Amazon Bedrock AgentCore Web Search, 의존성 감시 규칙을 코드로 구현하다
AWS는 11월 10일 Amazon Bedrock AgentCore 웹 검색을 사용하면서도 필수 규칙을 모델의 통제 범위 밖에 두는 의존성 감시 기능을 공개했다. 이 예시는 에이전트 워크플로를 조정하는 프레임워크인 LangGraph를 사용해 소프트웨어 의존성을 조사하고 출처가 인용된 결과를 생성한다. 핵심적인 차이는 권한에 있다. 모델이 쿼리를 선택하는 반면, 어떤 결과가 기준을 충족하는지는 애플리케이션 코드가 결정한다.
이러한 분리는 AI 리서치 에이전트를 검토하는 보안팀이 마주하는 실질적인 문제를 다룬다. 읽기 쉬운 요약만으로는 권장 사항이 승인된 출처, 시간 제한 또는 비용 한도를 따랐다는 사실을 입증할 수 없다. AWS는 이러한 경계에 대한 점검 가능한 구현과 함께, 증거 검증으로도 해결되지 않는 사항을 명시적으로 설명한다.
여기서 관련된 비교 대상은 모델 주도 리서치와 애플리케이션이 강제하는 정책이다. GitHub의 Dependabot는 리포지토리별 취약점 알림을 통해 또 다른 기준점을 제공한다. AWS 예시는 이를 보완하는 리서치 워크플로를 탐색하지만, 누구든 결과를 실행 가능한 판단으로 간주하기 전에 여전히 권위 있는 보안 검토가 필요하다.
Amazon Bedrock AgentCore Web Search 예시가 바꾸는 점
AWS의 기여는 리서치 재량과 필수 운영 규칙을 분리한 구체적인 예시다.
AWS는 의존성 감시 예시에서 npm, PyPI, 컨테이너 베이스 이미지 전반에 걸친 병렬 조사를 설명한다. 이는 각각 JavaScript 패키지, Python 패키지, 컨테이너 빌드에 사용되는 기반 이미지를 의미한다. 모델이 검색하고 결과 초안을 작성하며, 코드는 작업 범위를 제한한다.
AWS는 7일 기간, 12회의 검색, 80개의 반환된 출처를 사용한 실행 결과를 보고했다. 병렬 분기는 36초 만에 완료됐으며, 각 분기 시간을 합산했을 때의 99초와 비교된다. 이 수치는 독립적으로 검증된 성능 벤치마크가 아니라 회사의 시연 결과를 설명한다.
이 예시는 인용이 해당 분기의 검색에서 비롯됐는지, 출처 텍스트에 패키지 이름이 포함됐는지, 권고 식별자가 있는지를 확인한다. 또한 게시 기간을 확인하며, 날짜가 없는 결과는 거부한다. AWS는 이러한 검증이 심각도, 실제 악용 여부, 영향을 받는 버전, 권장 조치 또는 최초 공개 시점을 확립하지는 않는다고 명시한다.
이러한 단서는 이번 공개의 의미를 규정한다. 이 예시는 생성된 보고서를 완전한 취약점 평가로 제시하지 않으면서도 리서치 프로세스의 일부를 점검 가능하게 만든다. 독자는 이 워크플로를 그보다 좁은 수준에서 평가해야 한다.
답변을 생성하는 일과 이를 포함할 권한을 확립하는 일 사이에는 유용한 구분이 있다. 모델은 조사 결과를 제안할 수 있지만, 다른 구성 요소가 그것이 최소 증거 요건을 충족하는지 결정한다. 그 구성 요소는 모델이 아무리 확신에 차서 제시하더라도 답변을 거부할 수 있다.
엔지니어링 관리자에게 이는 검토 방식의 변화를 의미한다. 검토자는 프롬프트가 충분히 엄격해 보이는지를 묻는 대신, 각 규칙을 어떤 구성 요소가 강제하는지 물을 수 있다. 또한 구성 오류와 근거 없는 모델 진술을 구분할 수 있다.
내부 서비스가 사용하는 패키지에 대한 아침 브리핑을 예로 들어 보자. 유용한 리서치 어시스턴트는 관련 공지를 식별하고 증거를 보존하며, 분석가가 조사해야 하는 이유를 설명해야 한다. 그 공지를 회사에 배포된 소프트웨어에 관한 검증된 주장으로 조용히 바꿔서는 안 된다.
