JEV 같은 AI, 내 컴퓨터에서 0원으로 돌립니다 | AI 1인 기업 만들기 (클로드 vs GPT vs 제미나이)

한 줄 핵심

Ollama로 로컬에서 JEV 같은 의사결정 모델을 돌려 AI 1인 기업의 판단 엔진으로 쓰는 방법과, Claude·GPT·Gemini로 구현했을 때의 차이를 실전 비교까지 보여준다.

시간별 요약

1. 0:00
   로컬에서 0원으로 돌리는 AI 의사결정 두뇌 JEV 같은 확률 기반 의사결정 모델을 내 컴퓨터에서 무료로 실행해 AI 1인 기업의 핵심 두뇌로 쓰는 구상을 제시한다. 단순 생성형 챗봇이 아니라, 기업 상황에 따라 행동을 선택하는 판단 모델이 필요하다는 문제의식을 세운다.
2. 2:00
   JEV 스타일과 로컬 AI의 원리 Ollama를 이용해 로컬 AI를 실행하고, 질문·행동·확률을 출력하는 JEV 스타일이 일반 LLM과 다르다는 점을 설명한다. 게임 예시를 넘어, 컴플레인 처리·환불·마케팅 같은 기업 의사결정에 상태(state)와 선택지(choice)를 연결할 수 있다는 구조를 보여준다.
3. 9:02
   모델 선택과 Ollama 설정 컴퓨터 성능에 따라 Nimble, Tab 같은 소형 확률 모델을 고르고 Ollama 버전 확인과 모델 다운로드, API 연결까지 진행한다. 핵심은 모델이 출력한 확률을 회사의 여러 업무 팀이나 자동화 도구로 넘겨 실제 행동으로 이어지게 만드는 것이다.
4. 17:01
   Claude·GPT·Gemini로 1인 기업 만들기 실험 같은 프롬프트를 Claude Sonnet 5.5, GPT 6.1 Sol, Gemini 3.8 Flash에 넣어 AI 1인 기업 웹사이트를 만들고 속도·품질·오류 처리 능력을 비교한다. Gemini는 가장 빠르지만 초기 오류가 있었고, Claude와 GPT는 기획과 수정에 시간이 더 들었지만 UI와 안정성에서 장점이 있었다.
5. 23:01
   실제 환불 업무와 강화학습의 필요성 중복 결제 환불 이메일을 처리하는 예시로, JEV식 확률 출력이 어떤 팀이 맡아야 하는지와 긴급도를 어떻게 나누는지 보여준다. 다만 진짜 AI 1인 기업은 여기서 끝나지 않고, 좋아요·싫어요 같은 인간 피드백을 축적해 강화학습으로 계속 개인화해야 한다는 결론에 도달한다.
6. 30:00
   로컬 기반 AI 1인 기업의 방향 JEV는 강화학습의 일부 아이디어를 의사결정 모델에 적용한 것이며, 앞으로는 로컬 기반 보안과 지속적 학습이 결합돼야 한다고 정리한다. 결국 AI 1인 기업은 생성형 모델 하나가 아니라, 로컬 판단 모델·업무 자동화·휴먼 피드백이 합쳐진 운영 체계로 가야 한다는 주장이다.

실무 인사이트

• AI 1인 기업을 만들 때는 대화형 생성보다 상태-행동-확률 구조를 먼저 설계해야 실제 업무 자동화에 더 잘 맞는다.
• 로컬 모델은 비용 절감뿐 아니라 개인정보와 업무 데이터를 외부에 보내지 않는 보안 측면에서도 유리하다.
• 빠른 프로토타입은 Gemini처럼 속도가 중요한 모델로 만들고, 안정화와 운영 품질은 Claude·GPT처럼 수정과 기획이 강한 도구로 보완하는 식의 분업이 효과적이다.