인간, 기계, 그리고 라따뚜이 🐀
Source: Dev.to
위에 제공된 Source 링크 외에 번역할 텍스트를 알려주시면, 해당 내용을 한국어로 번역해 드리겠습니다.
소개
AI 시스템에서 시스템 복잡성에 대한 실용적인 대응
오랫동안 우리는 디지털 제품을 많은 사람들이 주방이 작동하는 방식을 상상하듯 설계했습니다: 요리가 보기 좋으면 작업이 끝난 것입니다. 우리는 프레젠테이션에 최적화했습니다—다듬어진 슬라이드, 아름다운 PDF, 보기 좋은 문서. 이러한 문서들은 조직 지식의 기본 컨테이너가 되었고, 인간에게는 대체로 잘 작동했습니다.
현재 지식 제시의 문제점
에이전트와 대형 언어 모델(LLM)이 “주방”에 들어섰을 때, 단순히 프레젠테이션만으로는 충분하지 않게 되었습니다. 오늘날 동일한 정보는 사람뿐만 아니라 검색, 재사용, 요약, 추론을 수행하는 시스템에서도 활용될 수 있어야 합니다. 그러나 우리는 여전히 레시피 없이 아름답게 담긴 요리를 기계에 제공하고, 결과가 일관되지 않을 때 주방을 탓합니다.
우리가 AI 복잡성에 기인한다고 생각하는 많은 어려움은 지식이 준비되는 단계, 즉 훨씬 이전 단계에서 비롯됩니다.
Retrieval‑Augmented Generation (RAG) and Its Friction
많은 조직에서 내부 지식에 AI를 적용하려는 최초의 진지한 시도는 Retrieval‑Augmented Generation (RAG)을 통해 이루어집니다. 아이디어는 단순해 보입니다: 기존 문서를 가져와 모델에 연결하고 질문을 던지는 것이죠.
하지만 실제로는 마찰이 발생합니다. 지식이 PDF나 슬라이드 덱 형태로 존재할 때, RAG 시스템은 명시적으로 정의되지 않은 구조를 재구성해야 합니다. 제목을 추론하고, 섹션을 추정하며, 청크화를 경험법칙에 따라 수행합니다. 시스템 입장에서는 레시피를 따르는 것이 아니라, 요리를 맛보고 재료를 추측하는 것과 같습니다.
증상은 익숙합니다:
- 잡음이 섞인 검색
- 일관성 없는 답변
- 비용과 취약성을 높이는 여러 층의 수정
어느 순간, 피할 수 없는 질문이 떠오릅니다: 왜 인간이 이미 이해하고 있는 정보를 해석하는 데 이렇게 많은 노력을 들이고 있는 걸까요?
Ratatouille에서 얻은 교훈
Ratatouille는 이 문제를 놀라울 정도로 잘 포착합니다. 레미는 뛰어난 요리사이고, 링귀니는 전문 주방에서 기능할 수 있습니다. 각각은 일관되게 셰프 수준의 요리를 만들어내지 못합니다. 그들의 협업이 성공하는 이유는 재능이 아니라 공유된 운영 언어—제스처, 제약, 그리고 의도와 실행을 일치시키는 관습 때문입니다. 그 언어가 없으면 주방은 혼돈에 빠지고, 언어가 있으면 결과는 반복 가능해집니다.
현대 AI 시스템도 같은 도전에 직면해 있습니다. 인간은 의미를 직관적으로 이해하지만, 기계는 정밀하게 실행합니다. 공유된 지식 표현이 없으면 시스템은 추측에 의존하게 됩니다.
구조화된 형식이 중요한 이유
전문 주방은 레시피에 의존하지 플레이트에 의존하지 않는다. 레시피는 구조를 명시적으로 만들고 여러 요리사가 추측 없이 협업할 수 있게 한다. 인간과 기계를 위한 설계는 동일한 논리를 따른다.
- 인간은 서사와 가독성이 필요하다.
- 기계는 명시적인 구조와 모호함 없는 의미가 필요하다.
이때 텍스트 기반 구조화 형식이 핵심이 된다.
조정 레이어로서의 Markdown
Markdown은 단순해서가 아니라 명시적이기 때문에 작동한다. 인간이 읽기 쉽고, 버전 관리와 차이점 확인이 용이하며, 프로그래밍적으로 처리하기도 간단하다. 더 중요한 점은 Markdown이 텍스트를 인터페이스로 취급한다는 것이다. 에이전트와 LLM이 지식과 상호작용할 때 시각적 요소를 소비하는 것이 아니라 구조를 소비한다.
단일 Markdown 소스는 인간에게는 렌더링될 수 있으면서도 시스템, 파이프라인, 자동화된 에이전트가 직접 활용할 수 있다. 이런 의미에서 Markdown은 문서화보다는 조정에 더 가깝다.
Implications for RAG Systems
많은 RAG 시스템의 제한은 모델 능력에 기인한 것이 아니라 지식이 처음에 어떻게 구조화되었는가에 있다. 렌더링된 문서가 진실의 원천이 되면, 하위 시스템은 사후에 의미를 역공학해야 한다. 지식이 구조화되고 의미적으로 투명한 형식으로 먼저 생성될 때, 전체 문제군이 사라진다:
- 검색이 개선된다
- 유지보수가 감소한다
- 시스템 확장이 쉬워진다
AI 시스템에서 표현은 종종 숨겨진 병목 현상이다.
결론
라따뚜이는 실제로 요리법을 배우는 이야기가 아니다—레미는 이미 그 기술을 가지고 있었다. 진정한 도전은 복잡한 시스템 안에서 협업을 가능하게 만드는 것이었다.
당신의 시스템 중 어디에서 기계가 아직 최종 요리에서 레시피를 추측하고 있나요? 때때로 개발 최적화는 요리를 담기 전에 레시피를 작성하는 것부터 시작된다.