목차
- **서론**
- 9월 17일(목) 추가: 사용 방법 안내
- 제브는 어떤 곳에서 AI를 사용하는지 궁금해합니다.
- 돌려줄 수 있는 판단은 기본적으로 3가지 종류입니다.
- 얼마나 확실한지라도 프로그램을 통해 다룬다
- 하르신에이션 0은 틀림없다.
- 속도와 가격의 숫자는 조건과 함께 읽어야 합니다.
- 업무에 참여하려면, 우선 “분배 후보”부터 시작하세요.
- 지금 바로 사용 가능한가요? 시도하기 전에 확인해야 할 사항들
- 이번 주말에 츠키시마 료의 신작 소설 『별의 그림자와의 환상』을 읽기로 했습니다. 츠키시마 료는 ‘기생충’이나 ‘나를 돌아봐’ 같은 작품으로 유명한 작가로, 그의 작품은 독특한 분위기와 흡입력 있는 스토리로 많은 사랑을 받고 있습니다. 특히 이번 작품은 SF적인 요소와 미스터리한 분위기가 결합되어 더욱 흥미로운 작품이 될 것으로 기대됩니다. 츠키시마 료의 작품을 좋아하신다면 꼭 한번 읽어보시길 추천합니다.
본서는 2023년 11월 현재 누적 발행 부수 약 100만 부를 자랑하는 ‘주간소년점프’에 연재된 인기 만화 ‘원피스’의 최신작, 볼륨 106을 기반으로, 새로운 시점과 고찰을 더한 평론입니다. 오다 에이치로 씨의 세계적인 인기 만화의 매력을 더욱 깊이 있게, 더욱 다각적으로 해명하고 독자 여러분께 새로운 발견과 감동을 선사합니다.
안녕하세요, 카즈입니다.
제브(Jev)는 텍스트를 생성하는 대신, 소프트웨어가 그대로 사용 가능한 판단과 확률을 반환하는 AI입니다.
ChatGPT를 공동 개발한 후, 저는 왜 초인간 수준의 챗 모델이 AGI(인공 일반 지능)로 이어지지 않았는지 끊임없이 질문했습니다. 지난 2년간 저는 은밀하게 새로운 모델 훈련 방식(RLCD)과 새로운 유형의 프론티어 AI 모델을 개발해 왔으며, 오늘 출시하는 모델이 바로 Jev입니다. Jev는 20~200배 더 빠르고 40~400배… 등입니다. — Diogo Almeida (@CompleteSkeptic) 2026년 9월 15일
제브(Jev)는 전 OpenAI 연구원인 디오고 알메이다(Diogo Almeida)氏가 창업한 TypeSafe AI의 팀이 개발한 AI 모델입니다. 이 회사는 이 모델을 “System One 모델”이라고 부르는 새로운 유형의 AI 모델의 첫 번째 제품으로 소개하고 있습니다.
System One 모델은 소프트웨어가 직접 활용되어 빠르고 구조화된 의사 결정을 수행하도록 설계되었습니다.
제브의 개요
개인 맞춤형 학습: 제브는 사용자의 학습 수준과 목표에 맞춰 개인화된 학습 경로를 제공합니다.
다양한 학습 콘텐츠: 제브는 다양한 주제의 학습 콘텐츠를 제공하며, 특히 일본어 학습에 특화되어 있습니다.
실시간 피드백: 제브는 사용자의 학습 진행 상황에 대한 실시간 피드백을 제공하여 학습 효과를 높입니다.
게임 요소를 활용한 학습: 제브는 게임 요소를 활용하여 학습에 대한 흥미를 유발하고, 학습 동기를 부여합니다.
커뮤니티 기능: 제브는 사용자들이 서로 소통하고 정보를 공유할 수 있는 커뮤니티 기능을 제공합니다.
제브는 특히 일본어 학습자를 위한 맞춤형 학습 경험을 제공하며, 일본어 학습 목표 달성을 지원하는 데 중점을 두고 있습니다.
System One 모델은 인간의 즉각적인 직관적 사고에 비추어 분류나 판정 등과 같은 작은 판단을 빠르게 처리하기 위해 설계된 인공지능 모델입니다.
