Files
2nd/10_Wiki/Topics/AI/Lessons Learned.md
T

2.1 KiB

id, category, confidence_score, tags, last_reinforced
id category confidence_score tags last_reinforced
P-REINFORCE-AUTO-LELE-001 10_Wiki/💡 Topics/AI 0.94
auto-reinforced
lessons-learned
feedback
post-mortem
review
optimization
2026-04-20

Lessons Learned

📌 한 줄 통찰 (The Karpathy Summary)

"실패를 지혜로 바꾸는 기록: 프로젝트가 종료된 후 무엇이 잘되었고 무엇이 잘못되었는지를 있는 그대로 기록하여, 똑같은 실수를 반복하지 않고 성공의 비결은 조직의 자산으로 내재화하는 실용적 회고."

📖 구조화된 지식 (Synthesized Content)

레슨런(Lessons Learned)은 경험을 통해 얻은 교훈을 체계적으로 수집하고 분석하는 프로세스입니다.

  1. 핵심 질문:
    • 원래 목표는 무엇이었는가?
    • 실제 결과는 어떠했는가? (KPI (Key Performance Indicator)와 비교)
    • 예상과 결과가 달랐던 근본 원인은 무엇인가? (Analysis와 연결)
    • 다음에 똑같은 일을 한다면 무엇을 다르게 할 것인가?
  2. 왜 중요한가?:
    • 경험을 단순한 '기억'이 아닌 공유 가능한 '데이터'로 변환함으로써 조직의 학습 속도를 비약적으로 높임. (Intangible-Capital의 축적)

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

  • 과거 데이터와의 충돌: 과거에는 책임자를 질타하는 '문책형 회고 정책'이 많았으나, 현대 정책은 실패를 안전하게 공개하고 배우는 '무비난 회고(Blameless Post-mortem) 정책'이 조직 문화의 핵심 정책이 됨(RL Update).
  • 정책 변화(RL Update): 단순히 문서를 남기는 정책을 넘어, 교훈을 즉시 시스템의 원칙 정책이나 체크리스트 정책으로 코드화하여 강제하는 '행동 유도형 레슨런 정책'으로 진화함.

🔗 지식 연결 (Graph)