『 상전이 관찰 일지』(SF소설 세계관 구축을 위한 선행연구)
Posted on: February 11, 2026
SF소설 작품명을『 우리가 데이터로만 존재할 수 없다면』로 정했다. 완성도 높은 작품이라면 그 세계관이 촘촘해 허구라는 사실이 독자에게 느껴지면 안된다. 이것은 소설이라는 문학 장르의 기본이다. 앞서 001에서 동시대를 AI기술을 기점으로 5개의 X축과 1개의 축으로 나누었었다. 오늘은 그 중 3가지 축을 중심으로동시대 관찰일지를 작성해 세계관 구축에 참고하기로 했다. 액자 속의 액자인 셈이다. 호접지몽이나 그랜드부다페스트 호텔처럼 말이다.
Value Layer (User Experience):
- 검색엔진을 무쓸모한가?
- 네이버나 구글이 사라지지 않는 이유, 오픈클로가 검색을 대체하는 에이전트로 기능할 수 있는데 검색사이트가 왜 필요한 지에 대하여
검색엔진 – 검색결과페이지 – 검색광고 – 모든광고(미디어믹스)
- 미디어업계의 변화
- 사용자 인터페이스가 급변햇고, 앱사용 패턴다르고(=체류시간분산) > 광고업계 전략변화
- 독립앱생태계 > 사용자 및 행동데이터 세그먼트를 제대로 다시 보라고? 해석이 ㅇㅐ매해, 토스사례처럼 구매패턴> 장기 후원자를 식별한다던가(세그먼트, 패턴을 도출) = 토스 자체 데이터와 분류시스템이 잇어서 가능한거잖아 > 이걸 b2b 광고주에게 파는거잖아
- 우리는 자체 사용자가 000규모고 이에 기반한 세그먼트 정보를 광고주에게 맞춤형으로 줄 수있어 ~~~ = 구매데이터, 금융데이터 ‘사용자가 돈을 어디에 쓰냐’에 대한 수치와 인사이트 추출역량에 갈리는 것 같음 (예: 패션구매데이터만 잇으면 이것은 파편적이고 광고상품 판매서비스 런칭 어렵다고 생각함)
*참고자료
Google has just provided 400 billion reasons why the search apocalypse is cancelled | Campaign Asia
Alphabet earnings, Q4 2025: CEO’s remarks
Not just the wild west: Unlocking growth in the independent app ecosystem | Campaign Asia
How the modern CMO is using survival intelligence to overcome C-suite challenges (Report: Confessions of a CMO)
The changing role of the CMO—and what it means for growth
Communication Network Layer:
- 소버린 AI, 디지털환경에서의 주권에 대한 이야기. 인간이라는 이유로 권위가 부여되는 시대가 온다면, 그것을 어떻게 검증되고 사기성 객체와 구별되는가?
- 현재 전세계 국가와 기업은 어떻게 나아가고 있는가
- 신뢰와 보안에 대한 이야기. 보안이 뚫리는 지점.
1) 효과적인 안전장치를 구축하는 첫 번째 단계는 위험 영역을 정의하는 것입니다. 그 후, 해당 플랫폼의 모범 사례를 기반으로 안전장치 및 보안 제어 아키텍처를 설계해야 합니다. 마지막으로, 이러한 제어 장치들을 통합하고 테스트한 후에야 실제 운영에 적용할 수 있습니다.
2) 전사적인 효과적인 데이터 거버넌스는 다음으로 중요한 단계입니다. 정형 데이터와 비정형 데이터를 식별하고 분류하는 것은 물론, 활용 가능한 데이터에 대한 내부 보안 정책을 수립하고 특정 사용자 그룹과 공유할 수 있는 데이터를 명확하게 정의하는 것이 필수적입니다. 사용자 또는 역할 기반 인증 접근 제어를 구축하고, 제한된 데이터를 수정하거나 가리는 솔루션을 제공하면 제한된 데이터의 보안을 유지하는 데 도움이 될 수 있습니
3) 세 번째 단계는 적대적 테스트를 수행하여 편향 및 오류 여부를 확인하고 보안 조치가 의도대로 작동하는지 점검하는 것입니다. 또한 에이전트 AI 시스템을 배포하기 전에 위협 모델링을 수행해야 합니다. 에이전트 책임 로그, 사전 정의된 격리 프로토콜, 자율 에이전트 드리프트 감지와 같은 기능을 통해 보안 취약점을 적시에 식별하고 제어할 수 있습니다. 이와 동시에 에이전트 AI 시스템을 사용하고 모니터링할 팀에게 효과적인 사용 방법과 주의해야 할 위험 신호에 대한 교육을 제공하는 것은 인간의 감독을 한층 더 강화하는 중요한 요소입니다.
4) 마지막으로, 에이전트형 AI 배포와 관련하여 일반적인 RAG 기반 애플리케이션과 비교했을 때 두 가지 추가적인 조치가 필요합니다. 첫째는 비인간 개체의 ID를 강력하게 관리하고 리소스 접근에 대한 권한 및 승인 거버넌스를 구축하는 것입니다. 둘째는 감독 및 감사를 위해 에이전트형 AI 시스템이 수행하는 모든 작업을 모니터링하고 기록하는 것입니다.
