진으로 수익 구조를 보고, 자급·투자·생태계 세 경로 중 어떻게 버틸지를 고른다. 각 경로의 현실적 문제와 최고·최악 시나리오를 reopt architecture의 진화 단계 언어로 정리한다.
- [Reopt Agentic Governance 구현기: 진단에서 시스템까지](https://architecture.reopt.ai/ko/articles/reopt-agentic-patterns-in-production.md) — 8개 AI 에이전트를 운영하는 프로덕션 SaaS에서 reopt architecture 원칙으로 거버넌스 공백을 진단하고, 범용 감사 로깅, 영속적 승인 기록, MCP 추적·속도 제한, 에이전트 제약, Admin 대시보드까지 구현한 과정.

---

_이 문서는 https://architecture.reopt.ai/ko/patterns/human-approval 의 마크다운 표현이다. 전체 색인: https://architecture.reopt.ai/llms.txt HTML 원본: https://architecture.reopt.ai/ko/patterns/human-approval · English: https://architecture.reopt.ai/patterns/human-approval.md_