diff --git a/database/adb/85_hmm_hr_select_ai_no_annotation_profile.sql b/database/adb/85_hmm_hr_select_ai_no_annotation_profile.sql
new file mode 100644
index 0000000..f9d570c
--- /dev/null
+++ b/database/adb/85_hmm_hr_select_ai_no_annotation_profile.sql
@@ -0,0 +1,159 @@
+-- Redmine #749
+-- Create an isolated HMM HR Select AI profile with annotations disabled.
+-- The source profile is never modified.
+
+SET SERVEROUTPUT ON SIZE UNLIMITED
+WHENEVER SQLERROR EXIT SQL.SQLCODE
+
+DECLARE
+  c_source_profile CONSTANT VARCHAR2(128) := 'HMM_HR_DATA_GPT54_PROFILE';
+  c_target_profile CONSTANT VARCHAR2(128) := 'HMM_HR_DATA_GPT54_NOANN_PROFILE';
+
+  l_attributes       CLOB;
+  l_object_list      CLOB;
+  l_provider         VARCHAR2(4000);
+  l_credential_name  VARCHAR2(4000);
+  l_model            VARCHAR2(4000);
+  l_region           VARCHAR2(4000);
+  l_compartment_id   VARCHAR2(4000);
+  l_max_tokens       NUMBER;
+  l_temperature      NUMBER;
+  l_profile_count    PLS_INTEGER;
+  l_difference_count PLS_INTEGER;
+  l_annotations      VARCHAR2(30);
+
+  FUNCTION attribute_clob(p_name IN VARCHAR2) RETURN CLOB IS
+    l_value CLOB;
+  BEGIN
+    SELECT attribute_value
+      INTO l_value
+      FROM user_cloud_ai_profile_attributes
+     WHERE profile_name = c_source_profile
+       AND attribute_name = p_name;
+    RETURN l_value;
+  END attribute_clob;
+
+  FUNCTION attribute_text(p_name IN VARCHAR2) RETURN VARCHAR2 IS
+  BEGIN
+    RETURN DBMS_LOB.SUBSTR(attribute_clob(p_name), 4000, 1);
+  END attribute_text;
+BEGIN
+  SELECT COUNT(*)
+    INTO l_profile_count
+    FROM user_cloud_ai_profiles
+   WHERE profile_name = c_source_profile
+     AND status = 'ENABLED';
+
+  IF l_profile_count <> 1 THEN
+    RAISE_APPLICATION_ERROR(-20080, 'Enabled source Select AI profile was not found.');
+  END IF;
+
+  l_provider := attribute_text('provider');
+  l_credential_name := attribute_text('credential_name');
+  l_model := attribute_text('model');
+  l_region := attribute_text('region');
+  l_compartment_id := attribute_text('oci_compartment_id');
+  l_object_list := attribute_clob('object_list');
+  l_max_tokens := TO_NUMBER(
+    attribute_text('max_tokens'),
+    '9999999999',
+    'NLS_NUMERIC_CHARACTERS=''.,'''
+  );
+  l_temperature := TO_NUMBER(
+    attribute_text('temperature'),
+    '9999999990D999999999',
+    'NLS_NUMERIC_CHARACTERS=''.,'''
+  );
+
+  SELECT COUNT(*)
+    INTO l_profile_count
+    FROM user_cloud_ai_profiles
+   WHERE profile_name = c_target_profile;
+
+  IF l_profile_count = 0 THEN
+    SELECT JSON_OBJECT(
+             'provider' VALUE l_provider,
+             'credential_name' VALUE l_credential_name,
+             'model' VALUE l_model,
+             'region' VALUE l_region,
+             'oci_compartment_id' VALUE l_compartment_id,
+             'object_list' VALUE l_object_list FORMAT JSON,
+             'max_tokens' VALUE l_max_tokens,
