AIGP 검증 방법론

AIGP 검증 방법론은 식당 추천을 감으로만 정리하지 않고, 공개 데이터와 구조화된 기준으로 비교하기 위한 운영 원칙입니다. 핵심은 식당을 하나의 독립된 Entity로 보고, 그 식당에 대한 Claim, Evidence, Trust를 분리해 관리하는 것입니다. 이 구조 덕분에 AIGP는 단순 목록이 아니라 설명 가능한 맛집 데이터 플랫폼을 지향합니다.

1단계: 식당 Entity 정리

먼저 식당명, 지역, 음식 종류, 주소 힌트, 지도 링크, 공개 페이지 URL을 기준으로 식당 Entity를 만듭니다. 같은 이름의 지점이 여러 곳인 경우 지역과 지점명을 함께 확인합니다. 상호 변경, 이전, 폐업 가능성이 있는 항목은 검증 진행 상태로 남기고 무리하게 확정하지 않습니다.

2단계: Claim 분리

“성시경 먹을텐데에 등장했다”, “평양냉면 후보로 분류된다”, “강남구 고기 맛집 후보이다” 같은 문장은 각각 별도의 Claim입니다. Claim을 분리하면 어떤 주장에 어떤 근거가 붙어 있는지 확인할 수 있습니다. 한 식당이 여러 Claim을 가질 수 있고, Claim마다 근거 수준이 다를 수 있습니다.

3단계: Evidence 연결

Evidence는 공개 출처, 방문 인플루언서, 리뷰 규모, 지도 정보, 내부 업데이트 기록처럼 Claim을 뒷받침하는 신호입니다. AIGP는 리뷰 본문을 대량 저장하는 방식보다, 공개적으로 확인 가능한 출처와 수치·관계 정보를 중심으로 Evidence를 관리합니다. 출처가 부족하면 점수를 억지로 만들지 않고 “검증 진행중”으로 표시합니다.

4단계: Trust 산정

Trust는 단일 별점이 아닙니다. 여러 검증 인플루언서의 중복 방문, 리뷰 규모, 음식·지역 맥락, 데이터 최신성, 출처 신뢰도를 종합해 참고 지표로 계산합니다. Trust Score는 방문 후보를 빠르게 좁히기 위한 도구이지, 모든 사람에게 동일하게 맞는 절대 평가가 아닙니다.

5단계: 공개 검토와 업데이트

식당 상세 페이지에는 신뢰도 설명, 데이터 출처, 방문 전 체크포인트를 표시합니다. 허브 페이지는 지역·음식·인플루언서 관점에서 식당을 다시 묶습니다. 데이터는 지속적으로 업데이트되며, 오류 제보가 들어오면 공개 근거를 기준으로 수정합니다.

품질 기준

근거 없는 단정 표현을 피한다.
출처가 약한 데이터는 후보로 분리한다.
방문 전 공식 정보 확인을 안내한다.
점수보다 설명 가능성을 우선한다.
검색 노출보다 독자의 실패 확률 감소를 우선한다.

점수 체계의 세부 항목은 AI Trust Engine에서 확인할 수 있습니다. AIGP는 이 방법론을 통해 “자동 생성 목록”이 아니라 “검증 기준이 공개된 데이터 플랫폼”으로 운영됩니다.

AIGP가 중요하게 보는 신뢰 신호

AIGP는 페이지 수를 늘리는 것보다 독자가 실제 의사결정에 사용할 수 있는 근거를 남기는 것을 더 중요하게 봅니다. 그래서 각 페이지는 식당 Entity, 공개 Claim, 확인 가능한 Evidence, 설명 가능한 Trust를 연결하는 방식으로 운영됩니다. 이 구조는 검색 노출만을 위한 문서가 아니라, 심사자와 독자가 모두 확인할 수 있는 운영 기준입니다.

업데이트와 검토 원칙

데이터가 부족한 항목은 확정처럼 표현하지 않고 검증 진행 상태로 분리합니다. 새 출처가 확인되면 식당 상세, 지역 허브, 인플루언서 허브, AI 요약, 내부 링크를 함께 갱신합니다. 오류 제보가 들어오면 공개적으로 확인 가능한 근거를 우선하며, 방문 전 공식 지도와 매장 공지를 다시 확인하도록 안내합니다.