기업 환경에서 작동하는 AI 에이전트 설계와 토큰 이코노미

핵심

• Ilya Sutskever와 Richard Sutton이 언급했듯 파라미터와 데이터만 늘리는 LLM 스케일링 법칙은 한계에 직면했다.
• 범용 모델의 추상화(Generalization)와 기업 내부의 정밀한 일반성(Generality)은 층위가 달라 도메인 모델링이 필수적이다.
• 엔터프라이즈 환경에서는 데이터 적재 중심 온톨로지가 아니라 실행 가능한 최소 유닛(MEU) 중심의 에이전트 재설계가 필요하다.
• 단일 에이전트를 멀티에이전트로 쪼개 오케스트레이션하면 할루시네이션을 줄이면서 토큰 사용량을 30분의 1로 절감할 수 있다.
• 기업이 에이전트 도입에 거부감을 느끼지 않도록 돕는 핵심은 현장 직원의 도메인 지식과 거버넌스 보장이다.
• B2B 특정 업종 도메인에서는 3~5년 안에 사람 수준의 실무 에이전트 협업이 정착할 것으로 전망된다.

챕터

1. 0:00현장 직원들의 저항과 에이전트 전문가의 역할 (새 탭에서 열림)
2. 0:36토큰 맥싱에서 하네스와 루프 엔지니어링으로 (새 탭에서 열림)
3. 1:49스케일링 법칙의 한계와 새로운 연구 국면 (새 탭에서 열림)
4. 3:22범용 일반화와 기업 도메인 일반성의 차이 (새 탭에서 열림)
5. 5:15월드 모델과 실행 가능한 유닛 중심의 기업 재설계 (새 탭에서 열림)
6. 9:01미국과 한국의 AI 도입 분위기 격차 (새 탭에서 열림)
7. 11:00제조업 지식과 소프트 파워의 중요성 (새 탭에서 열림)
8. 12:40에이전트 자율성 단계와 현장 협력 (새 탭에서 열림)
9. 14:03에이전트 연봉 모델과 마케팅 자동화 사례 (새 탭에서 열림)
10. 15:36토큰 이코노미와 멀티에이전트 비용 최적화 (새 탭에서 열림)
11. 19:40B2B 도메인 AGI의 실현 시점 전망 (새 탭에서 열림)
12. 20:28Swit의 도메인 자산과 미래 성장 방향 (새 탭에서 열림)