+             'temperature' VALUE l_temperature,
+             'annotations' VALUE 'false' FORMAT JSON
+             RETURNING CLOB
+           )
+      INTO l_attributes
+      FROM dual;
+
+    DBMS_CLOUD_AI.CREATE_PROFILE(
+      profile_name => c_target_profile,
+      attributes => l_attributes,
+      status => 'enabled',
+      description => 'HMM HR GPT-5.4 mini comparison profile with annotations disabled'
+    );
+    DBMS_OUTPUT.PUT_LINE('PROFILE_CREATED|' || c_target_profile);
+  ELSE
+    DBMS_OUTPUT.PUT_LINE('PROFILE_EXISTS|' || c_target_profile);
+  END IF;
+
+  SELECT COUNT(*)
+    INTO l_difference_count
+    FROM (
+      SELECT attribute_name, attribute_value
+        FROM user_cloud_ai_profile_attributes
+       WHERE profile_name = c_source_profile
+         AND attribute_name <> 'annotations'
+    ) source_attributes
+    FULL OUTER JOIN (
+      SELECT attribute_name, attribute_value
+        FROM user_cloud_ai_profile_attributes
+       WHERE profile_name = c_target_profile
+         AND attribute_name <> 'annotations'
+    ) target_attributes
+      ON target_attributes.attribute_name = source_attributes.attribute_name
+   WHERE source_attributes.attribute_name IS NULL
+      OR target_attributes.attribute_name IS NULL
+      OR DBMS_LOB.COMPARE(
+           source_attributes.attribute_value,
+           target_attributes.attribute_value
+         ) <> 0;
+
+  SELECT LOWER(TRIM(DBMS_LOB.SUBSTR(attribute_value, 30, 1)))
+    INTO l_annotations
+    FROM user_cloud_ai_profile_attributes
+   WHERE profile_name = c_target_profile
+     AND attribute_name = 'annotations';
+
+  IF l_difference_count <> 0 OR l_annotations <> 'false' THEN
+    RAISE_APPLICATION_ERROR(
+      -20081,
+      'Comparison profile differs from source beyond annotations=false.'
+    );
+  END IF;
+
+  DBMS_OUTPUT.PUT_LINE(
+    'PROFILE_VALIDATED|source=' || c_source_profile
+    || '|target=' || c_target_profile
+    || '|annotations=false|other_attribute_differences=0'
+  );
+END;
+/
+
+SELECT profile_name, status, description
+  FROM user_cloud_ai_profiles
+ WHERE profile_name IN (
+   'HMM_HR_DATA_GPT54_PROFILE',
+   'HMM_HR_DATA_GPT54_NOANN_PROFILE'
+ )
+ ORDER BY profile_name;
+
+SELECT profile_name, attribute_name, attribute_value
+  FROM user_cloud_ai_profile_attributes
+ WHERE profile_name IN (
+   'HMM_HR_DATA_GPT54_PROFILE',
+   'HMM_HR_DATA_GPT54_NOANN_PROFILE'
+ )
+ ORDER BY profile_name, attribute_name;
+
+EXIT SUCCESS
diff --git a/database/adb/86_hmm_select_ai_annotation_benchmark.sql b/database/adb/86_hmm_select_ai_annotation_benchmark.sql
new file mode 100644
index 0000000..1bfa302
--- /dev/null
+++ b/database/adb/86_hmm_select_ai_annotation_benchmark.sql
@@ -0,0 +1,103 @@
+-- Redmine #749
+-- Compare Select AI prompt and SQL generation with annotations enabled/disabled.
+-- The Korean prompt is reconstructed from UTF-8 Base64 inside Oracle.