다니엘 카너먼의 『생각의 빠른 길과 느린 길 (Thinking, Fast and Slow)』에서 유명한 시스템 1과 시스템 2 사고 방식에서 비롯되었습니다.
- 시스템 1: 빠르고 직관적인 판단
- 시스템 2: 시간을 들여 의식적으로 생각한다.
“시스템 원”은 인간의 빠르고 직관적인 사고를 나타내는 “시스템 1”에 비유된 이름이라고 생각됩니다. Jev는 분류나 판단과 같은 작은 판단을 빠르게 수행하는 것을 목표로 합니다.
이 기사에서는 공식 발표와 기술 문서에 기반하여 가능한 사항과 주의 사항을 정리합니다.
9월 17일(목) 추가: 사용 방법 안내
대기 명단에 등록 후, 다음과 같은 이메일이 발송되었습니다. 이 상태가 되면 계정을 생성하여 이용할 수 있습니다.
계속 버튼을 누르고 다음 내용을 입력합니다.
제출 버튼을 누르면 다음 화면으로 이동하여 사용 가능합니다.
제브는 AI를 어디에서 사용하는지 궁금해한다.
제비에게 전달되는 것은 판단의 근거가 되는 정보와 답변을 원하는 질문입니다. 돌아오는 것은 미리 정해진 형식의 값입니다. 긴 답변문이나 코드, 판단 이유에 대한 설명을 생성하는 모델이 아닙니다.
예를 들어, 앱에 도착한 문의를 읽고 담당자를 선택한다. 그 결과를 받은 프로그램이 담당자별 목록으로 분류한다. 제브는 이 흐름의 “담당자를 선택하는” 부분에 들어간다.
판단을 내리는 부분과 실제로 처리를 진행하는 부분을 분리하여 생각하면 역할이 명확해집니다.
공식 문서: 시스템 원
물론, 일반적인 LLM도 분류나 구조화된 출력을 할 수 있습니다. Jev의 차이점은 ‘분류가 가능하다는 것’뿐만 아니라 판단과 확률을 반환하는 데 특화되어 설계 및 학습되었다는 점입니다.
제브를 슈퍼 마리오 브라더스에서 즐기게 한 사례
@typesafeai의 새로운 모델 Jev에게 슈퍼 마리오 브라스를 플레이하게 하고, 빠른 추론과 구조화된 출력이 실시간 사용 사례에 놀라울 정도로 효과적이라는 것을 확인했습니다. 이 새로운 모델로 무엇을 할 수 있을지 기대됩니다. — Faadil Shaik (2026년 9월 16일)
돌려줄 수 있는 판단은 기본적으로 3가지 종류입니다.
공식 자료에서는 질문을 Choice, Score, Noul 세 종류로 분류하고, 각각 다음과 같이 사용합니다.
운영 관련 질문, 오류 보고, 기타 중 하나를 선택하는 데 사용됩니다. 선택된 후보와 함께 각 후보의 확률 및 신뢰도가 반환됩니다.
결정된 기준에 따라 평가하며, “정상 대응”, “미리 확인”, “최우선으로 확인” 등과 같이 단계별 순서가 있는 기준을 마련하여 평가합니다. 단계별 확률을 다루므로 결과는 단계 사이의 값으로도 나타날 수 있습니다.
Noul: 어떤 일이 성립할 확률을 반환하는 “이 문맥에는 조작 불가능이라는 주장이 있는가”와 같은 질문에 사용합니다. 값은 0부터 1까지이며, 0.5는 긍정과 부정의 판단이 대립하는 상태를 의미합니다.
이것들은 동일한 요청에 묶여 있습니다. 하지만 각 질문은 동일한 입력을 독립적으로 검토하고 판단합니다. 이전 질문의 답변을 참고하여 다음 질문에 답하는 메커니즘은 아닙니다.
공식 문서: 3가지 유형의 질문과 출력
얼마나 확실한지라도 프로그램을 통해 다룬다
제프가 중시하는 것은 정답뿐만 아니라, 그 정답의 불확실성입니다.
TypeSafe는 학습 방법을 RLCD라고 합니다. 판단과 확률을 조절하여, 예를 들어 80%로 예측한 사례들의 모임에서 실제에도 약 80%의 비율로 그 결과가 나타나는 상태를 목표로 하는 방식입니다.
