우리가 지키는 원칙

HomeGenomics는 거창한 선언보다, 콘텐츠를 만들고 고칠 때 다시 확인할 기준을 남기려 합니다. 다음 원칙은 프로젝트의 규모나 운영자가 바뀌어도 유지할 약속입니다.

개발자와 창업자를 위한 학습에 집중한다

HomeGenomics의 핵심 독자는 IT 개발자와 창업자입니다. 코드, 데이터 구조와 재현 가능한 분석처럼 개발자에게 익숙한 방법으로 유전체·생체 데이터를 설명합니다.

이 프로젝트가 사회에 기여하는 방법은 모든 사람을 직접 가르치는 것이 아닙니다. 개발자와 창업자가 유전체 데이터와 AI 분석을 과신하지 않고, 근거와 한계를 확인하며, 배운 판단 기준을 동료와 사회에 나눌 수 있도록 돕는 것입니다.

실제 사례에서 배우되, 사람보다 방법을 공개한다

실제 사례는 분석 질문이 어디서 생기고 어떤 판단을 거치는지 보여 주는 중요한 학습 재료입니다. 다만 학습을 위해 당사자의 신상정보나 원본 데이터를 공개해야 하는 것은 아닙니다.

• 공개되었거나 합성된 데이터를 우선 사용합니다.
• 구성원이 제공한 사례는 모임 내부 사용, 웹사이트 게시, 소스 저장소 공개와 외부 발표를 구분해 당사자의 의사를 확인합니다.
• 참여 사실, 실명, 소속, 계정과 기여 내역의 공개 여부는 각자가 선택합니다.
• 공개하지 않는 이유를 설명하도록 요구하지 않으며, 익명이나 필명 참여를 다르게 대우하지 않습니다.
• 공개 전에는 한번 퍼진 정보는 완전히 회수하기 어렵다는 점까지 함께 확인합니다.

이 원칙은 개별 사례의 사용 동의를 대신하지 않습니다. 구체적인 동의 방식과 개인정보 처리 절차는 구성원의 사례를 받기 전에 별도로 정합니다.

AI의 출력은 답이 아니라 검토 대상이다

AI 에이전트는 환경을 준비하고 코드를 실행하며 자료를 찾는 데 사용할 수 있습니다. 그러나 그 출력이 사실이라는 이유는 AI가 말했기 때문이 아니라, 입력 데이터와 계산 과정, 실제 산출물과 출처가 서로 맞기 때문이어야 합니다.

분석에서는 가능한 범위에서 입력의 출처, 도구와 데이터베이스 버전, 실행 조건, 제외 기준과 남은 불확실성을 기록합니다. 에이전트가 임의로 선택해서는 안 되는 지점에서는 가능한 선택지를 보여 주고 멈추게 합니다.

근거가 말하는 범위까지만 쓴다

관찰한 결과, 당사자의 설명, 회사의 주장, 언론 보도와 HomeGenomics의 해석을 같은 수준의 사실로 다루지 않습니다. 한 사람이나 한 실험의 결과를 다른 사람에게 그대로 일반화하지 않으며, 후보를 찾은 것과 효과를 확인한 것을 구분합니다.

근거가 부족한 부분은 빈칸을 억지로 채우지 않고 아직 모른다고 남깁니다. 새로운 자료가 나오면 과거 설명도 다시 확인합니다.

개인과 가족의 데이터는 필요한 만큼만 다룬다

공개·합성 데이터로 같은 학습 목표를 달성할 수 있다면 개인 데이터를 사용하지 않습니다. 개인이나 가족의 데이터를 다뤄야 한다면 어떤 목적으로, 어디에서, 누구와, 얼마나 오래 사용할지 먼저 정합니다.

분석에 필요하지 않은 이름, 연락처와 가족관계 정보는 함께 보관하거나 공유하지 않습니다. 외부 AI나 분석 서비스로 전송되는 정보도 파일 업로드뿐 아니라 프롬프트, 로그와 API 요청까지 확인합니다.

오류를 숨기지 않고 고친다

콘텐츠의 출처와 검토 시점을 가능한 한 남기고, 재현 가능한 실습에는 입력과 예상 결과를 함께 제공합니다. 오류가 확인되면 조용히 결론만 바꾸기보다 무엇이 왜 달라졌는지 알 수 있게 기록합니다.

후원이나 사업적 이해관계가 콘텐츠와 관련되면 이를 밝힙니다. 프로젝트의 우선순위는 특정 제품이나 서비스를 홍보하는 것이 아니라, 개발자가 유전체 데이터와 AI 결과를 더 정확하게 판단하도록 돕는 데 둡니다.

이 원칙도 완성된 문서가 아닙니다. 실제 운영에서 부족한 점이 드러나면 변경 이유와 함께 고쳐 나갑니다.

다음: Sid Sijbrandij의 사례