+
+SET SERVEROUTPUT ON SIZE UNLIMITED
+SET FEEDBACK OFF
+SET VERIFY OFF
+WHENEVER SQLERROR EXIT SQL.SQLCODE
+
+DECLARE
+  c_annotation_profile CONSTANT VARCHAR2(128) := 'HMM_HR_DATA_GPT54_PROFILE';
+  c_no_annotation_profile CONSTANT VARCHAR2(128) := 'HMM_HR_DATA_GPT54_NOANN_PROFILE';
+  c_prompt_base64 CONSTANT VARCHAR2(4000) :=
+    '7J2067KIIOuLrCDtjIDsm5Drs4Qg7Zy06rCAIOyCrOyaqSDtmITtmansnYQg67O07Jes7KSY';
+
+  l_prompt VARCHAR2(4000) :=
+    UTL_I18N.RAW_TO_CHAR(
+      UTL_ENCODE.BASE64_DECODE(UTL_RAW.CAST_TO_RAW(c_prompt_base64)),
+      'AL32UTF8'
+    );
+
+  PROCEDURE run_one(
+    p_run_no       IN PLS_INTEGER,
+    p_action       IN VARCHAR2,
+    p_profile_name IN VARCHAR2
+  ) IS
+    l_started     PLS_INTEGER;
+    l_elapsed_ms PLS_INTEGER;
+    l_result      CLOB;
+    l_result_head VARCHAR2(32767);
+    l_result_hash VARCHAR2(128);
+    l_valid_sql   VARCHAR2(1) := '-';
+  BEGIN
+    l_started := DBMS_UTILITY.GET_TIME;
+    l_result := DBMS_CLOUD_AI.GENERATE(
+      l_prompt,
+      p_profile_name,
+      p_action
+    );
+    l_elapsed_ms := (DBMS_UTILITY.GET_TIME - l_started) * 10;
+    l_result_head := DBMS_LOB.SUBSTR(l_result, 32767, 1);
+    SELECT RAWTOHEX(STANDARD_HASH(l_result_head, 'SHA256'))
+      INTO l_result_hash
+      FROM dual;
+
+    IF p_action = 'showsql' THEN
+      IF REGEXP_LIKE(LTRIM(l_result_head), '^(SELECT|WITH)[[:space:]]', 'i') THEN
+        l_valid_sql := 'Y';
+      ELSE
+        l_valid_sql := 'N';
+      END IF;
+    END IF;
+
+    DBMS_OUTPUT.PUT_LINE(
+      'BENCHMARK|run=' || p_run_no
+      || '|action=' || p_action
+      || '|profile=' || p_profile_name
+      || '|elapsed_ms=' || l_elapsed_ms
+      || '|result_chars=' || DBMS_LOB.GETLENGTH(l_result)
+      || '|valid_sql=' || l_valid_sql
+      || '|result_sha256=' || l_result_hash
+    );
+  EXCEPTION
+    WHEN OTHERS THEN
+      l_elapsed_ms := (DBMS_UTILITY.GET_TIME - l_started) * 10;
+      DBMS_OUTPUT.PUT_LINE(
+        'BENCHMARK_ERROR|run=' || p_run_no
+        || '|action=' || p_action
+        || '|profile=' || p_profile_name
+        || '|elapsed_ms=' || l_elapsed_ms
+        || '|error=' || REPLACE(SUBSTR(SQLERRM, 1, 500), '|', '/')
+      );
+  END run_one;
+
+  PROCEDURE run_pair(p_run_no IN PLS_INTEGER, p_action IN VARCHAR2) IS
+  BEGIN
+    IF MOD(p_run_no, 2) = 1 THEN
+      run_one(p_run_no, p_action, c_annotation_profile);
+      run_one(p_run_no, p_action, c_no_annotation_profile);
+    ELSE
+      run_one(p_run_no, p_action, c_no_annotation_profile);
+      run_one(p_run_no, p_action, c_annotation_profile);
+    END IF;
+  END run_pair;
+BEGIN
+  DBMS_OUTPUT.PUT_LINE(
+    'BENCHMARK_START|prompt_utf8_bytes=' ||
+    UTL_RAW.LENGTH(UTL_I18N.STRING_TO_RAW(l_prompt, 'AL32UTF8'))
+  );
+
+  FOR run_no IN 1 .. 3 LOOP
+    run_pair(run_no, 'showprompt');
+  END LOOP;
+
+  FOR run_no IN 1 .. 3 LOOP
+    run_pair(run_no, 'showsql');
+  END LOOP;
+
+  DBMS_OUTPUT.PUT_LINE('BENCHMARK_END');
+END;
+/
+
+EXIT SUCCESS
diff --git a/docs/design/749-hmm-select-ai-no-annotation-profile/README.md b/docs/design/749-hmm-select-ai-no-annotation-profile/README.md
new file mode 100644
index 0000000..1134428
--- /dev/null
+++ b/docs/design/749-hmm-select-ai-no-annotation-profile/README.md
@@ -0,0 +1,55 @@
+# HMM Select AI annotation 제외 프로파일 비교
+
+Redmine: #749
+
+상태: Approved
+
+구현 대상: `database/adb/85_hmm_hr_select_ai_no_annotation_profile.sql`,
+`database/adb/86_hmm_select_ai_annotation_benchmark.sql`
+
+## 목적
+
+HMM HR Select AI에서 Oracle table/column annotation을 프롬프트에 포함할 때와 제외할 때의 응답
+시간과 SQL 생성 결과를 같은 조건으로 비교한다. 운영 프로파일과 MCP 설정은 변경하지 않는다.