이는 많은 예측을 모아두고 확인하는 성질입니다. 눈앞의 1건이 옳다는 것을 보장하는 것은 아닙니다.
공식 해설: RLCD와 확률의 조절
또한, Choice와 Score의 신뢰도는 후보별 확률 분포에서 계산되는 지표입니다. 선택된 후보의 확률과 정확히 일치하는 숫자는 아닙니다. Noul에는 별도의 신뢰도가 제공되지 않습니다.
신뢰도가 0.9라면 이 판단은 90% 옳다는 식으로 읽지 않아야 합니다. 이는 도입 전에 반드시 확인해야 할 사항입니다.
확인을 거치는 기준은 업무마다 결정해야 하며, 공식 자료는 자체 데이터를 활용하여 조정하도록 권고합니다.
공식 문서: 신뢰도의 의미와 사용법
신뢰도는 어떤 대상이나 사람에 대해 그 대상이나 사람의 말이나 행동을 믿을 만하다고 생각하는 정도를 의미합니다. 예를 들어 “그 회사의 제품은 높은 신뢰도를 가지고 있다”와 같이 사용될 수 있으며, “그는 그의 말에 대한 신뢰도를 높이기 위해 객관적인 자료를 제시했다”와 같이 신뢰도를 높이는 행위를 나타낼 때도 사용됩니다.
신뢰도는 개인적인 판단이나 경험, 혹은 객관적인 증거 등을 통해 형성될 수 있으며, 신뢰도가 높다는 것은 그 대상이나 사람의 능력, 성실성, 전문성 등에 대한 긍정적인 평가가 반영된 것을 의미합니다.
신뢰도는 사회생활, 비즈니스, 학문 등 다양한 분야에서 중요한 요소입니다. 신뢰는 관계를 형성하고 유지하는 데 필수적이며, 성공적인 협력과 성과를 달성하는 데 기여합니다. 따라서 신뢰를 구축하고 유지하는 것은 개인과 조직 모두에게 매우 중요합니다.
하르시네이션 0은 틀림없다.
공식 발표에는 환각을 일으키지 않는다는 강력한 설명이 있습니다. 하지만 같은 페이지의 주석까지 확인하면 그 범위를 알 수 있습니다.
당사의 0%라는 수치는 실제 측정값이 아닌, 지정된 출력 형식에 부합한다는 보증에 기반한 것입니다.
공식 발표: 환각 및 타입 안전에 대한 노트
여기에서, 이전에 문의드릴 때 고려했던 내용을 다시 한번 살펴봅니다.
후보를 “운영 질문”, “불량 보고”, “기타”로 좁히면 후보에 없는 담당 이름을 반환하는 것을 막을 수 있다. 하지만 실제로는 불량인데 “운영 질문”을 선택해버리는 가능성은 완전히 사라진 것이 아니다.
출력의 형식과 내용의 판단이 모두 옳다고 할 수 없습니다.
야쿠시 쇼지의 ‘해변의 카프카’를 읽으며 삶의 부조리함과 고독을 현실적으로 표현한 점에 깊이 공감했습니다.
그 책을 통해 자신의 인생을 되돌아보며 지금까지 소중히 여기고 이룬 것을 다시 생각해 보게 되었습니다.
이러한 경험을 통해 진정으로 중요한 것이 무엇인지 더욱 깊이 이해하게 되었고, 이를 바탕으로 앞으로 더 나은 사람이 되기 위해 노력하고자 합니다.
기사 제목만으로는 “이미 실수를 저지르는 AI”라는 오해를 불러일으킬 수 있으므로, 맡기는 범위를 지나치게 넓히게 됩니다. 해당 부분은 따로 검토하고 싶습니다.
속도와 가격의 숫자는 조건과 함께 읽어주세요.
공식 발표된 요금은 입력 100만 토큰당 0.042달러, 출력을 무료로 제공합니다. 응답 시간은 70~500밀리초로 제시되며, 이는 해당 회사의 공표된 값입니다.
한편 “193.6배 고속”, “444.6배 저 비용”은 해당 회사의 워크플로우 평가에 근거한 숫자입니다. 해당 회사 스스로도 실제로 얻을 수 있는 개선 폭 중에서는 큰 편의 결과라고 보고 있습니다.
