안녕하세요! 타카하시입니다.
최근의 인공지능(AI)은 “글을 써주는”, “프로그램을 써주는”, “이미지를 만들어주는”, “컴퓨터를 조작해주는” 등, 즉 “무언가를 만들어주는 AI”가 중심이 되는 것이죠. ChatGPT, Gemini, Claude 등도 기본적으로 “저희가 입력하면 → AI가 생각하고 → 글이나 이미지를 생성해서 돌려주는” 형태입니다.
그러나 2026년 9월 15일, 이 흐름과는 다소 다른, 개인적으로 상당히 신경 쓰이는 AI가 등장했습니다. 그 이름은 “제브(Jev)”입니다.
재미있는 점은 이 AI가 “글을 쓰지 않는다”는 점입니다. 코드를 쓰지도 않고, 장황하게 설명도 해 주지 않습니다.
그렇다면 AI는 무엇을 하는 것일까요? 매우 간단하게 말하자면 “판단하는 데 특화된 AI”입니다.
TypeSafe AI는 Jev를 새로운 “System One Model”의 첫 번째 모델로 발표했습니다. Jev는 문장을 생성하는 대신 “어느 범주에 속하는가?”, “몇 점?”, “예/아니오?”, “얼마나 확신하고 있는가?”와 같이 프로그램 내에서 사용하는 “판단”을 반환하는 데 특화되어 있습니다.
이번에는 “글을 쓰지 않는 AI는 대체 무엇의 도움이 될까?”라는 질문에서부터 “실제 회사에서는 어떤 데에 활용될 수 있을까? 도입하면 어떤 점이 편리해지는가?”라는 점까지 소개를 진행해 보도록 하겠습니다!
정말로, 글을 쓰지 않는 AI가 필요한 걸까?
여기서부터가 중요하다고 생각하시는 것이죠. ChatGPT에 익숙해지면 “글을 쓸 수 없다면 성능이 낮을까?”라는 생각을 하게 됩니다.
하지만, 조금 더 가까운 예제를 통해 생각해 봅시다. 예를 들어 회사에 매일 1,000건의 문의가 접수된다고 가정해 보겠습니다.
- 청구 금액이 잘못되었습니다.
- 비밀번호를 잊어버렸습니다.
- 이 상품에 대해 자세히 설명해 주세요.
- 담당자와 이야기하고 싶습니다.
이를 “요청 관련”, “기술 지원”, “상품 관련”, “영업”, “기타” 등의 카테고리로 분류하고 싶습니다. 이 업무에서 필요한 것은 깔끔한 문장을 쓰는 것이 아니라, “이는 요청 관련”, “이는 기술 지원”과 판단하는 것입니다.
여기서 매번 ChatGPT와 같은 AI에게 “이 질문에 대해 자세히 설명해 주세요”라고 요청할 필요는 없겠지요. 원하는 답변은 “요금 관련: 92%” 정도로 충분하고, 92%로 판단되면 그대로 청구 담당자에게 전달합니다.
문의 → AI가 판단하여 담당 부서로 배정
이것 하나면 충분합니다. Jev는 이러한 용도를 상당히 강하게 염두에 두고 만들어졌습니다.
정말 지능적인 if 문을 생각한다면 이해하기 쉬울 겁니다.
프로그래밍 경험이 있으시다면 “if 문”이라는 용어를 들어보셨을 것입니다.
- 만약 나이가 18세 이상이라면 → 성인
- 미성년
이러한 방식으로 조건에 따라 처리를 분리하는 메커니즘입니다.
단순히, 일반적인 if 문에는 “인간의 글과 같은 모호한 정보를 다루는 데 어려움이 있다”고 할 수 있습니다.
예를 들어 “정산을 마치지 않았는데 또 청구가 되었습니다”라는 문장입니다. 사람이라면 “아, 이건 청구와 관련된 내용이네”라고 즉시 알 수 있습니다. 하지만 일반적인 프로그램의 경우 “‘청구’라는 단어가 포함되어 있다면 청구 담당자에게”와 같은 세부 규칙을 사람이 직접 만들어 주어야 합니다.