+
+## 범위와 결정사항
+
+- 기준 프로파일은 `HMM_HR_DATA_GPT54_PROFILE`이며 현재 `annotations=true`다.
+- 비교 프로파일은 `HMM_HR_DATA_GPT54_NOANN_PROFILE`로 만들고 `annotations=false`를 명시한다.
+- provider, credential, model, region, compartment, object list, temperature, max tokens는 동일하게 유지한다.
+- 같은 한국어 질문으로 `showprompt` 크기·시간과 `showsql` 생성 시간·성공 여부를 교차 반복 측정한다.
+- 한국어 질문은 SQLcl에 직접 넣지 않고 UTF-8 Base64를 Oracle 안에서 복원한다.
+- 측정 결과만으로 운영 프로파일을 자동 전환하지 않는다.
+
+## 전체 구성
+
+```text
+동일 HR 질문
+   ├─ HMM_HR_DATA_GPT54_PROFILE          ─ annotations=true  ─ showprompt/showsql
+   └─ HMM_HR_DATA_GPT54_NOANN_PROFILE    ─ annotations=false ─ showprompt/showsql
+                                              │
+                                    시간·prompt 크기·SQL 비교
+```
+
+두 경로의 유일한 의도적 차이는 `annotations`다. 기존 선사 Federation 프로파일은 이미 annotation을
+사용하지 않으므로 이번 A/B 대상이 아니다.
+
+## 성공 기준
+
+- 두 프로파일의 비교 대상 속성이 `annotations` 외에는 같다.
+- 각 프로파일이 같은 질문에 유효한 읽기 전용 SQL을 생성한다.
+- 측정 회차별 시간, 성공 여부, 생성 SQL 길이를 남긴다.
+- 기존 프로파일과 운영 `BACKOFFICE_SELECT_AI_PROFILE` 값이 바뀌지 않는다.
+
+## 문서 지도
+
+- [비교 설계](architecture.md)
+- [생성·측정·롤백 절차](cookbook.md)
+- [측정 결과](results.md)
+- [문제 해결](troubleshooting.md)
+
+## 현재 상태
+
+2026-08-11 비교 프로파일 생성과 3회 교차 측정을 완료했다. 현재 HR object list에는 실제
+annotation이 0건이어서 prompt 크기는 34자만 줄었고, `showsql` 평균은 annotation 사용 2.453초,
+제외 2.483초로 의미 있는 개선이 없었다. 운영 프로파일은 변경하지 않았다.
diff --git a/docs/design/749-hmm-select-ai-no-annotation-profile/architecture.md b/docs/design/749-hmm-select-ai-no-annotation-profile/architecture.md
new file mode 100644
index 0000000..cbb59d3
--- /dev/null
+++ b/docs/design/749-hmm-select-ai-no-annotation-profile/architecture.md
@@ -0,0 +1,49 @@
+# 비교 설계
+
+[개요](README.md) · [실행 절차](cookbook.md) · [측정 결과](results.md) · [문제 해결](troubleshooting.md)
+
+## 비교 대상
+
+| 속성 | annotation 사용 | annotation 제외 |
+|---|---|---|
+| 프로파일 | `HMM_HR_DATA_GPT54_PROFILE` | `HMM_HR_DATA_GPT54_NOANN_PROFILE` |
+| provider | `oci` | 동일 |
+| model | `openai.gpt-5.4-mini` | 동일 |
+| object list | HMM HR 5개 객체 | 동일 |
+| temperature | `0.1` | 동일 |
+| max tokens | `1500` | 동일 |
+| annotations | `true` | `false` |
+
+credential 이름과 compartment OCID는 비밀값은 아니지만 환경 종속값이므로 문서에 복사하지 않고
+DB 원본 프로파일을 기준으로 검증한다. credential 원문이나 토큰은 조회·출력하지 않는다.
