건강 지식 서적의 주장을 구조화하면 AI 답변은 어떻게 달라질까?

『체질혁명』 수체질 자료를 이용한 구조화 전후 비교

1. 하려던 것

건강 분야 서적을 읽다 보면 흥미로운 설명과 실천 방법을 많이 만나지만, 시간이 지나면 다음과 같은 문제가 생긴다.

- 어떤 책에서 본 내용인지 기억하기 어렵다.

- 저자의 주장과 일반적으로 확인된 사실이 섞인다.

- 특정 사례를 여러 사람에게 적용할 수 있는 설명으로 일반화하기 쉽다.

- 같은 주제를 다시 찾으려면 책과 메모를 처음부터 읽어야 한다.

- AI에게 원문을 주면 내용이 많은 만큼 불확실한 부분까지 자연스럽게 채워서 답할 수 있다.

나는 장기적으로 책·강의·영상에서 공부한 내용을 약국의 영양·생활습관 상담과 콘텐츠 제작에 활용할 수 있는 지식망을 만들고 싶다.

하지만 처음부터 복잡한 온톨로지를 만드는 대신, 이번 과제에서는 다음과 같은 작은 질문에서 시작했다.

> 건강책의 내용을 간단하게 구조화해 제공하면, AI가 저자의 주장·특정 사례·불확실한 정보를 더 잘 구분할 수 있을까?

실험 자료로는 최근 읽고 정리한 『체질혁명』을 사용했다. 책 전체를 구조화하지 않고, 수체질에 관한 내용만 작은 범위로 정했다.

이번 실험은 8체질 이론의 의학적 타당성을 검증하기 위한 것이 아니다.

책에서 저자가 무엇을 주장했고, 어떤 원리와 사례를 제시했는지를 AI가 얼마나 안정적으로 구분해 답하는지 살펴보는 것이 목적이다.

2. 활용한 자료와 도구

*자료

내가 『체질혁명』에서 중요하다고 생각한 내용을 정리한 13쪽짜리 PDF를 사용했다.

이 PDF에는 다음이 함께 들어 있었다.

- 책 본문 캡처

- 체질별 음식표

- 수체질에 관한 설명

- 저자가 제시한 진료실 사례

- 내가 추가한 메모

PDF를 로컬 OCR로 변환하여 하나의 Markdown 파일로 만들었다.

다단으로 배치된 화면과 표가 있어 OCR 과정에서 수양체질과 수음체질의 열이 섞이거나 문장이 뒤섞인 부분도 있었다. 따라서 OCR 결과 자체도 완전한 정답이 아니라 다시 원문을 확인해야 하는 자료로 보았다.

*사용한 AI 설정

총 네 가지 모델·추론 설정을 사용했다.

1. ChatGPT-5.6 Sol · Medium

2. ChatGPT-6.1 Sol · Ultra

3. Claude Opus 5.5 · 중간

4. Claude Fable 5.1 · 높음

각 설정에서 다음 두 조건을 독립된 새 대화로 실행했다.

구조화 전: OCR 원문만 제공

구조화 후: 같은 OCR 원문 + 구조화 자료 제공

따라서 총 8개의 답변을 비교했다. 각 대화는 서로의 답변을 보지 않은 상태에서 진행했다.

3. 진행 세부 내용

3-1. 고정 질문 만들기

질문 1 — 발생·악화 요인
> 『체질혁명』 저자는 수체질의 불편이 무엇 때문에 생기거나 심해진다고 설명하는가?

질문 2 — 개선 방법
> 『체질혁명』 저자는 수체질에게 무엇을 먹거나 피하고, 어떤 생활방식을 실천하라고 제안하는가?

질문 3 — 배경지식
> 저자는 수체질에 관한 이러한 설명과 제안을 어떤 몸의 원리와 사례로 뒷받침하는가?

구조화 전후의 모든 모델에 문구를 바꾸지 않고 같은 세 질문을 사용했다.

3-2. 구조화 기준 정하기

1. 어디에 쓰지?→ 발생·악화 / 개선 / 배경지식 / 콘텐츠

2. 일반 설명이야, 특정 사례야?→ GENERAL / CURRENT

3. 책에서 주장한 내용이야?→ CLAIM

① 어디에 쓰는 지식인가?

