KKEBI 아키텍처 개요: 음성 체크인에서 조직 신호까지

KKEBI 아키텍처는 짧은 음성 체크인 하나가 캡처 → 특징 추출 → 개인 기저선 → 집계 → 조직 수준 비식별 신호라는 다섯 단계를 거치도록 설계됩니다. 이 흐름의 핵심은 개인의 이해를 돕는 부분과 조직에 전달되는 부분이 명확히 분리되어 있고, 그 경계에 비식별화가 놓여 있다는 점입니다.

이 글은 KKEBI가 어떤 벤더나 모델을 쓰는지를 다루지 않습니다. 대신 직장 구성원의 음성 마음 케어를 위한 시스템이 지켜야 할 설계 원칙과 트레이드오프를 개념 수준에서 정리합니다.

---

01. 전체 흐름 한눈에 보기

한 사람이 KKEBI에서 짧은 음성 체크인을 남긴다고 해봅시다. 그 음성은 아래 순서를 따라 흐릅니다.

1. 캡처(Capture): 동의 위에서 음성 체크인을 기록한다.
2. 특징 추출(Feature Extraction): 원음에서 상태와 관련될 수 있는 음향·언어 특징을 뽑는다.
3. 개인 기저선(Personal Baseline): 그 사람의 평소 패턴과 비교해 변화를 계산한다.
4. 집계(Aggregation): 개인을 특정할 수 없도록 충분한 인원 단위로 묶는다.
5. 조직 수준 신호(Org-level Signal): 비식별된 집단 경향성만 조직에 전달한다.

앞 세 단계는 개인을 위한 것이고, 뒤 두 단계는 조직을 위한 것입니다. 이 둘 사이의 경계가 이 아키텍처에서 가장 중요한 지점입니다.

02. 캡처: 동의 위에서 시작한다

첫 단계는 음성 체크인을 기록하는 것입니다. 여기서 지켜야 할 원칙은 데이터를 많이 모으는 것이 아니라 목적에 필요한 만큼만 최소로 모으는 것입니다.

• 수집 목적과 범위를 사용자가 이해할 수 있어야 한다.
• 원본 음성을 얼마나, 어디까지 보관할지는 프라이버시 관점에서 신중히 정한다.
• 가능하다면 민감한 처리를 사용자 기기 가까이에서 수행하는 편이 노출 위험을 줄인다.

이 단계의 트레이드오프는 명확합니다. 원본을 오래 보관하면 나중에 더 정교한 분석이 가능하지만, 그만큼 프라이버시 위험이 커집니다. 그래서 캡처 단계에서 이미 “무엇을 남기지 않을 것인가”를 결정합니다.

03. 특징 추출: 내용이 아니라 방식

캡처된 음성에서 상태와 관련될 수 있는 신호를 뽑는 단계입니다. 여기서 보는 것은 말의 내용만이 아니라 말하는 방식입니다. 운율(음높이·속도·휴지), 음질, 스펙트럼 특징 등이 대표적입니다. 이런 음향 특징이 왜 상태와 연결될 수 있는지는 Voice Biomarker 가이드에서 더 자세히 다룹니다.

중요한 설계 결정은 어디에서 특징을 추출하느냐입니다. 기기에서 특징만 추출해 원본을 최소화하면 프라이버시에 유리하지만, 연산 자원과 모델 갱신에 제약이 생깁니다. 서버에서 처리하면 유연하지만 원본 이동에 따른 위험 관리가 필요합니다. 정답은 하나가 아니며, 민감도와 목적에 따라 균형을 잡습니다.

04. 개인 기저선: 절대값이 아니라 변화

KKEBI가 주목하는 것은 “이 사람의 목소리가 남들보다 높은가”가 아니라 “이 사람의 평소와 비교해 어떻게 달라지고 있는가”입니다.

사람마다 기본 음높이, 말하기 속도, 휴지 습관이 다릅니다. 하나의 절대 기준을 모두에게 적용하면 개인차를 상태 변화로 오해하기 쉽습니다. 그래서 각 개인의 평소 패턴을 기준선으로 세우고, 여러 시점의 데이터를 통해 그 기준선에서 벗어나는 장기 변화를 관찰합니다. 이 원리는 직원 번아웃 조기 발견에서도 조기 발견의 핵심으로 설명했습니다.

이 단계까지의 산출물은 온전히 그 사람 자신을 위한 것입니다. 자기 상태를 이해하고 돌아보는 데 쓰이며, 여기서 음성은 언어·체크인 등 다른 신호와 함께 해석되는 보조 신호일 뿐입니다.

05. 집계와 조직 수준 신호: 개인은 사라진다

개인 단계와 조직 단계 사이에는 넘을 수 없는 경계가 있습니다. 조직에 전달되는 것은 개인의 결과가 아니라, 개인을 특정할 수 없도록 집계된 집단 수준 신호뿐입니다.

• 충분한 인원 이상으로 묶여야만 신호가 만들어진다(최소 집계 임계값).
• 특정 개인을 역추적할 수 있는 형태의 산출물은 조직에 제공하지 않는다.
• 조직이 보는 것은 “누가 힘든가”가 아니라 “집단이 어느 방향으로 움직이는가”다.

이 경계 덕분에 조직은 구성원 전반의 소진 경향 같은 신호를 조기에 파악하면서도 개인의 프라이버시를 침해하지 않을 수 있습니다. 조직 수준 신호가 이직 의도 같은 결과와 어떻게 연결되는지는 번아웃과 이직 의도에서 다룹니다.

06. 이 아키텍처가 지키는 세 가지 약속

정리하면 KKEBI 아키텍처는 세 가지 원칙 위에 서 있습니다.

• Privacy-by-design: 비식별화와 집계 임계값은 나중에 덧붙이는 기능이 아니라 데이터 흐름의 경계에 처음부터 새겨진 설계다.
• 개인 기저선 중심: 절대값이 아니라 개인 내 변화를 본다.
• 음성은 보조 신호: 단일 음성으로 판정하지 않고, 여러 신호와 함께 해석한다.

이 원칙들이 실제로 어떤 제품과 철학으로 이어지는지는 SYMPLE 소개에서 확인할 수 있습니다.

---

References

1. Insel TR. Digital phenotyping: technology for a new science of behavior. JAMA. 2017;318(13):1215–1216.
2. Low DM, Bentley KH, Ghosh SS. Automated assessment of psychiatric disorders using speech: A systematic review. Laryngoscope Investigative Otolaryngology. 2020;5(1):96–116.
3. Cummins N, Scherer S, Krajewski J, et al. A review of depression and suicide risk assessment using speech analysis. Speech Communication. 2015;71:10–49.