KOIIAAI Ready Data 처음으로

홈›개발자 · AI

개발자 · AI 이용 안내

프로그램과 AI 에이전트가 AI Ready Data(AIRD) 데이터 팩을 읽는 방법을 안내합니다.

에이전트 정답률

원본 54.8%AIRD 100.0%

같은 질문 7개 × 6회 = 42건 · 원본 파일 23 → 데이터 팩 42 정답 · 파일 경로 실험(2026-10-21)

값으로 데이터 찾기

원본 7종AIRD 56종

「오스트레일리아」 값이 포함된 데이터 수 · 원본 표기로 찾은 결과와 AIRD 정제값으로 찾은 결과

개발자가 직접 처리하지 않아도 되는 정제

685개

AI Ready 371종에 사전 생성한 「정제_」 열 · 원본 열은 그대로 유지하고, 확정하지 못한 값은 [E]로 표시

371AI Ready 데이터5검증 완료 활용 사례 팩1,401준비 중(AI Ready 전)

응답 보기 API 직접 호출

읽기 전용 · 로그인 없음 · 이 화면의 호출은 이용 통계에 포함하지 않습니다

측정 결과: 실증 결과

호출 예시

직접 호출(도구 · 인자)
보내는 요청(JSON-RPC)
응답 판단 규칙규칙 7가지 보기

공공데이터 1종을 원본 그대로 유지하고, 표기를 통일한 정제 열 · 항목 정의 · 판정서 · 파일 지문(SHA-256 해시값)을 함께 포함한 zip입니다. 어떤 팩을 열어도 같은 위치에 같은 파일이 있습니다.

  1. 1
    manifest.json

    「내려받은 파일이 발행본 그대로인가?」

  2. 2
    metadata/metadata-1.0.0.json

    「무슨 데이터이고, 누가 냈고, 써도 되나?」

  3. 3
    schema/columns-1.0.0.json

    「이 열은 무슨 뜻이고, 어떤 값이 들어 있나?」

  4. 4
    data/dataset-15076635.csv

    「실제 값은? 무엇이 바뀌었나?」

이 4개 파일로 활용할 수 있습니다. 판정서 · 진단 기록 · 변환 기록 · 이용 조건까지 전체 파일과 내용은 규격 › 팩 구조에서 확인합니다.

연결 방식

세 방식 가운데 하나를 선택하여 사용합니다. 어느 방식이든 같은 팩과 같은 규칙이 적용됩니다.

원격 MCP 서버(커스텀 커넥터)를 지원하는 AI 앱에 주소를 입력합니다. 같은 이용자 분당 120회.

주소https://aird.idx.or.kr/mcp
Claude Codeclaude mcp add --transport http aird https://aird.idx.or.kr/mcp
설정 파일{ "mcpServers": { "aird": { "type": "http", "url": "https://aird.idx.or.kr/mcp" } } }

도구 8개

search_datasets데이터 찾기

사이트 「데이터 찾기」와 같은 검색으로 AIRD 데이터 팩을 찾는다(데이터명 · 기관 · 항목명 · 키워드 · 데이터 ID, 시도 별칭 확장, 낱말은 모두 맞아야 함). 결과마다 준비 단계(lifecycle · aiReady)를 제공한다. 대부분은 준비 중(Discoverable) 단계이며, ready="ai"로 AI Ready(Quality-Ready · Purpose-Ready)만 선택할 수 있다. 시도 · 시군구 · 국가 · 산업단지 이름이나 HS 코드(4자리 이상은 2자리 류)와 같은 검색어는 그 값이 포함된 대표 데이터도 찾는다(valueMatches). linkedDatasets는 연결 기준(항목 종류)이 같은 데이터 수로 값 일치를 확인하지 않은 수다(값 미확인 · L1, 값 확인은 find_joinable). total은 전체 일치 수, offset으로 다음 쪽. 영문 · 자연어 문장은 지원하지 않으므로 핵심 낱말로 찾는다.

get_dataset데이터 카드

데이터 하나의 설명 · 항목(열) 정보 · 정제 여부 · 연결 기준 · 준비 단계(readiness) · 이용 조건(license.id: KOGL 유형) · 팩 파일 주소를 돌려준다. knownLimitations는 공개 팩을 변경하지 않고 안내하는 한계(예: 정제 열의 표기 혼재)다.

find_joinable연결 가능한 데이터

같은 연결 기준(시도 · 국가 · 업종 등)을 가진 다른 데이터를 찾는다. 보장 수준 L1(기준 공유, 값 일치 미확인).

lookup_value값으로 데이터 찾기

연결 기준 값(예: 시도 「경기도」, 국가 「베트남」, HS 류 「33」, 산업단지 이름)이 실제로 포함된 데이터를 찾는다. 원본 표기 일치 수와 AIRD 정제값 일치 수를 함께 준다. 보장 수준 L2.

