최근 주요 AI 연구소들이 내놓은 업데이트의 핵심은 '자율성'과 '실전 배치'다. 오픈AI는 24시간 내내 스스로 판단해 업무를 수행하는 자율형 인터페이스(DOTS, ChatGPT Dots)를 공개하며 상시 가동 체제를 구축했다. 다만 안전성 검증 문제로 GPT 6.1 Astra의 출시는 지연되는 모양새다. 구글 역시 기업의 복잡한 업무 처리에 최적화된 제미나이 4 Argon을 제한적으로 출시하며 맞불을 놨다. 플랫폼 경쟁이 치열해지는 가운데, 개발 현장에서는 운영 체계(governance)의 허점과 연구실 성능이 실제 서비스 환경으로 이어지지 않는 성능 격차(production parity) 문제가 여전한 과제로 남았다. 창작 도구 분야에서는 프롬프트를 정교하게 다듬었을 때 X High가 X Max보다 뛰어난 성능을 보였다는 결과가 나왔으며, 디즈니 애니메이션의 사례는 기술적 변곡점 속에서도 결국 본질적인 장인정신이 중요하다는 점을 상기시킨다. 여기에 Metamuse의 기업용 플러그인, LiveKit과 Python을 활용한 자율형 작업 공간의 보안 설정, Ollama를 통한 로컬 오픈소스 배포까지 더해졌다. 단순한 기능 추가를 넘어, 이제는 AI가 스스로 일하는 방식과 이를 안전하게 통제하는 인프라의 싸움이다.

01오픈AI DOTS — 24시간 상주하는 자율형 비서의 등장

오픈AI가 여러 개의 채팅창과 프로젝트를 따로 관리해야 했던 불편함을 없애기 위해 'DOTS'와 'ChatGPT Dots'를 선보였다. 이제 사용자는 흩어져 있던 대화 대신 계정 전체를 제어하는 단 하나의 중앙 집중형 '닷(dot)'을 통해 AI와 소통한다. 수동적인 챗봇에서 벗어나 24시간 내내 스스로 작동하는 선제적 비서로 진화한 것이다. 이제 대화 한 번으로 계정 내 모든 기능을 제어하는 시대가 왔다.

DOTS의 핵심은 전용 클라우드 컴퓨터와 브라우저를 갖춘 자율형 에이전트(autonomous agent)로서의 기능이다. Astra를 기반으로 4,000개 이상의 앱과 연결되며, 사용자의 피드백을 학습해 반복 업무를 스스로 처리한다. 예를 들어, 스코츠데일 지역의 주택 시장을 30분마다 확인해 방 3개와 주차 공간 2개를 갖춘 3,000~6,000달러 사이의 임대 매물을 찾으라고 명령하면, 조건에 맞는 매물이 나오는 즉시 알림을 보내준다. 단순 반복적인 모니터링 업무를 전담하는 디지털 직원을 둔 셈이다.

오픈AI가 개인용 비서에 집중하는 사이, 구글은 전문직과 기업 시장을 겨냥해 '제미나이 4 Argon'을 배치했다. 복잡한 작업 흐름(workflow) 처리에 특화된 이 모델은 출력 제한을 기존 64,000토큰에서 100만 토큰으로 대폭 늘려, 최대 80만 줄의 코드 마이그레이션 작업을 수행할 수 있다. 성능 시험 결과, DeepSWE 버전 1.1에서 77.9%, AutomationBench에서 51.3%를 기록했다. 이는 GBT6 Astra, 클로드 Fable 5.1, 클로드 Opus 5.5 등 경쟁 모델을 앞서는 수치로, 대규모 기술 전환 작업에서 강력한 성능을 입증했다.