실제로는 “결제가 두 번 처리되고 있으며”, “지난달에 지불했으나”, “카드에서 다시 빠져나오는” 등과 같이 같은 의미라도 표현이 다양합니다.
여기 AI를 사용합니다. 문장을 읽어 “이는 어떤 종류입니까?”라고 판단하도록 하는 것입니다. 제브의 이미지는 매우 거칠게 표현하자면 “인간의 언어를 이해하고 엄청나게 현명한 if 문”입니다. 이는 상당히 흥미로운 생각이라고 생각합니다.
ChatGPT와 Jev는 무엇이 다른가?
예를 들어 “이 이메일은 스팸 메일인가요?”라고 질문하신다고 가정해 보겠습니다.
- ChatGPT의 경우：“이 이메일에 ○○라는 특징이 있어 스팸 메일로 간주될 가능성이 높습니다. 하지만……”과 같은 설명 문구를 반환합니다.
- 제브(Jev)의 경우：“스팸 메일: 97% / 정상: 3%”와 같은 판단 결과를 반환합니다.
그러므로,
- ChatGPT 등은 인간과 대화하는 데 능숙하며(상냥하게 조언을 해주는 뛰어난 직원)
- 제브는 프로그램 내에서 판단하는 데 능숙하여(놀라운 속도로 분류 작업을 계속하는 훌륭한 심사 담당자)
그러한 역할의 차이가 있습니다.
제브가 반환하는 것은 크게 3가지 유형으로 나뉜다.
제브가 다루는 판단은 다음과 같이 3가지 유형으로 나눌 수 있습니다.
- 예/아 결정: “이 신청에 영수증이 있습니까?” → 예: 98% / 아니요: 2%
- 분류 (어느 부서에 해당하나요) “이 문의는 어느 부서인가?” → 영업: 3% / 회계: 91% / 지원: 6%
- 수치 점수 “긴급도는?” → 8.4 / 10
중요한 것은 단순히 답을 반환하는 것뿐만 아니라 프로그램 측에서도 “어느 정도 자신 있는지(확신도)”를 함께 고려할 수 있다는 점입니다.
이로 인해 다음과 같은 자동화 시스템이 구축될 수 있습니다.
- 95% 이상 → 자동화
- 80～95% → 일반적인 흐름
- 80% 미만 → 인간이 확인
개인적으로는 이 “자신감이 없을 때만 사람에게 넘기는” 관점이 제브의 상당히 중요한 포인트라고 생각합니다.
실제 업무에서는 무엇에 활용할 수 있을까? 10가지 활용 예시
“판단하는 AI”라고 해도 “그게 대체 뭐가 편리해지는 건데?”라고 되묻게 되죠(웃음). 그래서 실제 업무 수준까지 낮춰서 생각해 보게 됩니다.
고객님의 문의 사항에 신속하고 정확하게 답변하기 위해 최선을 다하고 있습니다. 만약 제품 사용 중 불편함을 느끼시거나 궁금한 점이 있으시다면, 언제든지 고객 지원팀으로 문의해 주시기 바랍니다. 저희는 고객님의 만족을 위해 항상 노력하겠습니다. 문의는 [고객 지원 페이지](https://support.note.com/hc/ja)를 통해 접수하실 수 있습니다.
매일 수천 건이 접수되는 문의(불만족, 반품, 중복 청구, 해지 등)에 대해 Jev가 “반품률: 96%”로 초기 판단을 내리고 담당 부서로 자동 전송합니다. 더 나아가 “분노 가능성: 93%”, “해지로 이어질 가능성: 88%” 등도 판단할 수 있다면 우선 대응 분기 또한 가능합니다. TypeSafe社가 공개한 평가 예시에서도 고객의 불만이나 반환, 카드 상태 등을 판단하여 자동 처리 또는 인적 이관 여부를 결정하는 워크플로우가 소개되어 있습니다.
