diff --git a/docs/design/558-vector-tag-vpd-search/README.md b/docs/design/558-vector-tag-vpd-search/README.md
index 061d993..895da4f 100644
--- a/docs/design/558-vector-tag-vpd-search/README.md
+++ b/docs/design/558-vector-tag-vpd-search/README.md
@@ -1,6 +1,6 @@
 # 설계서: 기술 태그 기반 벡터 지식자료 검색과 VPD 연결
 
-> **상태**: 데모 흐름 구현
+> **상태**: 제품형 운영 흐름 구현 · 운영 확장 항목 별도
 > **추적성**: Redmine #565 · 기준 구현: `28_agent_ords_vector_tag_vpd_setup.sql`, `29_agent_ords_vector_search_ords.sql`
 
 ## 1. 한 문장으로 이해하기
@@ -70,7 +70,7 @@ AND NOT (거부 태그 C OR 거부 태그 D)
 
 ## 4. 예시 시나리오
 
-샘플 데이터에는 다음과 같은 청크가 있다.
+기본 제공 지식자료에는 다음과 같은 검색 단위가 있다.
 
 | 청크 | 태그 |
 |---|---|
@@ -147,16 +147,16 @@ backoffice의 `/objects` 화면은 이 객체에 일반 Handler를 생성하지
                                   → CB_VECTOR_DOCUMENT_TAG에 태그 저장
 ```
 
-백오피스의 `/vector-knowledge` 화면에서 이 흐름을 데모로 실행할 수 있다.
+백오피스의 `/vector-knowledge` 화면에서 이 흐름을 운영 절차와 같은 순서로 확인할 수 있다.
 
 - 문서 ID·제목·본문·기술 태그를 입력하면 문단/길이 기준으로 청크를 만든다.
-- `DEMO-4D`는 외부 API 없이 샘플 데이터와 같은 4차원 벡터를 만드는 재현 모드다.
+- `DEMO-4D`는 외부 API 없이 기본 제공 자료와 같은 4차원 벡터를 만드는 개발용 로컬 임베딩 모드다.
 - `AI`를 선택하면 `BACKOFFICE_AI_BASE_URL/v1/embeddings`와
   `BACKOFFICE_AI_EMBEDDING_MODEL`을 사용해 청크마다 실제 임베딩을 생성한다.
 - 같은 방식으로 검색어를 임베딩하고, 임시 토큰으로 전용 ORDS Handler를 호출한다.
 - VPD가 `TECH_TAG`를 먼저 필터링한 뒤 남은 청크만 벡터 거리순으로 반환한다.
 
-`DEMO-4D`는 의미 기반 품질을 보장하는 모델이 아니라 권한 흐름을 재현하기 위한 고정 차원 예제다. 운영 검색은 ingestion과 검색에 같은 임베딩 모델·차원을 사용해야 한다.
+`DEMO-4D`는 의미 기반 품질을 보장하는 모델이 아니라 권한 흐름을 확인하기 위한 고정 차원 개발 모드다. 운영 검색은 ingestion과 검색에 같은 임베딩 모델·차원을 사용해야 한다.
 
 ## 7. 운영 가이드라인
 
@@ -180,5 +180,5 @@ backoffice의 `/objects` 화면은 이 객체에 일반 Handler를 생성하지
 ## 9. 아직 별도 운영 설계가 필요한 부분
 
 - 대용량 파일 업로드, 비동기 작업 큐, 재시도·실패 격리, 임베딩 모델 버전별 재색인은 운영 파이프라인에서 별도로 설계한다.
-- 태그 사전 승인 워크플로와 문서별 소유자/보존기간 정책은 현재 데모 화면의 범위를 넘어선다.
+- 태그 사전 승인 워크플로와 문서별 소유자/보존기간 정책은 현재 화면의 범위를 넘어선다.
 - 운영 DB에 대한 DDL, 기존 정책 교체, 방화벽/NSG 변경은 별도 승인을 받아 실행한다.