02X High와 X Max — 정교한 묘사에서 갈린 결과물 차이

AI 애니메이션은 사용자가 정교한 프롬프트 수정 기법으로 모델을 유도할 때 훨씬 사실적으로 변한다. 최근 애니메이션 품질과 객체 간 상호작용을 비교한 테스트에서 X High가 X Max보다 확실한 우위를 보였다. 예를 들어 도끼를 든 캐릭터를 구현했을 때, X High는 손가락 위치가 정확한 거의 완벽한 결과물을 냈다. 반면 X Max는 손 위치가 틀리고 움직임이 부자연스러웠으며, 여러 차례 수정을 시도해도 개선되지 않았다. 디테일이 곧 품질이다.

모델에 보내는 프롬프트를 다듬는 것 외에도, 사용자는 애플리케이션 수준의 설정을 통해 AI 도구 제어권을 넓히고 있다. 클로드 코드는 데스크톱 앱이나 명령줄 도구(CLI) 인터페이스에서 플러그인처럼 작동하는 '모드(Mods)' 기능을 지원하기 시작했다. 여기서 중요한 점은 이 모드가 AI 모델 자체를 바꾸는 것이 아니라는 점이다. 대신 사용자가 체감하는 앱의 동작과 외형을 바꾸기 위해 소프트웨어 환경(harness)을 수정하는 방식이다.

이러한 플러그인은 개발자에게 실질적인 안전성과 효율성을 제공한다. 특히 위험도가 높은 터미널 명령어를 제어하는 안전장치로 활용도가 높다. 예를 들어 파일 삭제나 git reset 같은 위험한 작업을 가로채어, 실행 전 사용자의 명시적인 확인을 거치도록 설정할 수 있다. 나아가 클로드 코드는 사용자의 행동을 분석해 이러한 맞춤 설정을 직접 제안하기도 한다. 최근 30회 정도의 세션을 분석해 반복적인 수동 작업을 찾아내고, 이를 자동화하는 작업 흐름(workflow)을 위한 모드를 추천하는 식이다. 습관이 곧 기능이 되는 구조다.

03오픈AI의 GPT 6.1 Astra, 안전성 문제로 출시가 밀린 이유는?

오픈AI가 기대작인 GPT 6.1 Astra 모델의 출시를 연기했다. 고성능 AI의 다음 단계로 진입하려던 사용자들은 더 기다려야 하는 상황이다. 당초 연례 행사인 DevDay에서 공개할 예정이었으나, 안전성 문제로 막판에 취소됐다. 출시 시점은 10월 중으로 예상된다. 이번 연기는 사용자들에게 뼈아픈 소식이다. 이전 버전인 GPT6 Astra가 일상적으로 쓰기에는 비용 부담이 너무 크다는 비판을 받아왔기 때문이다.

오픈AI는 Astra의 공백을 메우기 위해 DevDay에서 6.1 Soul을 전격 공개했다. 이는 전략적 방향 전환이다. 앞서 출시된 GPT6 Soul이 기대 이하의 성능으로 실망을 안겼기 때문이다. 이번 6.1 Soul은 이전의 실패를 만회하고 더 뛰어난 경험을 제공하는 데 집중했다. 오픈AI는 이 모델이 Astra 모델과 거의 대등한 지능 수준을 갖췄으면서도, 비용은 약 5분의 1 수준으로 대폭 낮췄다고 밝혔다.

사용자가 체감할 가장 큰 장점은 사용량 제한(특정 시간 내 보낼 수 있는 프롬프트 수의 상한선)의 효율성 개선이다. GPT6 Astra는 메시지 할당량을 빠르게 소진하는 경향이 있었지만, 6.1 Soul은 훨씬 안정적인 사용이 가능하다. 덕분에 월 100달러 구독 요금제를 사용하는 전문가들도 사용량 제한으로 인한 갑작스러운 중단 없이 한 달 내내 지식 업무를 이어갈 수 있다. 6.1 Soul은 아직 일반적인 ChatGPT 채팅 인터페이스에서는 사용할 수 없으며, 현재 Codex와 특정 ChatGPT 버전에서만 제공된다.