회계 및 청구서 관리
매월 도착하는 대량의 청구서에 대해 “거래 상대방이 정확한가”, “지불이 완료되었는가”, “부정적인 특징이 있는가” 등을 순차적으로 판단하며 (TypeSafe의 평가 예시 “Invoice Processing”에서). 문제가 없는 것은 지불 처리를 진행하고, 의심스럽거나 금액 불일치 사항이 있는 것들만 회계 담당자나 거래 상대방에게 회부함으로써 100건 중 100건을 인간이 동일한 노력으로 확인해야 하는 번거로움을 줄일 수 있습니다.
경비 정산
출장 관련 식사비 7,800엔 등 청구에 대해 “영수증 유무”, “금액 일치 여부”, “출장 중 지출인지 여부”, “회사 규정 내인지 여부” 등을 판단합니다. 영수증이 없다면 재제출을 요청하고, 일반적인 교통비라면 자동 승인하며, 고액의 식사비는 상사에게 확인을 요청하는 등, AI에 “정상”, “의심스럽다”, “사람이 살펴봐야 할 사항” 등으로 분류를 수행하도록 할 수 있습니다.
④ EC·넷 판매
온라인 쇼핑몰(EC)의 성장과 함께 넷 판매도 빠르게 확산되고 있습니다. 특히, 젊은 세대는 온라인에서 제품을 구매하는 데 익숙하며, 다양한 브랜드들이 온라인 채널을 통해 고객과 소통하고 있습니다. 최근에는 SNS를 활용한 마케팅이 활발하게 이루어지고 있으며, 개인 맞춤형 상품 추천 서비스도 인기를 얻고 있습니다. 또한, 모바일 쇼핑의 편리성이 높아짐에 따라 스마트폰을 통해 간편하게 상품을 구매하는 소비자들이 늘어나고 있습니다. 이러한 변화에 발맞춰, 기업들은 온라인 판매 전략을 강화하고 있으며, 소비자들은 더욱 다양한 상품을 온라인에서 구매하는 경험을 누리고 있습니다.
주문 후에는 “불법 주문 의심 사례인지”, “고가 상품에 대한 확인이 필요한지” 등을 판단합니다. 예를 들어 “10만 엔 상당의 상품 + 첫 구매 + 평소와 다른 배송지 + 짧은 시간 내 złożone 주문”과 같은 정보로부터 “불법 가능성: 92%”로 차단하고, 해당 주문만 본인 확인 절차를 거칩니다. 평소 고객의 일반적인 주문은 그대로 처리되므로, 모든 주문에 대한 확인의 번거로움이 줄어듭니다.
인사 및 채용
저희는 직원들의 성장을 지원하고, 경력 계획을 지원하기 위한 다양한 제도를 마련하고 있습니다. 구체적으로는 교육 훈련 제도, 현장 실습, 멘토 제도, 경력 상담 등 직원 한 분 한 분의 역량과 경험을 최대한 활용할 수 있도록 다각적인 지원을 제공하고 있습니다.
또한, 채용 활동에서는 다양한 인재를 확보하기 위해 채용 기준 검토, 채용 프로세스 개선, 그리고 직원 추천 제도의 강화 등 다양한 노력을 기울이고 있습니다. 특히, 최근에는 디지털 역량과 글로벌한 시각을 가진 인재의 수요가 높아짐에 따라, 이러한 역량을 갖춘 인재 확보에 집중하고 있습니다.
더불어, 채용 후 훈련 프로그램에서도 신입 사원의 조기 전력화를 목적으로 현장 실습과 훈련의 균형을 중시한 프로그램을 설계하고 있으며, 즉시 전력으로 활약할 수 있도록 세심한 지도를 제공하고 있습니다.
이러한 노력들을 통해 저희는 직원 한 분 한 분이 성장하는 것을 실감하고, 기업과 함께 발전해 나갈 수 있도록 최선을 다하겠습니다.
