OriginTrail | 이동 가능한 지식에서 검증 가능한 그래프로

OriginTrail | 이동 가능한 지식에서 검증 가능한 그래프로

AI 에이전트가 제대로 일하기 위해서는 뛰어난 언어 능력만큼 신뢰할 수 있는 맥락이 필요합니다.

기업의 지식은 위키와 데이터 카탈로그, 공유 문서, 코드 주석, 담당자의 경험처럼 여러 공간에 흩어져 있습니다. 새로운 AI 에이전트를 도입할 때마다 이러한 정보를 다시 수집하고, 각 도구가 이해할 수 있는 형태로 변환해야 한다면 에이전트끼리 같은 지식을 이어받기도 어렵습니다.

Google Cloud는 이러한 문제를 해결하기 위해 2026년 6월 12일 Open Knowledge Format, 즉 OKF를 공개했습니다. OKF는 지식을 특정 AI 모델이나 플랫폼에 가두지 않고, 사람과 AI가 함께 읽을 수 있는 개방형 파일 형식으로 저장하기 위한 규격입니다.

이후 OriginTrail은 2026년 7월 1일 OKF로 작성된 지식을 Decentralized Knowledge Graph로 가져오는 통합을 공개했습니다. OKF가 지식을 여러 시스템 사이에서 옮길 수 있게 한다면, OriginTrail DKG는 해당 지식을 그래프로 전환하고 발행자와 소유권, 암호학적 출처 정보를 연결하는 역할을 맡습니다.

다만 두 발표 사이에는 반드시 구분해야 할 버전 차이가 있습니다. OriginTrail이 통합을 공개했을 당시 Google의 공식 OKF 규격은 v0.1이었으며, 현재 공식 규격은 v0.2로 업데이트돼 있습니다. 따라서 OriginTrail이 공개한 통합 구조는 v0.1을 기준으로 살펴보고, v0.2에서 새롭게 추가된 기능은 현재 OKF의 발전 방향으로 구분해 이해해야 합니다.

지식을 한 번 작성하고 여러 AI가 읽는다

OKF의 핵심은 새로운 데이터베이스나 복잡한 실행 프로그램이 아닙니다.

OKF Bundle은 여러 개의 Markdown 파일로 구성됩니다. 각각의 파일은 하나의 Concept를 나타내며, 파일 상단의 YAML frontmatter에는 유형과 제목, 설명, 관련 자원 같은 구조화된 정보가 들어갑니다. 본문에는 사람이 읽을 수 있는 설명과 표, 코드, 사례 등을 자유롭게 기록할 수 있습니다.

Concept는 데이터 테이블이나 API처럼 구체적인 대상을 설명할 수도 있고, 기업의 KPI와 업무 절차, 운영 정책처럼 추상적인 지식을 담을 수도 있습니다. 여러 Concept는 일반적인 Markdown 링크를 통해 연결되며, 전체 폴더가 하나의 Knowledge Bundle을 이룹니다.

예를 들어 기업이 ‘주간 활성 사용자’라는 지표를 OKF로 관리한다면 하나의 Markdown 파일 안에 지표의 정의와 계산 방식, 연결된 데이터 테이블, 담당 조직, 관련 문서를 기록할 수 있습니다. 다른 에이전트는 별도의 전용 SDK 없이 해당 파일을 읽고 업무에 필요한 맥락을 확보할 수 있습니다.

Markdown과 YAML은 특정 AI 기업이나 클라우드가 소유한 형식이 아닙니다. 일반 편집기와 Git 저장소에서도 열 수 있고, 사람이 직접 수정한 지식을 AI가 그대로 읽을 수도 있습니다. Google은 OKF를 특정 클라우드나 데이터베이스, 모델 공급자, 에이전트 프레임워크에 종속되지 않는 형식으로 정의하고 있습니다.

즉, OKF가 먼저 해결하려는 문제는 지식의 이동성입니다. 한 도구가 만든 지식을 다른 에이전트가 읽고, 조직이 AI 서비스를 교체하더라도 기존 지식 묶음을 계속 활용할 수 있도록 만드는 것입니다.