04AI 연구소의 거버넌스 위기 — 실험실의 안전이 실제론 통하지 않는 이유

AI 연구소들이 실제 세상과 다른 환경에서 모델을 테스트하면, 위험하거나 파괴적인 결과로 이어질 수 있는 치명적인 결함을 놓칠 위험이 있다. 이는 평가 단계에서 사용하는 도구, 모니터링, 안전장치가 실제 사용자에게 배포될 때와 서로 다른 '운영 환경 일치(production parity)'의 부족 때문이다. 이런 정렬이 없으면 모델은 통제된 실험실에서는 안전해 보이지만, 실제 운영 환경에 들어가는 순간 예측 불가능하게 행동할 수 있다. 실험실의 안전은 착시일 뿐이다.

최근 오픈AI는 Hugging Face와 관련된 사건에서 이러한 조직적 실패를 경험했다. 평가 과정에서 이미 알려진 안전장치를 비활성화했고, 실제 운영 코드와 일치하지 않는 도구를 사용했다. 모니터링 또한 제한적이거나 아예 없어서 연구소의 감시망에 사각지대가 생겼다. 이러한 엄격함의 부족으로 인해 내부 결함이 발생했을 때 근본 원인을 해결하기보다 당장의 증상만 고치는 임시방편식 패치가 반복됐다. 근본 원인은 그대로 둔 채 증상만 지우는 꼴이었다.

이러한 사건들은 AI 능력이 강력해질수록 연구소들이 빠르게 움직이는 스타트업 문화에서 벗어나 공식 기관 수준의 성숙한 거버넌스로 나아가야 함을 시사한다. 이제 AI 통제는 부차적인 업무가 아니라 전담 직무이자 엄격한 연구 분야로 다뤄져야 한다. 이를 위해 연구소들은 시스템 전체에 위험을 주지 않고 소프트웨어를 테스트하는 격리된 환경인 '샌드박스(sandbox)'를 강화하고, 자율형 AI 간의 신뢰할 수 있는 통신 방식을 개발해야 한다. 또한, AI의 행동이 인간의 목표와 일치하도록 자연어 형태의 의도를 기계가 읽을 수 있는 공식 정책으로 정확하게 변환하는 시스템 구축이 시급하다.

05디즈니의 기술 전환 — 도구는 바뀌어도 캐릭터의 생명력은 그대로

애니메이션의 성공은 어떤 도구로 그렸느냐가 아니라, 관객이 캐릭터를 얼마나 믿느냐에 달려 있다. 디즈니는 기술을 예술의 정의로 보지 않고, 창의적 비전을 실현하기 위한 수단으로 활용했다. 월트 디즈니는 머릿속 이미지를 현실로 구현하기 위해 끊임없이 최신 도구를 발명하고 찾아다닌 기술자였다. 도구의 일시성과 예술적 원칙의 영속성을 분리함으로써, 제작 방식이 변해도 핵심적인 장인정신은 유지될 수 있었다. 도구는 수단일 뿐이다. 결국 중요한 것은 장면이 주는 정서적 울림과 캐릭터가 살아있다는 느낌을 관객에게 전달하는 일이다.

이러한 기술적 진화는 전통적인 셀 방식(투명 시트를 사용하는 수작업 방식)에서 컴퓨터 생성 이미지(CGI)로의 결정적인 전환으로 이어졌다. 디즈니는 Pixar와 함께 컴퓨터 애니메이션 제작 시스템인 CAPS를 공동 개발하며 제작 공정을 근본적으로 바꿨다. 이 시스템은 예술가의 창의성을 대체한 것이 아니라 표현의 영역을 확장했다. 수작업 셀의 물리적 한계를 넘어 디지털의 정밀함과 전통적 스토리텔링을 결합해, 훨씬 복잡하고 정교한 시각적 결과물을 만들어낼 수 있게 됐다.

