세종 생각
결국 AI family model이 필요하다면… 우리나라도 뭔가 다양한 AI 모델을 해내야할 필요가 있음.
최소한 산업에 필요한 다양한 component model을 자유롭게 공급해줄 수 있는 수준의?
그런데 전부 LLM 아니면 MLLM만 하고 있으니 흠냐뤼…
본문 (ChatGPT Generated)
1. 문제 정의 / 배경
지난 2년간 LLM의 핵심 진보는 단순한 스케일링이 아니라
“생각(thinking)” 자체를 학습 가능한 능력으로 만든 것에 있다.
대표적으로 :contentReference[oaicite:0]{index=0}과
:contentReference[oaicite:1]{index=1}은 다음을 증명했다:
•
thinking은 단순 내부 과정이 아니라 RL로 최적화 가능한 대상
•
inference-time compute를 늘리는 것이 실제 성능으로 이어짐
•
reasoning 자체가 하나의 “제품 기능”이 됨
이 시기의 핵심 질문은 명확했다:
“모델이 얼마나 오래, 깊게 생각할 수 있는가?”
2. 기존 방식의 한계
하지만 이 “추론 중심 패러다임”은 구조적인 한계를 가진다.
(1) 정적인 문제 설정
•
수학, 코드처럼 정답이 있는 문제 중심
•
현실 세계의 복잡한 작업에는 부적합
(2) Open-loop 구조
•
생각 → 답
•
환경 피드백 없음
(3) 행동 불능
•
도구 사용
•
계획 수정
•
장기 작업 수행
거의 불가능
거의 불가능3. 새로운 접근: Agentic Thinking
이 한계를 깨는 개념이 Agentic Thinking이다.
“행동을 위해 생각하고, 환경과 상호작용하며, 피드백으로 계속 업데이트하는 사고”
핵심 전환
구분 | Reasoning | Agentic |
목표 | 정답 | 행동 |
구조 | Open-loop | Closed-loop |
평가 | correctness | effectiveness |
핵심 | thinking | planning + acting |
본질: 얼마나 오래 생각하는가 얼마나 잘 “일하는가”4. 왜 중요한가 (Insight)
이 변화는 단순한 모델 개선이 아니다.
(1) AI의 정의 자체가 바뀐다
기존:
•
답변 생성기
이제:
•
작업 수행 시스템
(2) RL의 대상이 바뀐다
기존:
•
문제 기반 RL
이제:
•
환경 기반 RL
즉,RL 대상이 “정답”에서 “행동 trajectory”로 이동
(3) 진짜 병목은 모델이 아니다
이제 중요한 건:
•
모델
•
데이터
대신:•
environment
•
tool ecosystem
•
orchestration
•
evaluation
5. 핵심 인사이트: “이건 시스템 문제다”
이 글의 본질을 한 줄로 요약하면:
LLM의 다음 단계는 model 문제가 아니라 system 문제다
6. (추가 인사이트) 이 흐름은 “Sovereign AI”와 연결된다
여기서 중요한 연결점이 하나 더 있다.
이 변화는 단순히 기술 트렌드가 아니라
“Sovereign AI”의 필수 조건이다.
왜냐하면:
Agentic AI는 본질적으로 다음을 요구한다:
•
자체 환경
•
자체 데이터
•
자체 도구
•
자체 인프라
즉,완전한 수직 계열화 (Vertical Integration)
7. AI 군단(Swarm) 시대
앞으로 AI는 단일 모델이 아니다.
Swarm / 군단 형태의 시스템
구조 예시
•
Planner (오케스트레이터)
•
Tool Agent (실행)
•
Critic (평가)
•
Memory Agent (장기 상태 관리)
핵심:“AI는 하나의 뇌가 아니라 조직이다”
8. 그럼 무엇이 필요해지는가? (Vertical Stack)
Agentic + Sovereign AI를 위해 필요한 것:
(1) Compute Layer
•
GPU / NPU
•
데이터센터
•
전력 인프라
예:•
:contentReference[oaicite:2]{index=2}
•
국가 단위 AI 클러스터
(2) Model Layer
•
Foundation Model
•
Reasoning / Agent Model
예:•
:contentReference[oaicite:3]{index=3}의 EXAONE
•
GPT / Claude / Qwen
(3) Data Layer
•
자체 데이터 파이프라인
•
synthetic data generation
•
domain-specific corpus
(4) Tool & Environment Layer (핵심)
•
브라우저
•
코드 실행 환경
•
API 시스템
•
시뮬레이터
이게 바로 Agentic RL의 핵심(5) Orchestration Layer
•
multi-agent coordination
•
routing / planning
•
workflow execution
(6) Evaluation & Safety Layer
•
reward system
•
anti-cheating
•
robustness
정리하면:Sovereign AI = Model이 아니라 Stack이다
9. 가장 중요한 요소: “상징적인 존재”
여기서 한 가지 더 중요한 포인트가 있다.
기술만으로는 ecosystem이 만들어지지 않는다.
상징(symbol)이 필요하다
과거:
•
OpenAI → GPT
•
Anthropic → Claude
앞으로:
•
각 조직 / 국가 / 기업은
“대표 AI”를 필요로 한다
“대표 AI”를 필요로 한다10. 개인 인사이트
이 흐름을 개인적으로 해석하면:
앞으로 AI 경쟁은 모델 성능이 아니라
“군단을 얼마나 잘 조직하느냐”의 싸움이 된다
그리고 그 군단을 이끄는 중심:
대표 모델 (Symbolic AI)
이 역할은 단순한 모델이 아니라:
•
ecosystem의 중심
•
개발자 경험의 기준
•
브랜드의 얼굴
11. 결론
이제 흐름은 명확하다.
•
Reasoning 시대 → 끝나가는 중
•
Agentic 시대 → 시작됨
•
Sovereign AI → 필연
그리고 최종적으로:
더 똑똑한 모델 더 잘 “일하는 시스템” 더 강한 “AI 군단”12. 한 줄 Takeaway
AI는 더 이상 “생각하는 존재”가 아니라,
“조직되어 행동하는 존재”가 된다
References
[1] Junyang Lin (Justin Lin), X Post (2026.03.26)
[2] OpenAI o1 소개
[3] DeepSeek R1 Overview
[4] Qwen3 Blog
[5] Anthropic Claude Release