list_axes연결 기준 목록

데이터를 서로 연결하는 데 사용하는 연결 기준(축) 목록과 기준별 데이터 수.

get_pack활용 사례 팩

학습 · 검색 · 지식그래프 · 통계 목적으로 결합 · 정제 · 점검을 완료한 AIRD 팩 정보(구성 파일 · SHA-256 · 점검 결과 · 내려받기 주소). id 없이 부르면 목록. supply는 사례용 결합 데이터(표준 팩 아님, standard=false). id를 주면 팩 데이터에서 공개 규칙으로 찾은 변동 사례 목록(events)도 돌려준다. event(예: fuel-E06)를 함께 주면 그 사례의 판정 · 분해 · 근거 행 · 근거를 다시 얻는 질의(sql 또는 code) · 이 팩으로 확인할 수 없는 것을 돌려준다(원인을 단정하지 않는 규칙 문장).

query_fuel_infra수소 · 연료 인프라 SQL

수소 · 연료 인프라 AIRD 팩의 SQLite를 SELECT 문으로 조회한다(최대 200행). 표: h2_station_monthly(station, year_month, vehicles_charged, hydrogen_kg, address, sido), budget_gas_station(name, address, brand, self_service, sido), lpg_dealer(name, address, sido), h2_station_build_cumulative(usage, year, as_of, stations_cumulative). 시도는 현행 명칭(예: 전북특별자치도). 판매가격 정보는 없다.

normalize_labels표기 통일(결합 보조 사전)

업종명 · HS 품목명 · 품목명 · 산업단지 이름처럼 데이터를 연결하는 이름 값의 표기를 결합 보조 사전(overlay)으로 통일한다. 공개된 데이터 팩의 값은 변경하지 않으며, 사전은 팩 외부에서 버전 번호를 별도로 관리한다. 값마다 originalValue(입력 값) · value(통일한 값) · changed를 제공하고, 변경된 값에는 normalizedBy(overlay@버전)와 근거(sources: 그 표기가 실제로 포함된 팩 · 열 · 셀 수)를 표시한다. 현재 규칙은 가운뎃점 계열 문자(ㆍ U+318D 등)를 「·」(U+00B7)로 통일하는 것 하나다. 가운뎃점이 공백으로 빠진 값(예: 「과실 채소」)은 바꾸지 않고 suggestion으로 사전의 표준 표기를 알려 준다. 두 데이터를 이름으로 연결할 때 양쪽 값을 모두 이 도구로 통일한 뒤 비교해 주세요.

팩(zip)을 내려받아 세 단계로 활용합니다. 예시는 알뜰주유소 팩(15076635)으로 실제 실행해 확인했습니다.

curl -LO https://aird.idx.or.kr/files/data/15076635.zip     # ⓪ 내려받기: 주소는 get_dataset의 refined.download
unzip 15076635.zip
  1. ① 봉인(무결성) 확인manifest의 SHA-256과 파일 지문 비교
  2. ② 열 의미 확인schema/ 정의: 열 이름만으로 판단하지 않음
  3. ③ 정제 열 활용「정제_」 열 · [E] 값은 별도 처리
import json, hashlib
import pandas as pd                                  # pip install pandas pyarrow
P = '15076635/'                                      # 압축을 해제한 폴더
m = json.load(open(P + 'manifest.json', encoding='utf-8'))
print(m['aird:lifecycleStatus'])                     # ls:Quality-Ready → AI Ready

# ① 봉인(무결성) 확인 — 지문이 다른 파일이 없으면 [] 가 나온다
print([a['href'] for a in m['assets']
       if hashlib.sha256(open(P + a['href'], 'rb').read()).hexdigest()
       != a['spdx:checksum']['spdx:checksumValue']])

# ② 열의 뜻 — 정의를 읽는다
sch = json.load(open(P + 'schema/columns-1.0.0.json', encoding='utf-8'))
desc = {c['csvw:name']: c.get('dct:description', {}).get('@value') for c in sch['csvw:column']}

# ③ 「정제_」 열을 쓰고, [E] 값은 따로 센다
d = pd.read_parquet(P + 'data/dataset-15076635.parquet')
print(len(d), d['정제_주소'].str.startswith('[E]').sum())   # 1328 43
DuckDB · curl
SELECT split_part("정제_주소", ' ', 1) AS 시도, count(*) AS 주유소
FROM '15076635/data/dataset-15076635.parquet'
WHERE "정제_주소" NOT LIKE '[E]%' GROUP BY 1 ORDER BY 2 DESC;
curl -H "Accept: application/ld+json" https://aird.idx.or.kr/data/15076635

엑셀 · 스프레드시트

  1. 데이터 찾기에서 팩(zip)을 내려받아 압축을 해제합니다.
  2. data/의 CSV를 엽니다(한글이 정상적으로 표시되지 않으면 UTF-8 인코딩으로 엽니다).
  3. 분석에는 「정제_」 열을 사용하고, [E] 값은 원본을 확인한 뒤 사용합니다.
  4. 출처 표시는 LICENSE.txt 문구 그대로.