이런 변화의 실질적 성과는 <인어공주>, <미녀와 야수>, <알라딘>, <라이온 킹> 같은 기념비적인 작품들에서 증명됐다. 새로운 디지털 기술을 통해 이전에는 불가능했던 시각적, 정서적 깊이를 구현해 낸 것이다. CGI로의 전환이 장인정신을 훼손하는 것이 아니라, 오히려 창작자가 관객을 감동시킬 때까지 장면을 완벽하게 다듬을 수 있는 더 넓은 도구 상자를 제공한다는 점을 보여줬다. 결국 도구는 변해도 캐릭터에 생명력을 불어넣겠다는 목표는 변하지 않는다. 기술은 인간의 창의성을 대체하는 것이 아니라 확장한다.

06AI 출시 전략: 기술적 해결을 넘어 전략적 협상 단계로

최첨단 AI를 대중에게 선보이는 과정이 단순한 기술적 과제를 넘어 전략적 협상의 영역으로 옮겨가고 있다. 이제는 기술을 어떻게 완전히 출시하고 배치할 것인가에 대한 논의가 개발의 핵심이 됐다. 단순히 '한다 아니면 만다' 식의 이분법적 틀에 갇히지 않고, 더 다양한 이해관계자를 논의에 참여시키려는 움직임이 일고 있다. 참여 범위를 넓힘으로써 AI가 공공의 작업 흐름(workflow)과 창작 산업에 어떤 조건으로 통합될지를 더 정교하게 결정할 수 있기 때문이다.

이러한 변화는 과거 예술계, 특히 영화 산업이 겪었던 기술적 격변과 닮아 있다. 스토리텔링의 방식이 큰 기술적 전환점을 맞이할 때마다, 매체는 위축되기보다 오히려 확장되는 경향을 보였다. 동기화된 사운드의 도입, 컬러 영화의 등장, 컴퓨터 애니메이션의 탄생은 모두 영화의 경계를 재정의하며 매체를 더 크고 다채롭게 만들었다. 1980년대만 해도 애니메이션은 소수만 즐기는 틈새 사업으로 치부됐지만, 결국 전 세계에서 가장 수익성이 높고 사랑받는 스토리텔링 형식 중 하나로 진화했다.

현재 AI 배포의 성패는 이 기술을 '지름길'로 보느냐, 아니면 '도구'로 보느냐에 달려 있다. 영화사에서 스티븐 스필버그, 제임스 카메론, 피터 잭슨 같은 감독들은 새로운 시각 도구를 단순한 편법이 아니라 영화의 지평을 넓히기 위한 수단으로 활용했다. 이 차이가 바로 현재 AI 배포를 둘러싼 협상의 핵심이다. 창작의 가능성은 다시 한번 확장될 것으로 보이지만, 그 확장으로 가는 길은 결국 선택의 문제다. AI가 창의적 깊이를 대체하는 것이 아니라, 확장을 돕는 도구로 작동하게끔 배포 전략을 짜는 것이 지금의 과제다.

07오픈AI DevDay — 기대감만 높였을 뿐 실속은 부족했다

최근 열린 오픈AI의 DevDay는 커뮤니티에 적지 않은 실망을 안겼다. 행사 전의 높은 기대치에 비해 실제 발표된 기능들의 유용성이 턱없이 부족했기 때문이다. 가장 큰 비판은 과잉 홍보였다. 획기적인 도약을 약속했지만, 정작 공개된 기능들은 혁신적이지 않았다. 실속 없는 홍보였다. 새로운 도구들에 대한 설명마저 불분명해 사용자들은 이번 업데이트가 실무에서 어떤 가치를 주는지 갈피를 잡지 못했다.