매달 도착하는 방대한 양의 지원 서류를 ‘선발 과정 자체’가 아닌 ‘선발 전 정리’에 활용합니다. ‘필수 자격 명시 여부’, ‘근무지 조건 충족 여부’, ‘필요 서류 수집 완료 여부’ 등을 확인하고 부족한 부분이 있다면 자동으로 추가 제출을 요청하며, 서류가 모두 갖춰지면 각 담당자에게 배정함으로써 채용 담당자는 지원자와 마주하는 시간에 집중할 수 있습니다.
복지소방원
고용지속지원시설 등에서 발생하는 결석 보고나 상담 내용에 대해 “정상 결석: 99％”, “긴급 대응 필요: 5％” 등으로 분류합니다. 정상 결석의 경우에는 기록 처리 절차로 연결하며, “급하게 상의하고 싶다”와 같은 내용만 담당자에게 확인을 요청함으로써, 사람이 판단해야 하는 지원 업무에 직원들의 시간을 집중시킬 수 있습니다.
현재 일본 경제의 핵심 동력은 제조업이며, 특히 반도체, 자동차, 전자제품 등의 분야에서 세계적인 경쟁력을 확보하고 있습니다. 하지만 최근에는 인구 감소와 고령화로 인한 노동력 부족, 그리고 글로벌 공급망 불안정 등 여러 요인으로 인해 제조업의 성장세가 둔화되고 있습니다.
이에 일본 정부는 ‘산업 경쟁력 강화 전략’을 통해 제조업의 혁신을 유도하고, 새로운 성장 동력을 발굴하기 위해 노력하고 있습니다. 특히 첨단 기술 분야에 대한 투자를 확대하고, 스마트 팩토리 구축을 지원하며, 친환경 기술 개발을 장려하는 등 다양한 정책을 추진하고 있습니다.
또한 일본의 대표적인 제조업체인 토요타와 후지키타니는 각 분야에서 기술 개발에 주력하고 있으며, 이러한 노력은 일본 제조업의 미래 경쟁력 확보에 중요한 역할을 할 것으로 기대됩니다.
현장으로부터 “음성 이상”, “손상”, “온도 상승” 등의 보고에 대해 긴급도 및 유지보수 확인의 필요성을 평가합니다. 중대한 설비 정지는 AI에만 의존하지 않고, “인적 판단이 필요한 우선순위 결정”으로 활용할 수 있습니다.
물류 및 배송
배송 주소의 번지뛰기(배송 불가능 가능성: 95%) 또는 태풍 지역 시간 지정 택배(지연 위험: 89%) 등 문제 발생 가능성이 높은 화물만 선별하여 배송 담당자가 확인하고 연락할 수 있도록 합니다.
⑨ 교육 및 LMS (Learning Management System)
현재 학습자들은 LMS를 통해 학습 자료에 접근하고, 과제 제출 및 피드백을 받고 있습니다. 특히, ‘마법의 숲’(魔法の森)이라는 학습 콘텐츠가 큰 인기를 끌고 있으며, 학습자들의 참여율이 매우 높습니다. LMS 시스템 내에서 제공되는 퀴즈 및 시험 결과는 실시간으로 반영되어 학습 효과를 높이는 데 기여하고 있습니다. 또한, LMS를 통해 학습 진행 상황을 한눈에 파악할 수 있어 학습 관리의 효율성을 높이는 데 도움이 되고 있습니다. 최근에는 LMS에 VR(가상현실) 학습 콘텐츠를 도입하여 학습 몰입도를 더욱 높이는 시도도 이루어지고 있습니다.
학습 관리 시스템(LMS)의 수강 이력에서 “3주간 로그인 없음 ＋ 이전 시험 불합격”과 같은 데이터를 “추천 팔로우: 94%”로 자동 분류합니다. 교사는 1,000명 전원의 데이터를 보지 않더라도, 현재 팔로우가 필요한 수강생을 즉시 파악할 수 있습니다.
