도메인 지식베이스의 병목
유사도 검색은 관련 문서를 찾아내지만 그 조항이 지금도 유효한지는 확인하지 못한다. 법률, 의약품, 사내 문서 사례에서 답변 근거는 발효일과 승인 주체, 대체 관계를 갖춘 항목으로 따로 관리한다.
#지식 인프라
컨텍스트 다이어트의 함정
에이전트 메모리는 통째로 요약해 덮어쓰면 정확도가 오히려 떨어진다. ACE 연구는 항목 단위로 추가하고 성공률을 기록해 만료시키는 방식이 정확도와 비용을 함께 지킨다는 결과를 보여준다.
에이전트가 그래프를 대신 짜면, GraphRAG는 여전히 필요한가
GraphRAG는 여러 문서의 근거를 연결하는 multi-hop 질의에서 강점을 보이지만 단순 사실 확인에는 비용이 과하다. 그래프는 구축비를 먼저 내고 재사용하는 구조라 자료 변경 빈도와 질의 반복도, 근거 소급 설명 필요성에 따라 선택이 갈린다.
하이브리드 검색 라우터 시대, 그래프는 롱컨텍스트 앞에서 자리를 지킬 수 있는가
롱컨텍스트 비용이 계속 떨어지는데도 기업은 왜 그래프 인덱스를 유지하는가. 검색 성능 축에서는 과도기적 수단이지만, 감사·책임 축에서는 장기 기반으로 남는다 — 라우터가 그 경계를 조직 구조 위에 그린다.
설명할 수 있다고 이해한 것은 아니다
스타킹 선택부터 트랜스포머의 경사하강법까지, 이해는 설명 가능성이 아니라 낯선 조건 앞에서도 스스로 갱신되며 버티는 능력으로 검증돼야 한다는 논증.
프롬프트-컨텍스트-하네스-루프, 다음은 무엇인가
프롬프트→컨텍스트→하네스→루프→그래프로 6주 만에 3번 바뀐 이름을 통해, 인간의 개입 지점이 실행에서 판단으로 옮겨가는 구조를 짚는다.
에이전트는 마법이 아니다. 대규모 증류일 뿐이다
카파시가 말한 에이전트의 본질은 신비한 지능이 아니라 데이터 증류이며, 기업은 모델 크기보다 데이터 품질과 폐쇄 루프 설계에 집중해야 한다는 시사점을 정리한다.
Cerebras의 지식베이스가 주는 교훈
Cerebras가 데이터 이동 대신 검색 레이어로 하루 1만5000건 질문을 처리한 내부 지식베이스 사례에서 국내 기업이 얻을 구조화 우선순위의 교훈.
브라우저 안의 AI에서, AI 안의 브라우저로
Claude Code 인앱 브라우저를 계기로 살펴본, 에이전틱 웹이 광고·트래픽·발행자 보상 구조를 어떻게 재작성하는지에 대한 분석.
AI 주권은 SOTA를 쓰지 않는 것을 의미하는가? 아니면 또 다른 무언가를 의미하는가? 그것의 명확한 정의는 무엇인가?
팰런티어의 AI 주권 선언을 분석해, 진짜 주권은 SOTA 모델 회피가 아니라 배포·맥락·가중치의 통제권을 누가 쥐고 있는지에 달려 있음을 보여준다.
에이전트, '일'을 아는가, '일의 방향'을 아는가?
에이전트는 일의 실행은 빠르게 흡수하지만 그 일이 무엇으로 이뤄졌는지는 모른다. 카프와 에이전트 맥시멀리스트의 논쟁은 시간이 아니라 '층'이 가른다.
