점검표

개요

이 체크리스트는 현재 시스템의 하네스 도입 전략이 현실적인지 빠르게 점검하기 위한 것이다.

답이 아니오인 항목이 많을수록, 문제는 원칙 부족보다 adoption strategy 부족일 가능성이 크다.

상세 판단이 필요하면 cost-sources, scope-selection, strictness-calibration, exception-policy를 함께 보면 된다. AI 관련 항목은 AI 작업자 하네스를 같이 보면 된다.

1. cost understanding ^{비용 이해}

• 초기 투자 비용과 반복 유지 비용을 구분하고 있는가
• 숨은 비용인 review 반복, bypass 수리, AI 오작동 비용을 보고 있는가
• payoff가 작은 영역까지 동일 강도로 묶고 있지 않은가
• 합법 경로 없이 enforcement부터 붙이려는 곳은 없는가

2. scope selection ^{범위 선택}

• 반복 위반과 payoff가 큰 표면부터 시작하고 있는가
• 핵심 경로와 주변부를 같은 타이밍에 묶고 있지 않은가
• ownership이 명확한 영역부터 도입하고 있는가
• 작은 성공을 관찰할 수 있는 범위를 먼저 잡았는가

3. strictness calibration ^{강도 조절}

• hard fail이 필요한 경계와 soft transition이 필요한 영역을 구분하는가
• 합법 경로 준비 전에 강한 금지를 걸고 있지 않은가
• legacy와 new code를 같은 강도로 즉시 묶고 있지 않은가
• validator 메시지는 soft stage에서도 충분히 구체적인가

4. exception policy ^{예외 정책}

• 예외마다 이유와 종료 조건이 남는가
• blanket disable이나 permanent exception이 방치되지 않는가
• 예외 개수를 추적할 수 있는가
• 반복 예외를 구조 결핍 신호로 읽고 있는가

5. AI coding stress test ^{AI 환경 점검}

• AI가 가장 자주 건드리는 표면을 우선 도입 범위에 넣었는가
• 예외 코드보다 canonical path 예시가 더 많이 노출되는가
• 모호한 soft rule 때문에 우회가 더 늘어나고 있지 않은가
• 하네스를 미루는 비용이 AI 환경에서 더 빨리 커지는 점을 반영하고 있는가

요약

좋은 adoption strategy는 다음을 만족한다.

• 비용을 정확히 보고
• 범위를 잘 고르고
• 강도를 조절하며
• 예외를 구조 밖 구멍으로 방치하지 않는다

이 항목들이 약하다면, 시스템은 원칙은 갖고 있어도 실제 도입에서 계속 미끄러지고 있는 상태다.