대규모 언어 모델이 생성하는 기술 문서는 길이 제한과 정확성 측면에서 일관성이 부족하기 쉽습니다.이에 1983년부터 항공우주 분야에서 사용되어 온 제어 언어 ASD-STE100의 규칙을 LLM 출력에 직접 강제하는 SimpleEnglish Agent Skill이 공개됐습니다.이번 글은 규칙 기반 결정론적 제어가 모델 산출물의 정확성과 비용에 어떤 영향을 주는지 실험 결과와 함께 정리합니다.
- SimpleEnglish는 ASD-STE100의 53개 규칙을 LLM 출력에 강제하는 Agent Skill이며 Claude Code와 Cursor에서 동작합니다
- Claude 6개 모델과 8개 작업을 두 조건으로 교차 검증한 96회 평가에서 100단어당 STE 위반이 평균 72.9% 감소했습니다
- 모든 모델에서 출력 토큰이 줄어 문서 품질과 비용 효율이 동시에 개선된 것으로 나타났습니다
규칙 강제형 프롬프팅은 도메인 표준을 그대로 LLM 산출물에 전이해 결정론적 제어의 새로운 접근을 제시합니다
배경 LLM 기술 문서의 모호성과 제어 언어의 필요성
LLM은 문장 길이, 시제, 태 수동태와 능동태, 조건과 지시의 순서를 자유롭게 조합하기 때문에 동일 요청에서도 결과가 들쭉날쭉합니다.특히 오류 메시지나 런북처럼 정확한 명령 전달이 중요한 영역에서는 모호한 표현이 그대로 운영 사고로 이어질 수 있습니다.이와 같은 배경에서 1983년부터 항공우주 정비 매뉴얼에 적용된 통제 언어 ASD-STE100이 다시 주목받고 있습니다.
ASD-STE100의 역사와 항공우주 분야 적용 사례
ASD-STE100은 영어 기반 통제 언어로, 한 문장에 하나의 지시만 허용하고 조건을 먼저 배치하도록 강제하는 53개 규칙 체계를 제공합니다.유럽 항공우주 산업 표준으로 출발해 정비사와 운영자가 한 번에 정확히 이해하도록 설계됐으며,수십 년간 사고 예방과 해석 일관성에 기여한 것으로 평가받습니다.
SimpleEnglish Agent Skill 개요
SimpleEnglish는 Agent Skills 표준을 따르는 경량 스킬 형태로 GitHub 저장소 github.com/AminBlg에 공개됐습니다.사용자가 명시적으로 호출하거나 설정에 등록하면 시스템 프롬프트 후처리에 동작해 LLM 출력을 사후 필터링이 아니라 작성 단계에서 규칙 준수 형태로 유도합니다.
설계 SimpleEnglish의 53개 규칙 구조
53개 규칙은 크게 문장 제약과 구조 제약 두 축으로 구성됩니다.문장 제약은 길이 제한 능동태 단순 시제 등을,구조 제약은 조건 우선 배치와 문장당 하나의 지시 같은 명령 전달 규칙을 포함합니다.이를 통해 LLM은 자연스러운 영어를 그대로 흉내 내는 것이 아니라 통제된 문장 단위로 출력을 구성하도록 요구받습니다.
문장 제약 규칙 길이 시제 태
문장 길이 제한은 한 문장에 담기는 정보를 의도적으로 축소해 독자의 인지 부담을 줄입니다.능동태와 단순 시제 강제는 행위 주체와 시점을 명료하게 만들어 오독 가능성을 낮춥니다.이런 제약은 LLM이 자주 범하는 과도한 수식어 사용과 시제 혼선을 사전에 차단합니다.
구조 제약 규칙 조건 우선 배치 문장당 단일 지시
조건을 먼저 기술하고 동작을 나열하는 규칙은 IF THEN 표현을 자연스럽게 만들며,문장당 단일 지시 규칙은 한 문장이 하나의 명령만 담도록 제한합니다.이 두 규칙은 운영 매뉴얼과 사고 보고서에서 가장 빈번히 요구되는 결정론적 흐름을 그대로 코드로 옮긴 것으로 보입니다.
적용 대상 문서 유형과 도구 통합 Claude Code Cursor
SimpleEnglish는 일반 문서뿐 아니라 오류 메시지 런북 사고 보고서 릴리스 노트 프롬프트 번역 준비 등 다양한 기술 산출물에 적용 가능합니다.에이전트 스킬 표준을 따르기 때문에 Claude Code와 Cursor 같은 코딩 어시스턴트에서 손쉽게 활성화할 수 있는 것으로 분석됩니다.