따라서 이 예시는 의존성 모니터링을 넘어서는 의미를 지닌다. 생성된 판단이 명시적인 수용 기준에 종속되는 제한된 리서치를 위한 아키텍처를 제시한다. 그 가치는 팀이 샘플을 확장할 때 이 구분을 얼마나 신중하게 보존하는지에 달려 있다.
공개된 시간 수치도 신중하게 해석해야 하는 이유가 여기에 있다. 더 빠른 검색은 후보 조사 결과를 기다리는 시간을 줄일 수 있지만, 분석가의 노력은 결과의 관련성과 정확성에 좌우된다. 그러한 후보가 명확한 의사결정을 뒷받침할 때에만 보고서는 운영상 유용해진다.
AWS 자격 증명은 액세스를 단순화하지만, 출처 정책에는 여전히 담당자가 필요하다
클라우드 자격 증명을 재사용하면 통합 작업 하나가 줄어들지만, 어떤 정보를 신뢰할 만한지 결정하지는 않는다.
애플리케이션 프로그래밍 인터페이스(API)는 정의된 인터페이스를 통해 소프트웨어가 서비스에 요청할 수 있도록 한다. Amazon Bedrock AgentCore 웹 검색은 AWS Identity and Access Management(IAM)로 인증된 이러한 인터페이스를 통해 순위가 매겨진 웹 결과를 제공한다. IAM은 어떤 ID가 특정 AWS 작업을 수행할 수 있는지 정의한다.
웹 검색 API 문서에 따르면, 애플리케이션은 검색 리소스를 프로비저닝하지 않고도 페이지 발췌문과 제공되는 출처 메타데이터를 가져올 수 있다. 요청은 도메인 및 게시 시점 필터를 지원한다. AWS는 또한 사용자에게 표시되는 결과물에 사용된 인용과 링크를 보존하고 표시하도록 요구한다.
이 방식은 이미 AWS를 통해 애플리케이션 ID를 관리하는 팀에 적합하다. 또 하나의 독립적인 검색 자격 증명을 도입하는 대신 기존 권한 검토 체계 안에 검색 액세스를 배치할 수 있다. 이는 특히 개발자와 플랫폼 관리자 사이에서 소유권이 바뀔 때 운영상 편의가 된다.
하지만 인증이 답하는 질문은 제한적이다. 애플리케이션이 해당 서비스를 호출해도 되는지에 관한 질문이다. 애플리케이션이 적절한 질문을 했는지, 또는 답변을 올바르게 해석했는지는 입증하지 않는다. 검색 권한과 편집 판단은 별개의 책임으로 남는다.
출처 정책은 또 다른 소유권 문제를 만든다. 특정 의존성 생태계에서 어떤 발행자를 권위 있는 출처로 볼지 누군가 결정해야 한다. 이 결정은 모델의 답변을 가장 쉽게 완성하는 출처가 아니라 감시의 목적을 반영해야 한다.
폭넓은 탐색 워크플로와 검증된 권고 워크플로에는 서로 다른 수용 기준이 필요하다. 탐색은 추가 조사가 필요한 불완전한 보고서를 포함해 관련 단서를 찾는 데 이점이 있다. 검증된 권고 워크플로는 영향을 받는 버전을 지정하거나 완화 조치를 권장하기 전에 더 강한 증거를 필요로 한다.
팀은 결과를 판단하기 전에 자신들이 어떤 워크플로를 운영하는지 결정해야 한다. 그렇지 않으면 탐색적 결과가 정기 보고서에 나타난다는 이유만으로 보안 의사결정처럼 보일 수 있다. 형식은 이를 받는 사람들이 그 구분을 확인할 수 있게 해야 한다.
같은 논리는 게시 날짜에도 적용된다. 날짜 필터는 검색의 경계를 나타내지만, 독자는 그 경계가 무엇을 뜻하는지 여전히 이해해야 한다. 오래된 문제에 관한 최근의 논의는 새로 공개된 문제와 다르다.
거버넌스 관점에서 중요한 산출물은 담당자가 지정된 명시적 정책이다. 이 정책은 감시의 목적과 각 결과 범주에 필요한 증거를 설명해야 한다. 또한 예외 사항을 검토하는 담당자도 식별해야 한다.
