내가 구식인 건가, 아니면 사람들이 AI 에이전트를 사용하는 방식 중 상당수가 말이 안 되는 건가?

동의하긴 하는데, 그래도 멍청한 아이디어라도 직접 실행해보는 사람들이 아무것도 안 하는 천재들보다는 백배 낫다고 봄.

이건 대부분 '와' 하는 효과를 노리는 거임. 기술에 감탄하고 싶어 하는 거지. 이런 작업 대부분은 자동화 스크립트가 훨씬 낫고, 아주 가끔 필요하다면 선택을 하거나 선택 경로를 작성할 때 LLM을 아주 조금 섞는 정도면 충분함. 확률적 시스템을 결정론적으로 행동하게 강제하는 건 나쁜 생각이고 과잉 대응이라는 네 말이 맞음. 그래도 사람들은 가치 있다고 생각하면 결국 하겠지. 그냥 빌드할 때 똑똑하게만 해라...

4번이 가장 현실적인 사용 사례임. Fault tolerance가 좋은 verification contract를 막는 건 아님. 결과를 보장하는 검증 시스템을 구축하면, 인간의 실수율에 비해 fault tolerance는 덜 중요해짐. 지금 당장 이걸 보장할 좋은 시스템이 있다는 건 아님. 다만 그런 시스템이 결국 나올 거라는 거지.

이게 내가 OpenClaw 보면서 미칠 뻔한 이유임. 거의 모든 걸 '에이전트 시켜서 해' 식으로 처리함. "엄마한테 메일 오면 알려줘. 5분마다 확인해." 같은 게 이메일 확인 툴을 가진 에이전트를 깨우는 cron job이 되어버림. 에이전트는 메일 확인하고 아무것도 없으면 "엄마한테 온 메일 없음"이라고 메시지 보냄. 물론 그 짜증 나는 "메일 없음" 메시지는 안 뜨게 할 수 있겠지만, 결국 에이전트가 아무것도 안 하고 멍하니 시간만 때우는 데 토큰 낭비하고 돈 쓰는 꼴임. 나도 실제로...

토큰 대신 코드로 하는 게 훨씬 나은 작업이 많은데, 이런 'AI 에이전트'를 쓰는 사람들은 코드를 이해 못 함. 코드가 더 저렴할 뿐만 아니라, 네 말대로 결정론적일 수 있는데 말이지.

#2번, UI 대신 챗봇을 사용하는 거 - 그건 이해함. 직접 하는 대신 개인 비서가 커피를 사게 하는 거랑 비슷하잖아.

내가 이해 안 가는 건, AI가 종종 맥락과 사용자 입력에 따라 적절한 결정론적 도구/행동을 선택하는 일종의 의사결정 엔진 역할을 한다는 거임. 언어 모델이 이런 작업에 정말 능숙한가? 그냥 순전히 편의성 문제인가? 이런 류의 작업에 전통적인 ML을 활용하는 사람들이 엄청 많을 텐데, 그렇지 않나...?

이런 것들 중 일부는 '그냥 할 수 있으니까' 하는 거라고 생각함. 그리고 너는 남들보다 실패 지점을 훨씬 잘 파악하는 편인 듯... 아니면 이런 예시들이 우리가 생각하는 것보다 훨씬 더 많은 검증 및 확인 코드를 거치고 있을지도 모르지. :) 개인적으로는 저런 예시들에 LLM을 쓰고 싶진 않지만, 2026년쯤의 LLM이라면 hallucination이나 오류를 체크하는 잘 짜인 코드와 함께라면 이런 작업들을 충분히 해낼 수 있을 거라 봄(요즘 선두권 LLM들은 그런 오류가 거의 최소화됐으니까). AI 발전 속도를 감안하면...

완전 새로운 기술이라 사람들이 그냥 자기들 편한 대로 쓰는 거지 뭐.

ㅋㅋㅋ 1분에 한 번 요청한다고 밴 안 당함.