코딩 에이전트에 더 비싼 모델을 쓰면 사람의 지시와 검토 부담은 줄지만, 단순한 작업에 고성능 모델을 쓰면 비용이 낭비될 수 있다. 이 글은 경제학의 사중손실 개념을 빌려 작업마다 적절한 모델을 찾는 일이 왜 중요하며, 창작과 일의 미래에는 어떤 의미가 있는지 살펴본다.
사중손실은 판매자가 가격을 너무 높거나 낮게 정해 얻지 못한 이익을 가리킨다. 글은 이 개념을 코딩 에이전트에 적용해 모델 비용과 사람의 조정 노력을 함께 고려한다. 성능이 낮거나 제한된 모델을 쓰면 사람은 긴 지시를 쓰고, 결과를 검토하며, 작업을 직접 조정해야 한다. 반대로 프런티어 모델은 간단한 요청만으로도 작업을 처리할 수 있지만, 사소한 작업에 쓰기에는 비쌀 수 있다.
따라서 특정 작업을 충분히 잘 해내면서 더 저렴하고 빠른 모델을 찾는 지점이 글에서 말하는 ‘균형점’이다. 작업에 맞는 소형 모델을 고르거나, 자체 데이터와 평가로 모델을 만들거나, 프런티어 모델이 소형 모델용 지침을 작성하게 하는 방법이 제시된다. 다만 적합한 모델을 찾고 시스템을 구축하는 데는 시간과 비용이 들며, 토큰 보조금이 끝나면 모델 사용료 부담이 커질 수 있다는 전망도 덧붙인다.
글쓴이는 장기적으로는 대부분의 작업을 저렴하고 빠르게 처리하는 모델이 등장할 수 있다고 본다. 그때도 사람의 감독이 필요한 영역은 남으며, 창작에서는 결과물뿐 아니라 그것을 만든 사람의 선택과 동기가 차이를 만든다는 주장이다. 이는 검증된 예측이라기보다 글쓴이의 전망이다.
실무적으로는 모든 요청에 가장 강력한 모델을 쓰기보다, 작업별 비용과 사람의 개입량을 함께 살펴볼 필요가 있다는 것이 글의 제안이다. 이를 위해 문맥을 효율적으로 모델 간에 넘기는 방법, 연산 자원을 활용하는 방법, 작업에 맞는 모델을 찾거나 학습시키는 도구가 과제로 꼽힌다. 글은 램프(Ramp)가 소형 모델 학습 환경과 모델 라우터를 만들고 있다고 소개하며, 개인이나 중소 조직도 쉽게 쓸 수 있는 최적화 도구가 필요하다고 본다.
글쓴이는 인공지능이 널리 보급되면 대인 소통이나 관계 형성처럼 컴퓨터로 최적화하기 어려운 능력이 중요해질 수 있다고 전망한다. 창작물도 자동 생성된 결과 자체보다 사람의 경험과 의도가 더 큰 의미를 얻을 수 있다고 본다. 다만 인공지능과 사람의 관계가 인간관계를 대체할 가능성에 대해서는 우려도 제기한다.
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요