⑩ 시스템 개발 및 AI 에이전트
개인적으로 가장 주목하고 있는 분야입니다. AI 에이전트가 코드를 작성하고 테스트할 때 “테스트 결과는 성공했는가 (Yes/No)”, “오류 원인이 코드인지 환경인지”, “변경 사항의 위험 점수는 높지 않은가” 등과 같은 판단 업무를 대량으로 수행합니다. TypeSafe社 또한 AI 에이전트의 실행 이력을 “정상”, “기대와 차이”, “명확한 실패” 등으로 분류하는 평가 사례를 제시하며, “AI가 제대로 일을 하는지 판단하는 AI”로서의 활용이 기대됩니다.
⑪ AI가 쓴 글의 분류
AI가 작성한 글들을 분류하는 방법에 대해 논의하고 있습니다. 특히, AI가 생성한 텍스트의 품질을 평가하고, 다양한 유형의 콘텐츠로 분류하는 것이 중요합니다.
현재, AI가 생성한 텍스트를 분류하는 데 사용되는 주요 방법은 다음과 같습니다.
* 키워드 분석: 텍스트에 포함된 키워드를 분석하여 주제를 파악합니다.
* 문장 구조 분석: 문장의 구조를 분석하여 문체와 내용을 파악합니다.
* 감성 분석: 텍스트에 나타난 감정을 분석하여 긍정, 부정, 중립 등의 감성을 파악합니다.
* 모델 기반 분류: 훈련된 AI 모델을 사용하여 텍스트를 자동으로 분류합니다.
이러한 방법들을 조합하여 AI가 작성한 텍스트를 정확하고 효율적으로 분류할 수 있습니다. 특히, 최근에는 딥러닝 기술을 활용한 모델 기반 분류가 많이 사용되고 있으며, 그 정확도가 점점 높아지고 있습니다.
다만, AI가 생성한 텍스트는 여전히 인간의 판단이 필요한 경우가 많습니다. AI 모델이 학습한 데이터에 편향이 있을 수 있으며, 새로운 유형의 텍스트에 대한 분류 성능이 떨어질 수 있기 때문입니다. 따라서, AI가 생성한 텍스트를 분류할 때는 항상 비판적인 시각을 유지하고, 인간의 판단을 통해 최종적인 분류를 결정해야 합니다.
이러한 분류 작업은 다양한 분야에서 활용될 수 있습니다. 예를 들어, 뉴스 기사, 블로그 게시물, 소셜 미디어 콘텐츠 등을 자동으로 분류하여 사용자에게 맞춤형 정보를 제공하거나, 특정 주제에 대한 정보를 효율적으로 수집할 수 있습니다. 또한, AI가 생성한 텍스트의 품질을 평가하여 개선하는 데에도 활용될 수 있습니다.
씁쓸한 유머가 느껴지는 문장입니다만, 이 글은 인공지능(AI)으로 작성되었을 가능성이 높다는 분류에도 앞으로 활용될 가능성이 있어 보이네요.
결국, 무엇이 편리해지는 걸까?
이 부분을 살펴보면 공통점이 드러나게 됩니다. 제브(Jev)가 편리하게 만드는 것은 “모든 것을 AI에 맡길 수 있는 것”이 아니라 “인간이 모든 것을 볼 필요가 없어지는 것”입니다.
- 1,000건의 문의 → AI가 우선 판단을 수행하고, 50건만 전문가가 확인
- 500건의 청구서 → 의심스러운 20건만 담당자가 확인
- 1,000건의 학습 이력 → 팔로워 후보 30명만 확인
인간이 판단해야 할 업무만 인간에게 돌려주는 AI입니다.