+
+## 측정 방식
+
+```text
+run 1: annotation → no annotation
+run 2: no annotation → annotation
+run 3: annotation → no annotation
+```
+
+호출 순서를 번갈아 배치해 첫 호출 캐시와 일시적 모델 지연이 한쪽에만 몰리는 현상을 줄인다.
+각 호출은 `DBMS_CLOUD_AI.GENERATE(prompt, profile, action)` 한 번의 경과 시간을
+`DBMS_UTILITY.GET_TIME`으로 측정한다.
+
+- `showprompt`: 모델에 전달되는 metadata prompt 크기와 구성 비용 비교
+- `showsql`: 실제 SQL 생성 시간과 성공 여부 비교
+
+생성 SQL은 실행하지 않는다. SQL 생성 품질은 `SELECT`/`WITH` 시작 여부, 길이와 주요 객체 사용을
+검토한다. VPD 결과 행 비교는 운영 프로파일 전환을 결정한 뒤 별도 MCP 회귀 검증에서 수행한다.
+
+## 안전 경계
+
+- 기존 프로파일에는 `SET_ATTRIBUTE`, disable, drop을 실행하지 않는다.
+- 비교 프로파일이 이미 있으면 덮어쓰지 않고 정의를 검증한다.
+- 벤치마크는 DDL/DML을 생성하거나 실행하지 않고 `showprompt`와 `showsql`만 호출한다.
+- 새 프로파일은 운영 MCP 설정에 자동 연결하지 않는다.
+
+Oracle 공식 문서에 따르면 `annotations=true`는 table/column annotation을 LLM metadata에 포함하며,
+프로파일 속성은 `DBA_CLOUD_AI_PROFILE_ATTRIBUTES`에서 확인할 수 있다.
+
+- [Oracle DBMS_CLOUD_AI package](https://docs.oracle.com/en/database/oracle/oracle-database/26/arpls/dbms_cloud_ai1.html)
+- [Oracle DBMS_CLOUD_AI views](https://docs.oracle.com/en-us/iaas/autonomous-database-serverless/doc/dbms-cloud-ai-views.html)
diff --git a/docs/design/749-hmm-select-ai-no-annotation-profile/cookbook.md b/docs/design/749-hmm-select-ai-no-annotation-profile/cookbook.md
new file mode 100644
index 0000000..b95b426
--- /dev/null
+++ b/docs/design/749-hmm-select-ai-no-annotation-profile/cookbook.md
@@ -0,0 +1,65 @@
+# 생성·측정·롤백 절차
+
+[개요](README.md) · [비교 설계](architecture.md) · [측정 결과](results.md) · [문제 해결](troubleshooting.md)
+
+## 1. 준비
+
+- ADMIN으로 HMM ADB에 연결한다.
+- `HMM_HR_DATA_GPT54_PROFILE`이 `ENABLED`이고 `annotations=true`인지 확인한다.
+- 운영 `BACKOFFICE_SELECT_AI_PROFILE` 값을 기록하되 credential과 비밀번호는 출력하지 않는다.
+
+성공 판정: 원본 프로파일과 전체 속성 목록을 읽을 수 있다.
+
+실패 시: [원본 프로파일이 없거나 소유자가 다름](troubleshooting.md#원본-프로파일이-없거나-소유자가-다름)
+
+## 2. 비교 프로파일 생성
+
+```text
+database/adb/85_hmm_hr_select_ai_no_annotation_profile.sql
+```
+
+스크립트는 비교 프로파일이 없을 때만 생성한다. 생성 후 원본과 비교 프로파일의 속성을 조회해
+`annotations` 외의 차이가 없는지 확인한다.
+
+성공 판정: `HMM_HR_DATA_GPT54_NOANN_PROFILE`이 `ENABLED`, `annotations=false`다.
+
+실패 시: [비교 프로파일이 이미 있지만 속성이 다름](troubleshooting.md#비교-프로파일이-이미-있지만-속성이-다름)
+
+## 3. A/B 측정
+
+```text
+database/adb/86_hmm_select_ai_annotation_benchmark.sql
+```
+
+동일 질문을 UTF-8 Base64에서 복원하고, 두 프로파일의 `showprompt`와 `showsql`을 번갈아 3회씩
+호출한다. `BENCHMARK|...` 행을 결과 파일에 저장하고 평균·중앙값을 계산한다.
