Agent-in-the-Loop 시대가 오고 있다 ⚡

"AI가 작업하면 인간이 검토한다." 당연한 상식처럼 들리죠? 그런데 이 구조가 완전히 뒤집히고 있습니다. 230만 줄의 코드를 4개월 만에 마이그레이션했는데 99%는 인간의 손을 거치지 않았다는 실제 사례가 공개됐습니다. 이제 AI가 작업을 주도하고, 인간은 예외 상황만 처리합니다.

한편 AGI를 약속하는 AI 랩들은 역설적이게도 점점 더 많은 인간 전문가와 특화된 데이터를 요구하고 있습니다. 19세에 창업한 청년은 이 틈새 시장에서 1년 만에 연매출 5억 달러를 달성하며 자수성가 억만장자가 됐죠. AI 시대의 진짜 승자는 누구일까요?

Today's AI Spark⚡:

• HITL에서 AITL로: AI 에이전트가 주도하는 새로운 워크플로우

• AGI 역설: AI가 발전할수록 더 많은 인간이 필요한 이유

• AWS CEO가 말하는 신입 개발자를 지켜야 하는 3가지 비즈니스 논리

• 구글 Deep Research가 금융 실사를 며칠에서 몇 시간으로 단축

• 제어권의 위치가 결정하는 AI 에이전트 설계의 미래

인간이 AI 감독하는 시대 끝났다: Agent-in-the-Loop의 등장

Accion Labs가 인도 MachineCon GCC Summit에서 충격적인 사례를 공개했습니다. 230만 줄 코드를 4개월 만에 마이그레이션했는데, 99%는 인간의 손을 거치지 않았다는 거죠. 핵심은 간단합니다. 작업별 특화 에이전트가 인간보다 빠르고, 정확하며, 1000배 저렴하다는 겁니다.

HITL에서 AITL로의 대전환:

• 99% 무인 자동화의 실체: 전통적인 HITL(Human-in-the-Loop)은 AI가 작업하면 인간이 검토하는 구조. 하지만 시간당 수백만 건의 트랜잭션이 흐르는 환경에서 인간은 병목이 됨. AITL(Agent-in-the-Loop)은 에이전트가 작업을 실행하고 검증까지 담당하며, 예외만 인간에게 전달

• Copilot이 아닌 Agent가 필요한 이유: Copilot은 개인을 돕지만 Agent는 전체 워크플로를 변화시킴. 코드 리팩토링, 테스트 생성, 컴플라이언스 검토 등 특정 작업에 완전히 특화된 시스템으로 검증 에이전트와 구조화된 예외 처리를 결합해 놀라운 정밀도 달성

• 역할의 역전이 온다: 미래의 운영 모델에서는 AI가 인간의 작업을 검증. 에이전트가 90~99% 처리하고 맥락적 추천을 제공하며, 인간은 주요 실행자에서 오케스트레이터이자 감독자로 전환. 반복 작업이 아닌 전략, 판단, 혁신에 집중

자세히 읽기

AI로 돈 버는 곳은 따로 있다: 22세 창업자의 연매출 5억 달러 비밀

OpenAI는 AGI가 곧 온다고 말하지만, 실제로는 정반대 일이 벌어지고 있습니다. AI는 점점 더 많은 인간 전문가를, 더 특화된 데이터를 요구하죠. 19세에 창업한 브렌든 푸디는 이 틈새에서 1년 만에 연매출 5억 달러를 달성하며 22세에 자수성가 억만장자가 됐습니다.