- 발생·악화 요인: 불편이 생기거나 심해진다고 설명하는 내용

- 개선 방법: 먹는 것, 피하는 것, 운동과 생활관리 제안

- 배경지식: 몸의 원리, 개념, 체질 이론과 사례

- 콘텐츠 아이디어: 블로그나 유튜브 소재로 활용할 내용

한 내용에 여러 분류를 붙일 수 있도록 했다.

② 일반 설명인가, 특정 사례인가?

- GENERAL: 특정 사람과 시점에 묶이지 않고 여러 상황에서 재사용하려는 설명

- CURRENT: 특정 사람과 특정 시점에 관한 내용

GENERAL은 의학적으로 확인된 사실이라는 뜻이 아니다. 여러 사람에게 적용하려는 설명이라는 뜻이다.

③ 책의 주장인가?

책에서 저자가 사실이나 원인처럼 제시했지만, 일반적으로 확립된 의학적 사실이라고 확인하지 않은 내용에는 CLAIM을 붙였다.

예를 들면 다음과 같다.

수체질은 위·췌장이 약하다는 설명

→ 배경지식

→ GENERAL

→ CLAIM

특정 사례는 관찰 내용과 저자의 해석을 분리했다.

40대 여성이 손발 냉증과 무월경을 보고했다.→ CURRENT

저자는 찬 음식이 해당 증상의 원인이라고 해석했다.→ CURRENT + CLAIM

3-3. 구조화 자료 만들기

OCR 원문에서 다음과 같은 구조화 카드를 만들었다.

- C01: 체질에 관한 책의 기본 설명

- C02: 수체질의 공통적인 몸의 원리

- C03: 수양체질에 관한 설명

- C04: 수음체질에 관한 설명

- C05: 수체질의 발생·악화 요인

- C06: 수체질의 개선 방법

- C07: 그린 스무디 사례에서 보고된 내용

- C08: 그 사례에 대한 저자의 해석

각 카드에는 다음 정도만 기록했다.

핵심 내용

활용 카테고리

GENERAL / CURRENT

CLAIM 여부

OCR 페이지

음식표는 두 열이 섞인 것으로 보여, 불명확한 세부 항목을 임의로 복원하지 말라는 주의 문구도 포함했다. 3-4.구조화한 자료를 덧붙여 AI에게 지시한 내용

아래는 앞서 제공한 『체질혁명』 OCR 원문을 구조화한 자료입니다.

구조화 기준은 다음 세 가지입니다.

1. 어디에 쓰는가?

   • 발생·악화

   • 개선

   • 배경지식

   • 콘텐츠

2. 일반 설명인가, 특정 사례인가?

   • GENERAL: 특정 사람이나 시점에 묶이지 않은 설명

   • CURRENT: 특정 사람과 시점에 관한 내용

3. 책에서 주장한 내용인가?

   • CLAIM: 책에서 제시한 설명이나 해석이지만, 일반적으로 확립된 의학적 사실이라는 뜻은 아님

하나의 내용에는 여러 분류가 함께 붙을 수 있습니다.

C01. 체질에 관한 책의 기본 설명

• 핵심 내용: 저자는 사람마다 태어날 때 장기의 강약 배열이 결정되며, 이 배열이 음식의 소화와 신체 반응에 영향을 준다고 설명한다.

• 어디에 쓰는가: 배경지식

• 범위: GENERAL

• 상태: CLAIM

• 출처: page_001~002

C02. 수체질의 공통적인 몸의 원리

• 핵심 내용: 저자는 수체질에서 소화기가 약하고 소화가 느리며, 기초대사와 체온이 낮아 추위를 많이 타고 손발과 아랫배가 차가울 수 있다고 설명한다.

• 어디에 쓰는가: 배경지식

• 범위: GENERAL

• 상태: CLAIM

• 출처: page_001, page_004~006, page_011~012

C03. 수양체질에 관한 설명

• 핵심 내용: 저자는 수양체질이 마르고 날씬한 경향이 있으며, 식욕과 소화력이 약하고 변비와 적은 땀의 경향이 있다고 설명한다. 사우나 후 어지럽거나 컨디션이 나빠질 수 있다고 주장한다.