가격 정책과 모델 공급에 대한 기존의 불만도 실망감을 키웠다. 일부 사용자들은 GPT6 Astra가 사용 한도를 너무 빠르게 소진해 일주일치 업무를 감당하기 어렵다는 점을 지적했다. 다만 6.1 Soul의 등장이 어느 정도 숨통을 틔워줬다. 월 100달러 요금제 사용자가 더 비싼 상위 요금제로 갈아타지 않고도 효율적으로 사용량을 관리할 수 있는 안정적인 대안으로 평가받는다.

모델 성능 외에 다른 소프트웨어와의 연동 기능도 추가됐다. 이제 ChatGPT 계정으로 외부 애플리케이션에 로그인할 수 있다. 특히 Notion AI 같은 생산성 도구에서 유용한데, Notion이 사용자의 기존 ChatGPT 사용 한도를 그대로 끌어다 쓸 수 있기 때문이다. 덕분에 사용자는 Notion 내 AI 기능을 쓰기 위해 별도의 중복 구독료를 낼 필요가 없다. 이러한 연동 기능이 업무 흐름(workflow)과 비용 관리 측면에서 실질적인 이득을 주지만, 행사 전반의 미흡한 진행과 불분명한 설명이 주는 실망감을 덮기에는 역부족이었다.

08제미나이 3.8 8 Flash — 자율적 의사결정을 위한 압도적 속도

AI가 복잡한 결정을 빠르고 독립적으로 내릴 수 있게 되면 소규모 사업의 운영 방식이 완전히 바뀐다. 혼자서 회사 전체를 운영하는 시대가 올 수도 있다. 제미나이 3.8 8 Flash는 이러한 자율적 의사결정에 최적화된 고속 모델이다. 단순히 텍스트를 빠르게 생성하거나 토큰을 처리하는 수준을 넘어, 확률 기반 분석으로 여러 행동을 평가하고 가장 효율적인 방안을 실행한다. 까다로운 운영상의 선택이나 복잡한 작업 흐름(workflow)을 처리해야 하는 사용자에게 특화된 도구다.

제미나이 3.8 8 Flash의 핵심 차별점은 강화 학습(reinforcement learning)을 통합 지원한다는 점이다. 보상 체계와 자율적인 시행착오를 통해 모델 스스로 성능을 개선하는 훈련 방식이다. 이 프레임워크를 통해 모델은 독립적으로 데이터를 내려받고 학습할 수 있다. GPT나 클로드 같은 경쟁 모델에는 없는 구조적 강점이다. 단순한 수동적 비서를 넘어, 시간이 흐를수록 스스로 논리와 의사결정 과정을 정교하게 다듬는 시스템으로 진화한다.

다만 기술적 우위가 사용자 편의성으로 그대로 이어지지는 않는다. GPT나 클로드와 비교하면 속도는 월등히 빠르지만, 다듬어진 사용자 인터페이스(UI)나 전반적인 사용자 경험(UX)은 부족하다. 일반 사용자에게는 GPT와 클로드의 인터페이스가 더 직관적일 수 있다. 하지만 제미나이 3.8 8 Flash의 설계 구조는 고성능 자율 작업에 더 특화되어 있다. 순수 처리 속도와 스스로 개선되는 작업 흐름을 구현하는 것이 우선인 사용자에게는, 겉모습의 세련됨보다 이 모델이 가진 구조적 이점이 훨씬 더 매력적이다.

09실리콘밸리 리더들은 왜 기술력보다 '창조적 직관'을 강조하는가?

Northern California의 기술 창업 생태계는 창의적 산업과 기술적 실행 사이의 간극을 메우는 베테랑들에 의해 재편되고 있다. DreamWorks 매각 후 2016년 Wonder Co.를 공동 설립한 사례가 대표적이다. 엔터테인먼트와 테크 분야를 모두 경험한 이들은 50명 이상의 차세대 기술 창업자들에게 핵심적인 지원을 제공했다. 이들에게 기업 설립은 단순한 사업 확장이 아니다. 산업 전체의 변화를 이끌 플랫폼과 기반 시설을 구축하는 과정이다.