AI가 99% 자동화를 목표로 하려고 애쓸 필요는 없습니다. 오히려 인간의 창의성과 직관을 활용하는 데 집중하는 것이 더 효과적일 수 있습니다. 자동화가 모든 업무를 대체하는 것이 아니라 단순 반복적인 작업을 대신 수행하고, 인간은 더욱 가치 있는 업무에 집중하는 방식으로 AI를 활용하는 것이 중요합니다. 또한 AI 기술 발전 속도를 고려했을 때 지나치게 높은 자동화율을 추구하는 것은 오히려 비효율적일 수 있습니다. 핵심은 AI를 도구로 활용하여 업무 효율성을 높이고 인간의 역량을 극대화하는 데 있습니다.
AI 도입을 하면 “완벽하게 자동화해야만 의미가 없다”고 생각하기 쉬우나, 그런 필요는 없습니다. 1,000건 중 700건을 자동 처리하고, 200건을 간단히 확인하며, 남은 100건을 확실하게 판단하는 수준으로도 작업량은 현저하게 줄어듭니다. 자신 없는 부분은 사람에게 넘겨줄 수 있도록 설계해 놓으면 안전하게 실용화할 수 있습니다.
왜 지금까지의 AI(LLM)에서는 작동하지 않았나요?
하지만 그건 ChatGPT로도 가능할 거라고 생각할 수 있습니다. 물론 Gemini나 Claude도 “이 문의를 분류해줘”라고 요청하면 가능합니다.
왜 Jev가 필요한가요? 이유는 “평범한 LLM이 너무 복잡해서”입니다.
분류하고 싶다는 것뿐인데, 글을 쓰거나 코드를 쓰거나 대화하는 능력을 갖춘 거대 AI를 움직이는 것은 “우편 한 장을 여는 것만을 위해 고급 만능 로봇을 불러오는” 것과 같습니다. 하루 100만 통을 처리한다면, 우편 장갑(Jev)과 같은 분류 전용 기계를 사용하는 것이 압도적으로 빠르고, 저렴하며, 사용하기 편리합니다.
TypeSafe사의 발표에 따르면, Jev는 처리 시간이 약 70~500밀리초이며, 특정 작업에서는 기존 LLM보다 40~200배 빠른 경우가 있습니다(※개발사의 특정 판단 및 분류 작업에서의 측정 결과입니다).
환청을 일으키지 마세요. 주의사항
환청은 실제로는 존재하지 않는 소리나 영상, 생각 등이 마치 현실처럼 느껴지는 현상입니다. 뇌의 오작동이나 정신 질환, 약물 등의 영향 등 다양한 원인이 있을 수 있습니다.
환청을 알아차리기 위해서는 우선 자신이 그러한 경험을 하고 있다는 사실을 인지하는 것이 중요합니다. 예를 들어, 주변에 아무도 없는데 누군가 말을 하는 것처럼 들리거나, 보이지 않는 것을 보는 것처럼 느끼거나, 엉뚱한 생각이 떠오르는 등의 일상생활에서 이러한 경험을 할 수 있습니다.
환청은 정신 건강에 악영향을 미칠 수 있습니다. 따라서 환청을 경험한 경우에는 초기에 전문가와 상담하는 것이 좋습니다.
환청을 완화하기 위한 방법으로는 다음과 같은 것들이 있습니다.
* 충분한 수면을 취하는 것
* 스트레스를 해소하는 것
* 규칙적인 생활을 하는 것
* 카페인이나 알코올 섭취를 줄이는 것
* 명상이나 요가 등의 이완 요법을 시도하는 것
이러한 방법들을 실천함으로써 환청의 빈도나 강도를 줄일 수 있습니다. 하지만 근본적인 해결에는 해당 질환이나 상태의 치료가 필요합니다.
검토해を見ると、「Zero Hallucinations（환각을 일으키지 않는다）」라는 표현도 나타납니다. 이는 출력 형식이 처음부터 엄격하게 규정되어 있어 “존재하지 않는 선택지나 잘못된 형식을 반환하지 않는다”는 의미입니다. “절대로 판단을 잘못하지 않는다”는 의미는 아니므로, 청구 관계를 영업과 오판하는 가능성은 있으며, 공식 FAQ에서도 그 위험을 인정하고 있습니다. 이 부분에 주의가 필요합니다.