• 어디에 쓰는가: 배경지식·발생·악화

• 범위: GENERAL

• 상태: CLAIM

• 출처: page_004~005

C04. 수음체질에 관한 설명

• 핵심 내용: 저자는 수음체질이 식욕이 적고 조금만 먹어도 배가 부르며, 과식이나 야식 후 불편해질 수 있다고 설명한다. 장이 예민해 음식이 맞지 않으면 설사가 나타날 수 있다고 주장한다.

• 어디에 쓰는가: 배경지식·발생·악화

• 범위: GENERAL

• 상태: CLAIM

• 출처: page_005

C05. 수체질의 발생·악화 요인

• 핵심 내용: 저자는 차가운 음료, 얼음, 아이스크림, 생채소, 차가운 샐러드와 냉면 같은 음식이 수체질의 소화 불편과 냉증을 악화시킬 수 있다고 주장한다.

• 추가 내용: 돼지고기와 일부 해산물도 수체질에 맞지 않는 음식으로 제시하지만, 수양체질과 수음체질의 세부 음식표에는 차이가 있다.

• 생활 요인: 과도한 사우나와 땀내기도 회복을 어렵게 할 수 있다고 주장한다.

• 어디에 쓰는가: 발생·악화

• 범위: GENERAL

• 상태: CLAIM

• 출처: page_005~006, page_011~012

C06. 수체질의 개선 방법

• 핵심 내용: 저자는 수체질에게 따뜻한 음식과 국물, 죽, 찌개류를 제안한다.

• 식사 방법: 소식하고 차갑게 먹기보다 따뜻하게 조리해서 먹으라고 제안한다.

• 음식 예시: 흰쌀, 찹쌀, 감자, 고구마, 닭고기, 오리고기, 생강과 계피 등이 제시된다.

• 운동: 땀을 많이 빼는 것이 아니라 몸이 가볍게 따뜻해지는 정도의 걷기, 자전거, 수영, 요가, 스트레칭과 근력운동을 제안한다.

• 어디에 쓰는가: 개선

• 범위: GENERAL

• 상태: CLAIM

• 출처: page_005~006, page_011~012

C07. 그린 스무디 사례에서 보고된 내용

• 핵심 내용: 책에 등장한 40대 여성은 2년 동안 아침에는 그린 스무디, 점심에는 샐러드, 저녁에는 두부와 생선을 먹고 운동도 꾸준히 했다고 말한다.

• 관찰 내용: 이 여성은 생리가 중단되고 손발이 매우 차가워졌으며, 갑상선검사는 정상이라고 말했다.

• 어디에 쓰는가: 배경지식·콘텐츠

• 범위: CURRENT

• 상태: 특정 사례에서 보고된 내용

• 출처: page_011

C08. 그린 스무디 사례에 대한 저자의 해석

• 핵심 내용: 저자는 이 여성을 수음체질로 판단하고, 차가운 음식 위주의 식사가 이미 낮은 체온과 약한 소화 기능을 더 악화시켰다고 해석한다.

• 저자가 연결한 결과: 만성 소화 불편, 손발 냉증, 무기력, 생리 불순 또는 무월경

• 제안: 그린 스무디와 찬 음식을 따뜻한 식사와 음료로 바꾸라고 제안한다.

• 어디에 쓰는가: 발생·악화·개선·콘텐츠

• 범위: CURRENT

• 상태: CLAIM

• 출처: page_011~012

자료를 읽을 때의 주의점

• CLAIM은 책의 설명이나 해석이라는 뜻이며, 의학적으로 확립된 사실이라는 뜻은 아니다.

• 특정 사례에서 증상이 관찰됐다는 사실과 저자가 그 원인을 체질 이론으로 해석한 내용은 구분한다.

• 수양체질과 수음체질의 설명을 서로 섞지 않는다.

• page_006의 음식표는 OCR 과정에서 두 열이 섞였을 가능성이 있으므로, 표의 정확한 음식 분류가 불명확하면 임의로 복원하지 않는다.

• 원문과 구조화 자료가 충돌하거나 정보가 불명확하면 판단을 보류한다.

다음 세 질문에 답해주세요.