평가 Claude 6개 모델 96회 실험 결과
Claude 6개 모델과 8개 작업을 두 가지 조건으로 교차 검증한 96회 실험이 수행됐습니다.첫 번째 조건은 규칙 미적용, 두 번째 조건은 SimpleEnglish 적용으로 동일 프롬프트를 재생성 했으며 STE 위반 여부와 출력 토큰 수를 기록했습니다.
100단어당 STE 위반 72.9% 감소의 의미
실험 결과 100단어당 STE 위반이 평균 72.9% 감소했습니다.이는 전환 후 산출물이 항공우주 통제 언어 기준에 더 부합한다는 직접 증거이며,도메인 표준을 LLM 학습 데이터에 섞지 않고도 출력 단계에서 강제할 수 있음을 보여줍니다.규칙 강제 방식이 단순 가이드라인 제공보다 효과적이라는 점을 시사합니다.
모델별 출력 토큰 감소와 비용 효과
실험은 6개 모델 모두에서 출력 토큰 수가 함께 줄어든 것으로 나타났습니다.한 문장 단일 지시와 길이 제한이 수사를 줄이고 장황한 접속사를 제거하기 때문입니다.따라서 SimpleEnglish는 품질 지표뿐 아니라 모델 호출 1회당 비용 절감 효과도 함께 제공합니다.
| 구분 | 세부 항목 | 단위 또는 수치 |
|---|---|---|
| 적용 규칙 | ASD-STE100 규칙 수 | 53개 |
| 평가 대상 | Claude 모델 수 / 작업 수 / 조건 수 | 6개 / 8개 / 2개 |
| 총 평가 횟수 | 모델 × 작업 × 조건 | 96회 |
| STE 위반 감소율 | 100단어당 평균 | 72.9% |
| 출력 토큰 | 전 모델 추세 | 감소 |
| 지원 도구 | 예시 | Claude Code, Cursor |
시사점 규칙 강제형 프롬프팅과 산업 표준의 결합
ASD-STE100과 같은 검증된 산업 표준을 LLM의 출력 단계에 직접 이식하는 방식은 새로운 형태의 거버넌스 모델을 제시합니다.규칙의 출처가 학계가 아닌 산업 안전 표준이라는 점에서 설명 책임이 명확하며,유지 보수 체계를 그대로 따를 수 있다는 장점이 있습니다.
책임 있는 AI와 문서 품질 거버넌스 관점
규칙 강제형 프롬프팅은 책임 있는 AI 원칙 중 신뢰성과 투명성 항목과 직접 연결됩니다.출력 검증 로그를 따로 두지 않아도 표준 위반 자체가 줄어들며,이는 사후 필터링 대비 비용 효율이 높은 것으로 분석됩니다.다만 규칙 세트가 영문에 최적화돼 있어 한국어 등 다른 언어에 그대로 적용할 수 있는지는 추가 연구가 필요해 보입니다.
결론 및 향후 과제
SimpleEnglish Agent Skill은 53개 규칙을 통해 LLM 기술 문서를 결정론적으로 제어하는 새로운 접근을 보여줍니다.96회 평가에서 72.9%의 STE 위반 감소와 전 모델의 토큰 절감이 보고된 만큼,운영 매뉴얼과 사고 보고서 작성 과정에서 즉시 활용 가치가 있을 것으로 분석됩니다.향후 과제로는 한국어 등 다국어 통제 규칙 확장,규칙 세트 자동 검증 도구 연동,기업 내부 표준 문서와의 결합 시 검증이 남아 있습니다.
핵심 정리
- SimpleEnglish는 53개 ASD-STE100 규칙을 LLM 출력에 강제하는 Agent Skill이다
- Claude 6개 모델 96회 평가에서 100단어당 STE 위반이 평균 72.9% 감소했다
- 모든 모델에서 출력 토큰이 줄어 품질과 비용 효율이 동시에 개선되었다
- Claude Code 및 Cursor 같은 Agent Skills 표준 도구에서 바로 사용할 수 있다
- 규칙 강제형 프롬프팅은 산업 표준을 LLM 거버넌스로 직접 이식하는 새로운范式를 제시한다
참고 자료