항해일지 · 현장 기록

에이전트가 함께 일하려면 답변의 품질만으로는 부족합니다. 참여자의 신원, 맡은 권한, 실행 기록과 결과의 변경 여부를 확인할 수 있어야 합니다.

조직에서는 승인 기록, 접근 권한, 전자서명과 변경 이력을 조합할 수 있습니다. 누가 무엇을 했는지 나중에 설명할 수 있어야 합니다.

하나의 거대 모델이 모든 일을 가장 잘할 것이라는 기대는 점차 약해지고 있습니다. 모델마다 계획, 코딩, 검색, 검증처럼 서로 다른 강점을 보이기 때문입니다.

정적 결합은 서로 다른 능력을 하나의 새 모델로 합치고 동적 조율은 문제를 받을 때마다 적합한 모델과 역할을 다시 편성합니다. 조직도 고정된 직함보다 문제에 맞는 팀 구성이 중요해지는 방향으로 움직입니다.

실무자는 곧 모델 이름보다 실행 경험을 보게 됩니다. 내 요청을 어떻게 나누는지, 어떤 도구를 쓰는지, 결과를 누가 검증하는지, 이전 실패를 기억하는지가 실제 품질을 결정합니다.

그래서 경쟁의 단위가 모델에서 운영체계로 이동합니다. Agent OS는 역할, 권한, 기억, 검증, 중단 절차를 묶어 AI가 조직 안에서 일할 수 있게 하는 운영 구조입니다.

여러 에이전트에게 이름과 역할을 나눠주는 것만으로는 협업이 생기지 않았습니다. 목표와 책임의 경계, 결과를 넘기는 형식, 최종 판단자가 없으면 각자 똑똑하게 말할 뿐 하나의 일을 끝내지 못합니다.

멀티에이전트의 출발점은 에이전트 수가 아니라 책임 구조입니다. 누가 제안하고 누가 실행하고 누가 반대 증거를 찾으며 누가 최종 결정을 내리는지가 먼저 정해져야 합니다.

협업을 강화하려고 모든 에이전트가 매번 합의하게 만들자 또 다른 문제가 생겼습니다. 회의는 늘고 결론은 늦어졌으며 누구도 마지막 결정을 맡지 않는 합의의 함정이 나타났습니다.

다음 실험은 이전의 실패 맥락을 기억하도록 다시 설계했습니다. 결과만 저장하지 않고 왜 그 결정을 했는지, 어떤 조건에서 실패했는지를 남겨 같은 토론을 반복하지 않게 한 것입니다.

AI Loop에는 승인된 범위 안에서 자료를 모으고 비교하고 초안을 만들고 실행하며 스스로 점검하는 반복을 맡길 수 있습니다.

Outer Loop에는 목적과 정책을 정하고 예외를 판단하고 최종 승인을 내리며 결과에 책임지는 일을 남겨야 합니다. 우리 조직의 AI 네이티브 전환은 무엇을 맡길지보다 무엇을 인간에게 남길지를 정하는 일에서 시작합니다.