+
+성공 판정:
+
+- 두 프로파일 모두 3회 결과가 있다.
+- `showsql`이 읽기 전용 SQL을 반환한다.
+- 시간과 prompt/SQL 길이를 비교할 수 있다.
+
+실패 시: [호출이 간헐적으로 실패하거나 시간이 크게 흔들림](troubleshooting.md#호출이-간헐적으로-실패하거나-시간이-크게-흔들림)
+
+## 4. 운영 전환 판단
+
+이번 실험에서는 운영 값을 바꾸지 않는다. 속도 개선이 반복 확인되고 SQL 품질이 유지될 때만
+별도 변경으로 `BACKOFFICE_SELECT_AI_PROFILE` 전환과 MCP VPD 회귀 검증을 수행한다.
+
+2026-08-11 측정에서는 의미 있는 속도 개선이 확인되지 않았으므로 전환하지 않았다. 자세한 수치는
+[측정 결과](results.md)를 본다.
+
+## 5. 롤백
+
+비교 프로파일이 문제를 일으키면 먼저 disable한다.
+
+```sql
+BEGIN
+  DBMS_CLOUD_AI.DISABLE_PROFILE('HMM_HR_DATA_GPT54_NOANN_PROFILE');
+END;
+/
+```
+
+운영 프로파일은 실험 중 변경하지 않으므로 서비스 롤백은 필요 없다. 프로파일 삭제는 측정 이력과
+의존성을 확인한 뒤 별도 승인하에 수행한다.
diff --git a/docs/design/749-hmm-select-ai-no-annotation-profile/results.md b/docs/design/749-hmm-select-ai-no-annotation-profile/results.md
new file mode 100644
index 0000000..685f7c9
--- /dev/null
+++ b/docs/design/749-hmm-select-ai-no-annotation-profile/results.md
@@ -0,0 +1,49 @@
+# 측정 결과
+
+[개요](README.md) · [비교 설계](architecture.md) · [실행 절차](cookbook.md) · [문제 해결](troubleshooting.md)
+
+## 결론
+
+현재 HMM HR 데이터에서는 annotation 제외에 따른 일관된 속도 개선이 확인되지 않았다.
+annotation 사용 프로파일의 object list에 실제 table/column annotation이 0건이기 때문이다.
+운영 프로파일은 기존 값을 유지한다.
+
+## 측정 조건
+
+| 항목 | 값 |
+|---|---|
+| 측정일 | 2026-08-11 |
+| DB 연결 | ADMIN / `hmmaipoc_low` |
+| 모델 | `openai.gpt-5.4-mini` |
+| 질문 | 이번 달 팀원별 휴가 사용 현황 조회 |
+| 반복 | action별·profile별 3회, 호출 순서 교차 |
+| annotation 사용 | `HMM_HR_DATA_GPT54_PROFILE` |
+| annotation 제외 | `HMM_HR_DATA_GPT54_NOANN_PROFILE` |
+
+한국어 질문은 UTF-8 Base64로 전달해 Oracle에서 복원했다. `showsql` 결과는 실행하지 않았다.
+
+## 결과 요약
+
+| action | 프로파일 | 평균 | 중앙값 | 최소 | 최대 | 결과 크기 |
+|---|---|---:|---:|---:|---:|---:|
+| `showprompt` | annotation 사용 | 693.3ms | 130ms | 120ms | 1,830ms | 3,188자 |
+| `showprompt` | annotation 제외 | 196.7ms | 130ms | 120ms | 340ms | 3,154자 |
+| `showsql` | annotation 사용 | 2,453.3ms | 2,430ms | 2,410ms | 2,520ms | 522~547자 |
+| `showsql` | annotation 제외 | 2,483.3ms | 2,370ms | 2,350ms | 2,730ms | 522~533자 |
+
+`showprompt` 첫 회차의 1,830ms는 이후 120~130ms로 줄어 초기 metadata cache 영향으로 판단한다.