이는 AWS 시연으로 확립된 기능이 아니라 구현을 위한 권고 사항이다. 그 목적은 더 쉬워진 검색 액세스가 의사결정 권한의 의도치 않은 확대로 이어지는 것을 막는 데 있다. 익숙한 자격 증명 시스템은 통합을 단순하게 만들지만, 애플리케이션에는 여전히 허용 가능한 리서치에 대한 명확한 정의가 필요하다.
LangGraph 의존성 모니터링은 필수 규칙을 프롬프트 밖으로 옮긴다
이 설계에서 가장 강력한 경계는 모델이 검색 도구에 인코딩된 권한을 확장할 수 없다는 점이다.
LangChain 검색 통합은 고정 도메인 필터, 게시 범위, 검색 예산을 위한 툴킷 설정을 문서화한다. model_filters=False를 설정하면 모델에는 쿼리 전용 인터페이스가 노출된다. return_sources=True를 설정하면 애플리케이션 검증을 위한 구조화된 데이터로 출처 결과가 보존된다.
이 차이는 아키텍처적이다. 프롬프트는 모델에 규칙을 준수하도록 요청하는 반면, 제한된 도구는 모델이 수행할 수 있는 작업을 한정한다. 이는 필수 요건에 대해 더 점검 가능한 기반을 제공하지만, 모델이 내리는 모든 결론을 검증하지는 않는다.
검색 예산은 그 차이를 잘 보여 준다. 리서치 지침은 에이전트에게 충분한 증거를 확보하면 멈추라고 요청할 수 있다. 반면 도구 수준의 예산은 에이전트가 추가 쿼리가 유용하다고 판단하더라도 외부적인 중단 조건을 설정한다.
이 경계는 보고 의무도 만든다. 에이전트가 허용된 검색 횟수를 모두 소진하면, 애플리케이션은 불완전한 조사와 관련 정보가 없다는 확신 있는 판단을 구분해야 한다. 제한된 프로세스에는 그 경계가 막은 사항에 대한 정직한 설명이 필요하다.
LangGraph 의존성 모니터링은 이러한 결정을 워크플로 단계로 논의하기 쉽게 만든다. 검색은 증거를 수집하고, 생성은 해석을 제안하며, 검증은 어떤 제안이 명시적 요건을 충족하는지 결정한다. 이 단계를 구분되지 않은 하나의 답변으로 결합하면 실패 원인을 찾기가 더 어려워진다.
생성된 서술 밖에서 출처 데이터를 보존하는 일은 특히 유용하다. 검토자는 모델의 해석과 애플리케이션이 실제로 수신한 자료를 비교할 수 있다. 증거에 대한 모델 자신의 설명에만 의존할 필요가 없다.
예를 들어 분석가는 익숙한 패키지 이름에 관한 주장을 받을 수 있다. 하지만 기저 출처는 비슷한 이름의 다른 프로젝트를 다루거나 관련 없는 과거 사건을 설명할 수 있다. 조사 결과와 증거를 분리하면 검토자가 그 불일치를 조사할 위치가 생긴다.
이는 거부된 조사 결과가 무엇을 뜻하는지도 분명하게 한다. 거부는 기저 주장이 거짓임을 확정하지 않으면서도, 애플리케이션 규칙상 증거가 부족함을 나타낼 수 있다. 분석가가 제외된 자료를 별도로 조사할지 결정할 때 이 구분은 중요하다.
더 큰 과제는 방대한 프롬프트를 중심으로 에이전트를 구축하는 팀에 놓여 있다. 팀은 어떤 지침이 선호를 표현하는지, 어떤 지침이 항상 유지돼야 하는 요건을 나타내는지 식별해야 한다. 후자는 모델이 무시할 수 없는 구성 요소에서 강제할 가치가 있다.
그렇다고 프롬프트가 무의미해지는 것은 아니다. 프롬프트는 여전히 작업, 예상 범위, 유용한 결과물을 전달한다. 프롬프트는 제한된 도구와 명시적 검증과 함께 작동해야 하며, 각 구성 요소는 실제로 수행할 수 있는 책임을 맡아야 한다.
구매자에게는 그에 따른 평가가 더 구체적으로 바뀐다. 공급업체에 주장하는 각 제한 사항의 강제 지점을 제시해 달라고 요청하라. 그런 다음 모델이 그 제한을 벗어난 작업을 요청하거나, 적격 증거 없이 결론을 제시하면 어떻게 되는지 물어야 한다.
