"파인튜닝, RAG, 하네스 엔지니어링, 루프 엔지니어링...어디까지 더 해보실거죠?" (이주환 스윗테크놀로지 대표)

한 줄 핵심

기업 AX의 핵심은 AI를 더 많이 쓰는 것이 아니라, 조직의 도메인·권한·제약을 반영한 비즈니스 월드 모델을 만들고 뉴럴과 심볼릭을 결합해 실행 가능성과 성과를 검증하는 데 있다.

시간별 요약

1. 0:00
   기업 AX의 기준은 도입량이 아니라 ROI와 성과 측정으로 이동하고 있으며, 빅테크 POC의 높은 실패율은 AI를 조직 맥락 없이 붙였기 때문이라는 문제의식이 제시된다. AI는 평균화된 지능이어서 각 기업의 독특한 이익·책임·제약을 자동으로 이해하지 못하므로, 도메인과 시장 변수를 반영한 별도의 비즈니스 월드 모델이 필요하다.
2. 3:00
   DX처럼 정적 시스템을 바꾸는 방식으로는 AX를 성공시키기 어렵고, 에이전트는 도구가 아니라 관측·판단·실행하는 동적 존재로 다뤄야 한다. 따라서 IT·엔지니어링 주도 자동화만으로는 한계가 있고, 도메인 전문가·정책 전문가·엔지니어가 함께 조직의 세계를 명시적으로 모델링해야 한다.
3. 12:01
   모델 성능이 좋아져도 모든 문제가 해결되지는 않으며, 프롬프트·하네스·루프 같은 기술은 서로 대체재가 아니라 목적에 맞는 적정 기술로 구분되어야 한다. 기업은 모두가 동일한 LM을 쓰는 상황을 전제로, 교체 가능한 지능과 전략 자산으로 남길 월드 모델을 분리해 설계해야 한다.
4. 15:00
   월드 모델에는 모든 규칙을 하나하나 명세하는 심볼릭 방식과, 데이터를 통해 환경을 학습하는 뉴럴 방식이 있고, 실제 기업에는 둘의 결합이 필요하다. 심볼릭은 권한·상태·전제조건·제약을 명세해 실행 가능성을 판정하고, 뉴럴은 수많은 경우의 수를 시뮬레이션해 후보 시나리오를 생성한다.
5. 21:00
   런타임 루프에서는 뉴럴이 시나리오를 제안하고 심볼릭이 실행 가능성, 거버넌스, 추적 가능성을 검증하며, 결과는 다시 다음 예측의 재료로 축적된다. 이 구조가 있어야 환각이 실제 손실로 이어지기 전에 걸러지고, 실패 데이터와 성공 데이터가 누적되어 조직 고유의 학습 자산이 된다.
6. 34:00
   AI의 성능보다 더 중요한 것은 환경을 얼마나 잘 보이게 만드느냐이며, 방 안의 물건 위치를 모르면 아무리 똑똑한 에이전트도 일을 못 한다는 비유로 정리된다. 결국 콘텍스트 엔지니어링 수준을 넘어, 조직 세계를 명세하고 비추는 월드 모델이 있어야 신입 AI도 숙련된 직원처럼 일할 수 있다.

실무 인사이트

• AX 과제는 모델 교체보다 먼저 도메인 규칙, 권한, 상태 전이, 실패 판정 기준을 문서화해 에이전트가 들어갈 ‘환경’부터 만드는 것이 우선이다.
• POC 성공률을 높이려면 뉴럴 모델의 제안과 심볼릭 검증을 분리한 뒤, 실행 로그를 다음 의사결정에 재활용하는 루프를 설계해야 한다.
• 조직 도입 관점에서는 IT 부서 단독 추진보다 현업·정책·엔지니어링이 함께 참여하는 체계가 실패율을 크게 줄인다.