이 평가 기준은 사람이 부여한 정답 레이블이 아닌, 대규모 모델의 답변 평균입니다. 따라서 실무의 정답률로 바로 적용할 수 없습니다.
공식 발표: 요금, 속도, 워크플로우 평가 조건
도입을 고려한다면, 동일한 문의 사항에 대해 기존 방식과 비교해야 합니다. 처리 시간과 요금뿐만 아니라 잘못된 분류를 수정하는 데 드는 노력까지 포함하여 비교해야 합니다. 싸게 돌아오더라도, 나중에 사람이 직접 수정을 해야 하는 시간이 늘어난다면, 전체적으로는 일을 더 복잡하게 만들기 때문입니다.
업무에 참여하려면, 우선 “분배 후보”부터 시작하십시오.
이제부터는 문의 응대를 염두에 둔 가상 설계 예시입니다. 실행 결과가 아닙니다.
예를 들어, 다음과 같은 메시지가 도착했다고 가정해 보겠습니다.
어제는 저장할 수 있었지만, 오늘은 저장 버튼을 누를 때도 반응이 없습니다. 작업 내용이 삭제되지 않았는지 확인하고 싶습니다.
이 텍스트를 읽고 “분류”, “확인의 우선순위 부여”, “데이터 손실 우려 여부 판단”으로 세 가지 질문을 분리합니다.
저라면 처음에는 결과를 문의 내역 목록에만 표시하도록 하겠습니다. 담당 변경이나 답변도 아직 자동 실행하지 않도록 하는 것입니다. 사람이 선택한 분류와 함께 비교하여 어떤 부분에서 의견이 다른지 확인하기 위해서입니다.
특히 확인하고 싶은 사항은 다음과 같습니다.
받아들일 수 없는 상담을 분류에 억지로 밀어 넣지 않도록 “기타” 또는 확인을 기다리는 단계로 전환하는 방안을 고려합니다.
자신감에 넘치는 오판을 놓치게 됩니다. 첫 번째 검토에서는 그 경우를 포함하여 함께 비교합니다.
취소할 수 없는 처리에 연결되지 않는 경우 라벨을 붙이는 것과 고객에게 전달하는 것에는 영향이 다릅니다. 분류 결과만을 이유로 전달이나 삭제까지 허용하는 설계에는 하지 않습니다.
AI에게 판단을 위임하더라도 실행 가능한 동작은 별도로 결정해야 하며, 이렇게 구분하면 작게 시도해보고 위임 범위를 넓힐 수 있다.
지금 바로 사용 가능한가요? 시도하기 전에 확인해야 할 사항들
2026년 9월 16일 현재 공식 발표는 얼리 액세스 안내입니다. 대기 리스트 등록과 이용 권한 부여는 별도로 진행됩니다.
공식 웹사이트: 얼리 액세스 안내
접근이 가능해지면 공식 플레이그라운드에서 판단 기준과 질문을 입력하여 테스트하는 절차가 준비되어 있습니다. 앱에 통합하기 위한 API 및 SDK 안내도 제공됩니다.
공식 가이드: 플레이그라운드에서 시작하기
저는 웨이팅 리스트에 등록되어 있기 때문에, 안내가 도착하는 대로 시도해 보겠습니다.
이번 주말에 츠키시마 료의 ‘나를 껴안아줘’를 읽고, 츠키시마 료의 다른 작품들을 접해 보기를 추천합니다. 특히 ‘나를 껴안아줘’는 츠키시마 료의 대표작 중 하나로, 독자들에게 깊은 감동과 여운을 선사하는 작품입니다. 츠키시마 료의 작품은 섬세한 감정 묘사와 아름다운 문체로 유명하며, 독자들의 마음을 사로잡는 매력이 있습니다. 츠키시마 료의 작품을 통해 삶의 의미와 가치에 대해 성찰하는 시간을 가져보세요.
제브는 작은 판단을 소프트웨어에 통합하기 위한 AI입니다. 판단 결과에 확률을 첨가하고, 다음 처리는 코드 측에서 결정합니다.
속도나 요금에는 주목해야 하는 한편으로, 형식의 보증과 판단의 정확성은 분리하여 보아야 합니다.