이 질문들은 문서화된 지침과 구현된 통제의 차이를 드러낸다. 또한 잘 다듬어진 예시 답변만으로 리서치 에이전트를 비교하는 것보다 더 나은 기준을 제공한다.
인용된 조사 결과는 검증된 취약점 경고와 여전히 다르다
인용은 주장을 점검 가능하게 만들 수 있지만, 그 주장에 포함된 모든 필드가 정확하다는 뜻은 아니다.
AWS 사례는 기존 의존성 도구와 비교해 보아야 하는 지점이다. GitHub는 Dependabot alerts가 의존성 관계를 기록하는 리포지터리의 의존성 그래프와 알려진 취약점을 연결한다고 설명한다. 알림에는 영향을 받는 파일, 심각도 정보, 적용 가능한 수정 버전이 포함될 수 있다.
GitHub는 새로 공개된 취약점이 자문 데이터베이스에 반영되기까지 지연이 발생하는 등의 한계도 문서화하고 있다. 따라서 Dependabot은 어느 한 접근 방식이 완전한 범위를 제공한다는 주장이 아니라 유용한 비교 기준을 제공한다. 리포지터리 연계 알림과 공개 웹 리서치는 서로 겹치지만 구별되는 질문에 답한다.
이 비교는 LangGraph 의존성 모니터링의 실질적인 경계를 드러낸다. 패키지에 관한 보고서를 발견했다고 해서 해당 패키지가 특정 배포 환경에 존재한다는 사실이 입증되는 것은 아니다. 존재하더라도 설치된 버전과 사용 맥락은 여전히 중요하다.
워처가 취약한 패키지 릴리스를 설명하는 출처를 찾았다고 가정해 보자. 조직이 조치하기 전에 누군가는 보고된 버전 범위를 자체 인벤토리와 연결해야 한다. 이는 유효한 인용에서 자동으로 도출되는 결론이 아니라 추가적인 검증 단계다.
악용 주장에도 비슷한 주의가 필요하다. 출처는 다른 환경에서의 시연, 의심되는 악용 또는 확인된 악용을 다룰 수 있다. 생성된 요약은 이를 단정적인 상태로 압축하기보다 이러한 구분을 보존해야 한다.
권고 조치에는 그 자체의 근거가 필요하다. 업그레이드 제안은 타당하게 들릴 수 있지만 호환성, 가용성, 배포 제약은 해결되지 않은 채 남을 수 있다. 팀은 모델이 제안한 조치를 마치 권위 있는 유지 관리자가 제공한 것처럼 제시하지 않아야 한다.
이는 게시된 샘플에서 보고된 실패가 아니라 워크플로 한계의 분석적 함의다. 독립적인 테스트는 이 구현에서 이러한 문제가 얼마나 자주 발생하는지 확인하지 않았다. 요점은 해당 수용성 검사가 이러한 후속 질문을 해결하지 못한다는 것이다.
따라서 근거 검토는 필드 수준에서 주장을 살펴봐야 한다. 패키지 식별, 영향을 받는 버전, 심각도, 악용 상태, 완화 조치는 각각 서로 다른 뒷받침 자료를 필요로 할 수 있다. 한 필드를 뒷받침하는 출처가 다른 필드에 대해서는 아무 말도 하지 않을 수 있다.
이 접근 방식은 분석가가 신뢰도를 해석하는 방식도 바꾼다. 보고서는 공지가 존재한다는 점에서는 강한 근거를 가질 수 있지만 조직의 노출 여부에 대해서는 약한 근거만 가질 수 있다. 이러한 판단을 하나의 신뢰도 라벨로 합치면 가장 중요한 불확실성이 가려질 위험이 있다.
지식 근로자에게는 의사결정의 근거가 된 추론을 유지하는 일도 똑같이 중요하다. searchable knowledge base는 이후 검토 메모와 함께 기술 문서를 정리하는 데 유의미한 방법을 제공한다. 이 조직화 계층은 원래 근거와 내부 해석의 구분을 보존해야 한다.
운영상 목표는 검토자에게 유용하게 인계하는 것이어야 한다. 워처는 후보를 식별하고 관련성을 설명하며 뒷받침 자료로 돌아갈 수 있는 경로를 보존한다. 검토자는 조직이 특정 문제에 직면했는지와 어떤 대응이 정당한지를 판단한다.
