0%.

상업용 웹소설 30화를 렌더링하는 과정에서 단 한 번의 설정 붕괴도 일어나지 않은 수치다. 마치 정교하게 설계된 기계 톱니바퀴가 오차 없이 맞물려 돌아가는 것과 같다. 그런데 지금 개발자 커뮤니티에서는 AI에게 자율성을 부여해 스스로 오류를 잡게 만드는 에이전트 워크플로우(Agentic Workflow, AI가 스스로 계획을 세우고 실행하는 흐름)가 정답인 것처럼 뜨겁게 논의되고 있다.

결정론적 아키텍처의 설계와 무상태 렌더링

이번에 공개된 결정론적 아키텍처(Deterministic Architecture, 결과가 예측 가능하도록 설계된 구조)는 AI의 자율성과 계획 권한을 전면 박탈하는 것에서 시작한다. 인간 아키텍트가 워크플로우를 DAG(Directed Acyclic Graph, 방향성 비순환 그래프) 형태의 뼈대로 촘촘하게 직조하고, AI는 이전 맥락이 완벽히 분리된 무상태(Stateless, 이전 상태를 기억하지 않는 방식) 단일 윈도우 1턴 환경에서 부품처럼 격리 렌더링만 수행한다. AI가 스스로 다음 단계를 결정하게 두지 않고, 정해진 경로를 따라 텍스트를 생성하게 만드는 일종의 강제 집행 구조다.

개발자가 바로 체감하는 결과는 실증 데이터에서 드러난다. 인간의 중간 개입 없이 단일 윈도우 1턴 공정만으로 설정 붕괴 0%의 연속성을 유지하며 30화 분량의 상업용 웹소설을 뽑아냈다. 동일한 주제와 톤앤매너가 오차 없이 유지되는 장편 논픽션 텍스트 결과물 역시 한국어와 영어로 각각 구현되었다. 이는 AI를 지능적인 주체가 아니라, 입력값이 들어오면 정해진 규칙대로 출력하는 순수 함수처럼 활용했을 때 상업적 무결성이 확보됨을 보여준다.

자율 교정의 구조적 모순과 기호적 통제

예전에는 LLM-as-a-Judge(LLM이 다른 LLM의 결과물을 평가하는 방식) 기반의 자율 교정 파이프라인을 구축해 오류를 잡으려 했다. 하지만 생성 모델과 검수 모델이 모두 트랜스포머(Transformer, 현대 LLM의 기본 신경망 구조)라는 동일한 뇌 구조를 가졌기에, 이는 독립적인 검증이 아니라 확률적 재표집에 불과하다는 지적이 나온다. 로직의 충돌을 확률적으로 우회하는 산출물을 똑같은 구조의 모델에게 평가시키는 것은 결국 같은 편향을 공유하는 시스템 내에서의 순환 참조일 뿐이다.

기계가 스스로 오류를 고칠 수 있다고 믿는 것은 전형적인 의인화의 오류이며, 실제로는 시스템 전반에 노이즈를 기하급수적으로 증폭시키는 결과를 초래한다. 현업 엔지니어들이 겪는 할루시네이션의 풍선효과(Hallucination Balloon Effect, 한 곳의 오류를 잡으면 다른 곳에서 새로운 오류가 발생하는 현상)가 바로 이 지점에서 발생한다. 제약 조건을 추가할수록 엉뚱한 곳에서 에러가 터지는 디버깅 무한 루프에 빠지는 것이다. 결정론적 아키텍처는 이러한 확률론적 맹점을 제거하고 기호적 통제망을 통해 연속성을 강제함으로써 상업적 인프라로서의 신뢰도를 확보한다.

AI의 지능을 믿는 시대에서 AI의 경로를 통제하는 시대로의 전환이다.