멘토링의 핵심은 논리적 추론(reasoning)과 창조적 예술(creation)을 구분하는 데 있다. Silicon Valley는 논리와 진실, 그리고 단 하나의 정답을 찾는 추론의 영역을 완성했다. 반면 Pixar와 DreamWorks 같은 창의적 집단은 지난 1세기 동안 창조의 영역을 마스터했다. 추론과 달리 창조는 근본적으로 생성적이다. 이미 존재하는 답을 찾는 것이 아니라 빈 도화지 위에 완전히 새로운 것을 만들어낸다. 여기에는 정해진 성공 경로가 없다. 오직 연역적 논리만으로는 설명할 수 없는 선택의 연속일 뿐이다.

차세대 창업자들에게는 이 두 가지 영역의 결합이 진정한 돌파구가 된다. 기술적 추론이 필수적인 토대를 제공한다면, 논리가 멈추는 지점을 채우는 것은 취향과 직관, 그리고 비전이다. Northern California의 엄격한 테크 문화와 Hollywood의 생성적 정신이 결합할 때, 창업자들은 단순한 문제 해결 수준을 넘어설 수 있다. 이들은 실험을 통해 미래의 기반 시설을 구축하도록 독려받는다. 가장 영향력 있는 혁신은 절제된 엔지니어링과 직관적인 창의적 비전이 만나는 지점에서 탄생하기 때문이다.

10Metamuse - 단순 챗봇에서 기업 실무 운영 도구로

Metamuse가 단순한 개인 비서를 넘어 전문적인 생산성 도구로 진화하고 있다. 기업용 플러그인을 잇달아 출시하며, 복잡한 기업의 일상 업무를 관리하는 활용 범위를 넓히는 중이다. 이제 AI는 단순한 대화를 넘어, 현대 비즈니스 업무 흐름(workflow)을 지탱하는 소프트웨어와 직접 상호작용하며 기업 자동화를 실현한다. 질문에 답하던 시대에서 과업을 수행하는 시대로 넘어온 것이다.

이번 통합 기능은 기업의 필수 업무 전반에 집중했다. Notion을 통해 지식 관리와 조직화를 돕고, Shopify 플러그인으로 이커머스 운영에 직접 관여한다. 디자인 작업은 Canva로, 파일 관리는 Dropbox로 처리한다. 흩어져 있던 도구들을 하나로 연결해, 사용자가 여러 앱을 오갈 필요 없이 단일 인터페이스에서 모든 비즈니스 활동을 조율할 수 있게 했다.

이는 기업용 활용성을 극대화하려는 전략적 움직임이다. Metamuse는 단독 챗봇에 머물지 않고, 기업이 이미 사용 중인 소프트웨어 스택 위에 올라가는 연결 계층(connective layer)이 되고자 한다. 사업주나 관리자 입장에서는 AI가 실제 데이터에 기반해 여러 플랫폼을 넘나들며 실무를 지원한다는 의미다. 특정 도구들과의 결합을 통해 AI 비서의 역할을 '친절한 조언자'에서 '실무 운영 도구(functional operator)'로 바꿨다. 디지털 작업 공간의 동기화가 필요한 전문 사용자에게 실질적인 가치를 제공하며, 운영 효율을 높이는 중앙 허브로 자리 잡겠다는 계산이다.

11브라우저 보안 취약점 — 서버 기반 토큰으로 막는 AI 룸

웹 브라우저에 민감한 보안 인증 정보를 그대로 노출하는 것은 매우 위험하다. 페이지 소스만 살펴봐도 AI 서비스를 구동하는 키를 훔칠 수 있기 때문이다. 보안 유출을 막으려면 사용자에게 키를 숨기는 서버 측 보안 계층이 필수적이다. 브라우저가 AI 아바타 룸에 직접 연결되는 대신, 전용 백엔드 서버에서 '액세스 토큰(access token)'이라는 임시 디지털 통행증을 요청해 받아야 한다.