이러한 분업은 자율적 완화를 전제하지 않으면서도 리서치 에이전트에 신뢰할 수 있는 역할을 부여한다. 또한 팀이 유용성을 측정할 방법을 제공한다. 즉, 인계가 실제 의사결정을 개선하는지 여부다.
일일 모니터링에는 지속 가능한 메모리와 공동 정책 소유권이 필요하다
일정에 따라 리서치를 실행하면 성공적인 노트북 세션만으로는 해결되지 않는 책임이 생긴다.
지속성은 특정 실행이 끝난 뒤에도 유용한 정보를 유지하는 것을 뜻한다. LangChain의 persistence documentation은 스레드의 그래프 상태를 보존하는 체크포인트와 스레드 전반에서 애플리케이션이 정의한 정보를 유지하는 스토어를 구분한다. 이전 발견 사항을 기억하는 일과 중단된 실행을 복구하는 일은 관련되어 있지만 서로 다른 요구사항이다.
일일 워처에서는 이 구분이 “새로운” 정보의 의미에 영향을 준다. 프로세스는 애플리케이션이 재시작되었다는 사실을 이전에 접한 모든 권고가 새롭게 발견되었다는 근거로 취급해서는 안 된다. 보고 이력에는 현재 실행과 무관한 정체성과 수명이 필요하다.
지속 가능한 저장소만으로는 그 정체성이 결정되지 않는다. 팀은 발견 사항이 권고 하나를 의미하는지, 패키지-권고 조합을 의미하는지, 아니면 뒷받침 근거의 특정 개정판을 의미하는지 정의해야 한다. 각 선택에 따라 워처가 언제 다시 알림을 보내야 하는지가 달라진다.
권고는 이전 보고 이후 실질적인 업데이트를 얻을 수 있다. 반복된 식별자를 모두 억제하는 중복 제거 규칙은 그러한 업데이트를 숨길 수 있다. 반대로 페이지 주소만을 기준으로 한 규칙은 서로 다른 게시물에서 동일한 근본 문제를 반복할 수 있다.
이는 운영 책임자가 명시적으로 결정해야 하는 설계 선택이다. 유용한 보고 정책은 최초 발견, 실질적 변경, 변경 없는 반복을 구분한다. 그러면 구현은 수신자에게 필요한 구분을 보존할 수 있다.
전달은 또 다른 상태 전환을 더한다. 발견 사항을 확인됨으로 기록하는 일은 의도한 검토자에게 이를 성공적으로 전송하는 일과 다르다. 팀은 프로세스가 이 두 이벤트 사이에서 중단될 경우 어떤 일이 일어나는지 검토해야 한다.
부분적인 리서치 실패에도 같은 원칙이 적용된다. 보고서는 완료된 범위와 완료하지 못한 분기를 구분해야 한다. 그렇지 않으면 프로세스가 할당된 범위 일부를 검토하지 못했더라도 빈 결과가 안심할 만한 것으로 보일 수 있다.
공동 사용은 별도의 정책 과제를 만든다. AWS의 gateway source policies는 요청에 적용되는 관리자가 정의한 도메인 목록을 지원한다. AgentCore Gateway는 도구를 발견하고 호출하기 위한 표준 인터페이스인 Model Context Protocol, 즉 MCP를 통해 도구를 노출한다.
AWS에 따르면 요청 수준 필터는 게이트웨이 대상의 허용 도메인 범위를 확장하거나 제외 규칙을 재정의할 수 없다. AWS는 또한 검색 서비스가 Amazon이 운영하는 인덱스를 사용하며 고객 쿼리를 제3자 검색 엔진으로 전송하지 않는다고 설명한다. 이는 이 분석의 독립적인 발견이 아니라 문서화된 서비스 특성이다.
여러 애플리케이션에 동일한 출처 제한이 필요할 때 중앙 정책이 도움이 될 수 있다. 동시에 이러한 제한을 유지할 책임도 집중된다. 공유 목록에는 소유권, 검토, 그리고 현재 규칙이 제외하는 정당한 출처를 처리하는 절차가 필요하다.
따라서 조직적 질문은 각 결정이 어디에 속하는지다. 플랫폼 관리자는 공유 액세스와 출처 경계를 맡을 수 있다. 애플리케이션 팀은 작업 범위, 검증, 보고 동작을 맡을 수 있다. 보안 검토자는 노출과 조치에 관한 결론을 맡을 수 있다.
