[GN⁺] AI 이후의 소프트웨어: 하네스(Harness) 시대의 개막

읽을거리&정보공유
, , , ,
1

AI 에이전트 하네스의 7가지 구성요소(맥락과 메모리, 도구와 행동, 오케스트레이션과 루프, 상태와 영속성, 샌드박스와 컴퓨팅, 관측성과 거버넌스, 비용과 워크플로우 최적화)를 중심의 LLM 주위에 방사형으로 배치한 다이어그램
AI 에이전트 하네스의 7가지 구성요소(맥락과 메모리, 도구와 행동, 오케스트레이션과 루프, 상태와 영속성, 샌드박스와 컴퓨팅, 관측성과 거버넌스, 비용과 워크플로우 최적화)를 중심의 LLM 주위에 방사형으로 배치한 다이어그램2500×2000 101 KB

AI 이후의 소프트웨어: 하네스(Harness) 시대의 개막 글 소개

  • 소프트웨어 시대의 종말은 하네스(harness) 시대의 시작 이며, 고정된 워크플로우와 관리형 DB로 작동하던 SaaS가 지능을 갖춘 AI로 대체되는 중
  • AI는 강력하지만 야생마처럼 길들여지지 않은 상태로, 그 힘을 활용하기 위해서는 체계적 통제(domestication) 가 필요함
  • AI 에이전트 하네스는 중심의 LLM을 둘러싼 7가지 핵심 구성요소 로 정의되며, 각 요소가 프로덕션 수준의 신뢰성과 성능을 좌우
  • 모든 기업이 동일한 모델에 접근 가능한 시대에는 모델 자체가 아니라 하네스를 더 잘 설계하고 운용하는 쪽(best rider) 이 승리
  • 빅랩들이 우선시하지 않는 수천 개의 분리된 시장 이 스타트업에게 기회로 남음

하네스 시대의 의미

  • AI는 고정 워크플로우 기반의 SaaS와 관리형 데이터베이스를 지능(intelligence)으로 대체 하며 소프트웨어 패러다임을 재정의
  • AI를 머스탱(야생마)에 비유, 강력하지만 거칠어 그대로는 사용할 수 없으며 길들이는 작업이 곧 하네스
  • 길들임의 본질은 LLM을 중심에 두고 그 주위에 7개 구성요소를 방사형으로 배치하는 아키텍처

AI 에이전트 하네스의 7가지 구성요소

1. Context & Memory (맥락과 메모리)

  • 범용 모델은 용도별 맞춤 검색(bespoke retrieval) 이 필요하며, 방사선 전문의용 컨텍스트 검색 시스템과 법무 보조원용 시스템은 동일할 수 없음
  • 단기 메모리 ("에이전트가 45초 전에 무엇을 하고 있었나"), 대규모 이미지 검색(방사선, 영상 생성), 수십억 문서 키워드 검색 등 케이스별로 시스템이 달라짐
  • 검색 옆에는 컨텍스트 데이터베이스 가 위치, 비즈니스가 실제로 어떻게 운영되는지 담은 "레시피북" 역할
    • 사람들이 머릿속에 들고 출근하는 표준운영절차(SOP)가 곧 그 레시피
    • 초기 캡처와 사람과 프로세스 변화에 따른 진화가 컨텍스트 DB의 본질

2. Tools & Action (도구와 행동)

  • 도구는 에이전트가 외부 세계에 영향을 미치는 수단이며, 컨텍스트 DB의 레시피가 "무엇을 할지"라면 도구는 그것을 실제로 수행하는 재료와 기구
  • 현대 하네스는 레지스트리(registry) 를 통해 도구를 노출, 모델이 전달한 인자 검증, 호출 디스패치, 민감 작업은 승인 게이트 통과, 결과를 에이전트 루프로 파싱
  • MCP 가 도구 연결을 위한 결합 조직(connective tissue)으로 부상
  • 하네스의 품질은 안전하게 노출할 수 있는 도구 수와 실패를 깔끔히 처리하는 능력에 의해 결정됨

3. Orchestration & Loop (오케스트레이션과 루프)

  • 에이전트 루프는 사고(think) → 행동(act) → 관찰(observe) → 반복(repeat) 의 구조
  • 계획 수립, 작업 분해, 서브 에이전트, 재시도, 중단 조건이 작업 수행 방식을 규정
  • 사용할수록 개선되어야 하며, 각 실행으로부터 학습하는 클로즈드 루프 패턴 이 벤더 간 차별화 요소

4. State & Persistence (상태와 영속성)

  • 다수의 인원이 동시에 시스템을 사용하는 대규모 엔터프라이즈에서는 회복 탄력성(resilient) 이 필수
  • 10단계 작업의 7단계에서 하네스가 크래시할 경우 처음부터가 아닌 8단계부터 재개 되어야 함
  • 파일 시스템, 체크포인트, 세션 스레드, 아티팩트 저장소가 작업 손실을 방지하는 메커니즘

5. Sandbox & Compute (샌드박스와 컴퓨팅)

  • 각 에이전트에는 독립된 작업 공간(샌드박스) 이 필요
  • 격리된 Unix 워크스페이스, 통제된 네트워크 송신(egress), 모델 외부에 보관되는 자격 증명(credentials)이 보안성, 기밀성, 대규모 속도를 보장

6. Observability & Governance (관측성과 거버넌스)

  • "볼 수 없는 것은 신뢰할 수 없음" - 모든 단계 추적, 모든 도구 호출 로깅, 회귀 테스트로서의 evals 실행, 최고 리스크 결정에는 사람 개입(human-in-the-loop) 이 데모를 프로덕션 시스템으로 전환시킴
  • 가드레일(Guardrails) 은 정책 강제, Evals 는 고객보다 먼저 회귀를 포착

7. Cost & Workflow Optimization (비용과 워크플로우 최적화)

  • 일곱 번째는 아키텍처적 판단력(architectural judgment)
  • 결정론적 vs 비결정론적으로 처리할 영역 구분, 단계별 적합 모델(최첨단, 중형, 소형, 파인튜닝) 선택, 지식을 스킬에 둘지 메모리에 둘지의 판단

새로운 경쟁 구도

  • 결과는 소프트웨어의 새로운 경쟁 다이내믹이며, 모든 카테고리에 동일하게 적용되지는 않음
  • 메이저 랩(주요 AI 연구소)이 우선시하는 시장은 빠른 실행력과 모델 직접 통제 에서 이익을 얻음
  • 그러나 그 외 수천 개의 별도 시장 이 스타트업에게 열려 있음
  • 모든 기업이 같은 모델을 사용 가능해진 시대에는 "가장 잘 타는 자(best riders)"가 승리 - 즉 하네스 설계와 운용 역량이 핵심 경쟁력

원문

출처 / GeekNews

더 읽어보기

[GN] 함께 보면 좋은 글β

:information_source: 알려드립니다

이 글은 국내외 IT 소식들을 공유하는 GeekNews의 운영자이신 xguru님께 허락을 받아 GeekNews에 게제된 AI 관련된 소식을 공유한 것입니다.

출처의 GeekNews 링크를 방문하시면 이 글과 관련한 추가적인 의견들을 보시거나 공유하실 수 있습니다! :wink:

:gift: 아래:arrow_lower_right:쪽에 좋아요:heart:를 눌러주시면 새로운 소식을 정리하고 공유하는데 힘이 됩니다~ :star_struck:

MAI-Thinking-1 기술 보고서: 데이터 파이프라인부터 RL 인프라까지, 프런티어 모델 학습의 전 과정을 해부한 '힐 클라이밍 머신' (feat. Microsoft AI)