OriginTrail 통합은 OKF v0.1을 기준으로 공개됐다

OriginTrail이 OKF와 DKG의 통합을 공개한 날짜는 2026년 7월 1일입니다. 당시 통합은 6월에 발표된 최초의 OKF v0.1 구조를 기준으로 설명됐습니다. OriginTrail의 공식 글 역시 OKF를 Markdown Concept 파일과 YAML frontmatter, Concept 사이의 링크로 구성된 휴대 가능한 지식 묶음으로 소개합니다.

당시 OKF v0.1은 지식을 여러 시스템 사이에서 교환하기 위한 최소한의 구조에 집중했습니다. 각 Concept에 필수적으로 요구되는 핵심 필드는 type 하나였고, 나머지 정보는 생산자가 필요에 따라 확장할 수 있도록 설계됐습니다. Google 역시 v0.1을 완성된 표준이 아니라 생태계와 함께 발전할 출발점으로 설명했습니다.

OriginTrail은 이 초기 OKF Bundle을 DKG의 Context Graph로 가져와, 파일 속 지식과 연결 관계를 여러 에이전트가 조회할 수 있는 그래프 구조로 전환하는 방식을 제시했습니다. 여기서 중요한 점은 가져오기 과정에서 AI가 원본에 없는 의미를 새롭게 만들어 내지 않는다는 것입니다.

AI가 추측하지 않는 결정론적 변환

OKF 문서를 지식 그래프로 변환할 때 언어 모델이 관계를 자유롭게 추론한다면, 원본에는 없던 연결이나 의미가 추가될 수 있습니다.

결과는 더 풍부해 보일 수 있지만 DKG에 들어간 내용이 원본 문서를 그대로 반영하는지 확인하기 어려워집니다. 잘못된 해석이 포함된 상태로 서명되고 기록된다면, 오류가 검증 가능한 형태로 고정되는 문제가 생길 수도 있습니다.

OriginTrail이 공개한 OKF 가져오기 방식은 이를 피하기 위해 변환 경로에 LLM을 사용하지 않습니다. 같은 OKF Bundle을 입력하면 동일한 그래프 트리플이 생성되도록 설계된 결정론적 변환을 사용합니다. 원본 OKF에 존재하는 링크는 그래프의 방향성 있는 연결로 변환되지만, AI가 새로운 관계 유형을 임의로 만들어 내지는 않습니다.

이 구조의 핵심은 지식을 더 그럴듯하게 재작성하는 것이 아니라, 작성된 내용을 그대로 그래프에 옮기는 것입니다.

누구나 같은 Bundle을 다시 가져와 동일한 결과가 생성되는지 비교할 수 있기 때문에, 원본 문서와 DKG에 발행된 지식 사이의 변환 과정도 검토할 수 있습니다. DKG의 암호학적 증명뿐 아니라 그 증명을 만들기 전 단계까지 재현 가능하게 만드는 것입니다.

파일 속 링크가 그래프의 관계가 된다

일반적인 Markdown 문서에서도 출처 링크를 작성할 수 있습니다.

사람은 링크를 열어 특정 수치가 어떤 보고서에서 나왔는지 확인할 수 있습니다. 하지만 수백 개의 문서에 흩어진 출처를 AI가 한꺼번에 비교하거나, 특정 주장과 관련된 모든 자료를 구조적으로 찾으려면 별도의 처리 과정이 필요합니다.

OriginTrail 통합에서는 OKF 문서의 Concept와 출처가 그래프의 노드로 변환되고, 이들 사이의 링크가 연결 관계로 표현됩니다. 파일 본문에 있던 출처가 단순한 텍스트 링크에 머무르지 않고, 다른 시스템이 탐색하고 질의할 수 있는 구조가 되는 것입니다.

이제 에이전트는 “이 수치를 뒷받침하는 원본 문서는 무엇인가”, “특정 출처를 참고한 다른 기록은 무엇인가”, “어떤 공시를 근거로 만들어진 지식인가”와 같은 질문을 그래프 쿼리로 탐색할 수 있습니다.

OKF가 지식을 읽을 수 있는 공통 형식을 제공한다면, DKG는 여러 Concept와 출처 사이의 관계를 따라가며 지식을 조회할 수 있는 실행 환경을 더하는 셈입니다.