팀이 워처를 여러 부서로 확장하기 전에 이러한 역할 배분은 가시화되어야 한다. 그렇지 않으면 재사용 가능한 리서치 서비스는 유용한 근거만큼이나 모호한 가정도 쉽게 확산시킬 수 있다.
다음으로 주시할 사항: 범위, 검증, 반복 실행
다음으로 유용한 근거는 실행 속도와 함께 리서치 품질 및 운영 동작에 관한 내용일 것이다.
먼저, 정의된 알려진 권고 집합에 대한 평가를 주시해야 한다. 의미 있는 평가는 패키지, 관찰 기간, 권위 있는 참조 자료, 예상 발견 사항을 명시할 것이다. 이어서 워처가 어떤 항목을 찾고, 놓치고, 거부하거나, 부정확하게 설명했는지 설명해야 한다.
워크플로가 누락을 가시화하면서 관련 자료를 일관되게 표면화한다면 이러한 근거는 그 사례를 강화할 것이다. 지속적인 격차는 적절한 역할을 좁힐 것이다. 어느 결과든 설득력 있는 보고서의 고립된 사례보다 독자에게 더 많은 정보를 제공한다.
평가는 검색 품질과 해석 품질도 분리해야 한다. 검색 서비스는 관련 출처를 반환할 수 있지만 모델이 이를 잘못 해석할 수 있다. 반대로 모델은 근거 집합에 도달하지 못한 핵심 권고를 요약할 수 없다.
둘째, 인용 포함 여부를 넘어선 필드를 다루는 검증을 주시해야 한다. 유용한 진전은 버전, 심각도, 악용, 완화에 관한 주장을 적절한 권위 있는 기록과 연결할 것이다. 중요한 결과는 운영상 의미 있는 각 결론에 대한 명시적인 근거가 될 것이다.
그러한 검증은 더 중요한 용도로 사용하는 근거를 강화할 것이다. 인용을 단순히 늘리는 것만으로는, 그 인용이 여전히 관련 필드를 뒷받침하지 못한다면 핵심 불확실성을 해결하지 못한다. 독자는 단순히 더 긴 참고문헌 목록이 아니라 문서화된 수용 규칙을 찾아야 한다.
셋째, 반복된 일정 운영의 결과를 주시해야 한다. 그러한 보고서는 워처가 재시작, 개정된 권고, 부분 실패, 중단된 전달을 어떻게 처리하는지 설명해야 한다. 이러한 관찰은 새로운 정보에 대한 정의가 일상적인 운영 변화 속에서도 유지되는지를 보여줄 것이다.
이러한 조건 전반에서 신뢰할 수 있는 동작은 일일 워크플로의 근거를 강화할 것이다. 반복되는 중복, 숨겨진 범위 실패, 억제된 업데이트는 보고 상태에 추가 작업이 필요함을 나타낼 것이다. 이는 발표된 제품 약속이 아니라 제안된 평가 신호다.
이러한 신호를 함께 보면 Amazon Bedrock AgentCore 웹 검색을 통합 편의성 이상의 기준으로 판단할 수 있다. 이는 제한된 리서치가 인간의 의사결정에 신뢰할 수 있는 입력을 제공하는지에 주의를 집중시킨다. 이는 보고서를 받는 보안 팀에 적절한 기준이다.
이미 패키지와 검토 책임자를 이해하고 있는 감시 목록으로 시작하라. 범위를 확장하기 전에 워처의 발견 사항을 권위 있는 권고 및 기존 의존성 알림과 비교하라. 무엇을 놓치는지, 검토자가 무엇을 거부하는지, 어떤 권고에 추가 근거가 필요한지를 기록하라.
파일럿을 평가하는 사람들에게 수용 규칙, 근거 기록, 보고 이력을 제공하라. 무엇이 유용한 범위에 해당하는지와 무엇이 에스컬레이션을 필요로 하는지를 미리 결정하라. Amazon Bedrock AgentCore 웹 검색은 검토 가능한 리서치 접근 방식을 제공한다. 반복 실행 전반에서 그 접근 방식이 팀의 의사결정을 개선하는지 검증하라. 일일 리서치 보고서를 운영 의존성으로 전환하기 전에 그러한 검토 절차를 선택하라.



