AI 발전의 지형도: 똑똑한 모델을 넘어 '일하는 지능'으로
인공지능 기술이 딥러닝과 LLM을 거쳐 이제는 스스로 목표를 수행하는 '에이전트(Agent)' 시대로 빠르게 이동하고 있습니다. 지난 4월 10일 공유된 발표 자료를 바탕으로, 복잡하게 얽힌 AI 용어들을 정렬(Align)하고 현재 기술의 최전선이 어디인지 짚어봅니다.
1. AI 발전의 두 축: 모델 지능 vs 시스템 지능
AI의 발전은 크게 두 가지 방향으로 진행됩니다. 이 두 축을 구분하지 않으면 기술적 오해가 생기기 쉽습니다.
• 모델을 똑똑하게 (Model Intelligence): 머신러닝, 딥러닝, LLM, 파인튜닝처럼 모델 자체의 추론 능력을 키우는 기술입니다.
• 모델을 일하게 (System Intelligence): 에이전트, MCP, 스킬(Skills), 하네스(Harness)처럼 똑똑한 모델이 실제 환경에서 도구를 사용해 업무를 완수하게 만드는 구조입니다.
2. 모델의 진화: 규칙에서 '거대 언어 모델(LLM)'까지
과거의 AI가 사람이 정해준 규칙에 따라 움직였다면, 현대의 AI는 데이터를 통해 스스로 패턴을 학습합니다.
• 딥러닝(Deep Learning): 인공신경망을 통해 복잡한 패턴을 학습하는 기반 기술입니다. LLM은 이 딥러닝의 결과물 중 하나입니다.
• LLM vs 챗봇: LLM은 언어를 다루는 '대규모 모델' 자체를 의미하며, 챗봇은 그 모델을 대화형으로 제공하는 '인터페이스'일 뿐입니다.
• 파인튜닝(Fine-tuning): 모델 자체를 추가 학습시켜 행동 특성을 바꾸는 것입니다. 프롬프트가 '말을 잘 하는 기술'이라면 파인튜닝은 '뇌 구조를 바꾸는 작업'에 가깝습니다.
3. 시스템의 진화: 도구를 쓰는 에이전틱 AI
최근 가장 뜨거운 화두는 모델이 현실의 도구를 사용하는 방식입니다.
• 툴 콜링(Tool Calling): LLM이 "파일을 읽어야겠다"라고 판단하면, 실제 실행은 Cursor나 ChatGPT 같은 애플리케이션이 대신 수행합니다. 모델은 두뇌, 앱은 손발 역할을 합니다.
• MCP (Model Context Protocol): AI 앱이 노션, 깃허브 등 외부 서비스와 소통하기 위한 표준 연결 규격입니다. 마치 모든 전자기기를 하나로 연결하는 'USB-C 규격'과 같습니다.
• 에이전트(Agent): 목표를 설정하고, 계획을 세우고, 메모리를 사용하며 여러 단계를 거쳐 작업을 끝내는 완성된 시스템입니다.
4. 최전선 트렌드: 프롬프트를 넘어 '하네스(Harness)'로
AI를 다루는 기술은 이제 단순한 입력을 넘어 전체 실행 구조를 설계하는 단계로 진입했습니다.
• 컨텍스트 엔지니어링: 추론 시점에 AI에게 줄 최적의 정보 집합(메모리, 도구, 규칙)을 설계하는 전략입니다.
• 하네스(Harness): 에이전트가 장기 작업을 안정적으로 수행하도록 감싸는 전체 실행 구조입니다. 말(LLM)이 수레를 끌 수 있도록 마구(Harness)를 채우는 것에 비유할 수 있습니다. 여기에는 에러 복구, 상태 관리, 작업 조율이 포함됩니다.
💡 자주 하는 오해 바로잡기
• LLM이 곧 챗봇인가? 아닙니다. 챗봇은 LLM을 사용하는 하나의 형태일 뿐입니다.
• 툴이 있으면 에이전트인가? 계획, 상태 유지, 반복 루프(Execution Loop)가 없다면 단순한 '툴-증강 챗봇'에 가깝습니다.
• 프롬프트 엔지니어링은 끝났는가? 아닙니다. 이제는 하네스라는 더 큰 시스템 안의 핵심 요소로 포함되어 작동합니다.
지능의 시대에서 '실행의 시대'로
과거에는 "얼마나 똑똑한 모델인가"가 중요했다면, 이제는 "그 지능을 어떻게 안전하고 확실하게 일하게 만들 것인가"가 핵심입니다. 비주얼센터는 이러한 흐름에 발맞춰 단순한 대화를 넘어 실무를 완수하는 하네스 구조 설계에 집중하고 있습니다.