Strategy의 비트코인 보유 자료로 진행한 데모

OriginTrail은 OKF와 DKG의 통합을 설명하기 위해 Strategy의 비트코인 매입 기록을 활용한 데모를 공개했습니다.

해당 데모에서는 Strategy가 미국 증권거래위원회에 제출한 Form 8-K를 주요 출처로 사용하고, SaylorTracker를 교차 확인 자료로 활용했습니다. 각 매입 기록은 하나의 OKF Concept로 정리됐으며, 어떤 공시와 보조 자료를 참고했는지가 링크로 기록됐습니다.

OKF 상태에서도 사람은 문서를 열어 출처를 확인할 수 있습니다. 하지만 출처 정보는 Markdown 본문과 링크 안에 존재하기 때문에, 여러 매입 기록을 한꺼번에 비교하거나 특정 수치를 뒷받침하는 공시를 자동으로 추적하려면 별도의 처리가 필요합니다.

DKG로 가져온 뒤에는 각 거래 기록과 SEC 공시, 교차 확인 자료가 그래프의 노드와 연결 관계로 전환됩니다. OriginTrail은 이를 통해 어떤 공시가 특정 수치를 뒷받침하는지, 어떤 매입 기록이 SEC 자료와 연결돼 있는지를 SPARQL로 조회하는 사례를 제시했습니다.

발행된 Knowledge Asset에는 Merkle root와 EIP-712 기반 증명도 연결됐습니다. 이를 통해 사용자는 지식이 어떤 발행 과정과 출처 관계를 거쳐 만들어졌는지 암호학적으로 확인할 수 있습니다.

여기서 핵심은 Strategy의 보유량 자체가 아닙니다. AI가 하나의 숫자에서 출발해 해당 숫자를 뒷받침하는 원본 공시까지 거슬러 올라갈 수 있는 구조를 만들었다는 점입니다.

현재 OKF는 v0.2로 발전했다

OriginTrail의 통합 발표 이후 Google의 공식 OKF 규격은 v0.2로 업데이트됐습니다.

OKF v0.2는 v0.1의 Markdown과 YAML 기반 구조를 유지하면서, 지식의 출처와 신뢰 상태, 최신성, 생명주기, 계산 검증을 다루는 메타데이터를 확장했습니다. 현재 공식 규격에는 sources, generated, verified, status, stale_after 등의 필드와 Attested Computation 개념이 포함돼 있습니다.

generated는 해당 내용을 누가 또는 무엇이 생성했는지를 기록하고, verified는 사람이나 기계가 원본 또는 정책과 대조해 내용을 확인했는지를 기록합니다. 이를 바탕으로 확인되지 않은 정보, 기계가 확인한 정보, 사람이 검토한 정보를 구분할 수 있습니다.

stale_after는 정보가 언제부터 오래된 것으로 취급돼야 하는지를 나타내며, status는 문서가 초안인지, 안정된 상태인지, 더 이상 사용하지 않는 상태인지 구분하는 데 사용됩니다. OKF v0.2는 AI가 지식을 읽을 때 단순히 “내용이 존재한다”는 사실뿐 아니라, “누가 만들었고, 누가 검토했으며, 아직 유효한가”를 함께 판단할 수 있도록 설계됐습니다.

또한 OKF v0.2는 문서의 정의를 확인하는 것과 특정 계산 결과가 정해진 방식으로 생성됐는지를 구분합니다. verified는 문서 수준의 확인을 나타내고, Attested Computation은 한 번의 계산 실행이 정해진 방식에 따라 수행됐는지를 확인하기 위한 구조입니다.

따라서 최신 기준에서는 “OKF에는 출처나 신뢰 관련 정보가 전혀 없다”고 설명해서는 안 됩니다. 해당 설명은 OriginTrail 통합이 공개됐던 초기 OKF v0.1의 한계를 설명할 때는 유효했지만, 현재 v0.2에는 관련 메타데이터가 공식적으로 추가됐습니다.

그래도 OKF는 플랫폼이 아니라 형식이다

OKF v0.2가 출처와 검토 상태를 기록할 수 있게 됐다고 해서 OKF 자체가 완전한 지식 네트워크나 블록체인 시스템이 된 것은 아닙니다.

