>>투자 리서치부터 숏폼 드라마, 지식 검색까지, 이 몇 가지 Agent를 뜯어보고 나서야 AI가 실제 적용에서 어디에 막히는지 알게 됐음 (중국언론)
•AI Agent를 실제 업무에 적용하면서 발생하는 문제는 업종마다 달라 보이지만, 근본적으로는 비슷함. 투자 리서치에서는 숫자 기준 오류와 컴플라이언스 문제가 발생하고, 숏폼 드라마에서는 캐릭터와 장면의 일관성이 깨져 반복적인 재작업이 발생하며, 지식 검색에서는 필요한 자료를 놓치거나 불필요한 검색을 계속하는 문제가 나타남. 결국 가장 강력한 모델을 연결하는 것보다 Agent를 통제하는 엔지니어링 구조가 중요함.
•투자 리서치 : 숫자 기준과 비용 통제가 핵심임. 데이터는 구조화된 인터페이스를 통해 가져오고, 실제값·예상값·TTM·분기 수치 등을 구분해야 함. 보고서에는 출처와 기준 시점을 명확히 표시하고 검증되지 않은 숫자는 임의로 생성하지 않도록 해야 함. 수익 보장이나 목표가 등 컴플라이언스에 어긋나는 표현도 사전에 차단하고, 멀티 Agent 토론 횟수와 비용에도 한도를 설정해야 함.
•숏폼 드라마 : 생성 비용보다 재작업 비용을 통제하는 것이 중요함. 캐릭터의 얼굴이나 의상, 장면 설정 등이 중간에 바뀌면 앞선 작업을 다시 해야 하기 때문에 먼저 낮은 비용으로 캐릭터와 콘티를 검증한 뒤 영상 생성으로 넘어가는 방식이 필요함. 상태 머신과 컨텍스트 관리를 통해 캐릭터와 스토리의 일관성을 유지하는 것도 핵심임.
•지식 검색 : 필요한 자료를 놓치지 않으면서 불필요한 검색이 계속되지 않도록 통제해야 함. 내부 문서·데이터베이스·외부 웹페이지 가운데 어디를 검색할지 Agent가 판단하고, 검색어를 재작성하며 여러 차례 교차 검증하는 구조가 필요함. 각 결론이 원문 출처까지 추적되도록 하고, 정보가 충분해지면 검색을 종료하는 조건을 설정해 비용이 무한정 늘어나는 것을 막아야 함.
•공통적인 해결책 : Agent의 성능을 결정하는 것은 기반 모델만이 아니라 모델을 둘러싼 엔지니어링 구조임. 실행 루프, 컨텍스트 관리, 도구 호출, 비용과 시간 제한 등을 포함한 Harness를 통해 Agent에 명확한 경계를 설정해야 함. 같은 모델이라도 어떤 Harness를 적용하느냐에 따라 전문성·신뢰성·비용에서 큰 차이가 발생할 수 있음
>从投研、短剧到知识检索,拆完这几个Agent,我才知道AI落地卡在哪 https://wallstreetcn.com/articles/3785651#from=ios
>>투자 리서치부터 숏폼 드라마, 지식 검색까지, 이 몇 가지 Agent를 뜯어보고 나서야 AI가 실제 적용에서 어디에 막히는지 알게 됐음 (중국언론) •AI Agent를 실제 업
하나 중국/신흥국 전략 김경환
@HANAchina중국/신흥국 전략 애널리스트 김경환입니다. 중국 및 신흥국 경제•증시 관련 정보 공유 채널입니다! 저희는 공식 자료를 통해서만 투자의견을 드리고 있습니다. 뉴스 정보와 이슈 관련 코멘트는 공식 의견에 기반하거나, 개인의 생각입니다.
35,279 מנויים
פתח בטלגרם 