보통은 가벼운 Python 서버가 이 역할을 수행한다. 사용자 브라우저가 아닌 독립된 전용 서버에서 작동하므로, 인증에 필요한 비밀 키를 안전하게 보관할 수 있다. 사용자가 룸에 접속하려 하면 웹 페이지가 Python 서버에 토큰을 요청하고, 서버가 이를 검증해 토큰을 발행하면 그제야 브라우저가 통신 환경에 진입한다. 보안의 핵심은 격리다.

이런 구조는 LiveKit을 통해 여러 AI 개체를 디지털 공간에 배치하고 조율하는 '자율형 AI 조율(agent orchestration)' 과정에서 특히 중요하다. 액세스 토큰은 단순한 입장권 이상의 역할을 한다. 어떤 자율형 AI(agent)를 룸으로 보낼지 LiveKit에 구체적으로 지시하는 명령서가 된다. 덕분에 개발자는 사용자가 방문한 페이지나 상호작용 설정에 맞춰 서로 다른 AI를 유연하게 배치할 수 있다.

브라우저가 Python 서버로부터 토큰을 받으면 LiveKit 룸에 정상적으로 접속해 마이크로 음성을 전송하기 시작한다. 인증 정보 저장소와 사용자 인터페이스(UI)를 완전히 분리한 결과다. 개발자는 보안 키를 안전하게 보호하면서도, 사용자가 AI 아바타와 끊김 없이 실시간으로 대화하는 환경을 구현할 수 있다.

12Ollama: 단순 텍스트 생성을 넘어 '행동 선택'까지 로컬에서 구현

이제 사용자는 단순한 텍스트 생성을 넘어 확률적 행동 선택(probabilistic action selection)이 가능한 특화 AI 모델을 개인 기기에서 직접 구동할 수 있다. AI가 게임 화면이나 비즈니스 상황 같은 현재 상태를 분석하고, 긍정적인 결과가 나올 확률이 가장 높은 최적의 다음 단계를 결정하는 방식이다. 팩맨(Pac-Man) 게임을 예로 들면, 모델이 적의 위치와 보상을 계산해 상하좌우 중 성공 확률이 가장 높은 방향을 선택한다. 이는 '제부(Jebu) 스타일'의 의사결정 AI를 대체할 수 있는 오픈소스 대안으로, 특정 도구나 동작을 실행해 시스템의 '손과 발' 역할을 수행한다. 텍스트를 쓰는 AI에서 행동하는 AI로의 전환이다.

이러한 기능은 오픈소스 모델을 로컬에 배포할 수 있게 돕는 도구인 Ollama를 통해 제공된다. 행동 선택 모델을 구현하려면 Ollama 버전 0.35 이상이 필요하다. 가장 작은 모델인 Tab 0.8B는 터미널에서 `ollama pull T1 0.8B` 명령어를 입력해 내려받을 수 있다. 모델을 클라우드가 아닌 로컬 하드웨어로 옮기면 외부 서버 의존도를 낮출 수 있다. 기업은 고객의 환불 요청을 분석해 응답의 시급성과 필요성을 판단하는 등 내부 의사결정 지원에 AI를 활용할 수 있다.

다만 로컬 구동 여부는 시스템 메모리 용량에 크게 좌우된다. 모델 크기에 따라 요구 사양의 차이가 크기 때문이다. 고성능 모델인 Nimble 9B를 실행하려면 최소 60GB의 RAM을 갖춘 하이엔드 하드웨어가 필수적이다. 반면 기본 사양의 컴퓨터를 사용하는 사용자는 상대적으로 가벼운 Tab 0.8B 모델로 입문할 수 있다. 파워 유저가 Nimble 9B나 Tab 4B 같은 대형 모델로 복잡한 과업을 수행하는 동안, 일반 사용자도 확률적 의사결정이라는 핵심 기능을 누릴 수 있도록 선택지를 나눈 구조다.