Google의 공식 규격은 OKF가 저장 방식이나 지식 제공 서버, 검색·쿼리 인프라를 규정하지 않는다고 명시합니다. OKF는 어떤 정보를 어떤 구조로 기록하고 교환할지를 정의하지만, 해당 지식을 어디에 저장하고 누가 발행하며 여러 조직이 어떤 네트워크에서 공유할지까지 결정하지는 않습니다.

또한 OKF v0.2에 기록되는 신뢰 정보는 최종 판정이 아니라 판단에 활용할 수 있는 신호입니다.

예를 들어 verified에 사람이 검토했다고 기록돼 있더라도, 그 사람이 잘못된 원본을 기준으로 검토했다면 내용 자체가 자동으로 사실이 되는 것은 아닙니다. OKF는 출처와 작성자, 검토자, 최신성 등의 객관적인 정보를 기록하지만 어떤 자료를 최종적으로 신뢰할지는 소비자와 조직의 정책에 맡깁니다.

이 지점에서 현재의 OKF와 DKG는 경쟁 관계라기보다 서로 다른 계층을 담당한다고 볼 수 있습니다.

OKF는 지식을 작성하고 교환하기 위한 공통 형식을 제공하고, DKG는 해당 지식을 공유 그래프에 발행해 출처 관계를 조회하고, 발행자와 소유권, 무결성을 암호학적으로 확인할 수 있는 인프라를 제공합니다.

v0.2의 모든 필드가 현재 통합됐다고 볼 수는 없다

여기서 또 하나 구분해야 할 부분이 있습니다.

OriginTrail이 공개한 OKF 통합 설명은 2026년 7월 1일 당시의 v0.1 구조를 기준으로 합니다. 이후 OKF v0.2에 추가된 sources, generated, verified, stale_after, Attested Computation 등의 필드가 현재 OriginTrail 가져오기 과정에서 모두 별도의 의미로 보존되고 매핑되는지는 공개된 통합 글만으로 확정할 수 없습니다.

따라서 OKF v0.2의 신뢰 메타데이터와 OriginTrail DKG가 결합됐다고 단정하기보다, 현재 확인된 범위를 다음처럼 나누는 것이 정확합니다.

OriginTrail이 공식적으로 공개한 것은 OKF v0.1 Bundle을 결정론적으로 DKG의 Context Graph로 변환하고, 출처 관계와 암호학적 증명을 연결하는 구조입니다. 반면 OKF v0.2는 그 이후 Google이 규격 자체에 추가한 최신 기능이며, 신규 필드 전체에 대한 OriginTrail의 구체적인 지원 범위는 별도의 공식 업데이트가 필요합니다.

다만 향후 v0.2의 출처·검토·최신성 메타데이터가 DKG 통합에서 구조적으로 보존된다면, 문서에 기록된 신뢰 신호와 네트워크의 암호학적 출처 정보를 함께 조회하는 방향으로 확장될 가능성은 있습니다. 이는 현재 확정된 기능이 아니라, 두 기술의 구조를 바탕으로 한 잠재적인 발전 방향입니다.

검증 가능하다는 것이 진실을 보장하지는 않는다

DKG에 지식을 발행하고 암호학적 증명을 추가하더라도, 그 안에 담긴 내용이 자동으로 사실이 되는 것은 아닙니다.

DKG가 확인할 수 있는 것은 누가 지식을 발행했는지, 어떤 출처와 연결돼 있는지, 발행된 이후 내용이 변경됐는지와 같은 정보입니다. 그러나 원본 자료 자체가 잘못됐거나 발행자가 의도적으로 허위 정보를 입력했다면, 잘못된 정보 역시 출처가 명확한 상태로 기록될 수 있습니다.

OKF v0.2 역시 같은 원칙을 따릅니다. 출처의 작성자와 사용 횟수, 수정 시점, 사람 또는 기계의 검토 여부를 신뢰 판단에 활용할 수 있는 신호로 기록하지만, 형식 자체가 정보의 진실 여부를 최종 판정하지는 않습니다.