AI에 팩 폴더 제공

파일을 읽는 AI 도구에 폴더와 함께 이 지시문을 제공합니다. 판단 규칙에서 생성한 문장입니다.

AI 지시문 5줄
이 폴더는 데이터 팩입니다. 다음 기준(AIRD 응답 판단 규칙 0.3.0-draft)을 따라 읽고 답해 주세요.
1. manifest.json의 aird:lifecycleStatus를 확인합니다. ls:Discoverable(준비 중)이면 AI Ready 데이터가 아니며, 잠정 판정이면 품질 판정 전임을 밝힙니다. (R2)
2. 열의 뜻은 schema/ 정의를 따릅니다. 열 이름만으로 추정하지 않습니다. (R5)
3. 값은 「정제_」 열을 우선 사용합니다. [E]로 시작하는 값은 「확인 필요」로 별도 집계하고 그 수를 밝힙니다. (R5)
4. 데이터에 없거나 diagnosis/에 한계로 적힌 정보는 추정하지 말고 「답할 수 없음」이라고 답합니다. (R6)
5. 답마다 근거(파일 · 열 · 조건)를 밝히고, 이용 조건은 LICENSE.txt를 따릅니다. (R1 · R7)

근거: 데이터 팩을 제공받은 에이전트의 정답률

검증 범위파일 경로(원본 폴더와 데이터 팩 폴더)를 비교한 실험입니다. MCP 경로는 아직 실험하지 않았습니다.

에이전트 답의 정답률(원본 파일 vs 데이터 팩)
  • 정확 일치23 → 42 / 42 54.8% 100.0% +45.2%p
  • ±5% 이내34 → 42 / 42 81.0% 100.0% +19.0%p
  • ±10% 이내38 → 42 / 42 90.5% 100.0% +9.5%p
실험 설계 · 한계 7가지 · 지시문

같은 질문을 같은 모델에게, 원본 파일 폴더(공공데이터포털 원본 열만) 또는 AIRD 팩 폴더만 제공하고 답변하도록 하였습니다(평가 정답 파일은 어느 쪽에도 제공하지 않음). 모델은 Claude Haiku · Claude Sonnet입니다. AIRD 조건은 정정한 팩으로 다시 3회씩 실행했고, 원본 조건 6회는 이전 실행 답을 정정한 정답으로 다시 채점했습니다. 모두 12회(같은 지시문, 도구 사용 30회 이내). 수소 · 연료 14문항은 1차 실행(모델 · 조건마다 1회) 결과입니다.

정확 일치를 기준으로 하고, 허용 오차의 영향을 확인하기 위해 ±5% · ±10%도 함께 집계합니다 · 실험일 2026-10-21

  • 질문 수가 적습니다(리콜 7문항 × 12회, 연료 14문항 × 4회). 통계적 검정은 하지 않았습니다.
  • 리콜 정답은 팩을 만든 규칙과 같은 규칙으로 원천 문장에서 집계했습니다. 팩은 그 규칙을 사전 적용한 것이므로 정확 일치에서는 팩 조건이 구조적으로 유리합니다. 원본 조건 답의 근거(어떤 규칙으로 집계했는지)를 함께 공개합니다.
  • AIRD 조건에는 README(태그 설명)를 제공했고 원본 조건에는 CSV만 제공했습니다. 「설명이 포함된 데이터」 자체가 비교 대상입니다.

나머지 한계 4가지: 실증 결과

철회한 이전 결과 1차 리콜 실험(같은 날)은 팩 태그 결함 2건 때문에 정답 자체에 오류가 있었습니다. 배율 태그에 첫 물질 값만 기록되어 AQ-R06 정답이 99(바른 값 146)였고, 물질 태그에 위해 설명 속 물질명이 혼입되어 납 143(141) · 카드뮴 58(56)이었습니다. 그때 보고한 「AIRD 7/7 · 원본 3/7 · 4/7」은 철회합니다.

You are answering data questions using ONLY the files in this folder: {DIR} (read-only; do not read anything outside it, do not use the web). Questions are in {QUESTIONS}. Use Bash/Python to inspect and compute. Limit yourself to at most 30 tool calls. For count questions answer a single integer (number of recall cases = rows/records). If the data cannot answer a question, answer exactly "답할 수 없음". Write your result as JSON to {OUT} with the shape {"answers":[{"id":"AQ-R01","answer":"...","basis":"one-line: which file/column/rule you used"}...],"toolCalls":N}. Then reply with just "done".

규격

참고 정보는 별도 페이지에 정리하였습니다.