AI는 “만능 선수”에서 “전문직”으로 나아가고 있는 걸까요?
이제부터 제 예상입니다. 지금까지의 생성 AI는 무엇이든 할 수 있는 “만능 모델”을 지향하며 진화해 왔습니다. 하지만 앞으로는 “거대 AI에 모든 것을 맡기는 대신, 역할 분담을 하는” 방향성이 강화될 것으로 보입니다.
- 글을 쓰다 → LLM
- 이미지 확인 모델
- 고속으로 분류 및 판단 모델, Jev와 유사
- 검색 시스템
회사에서도 사장님 혼자서 모든 업무를 처리하는 것보다 전문 부서에 맡기는 것이 더 효율적이라고 생각하지 않으십니까.
AI 에이전트와의 궁합이 아주 좋습니다.
특히 주목할 점은 이전 note에서 소개한 Antigravity와 같은 “AI 에이전트”와의 조합입니다. AI 에이전트는 “상황을 파악 → 다음 행동을 판단 → 도구를 사용”하는 과정을 반복하기 때문에, 텍스트 생성보다 “판단”하는 횟수가 압도적으로 많습니다.
미래에는 “사고하는 텍스트를 생성하는 AI”와 “순식간에 판단하는 AI”가 연계되어 업무를 분담하게 되면, AI 에이전트의 처리 속도와 신뢰성은 비약적으로 향상될 것입니다.
인간이 보지 못하는 “인비지블 AI”의 증가
우리가 Jev와 직접 대화할 기회는 거의 없을 것입니다. 우리가 이커머스 사이트나 문의 폼을 사용해 뒤에서 Jev와 같은 AI가 수십 번이나 뒤에서 판단을 내리는…… 그러한 미래가 예상됩니다. 생성 AI의 다음 큰 변화는 “더욱 훌륭한 챗봇 AI의 등장”이 아닌, “뒤에 숨어 AI가 보이지 않게 되는 것”일지도 모릅니다.
이번 주말에 츠키시마 료타와 함께 킨테니 료칸에 가는 건 어때? 료칸 예약은 이미 해놓고, 료타도 참석한다고 했으니, 짐을 챙겨 킨테니 료칸에서 즐거운 시간을 보내자. 료칸 예약 확인은 킨테니 료칸 홈페이지에서 확인했고, 료타는 12월 23일에 도착한다고 알려줬어. 료칸 예약 번호는 킨테니 료칸 예약 부서에 문의하면 바로 알 수 있을 거야. 료타와 함께 킨테니 료칸에서 멋진 추억을 만들 수 있기를 바라.
지금 소개해 드린 Jev는 ChatGPT나 Gemini와 같은 대체 AI가 아닌, 인간의 대신 “작은 판단”을 수행해 주는 AI입니다.
글쓰기나 코딩도 하지 않고 대화도 하지 않습니다. 한눈에 보면 “할 수 있는 일이 적다”고 생각될 수 있지만, 필요한 판단만만 고속, 저비용, 고정밀도로 프로그램에 바로 반환할 수 있는 능력은 업무 자동화에서 매우 강력한 무기가 됩니다.
이제부터 “최강의 AI를 하나 사용”하는 것이 아니라, “적재적소에 조합”하는 시대입니다. Jev는 ChatGPT의 라이벌이 아니라, 함께 일하는 “새로운 유형의 동료”라고 생각하면 이해하기 쉽습니다.
AI 에이전트 내부에서 “AI 만들기”, “조사하는 AI”, “판단하는 AI”, “검사하는 AI”가 팀을 이루어 미래를 함께 만들어가는 모습을 기대하며, 앞으로 어떻게 활용될지 지속적으로 주목하며 살펴보고 싶습니다!
그럼, 여기서 또 만나요!
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 59청크
원문 보기 | 출처: note.com