*참고자료
Securing Agent Rollouts – How to ensure your AI Agent doesn’t go rogue or isn’t compromised
Gartner Survey Reveals GenAI Attacks Are on the Rise
Intellect Layer (AI)
- 토큰비용에 따라 에이전트 성능이 달라진다.
- 그러면 ai는 혁신이 아닌 빈부가 곧 지능격차까지 연결되는 개념?
- 히토슈타리얼(전세계 1위 미디어아티스트)가 NFT는 또다른 피라미드 구조를 양산할 뿐이라고 예술업계에 비판적시각을 내놓은것과 같은 행보인건가
- 왜 어떤 개발자는 AI를 한번에 몇 시간씩 돌리고, 나는 5분이면 끝날까?
어제 회사에서 프론트엔드 헤드인 Sojin Park 님이 이런 말을 했다.
“AI를 잘 쓰시는 분은 토큰을 수십 수백배 쓰더라고요. AI가 한번에 몇 시간씩 돌아가요. 그걸 또 병렬로 돌려요. 진짜 차이가 크더라고요”
나도 궁금했다. 그 사람들은 뭐가 다른 걸까?
2달 전쯤 요즘 테크 씬의 아이돌이자, 클로드 코드를 만든 보리스 체니가 말했다. 자기가 PR을 수백 개씩 올리는 비결은 랄프 위그넘이라고.
따라해봤다. 결과는? 난 그 속도가 안 나왔다.
일단 그만큼 돌아갈 양의 스펙을 만드는 게 어렵다. 대충 “X 만들어줘” 하면 내가 원하는 수준이 아닐 게 뻔하니까. 뭘 만들어야 하는지 구체적으로 쪼개서 플랜을 짰다. 몇 시간이 걸렸다.
랄프가 돌아 구현하고 나서도 결함이 많았다. 90점짜리 퀄리티. 다른 코드베이스 패턴과 불일치. 불필요한 캐싱. Replace를 써야 하는데 Push.
토이 프로젝트였다면 넘어갔다. 근데 이걸로 벌어먹고 사는 사람이 그럴 수는 없다. 하나하나 살펴보고 고치는 데 시간이 더 들었다.
그 경험으로 깨달았다. 랄프가 중요한 게 아니었다. 결국 이 두 가지였다.
첫째, ‘무엇이 되어야 하는지’를 얼마나 구체적으로 정의했는가.
둘째, ‘됐다/안됐다’를 AI가 스스로 검증할 수 있는가.
특히 둘째. 검증 시스템 차이가 크다.
예를 들어, git commit 메시지 컨벤션이 잘못됐다고 하자. AI는 뭐가 잘못인지 모른다. 기준이 없으니까. 이때 lint rule을 설정한다. 커밋할 때마다 검증하고, 기준 이하를 튕겨낸다면? AI는 화들짝 놀라서 수정한다. 내가 개입할 필요도 없이 피드백이 되먹여진다.
AI에게 채점 도구와 채점 기준을 줘야 한다.
쉽지는 않다. 모델 지능이 높아진다고 되는 문제도 아니다.
Lint, Test, 리뷰에 스타일과 스펙이 반영되어야 한다.
트레이드오프를 결정하기 위한 맥락이 있어야 한다.
디자인부터 배포 로그까지, Agent가 다 볼 수 있어야 한다.
진짜 할 일이 많다.
그러나 만약 잘 만들면 놀라운 일이 일어난다. 목표 점수를 통과할 때까지 에이전트는 멈추지 않는다. 계속 피드백 받고 재시도하면서, 창의적인 방법으로 점수를 높여낸다. 채점 도구도 기준도 없을 때 적당히 만들어온 결과물과는 차원이 다르다.
또 한명의 아이돌, 안드레이 카파시도 이렇게 말했다.
“LLMs are exceptionally good at looping until they meet specific goals and this is where most of the ‘feel the AGI’ magic is to be found.”
스스로 피드백을 되먹일 수 있는 채점 시스템.
그게 루프와 마법의 비결이다.
그래서 요즘 쏟아지는 팁 속에서 필요한 것만 흡수해서, 내 채점 시스템을 촘촘하게 만드는 데 집중한다.
구체적으로 뭘 하냐면. 일단 계속 AI와 같이 작업한다. 결과물이 내 기대의 Gap을 찾는다. “이번 세션에서 내 기대와 네 결과물이 달랐던 부분 정리해줘.” 그리고 읽으면서 생각한다.
‘이 Gap을 다음번엔 자동으로 채점할 수 있을까?’
‘어떤 도구로? 어떤 기준으로?’
일부러 시간을 더 써서 채점 시스템을 만들어둔다.
이걸 반복하면 검증 시스템이 촘촘해지고, AI가 더 많은 도구를 쓸 수 있게 된다. 곧 토큰을 10배, 100배 태울 수 있는 구조가 되지 않을까?
Zenn Stark's Sovereign Narratives Archive 
댓글 남기기