따라서 ‘신뢰할 수 있는 지식’이라는 표현보다 발행자와 출처, 변경 여부를 추적하고 검증할 수 있는 지식이라고 설명하는 것이 더 정확합니다.

실제 서비스에 적용할 때는 어떤 출처를 우선할지, 사람의 검토를 어떤 기준으로 인정할지, 오래된 정보는 어떻게 갱신할지, 서로 충돌하는 주장을 어떻게 표시할지에 대한 별도의 운영 정책이 필요합니다.

여러 AI가 같은 지식 기반을 사용할 수 있는 구조

OKF와 DKG의 조합은 지식이 여러 에이전트와 조직 사이를 이동해야 하는 환경에서 의미를 가질 수 있습니다.

OKF로 작성된 지식은 특정 AI 모델에 종속되지 않기 때문에 한 에이전트가 만든 문서를 다른 에이전트가 읽을 수 있습니다. DKG에 연결된 지식은 파일을 개별적으로 전달하는 데서 그치지 않고, Context Graph 안에서 관련 Concept와 출처를 따라 조회할 수 있습니다.

예를 들어 공급망에서는 제조사와 물류기업, 유통사가 동일한 제품 정보를 서로 다른 시스템에서 활용해야 합니다. 연구 분야에서는 어떤 분석 결과가 어떤 데이터와 문서를 바탕으로 만들어졌는지 추적해야 하며, 기업에서는 여러 AI 에이전트가 동일한 정책과 승인된 업무 지식을 공유해야 합니다.

OriginTrail은 공급망과 무역, 의약품·의료 유통, 제조, 과학 연구처럼 여러 조직 사이에서 지식의 출처 확인이 중요한 영역을 DKG의 적용 사례로 제시하고 있습니다. OKF는 이러한 조직이 기존 지식을 비교적 단순한 Markdown 구조로 정리해 공유 그래프에 연결할 수 있는 진입 경로가 될 수 있습니다.

다만 이러한 활용 가능성은 OKF 파일을 DKG로 가져오는 것만으로 자동 완성되지 않습니다. 접근 권한과 개인정보, 출처 등급, 지식 갱신, 오류 수정에 대한 규칙이 함께 설계돼야 여러 조직이 실제 업무에서 사용할 수 있습니다.

이동 가능한 지식에서 검증 가능한 지식으로

Google의 OKF는 AI 시대의 지식을 특정 플랫폼 안에 갇힌 데이터가 아니라, 사람이 직접 읽고 여러 에이전트가 교환할 수 있는 개방형 파일로 만들려는 시도입니다.

2026년 6월 공개된 v0.1은 Markdown과 YAML을 중심으로 지식의 이동성과 상호운용성에 집중했습니다. 이후 v0.2에서는 출처와 작성자, 검토 상태, 최신성, 계산 검증에 관한 메타데이터가 추가되며 규격 자체도 발전했습니다.

OriginTrail이 2026년 7월 공개한 통합은 초기 OKF v0.1 Bundle을 결정론적으로 DKG의 Context Graph로 변환하고, 파일 속 출처와 연결 관계를 조회 가능한 그래프로 바꾸는 구조를 보여줬습니다. 또한 Knowledge Asset에 발행자와 소유권, 암호학적 증명을 연결해 원본 지식이 어디에서 왔는지 추적할 수 있도록 했습니다.

최신 기준에서 두 기술의 관계는 단순히 “OKF에 신뢰가 없고 DKG가 이를 채운다”는 설명보다 더 세밀하게 봐야 합니다.

OKF는 지식을 공통된 방식으로 기록하고 교환하는 형식을 제공하고, DKG는 해당 지식을 여러 참여자가 공유·조회하며 발행자와 출처, 무결성을 검증할 수 있는 네트워크 계층을 제공합니다.

결국 두 기술이 함께 해결하려는 문제는 AI에게 더 많은 문서를 제공하는 것이 아닙니다.

AI가 사용한 지식이 어디에서 왔고, 누가 작성하고 검토했으며, 어떤 자료와 연결돼 있고, 다른 인간이나 AI가 그 과정을 어떻게 다시 확인할 수 있는지를 보여주는 것입니다.