1. 『체질혁명』 저자는 수체질의 불편이 무엇 때문에 생기거나 심해진다고 설명하는가?

2. 『체질혁명』 저자는 수체질에게 무엇을 먹거나 피하고, 어떤 생활방식을 실천하라고 제안하는가?

3. 저자는 수체질에 관한 이러한 설명과 제안을 어떤 몸의 원리와 사례로 뒷받침하는가?

4. 구조화 전후 결과

4-1. ChatGPT-5.6 Sol Medium

#구조화 전

OCR 원문만 제공했을 때도 질문에 따라 내용을 풍부하게 정리했지만 다음과 같은 경향이 보였다.

- 두 열이 섞인 음식표를 자세한 식품 목록으로 복원했다.

- 책의 설명을 매끄러운 인과 사슬로 연결했다.

- 원문에 명확히 제시된 내용과 모델이 보충한 해석의 경계가 흐렸다.

- 상세한 답변을 만들기 위해 불확실한 부분까지 적극적으로 채웠다.

예를 들어 저자가 제시한 설명을 다음처럼 연결했다.

찬 음식

→ 소화불량

→ 체온 저하

→ 갑상선 기능 저하

→ 무월경

책의 주장이라는 전제를 마지막에 밝혔지만, 본문만 읽으면 확인된 생리 과정처럼 받아들일 가능성이 있었다.

#구조화 후

구조화 자료를 제공한 뒤에는 변화가 뚜렷했다.

- 답변 시작부터 모든 내용이 저자의 CLAIM이라고 밝혔다.

- 수양체질과 수음체질을 구분했다.

- 두 열이 섞인 음식표를 임의로 복원하지 않았다.

- 사례에서 보고된 사실과 저자의 해석을 분리했다.

- 특정 사례 하나가 체질 이론을 의학적으로 입증하지 않는다고 밝혔다.

- 답변이 짧아지고 반복이 줄었다.

특히 그린 스무디 사례를 다음처럼 나눈 것이 좋았다.

사례에서 보고된 내용

저자의 해석

저자의 제안

구조화의 효과는 새로운 정보를 더 많이 찾는 것보다, 불확실한 내용을 덜 만들어내는 방향으로 나타났다.

다만 구조화 카드에 들어 있던 출처 페이지는 최종 답변에서 충분히 활용하지 않았다.

4-2. ChatGPT-6.1 Sol Ultra

# 구조화 전

이 모델은 원문만 제공했을 때부터 다음을 스스로 발견했다.

- 비·위와 위·췌장이라는 표현 차이

- 수양·수음 음식표의 OCR 혼합

- OCR 이미지 번호와 실제 책 쪽수의 차이

- 그린 스무디 사례에 식단 변경 후 결과가 없다는 점

- 특정 사례가 인과관계를 입증하지 않는다는 점

가장 성능이 높은 설정에서는 원문만으로도 자료의 구조와 불확실성을 상당 부분 추론했다. 구조화 전 답변의 수준이 이미 높아 구조화 효과가 작게 보이는 천장 효과가 나타났다.

# 구조화 후

구조화 자료를 제공한 뒤에는 새로운 내용이 크게 늘지는 않았지만 다음 부분이 좋아졌다.

- 답변이 더 짧고 일관되게 정리됐다.

- 구조화 카드 번호와 OCR 페이지를 함께 표시했다.

- 일반 원리와 하위 체질 설명을 나눴다.

- 여성의 증상 보고와 저자의 해석을 분리했다.

- 식단을 바꾼 뒤 회복됐다는 결과가 없다는 점을 유지했다.

- 불명확한 식품 목록을 불필요하게 확장하지 않았다.

강한 모델에서 구조화는 추론 능력을 높이기보다, 이미 파악한 내용을 더 간결하고 추적 가능하게 만드는 역할을 했다.

---

4-3. Claude Opus 5.5 중간

# 구조화 전

Claude Opus 5.5 중간은 구조화 전부터 원문 내부의 충돌을 잘 발견했다.

예를 들면 다음과 같다.