모든 전문성을 체크리스트로 만드는 산업:

• 100억 달러 데이터 시장의 탄생: ChatGPT와 Claude를 만드는 AI 랩들은 아직 수익을 못 내는 반면, 학습 데이터를 공급하는 회사들은 폭발적 성장. Mercor는 연매출 5억 달러, Surge AI는 10억 달러 이상 수익. AI 랩들은 올해만 학습 데이터에 100억 달러 이상 투자

• 루브릭 하나에 10시간, 한 번 학습에 수백만 기준: OpenAI의 의료 벤치마크 하나에만 5만 개 가까운 기준 포함. 컨설팅, 이메일, 법률 브리핑까지 모든 작업을 극도로 구체적인 체크리스트로 분해. 골드만삭스 애널리스트부터 필즈상 수학자, 심지어 핵공학자와 동물 조련사까지 고용

• AGI를 향하는데 왜 더 많은 인간이 필요한가: AI 랩들이 옳다면 성능이 올라갈수록 인간 데이터 필요성은 줄어야 함. 하지만 반대 현상 발생. 강화학습은 명확한 성공 신호가 필요한데, 인생의 대부분은 그렇지 않음. 결국 수천 명의 전문가가 모든 상황의 기준을 작성하는 방식으로 우회

자세히 읽기

AWS CEO가 밝힌 AI 시대의 역설: 신입 개발자가 더 중요한 3가지 이유

AI가 일자리를 빼앗는다는 불안이 팽배한 가운데, AWS CEO 맷 가먼이 정반대 메시지를 던졌습니다. "신입 직원을 AI로 대체하는 건 내가 들어본 가장 멍청한 아이디어 중 하나"라고 직설적으로 말하며, 세 가지 구체적인 비즈니스 논리를 제시했죠.

신입이야말로 AI 시대의 핵심 자산:

• 역설 1 - 신입이 AI 도구를 가장 잘 다룬다: 갓 졸업한 개발자들은 학교에서 이미 ChatGPT, GitHub Copilot을 자연스럽게 사용. 10년 경력 시니어는 오랜 습관 때문에 새 도구 적응이 더딤. "가장 주니어한 사람들이 실제로는 AI 도구에 가장 익숙합니다"

• 역설 2 - 비용 최적화 논리가 맞지 않는다: 신입은 보통 가장 적은 비용. 연봉 5천만 원짜리 신입 3명을 자르는 것보다 연봉 2억 원짜리 임원 1명 재검토가 더 큰 절감. 직원 감축으로 비용 절감하려던 기업의 30%가 오히려 비용 증가

• 역설 3 - 인재 파이프라인이 끊기면 회사가 무너진다: 신입 채용 중단하면 몇 년 후 베테랑 은퇴 시 팀 와해. 딜로이트 보고서에 따르면 미국 기술 인력 수요는 전체 노동시장보다 두 배 빠르게 성장. 신입들의 최신 트렌드와 신선한 시각에서 혁신 발생

자세히 읽기

구글 Deep Research API 공개: 금융 실사 며칠을 몇 시간으로

구글이 Gemini Deep Research를 Interactions API를 통해 개발자들에게 공개했습니다. 이제 누구나 이 고급 리서치 에이전트를 자신의 앱에 통합할 수 있게 됐죠. 금융 실사부터 신약 독성 연구까지, 복잡한 조사 작업을 자동화하는 실제 사례들이 벌써 나오고 있습니다.

스스로 조사하고 보고서 쓰는 AI의 현실:

• 며칠 걸리던 실사, 몇 시간으로 단축: 금융 회사들이 투자 전 수행하는 실사(due diligence)가 며칠에서 몇 시간으로 단축. 바이오테크 기업 Axiom Bio는 "이전에는 인간 연구자만 할 수 있었던 수준 이상"의 세밀한 데이터 발견이라고 평가

• Gemini 3 Pro로 환각 최소화: 반복적으로 조사를 계획하고 검색어를 만들고 결과를 읽으며 빠진 정보 파악 후 다시 검색. "가장 사실적인 모델"로 환각을 줄이도록 훈련. 한 번이라도 잘못된 정보 만들면 전체 결과가 무용지물이기 때문