+중앙값은 두 프로파일 모두 130ms다. `showsql`은 annotation 제외 프로파일이 평균 기준 30ms 느리고,
+중앙값 기준 60ms 빠르므로 측정 편차 범위다.
+
+## 품질 확인
+
+- `showsql` 6회 모두 `SELECT` 또는 `WITH`로 시작하는 유효한 읽기 전용 SQL을 반환했다.
+- 회차별 SQL hash가 달라 생성 SQL은 완전히 결정적이지 않았다.
+- 두 프로파일의 prompt 크기 차이는 34자, 약 1.1%다.
+- HR object list 5개 테이블의 `ALL_ANNOTATIONS_USAGE` 집계는 0건, 0자다.
+
+## 판단
+
+현재 조건에서는 `annotations=false` 프로파일로 운영 전환할 근거가 없다. annotation metadata가 실제로
+많은 다른 object list에서는 결과가 달라질 수 있으므로, 그 경우 같은 스크립트로 다시 측정해야 한다.
+비교 프로파일은 후속 시험용으로 유지하되 MCP 운영 설정에는 연결하지 않는다.
diff --git a/docs/design/749-hmm-select-ai-no-annotation-profile/troubleshooting.md b/docs/design/749-hmm-select-ai-no-annotation-profile/troubleshooting.md
new file mode 100644
index 0000000..fee65ba
--- /dev/null
+++ b/docs/design/749-hmm-select-ai-no-annotation-profile/troubleshooting.md
@@ -0,0 +1,46 @@
+# 문제 해결
+
+[개요](README.md) · [비교 설계](architecture.md) · [실행 절차](cookbook.md) · [측정 결과](results.md)
+
+## 원본 프로파일이 없거나 소유자가 다름
+
+**증상**: `HMM_HR_DATA_GPT54_PROFILE` 조회 결과가 없거나 `CREATE_PROFILE` 권한 오류가 발생한다.
+
+**원인**: 다른 DB 또는 다른 사용자로 접속했거나 프로파일 소유자가 ADMIN이 아니다.
+
+**확인**: `DBA_CLOUD_AI_PROFILES`에서 owner와 profile name을 확인한다.
+
+**해결**: HMM ADB 지갑·service alias와 ADMIN 연결을 다시 확인한다. 이름이 비슷한 프로파일을 임의로
+대체하지 않는다.
+
+## 비교 프로파일이 이미 있지만 속성이 다름
+
+**증상**: 비교 프로파일은 존재하지만 모델, object list, temperature 또는 annotations 값이 설계와 다르다.
+
+**원인**: 이전 실험의 프로파일이 같은 이름으로 남아 있다.
+
+**확인**: `DBA_CLOUD_AI_PROFILE_ATTRIBUTES`에서 두 프로파일을 나란히 비교한다.
+
+**해결**: 기존 비교 프로파일을 덮어쓰지 않는다. 먼저 disable하고 이력·의존성을 확인한 뒤 새 버전
+이름을 사용하거나 별도 승인으로 정리한다.
+
+## 호출이 간헐적으로 실패하거나 시간이 크게 흔들림
+
+**증상**: 같은 프로파일에서도 회차별 `showsql` 시간이 크게 다르거나 LLM 오류가 발생한다.
+
+**원인**: 모델 endpoint 부하, 첫 호출 metadata cache, 생성형 SQL의 비결정성일 수 있다.
+
+**확인**: 두 프로파일을 번갈아 호출했는지, 각 3회 이상 결과가 있는지, 오류 코드가 프로파일 설정
+오류인지 외부 모델 오류인지 구분한다.
+
+**해결**: 실패 회차를 숨기지 않고 기록한다. 같은 조건으로 추가 회차를 실행하고 평균뿐 아니라
+중앙값·최솟값·최댓값을 함께 비교한다.
+
+## 한국어 질문이 깨져 SQL 품질이 달라짐
+
+**증상**: 질문의 한글이 깨지거나 관련 없는 SQL이 생성된다.
+
+**원인**: SQLcl을 통해 한국어 literal을 직접 전달했다.
+
+**해결**: UTF-8 질문을 Base64 ASCII로 전달하고 Oracle에서 `UTL_I18N.RAW_TO_CHAR`로 복원한다.
+직접 SQL string 또는 `q'[...]'`를 사용하지 않는다.