- 밀가루가 맞지 않는 음식과 다른 등급에 동시에 나타나는 문제

- 수음체질의 땀이 많다와 적다로 함께 기록된 문제

- 수양·수음 음식표의 열이 섞인 문제

- 책에서 임상연구 인용을 확인하기 어렵다는 점

- 하시모토갑상선염과 무월경의 인과는 저자의 주장으로 봐야 한다는 점

다만 음식표가 섞였다고 인식하면서도 굴·복어·팥·크랜베리·알로에 등 세부 음식 목록을 많이 제시했다.

# 구조화 후

구조화 후에는 자료의 출처와 성격이 더 명확해졌다.

특히 구조화 자료에 없고 OCR 원문에서 보충한 내용에는 다음 표시를 붙였다.

➕ 원문 보강

이를 통해:

- 구조화 카드에 원래 들어 있던 내용

- 원문을 다시 읽고 추가한 내용

을 구분할 수 있었다.

또한 다음 간극을 발견했다.

> 사례 속 여성은 갑상선검사가 정상이라고 보고했지만, 저자는 갑상선 기능이 눌렸다고 해석한다.

이 둘 사이에는 추가 설명이 없다는 점을 지적했다. 구조화 자료를 반복하는 데 그치지 않고, 사례 관찰과 저자의 인과 해석 사이의 간극을 확인한 것이다.

---

### 4-4. Claude Fable 5.1 높음

#### 구조화 전

Claude Fable 5.1 높음 역시 구조화 전부터 OCR의 충돌과 책의 주장 경계를 잘 발견했다.

Opus 5.5 중간과 답변의 전체적인 수준은 비슷했다. 고정 질문 자체가 이미 발생·악화, 개선, 배경지식의 세 범주를 제시하고 있어 두 설정 모두 질문에 따라 답변을 잘 구성했다.

#### 구조화 후

구조화 후에는 구조화 자료를 그대로 따르기보다 구조화 자료 자체를 원문과 대조했다.

다음과 같은 사항을 발견했다.

- C08에는 무기력은 있지만 탈모·체중 증가가 빠져 있었다.

- C05에는 맥주·보리·오이 등에 관한 저자의 주장이 생략돼 있었다.

- 수음체질의 땀은 원문에서 많다와 적다가 함께 나타났다.

- 밀가루 전체가 맞지 않는 것인지 차갑게 먹는 면 요리가 문제인지 불명확했다.

- 인삼·홍삼·현미와 수양체질의 소고기는 OCR 표가 섞여 있어 확정하기 어려웠다.

가장 인상적인 부분은 다른 사례의 혼입을 방지한 것이었다.

OCR에는 3개월 후 생리가 규칙적으로 돌아왔다는 다른 여성의 사례가 있었지만, Fable 5.1 높음은 이것이 20대 금양체질 환자 이야기이며 그린 스무디를 먹은 40대 수체질 여성의 결과로 섞으면 안 된다고 구분했다.

또한 수체질 여성의 사례에는 식단 변경 후 호전됐다는 결과가 제시되지 않았다고 밝혔다.

높은 설정에서는 구조화 자료가 답변의 정답으로 사용되기보다, 원문에서 누락과 사례 혼입을 확인하는 비교 기준으로 사용됐다.

## 5. 전체 결과

이번 실험에서 구조화의 효과는 모델과 추론 설정에 따라 다르게 나타났다.

### 상대적으로 낮은 설정에서 나타난 변화

- 불확실한 내용을 임의로 보충하는 경향이 줄었다.

- 사례에서 관찰된 내용과 저자의 해석을 분리했다.

- 수양체질과 수음체질을 덜 섞었다.

- 책의 설명을 의학적 사실처럼 표현하는 경향이 줄었다.

- 답변이 짧고 일관되게 정리됐다.

### 높은 설정에서 나타난 변화

- 구조화 전에도 원문 충돌과 근거 한계를 상당 부분 파악했다.

- 구조화 후에는 답변이 더 간결하고 추적 가능해졌다.

- 구조화 카드의 누락을 발견했다.

- 다른 체질 사례가 섞이는 것을 방지했다.

- 구조화 자료와 원문 사이의 불일치를 점검했다.

따라서 구조화는 AI에게 더 많은 지식을 추가하기보다 다음 기능을 했다.