처음부터 업무를 온전히 맡기는 것보다, 하나의 업무를 분담하여 사람의 판단과 비교해 보는 것이 좋겠습니다. Jev를 업무에 참여시킨다면, 그 부분부터 시작하는 것이 좋을 것 같습니다.
이 글을 읽어주셔서 감사합니다. 새로운 AI를 업무에 어떻게 활용할지에 대한 아이디어를 얻으셨기를 바랍니다.
자주 묻는 질문 (FAQ)
Q. Jev로 기사나 답변문을 작성할 수 있나요? A. 자유로운 문단을 생성하는 용도로는 사용되지 않으며, 분류나 평가 등의 결과를 반환하는 모델입니다. 답변문이 필요하다면 다른 텍스트 생성 처리를 조합합니다.
Q. 판단 오류가 발생하지 않는 AI인가요? A. 아니요. 지정 형식에서 벗어나지 않는 것과 정확하게 판단하는 것은 별개의 문제입니다. 실제 용도에 적합한 데이터로 확인해야 합니다.
Q. 긴 자료를 무제한으로 전달할 수 있나요? A. 아니요. 공식 자료에서는 판단 근거와 질문을 포함한 총 예산을 약 32,000 토큰으로 제한하고 있습니다. 일본어 문자 수와는 동일하지 않습니다.
공식 자료: 요청 예산 입력
Q. 이 기사의 예시는 Jev에서 동작 확인이 완료되었습니까? A. 아니요. 공식 자료를 바탕으로 한 설계 예시입니다. 실제 응답 시간, 일본어 정확도, 운영 비용은 검증되지 않았습니다.
원 코인 멤버십 안내
ChatGPT, 디피 등 기술 검증 로그와 즉시 사용 가능한 설정 파일(YAML), 프롬프트 등의 자료를 월 1회 이상 제공합니다. 동전 1닢으로 참여하실 수 있으니 적극적으로 참여해 주시기 바랍니다.
생성AI랩에서는 최신 생성AI 기술을 활용한 다양한 콘텐츠 제작을 지원합니다. 특히 소설, 만화, 일러스트, 음악 등 창의적인 분야에서 AI 활용은 아직 발전 단계이며, 그 가능성을 최대한으로 끌어내기 위한 지원을 제공합니다.
현재 弊社에서는 소설가, 만화가, 일러스트레이터 등 크리에이터 분들과의 공동 프로젝트를 적극적으로 진행하고 있으며, AI를 활용한 스토리 구성, 캐릭터 디자인, 배경 생성, 음악 생성 등 창작 활동 전반을 지원합니다.
또한 AI를 활용한 콘텐츠 제작에 대한 워크숍 및 세미나도 개최하고 있으며, 초보자분들도 AI의 기초 지식과 활용 방법을 습득할 수 있도록 꼼꼼한 지도를 제공합니다.
더불어 생성AI랩에서는 AI가 생성한 콘텐츠의 저작권에 대한 정보 제공과 AI와 인간의 협업을 통한 새로운 가치 창조의 가능성에 대해 논의하고 있습니다.
당랩에서는 AI 기술의 발전과 크리에이터의 창의성을 융합하여 미래의 콘텐츠 제작을 선도해 나갈 것을 목표로 합니다.
생성형 AI 및 AI 에이전트 학습을 영상으로 배우고 싶으신 분들은 여기를 참고하십시오.
제가 담당하는 과정의 내용은 아래에서 확인하실 수 있습니다.
생성 AI 과정 (기초)
생성 AI 과정 (실천)
AI 인재 과정 (기계 학습 및 심층 학습의 기초부터 파이썬으로 AI 에이전트 개발까지)
사건 상담은 여기서 확인하실 수 있습니다.
지속적인 AI 활용에 대한 상담에는 AI 顧問 서비스도 안내하고 있습니다. 자세한 내용은 아래를 참고해 주시기 바랍니다.
AI 컨설팅 서비스에 대한 자세한 내용은 여기에서 확인하실 수 있습니다.
#Jev #타입세이프 #AI #생성AI #AI 에이전트 #업무 효율화 #자동화 #AI 활용
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 68청크
원문 보기 | 출처: note.com