• 벤치마크 전쟁의 양상: 구글 자체 벤치마크 DeepSearchQA에서 Deep Research 66.1%, GPT-5 Pro 65.2%. 독립 벤치마크 Humanity's Last Exam에서는 Deep Research 46.4%, GPT-5 Pro 38.9%. 하지만 BrowseComp에서는 GPT-5 Pro가 근소하게 앞서며 벤치마크별로 순위 엇갈려

자세히 읽기

AI 에이전트 설계의 갈림길: MCP vs Skills, 실무자가 말하는 진짜 차이

AI 에이전트에게 파일을 읽고, 코드를 실행하고, 웹을 검색하는 능력을 주려면 어떻게 해야 할까요? Flask 프레임워크 창시자 Armin Ronacher가 Anthropic이 표준으로 밀고 있는 MCP보다 Skills 방식이 왜 더 나은지, 실무 경험을 바탕으로 분석했습니다.

제어권이 결정하는 설계의 미래:

• MCP는 AI가 주도, Skills는 개발자가 주도: MCP는 AI가 "파일을 읽어줘"라고 요청하면 서버가 응답. Skills는 개발자가 작은 코드 조각을 만들어 AI에 전달하고 AI는 그 안에서만 작동. "당신이 원하는 모든 파일을 읽을 수 있어요" vs "이 폴더 안의 파일만 읽을 수 있어요"

• MCP의 불편한 진실 - 과도한 권한과 컨텍스트 오염: AI가 어떤 파일을 읽을지 스스로 결정하며 보안 정책 설정이 복잡. 더 큰 문제는 사용 가능한 모든 도구를 미리 알려줘야 해서 프롬프트가 지저분해짐. 도구 설명이 길어질수록 AI가 혼란스러워하고 잘못된 도구 선택

• Skills가 우아한 이유 - 명확한 경계와 자동화: 개발자가 "이 작업엔 이 세 가지 함수만 필요해"라고 명확히 정의. AI는 "무엇을 해야 하는지"만 고민하고 "어떻게 할지"는 코드가 처리. Anthropic의 Claude Desktop도 이미 두 방식을 혼용하며 MCP만으론 부족하다는 방증

자세히 읽기

이것도 놓치지 마세요 ✨

이 뉴스레터에서 다루지 못한 주목할 만한 소식들입니다:

🤖 AI 플랫폼 & 생태계

• OpenAI, ChatGPT 앱 디렉토리 공개: AI 플랫폼 생태계의 시작

🖼️ AI 이미지 & 비전

• OpenAI 'code red' 선포 후 한 달 만에 GPT Image 1.5 출시: Google과의 전면전

⚡ 모델 & 성능

• 구글 Gemini 3 Flash 출시: Pro급 성능을 3배 빠른 속도로, 무료 제공

• 코드 작성 AI가 2.3배 빨라진다: 디퓨전 모델의 구조화 마법

💼 비즈니스 & 생산성

• AI 코딩 도구, 개발 생산성 76% 높였다: 2025 현황 보고서

• AI가 코드 짜주는 시대, 개발자는 왜 더 필요해졌나

🔧 개발자 도구 & 인프라

• AgentFS: SQLite 파일 하나에 담긴 AI 에이전트의 모든 것

• AI 이미지 프롬프트 500개를 카탈로그처럼: 오픈소스 프롬프트 관리 도구 PromptForge

📊 마케팅 & 검색

• 구글 12.5만 노출 뒤에 숨은 비밀: AI가 뉴스를 검색하는 방식

⚖️ AI 윤리 & 정책

• 킨들이 당신의 책을 AI로 해설합니다: 저자 동의 없이, 거부도 불가능

• AI에게 윤리를 가르칠 수 있을까: Grok 오보 사건이 드러낸 근본적 한계

AI Sparkup에서 매일 업데이트되는 최신 AI 뉴스와 인사이트를 놓치지 마세요. aisparkup.com에서 더 많은 정보를 확인하실 수 있습니다.