불확실한 내용을 덜 만들어냄

저자의 주장을 사실과 구분함

일반 설명과 특정 사례를 분리함

사례 관찰과 인과 해석을 구분함

출처로 다시 돌아갈 수 있게 함

서로 다른 사례가 섞이는 것을 방지함

---

## 6. 배운 점

### 6-1. 구조화 자료는 원문을 대체하지 않는다

이번 실험에서 가장 크게 배운 점은 다음과 같다.

> 구조화 자료는 원문의 축약본이 아니라, 필요한 순간 원문으로 다시 돌아가기 위한 지도다.

구조화 카드에는 모든 세부 정보를 넣기보다 다음만 유지해도 충분했다.

핵심 내용

활용 카테고리

GENERAL / CURRENT

CLAIM

출처 위치

세부 내용이나 충돌을 확인해야 할 때는 OCR 원문과 원본 이미지로 돌아가야 한다.

### 6-2. 관계의 의미를 기록해야 한다

단순히:

수체질 ↔ 찬 음식

으로 연결하면 권장 음식인지 피할 음식인지 알 수 없다.

다음처럼 관계의 의미를 남겨야 한다.

저자— 수체질에서 악화시킨다고 주장한다 →찬 음식

저자— 수체질에게 권한다 →따뜻하게 조리한 음식

관계는 지식을 많이 저장하기 위해서가 아니라, 저장된 지식을 잘못 연결하지 않기 위해 필요했다.

### 6-3. 구조화는 낮은 설정에서 더 큰 효과를 보였다

ChatGPT-5.6 Sol Medium에서는 구조화 후 불명확한 내용을 임의로 채우는 경향이 눈에 띄게 감소했다.

반면 강한 설정에서는 원문만으로도 이미 상당한 구조를 추론했다. 구조화 후의 효과는 정확도를 크게 올리는 것보다 답변을 간결하게 하고 출처를 연결하며 구조화 자료의 오류까지 검토하는 방향으로 나타났다.

### 6-4. 좋은 구조는 AI가 모른다고 말할 수 있게 한다

구조화 전에는 OCR이 불명확해도 모델이 자연스러운 문장으로 완성하려는 경향이 있었다.

구조화 후에는:

- 어느 체질의 음식표인지 불분명하다.

- 원문 안에서 땀에 관한 설명이 충돌한다.

- 식단 변경 후 결과가 제시되지 않았다.

- 정상 갑상선검사와 저자의 해석 사이에 간극이 있다.

와 같이 판단을 보류하는 답변이 늘었다.

구조화의 중요한 역할은 정답을 더 많이 만들어주는 것이 아니라:

> 확인되지 않은 부분에서 멈출 수 있는 경계를 제공하는 것

이라고 생각한다.

---

## 7. 실험의 한계

### 7-1. 구조화 자료에 정리된 핵심 내용이 포함됐다

구조화 조건에는 단순한 분류표뿐 아니라, OCR 원문에서 추출하고 다듬은 핵심 문장이 함께 포함됐다.

따라서 이번 실험은 정확히 말하면:

OCR 원문

vs

OCR 원문 + 분류된 구조 + 정리된 핵심 내용

의 비교다.

답변 개선이 GENERAL / CURRENT / CLAIM 분류만의 효과인지, 원문을 정리한 효과인지 분리할 수 없다.

### 7-2. 고정 질문 자체가 이미 구조화돼 있었다

세 질문이 각각 발생·악화 요인, 개선 방법, 배경지식을 직접 물었다.

따라서 구조화 전 조건에서도 모델이 질문에 따라 내용을 나눌 수 있었다. 질문을 더 중립적으로 만들었다면 구조화 전후 차이가 더 크게 나타났을 가능성이 있다.

### 7-3. 각 조건을 한 번씩만 실행했다

모델의 답변에는 실행할 때마다 차이가 생길 수 있다. 같은 조건을 여러 번 반복하지 않았기 때문에 한 번의 답변 차이를 모델의 안정적인 특성이라고 단정할 수 없다.

### 7-4. 원천자료 자체에 OCR 오류가 있었다

13쪽 자료에는 책 본문과 개인 메모가 섞여 있었고, 다단 표의 열도 일부 뒤섞였다. 따라서 AI 답변의 차이에는 구조화 효과뿐 아니라 OCR 오류를 처리하는 능력의 차이도 포함됐다.