현재의 AI 챗봇은 질문에 답하고, 문서를 요약하며, 코드를 생성하는 데 탁월한 능력을 보여줍니다. 하지만 이들은 여전히 '개인용 비서'의 틀에 갇혀 있습니다. 팀 단위의 복잡한 의사결정, 상충하는 우선순위 조정, 그리고 장기적인 팀 정렬(Alignment)과 같은 '사회적 지능(Social Intelligence)'이 필요한 영역에서는 한계를 보이고 있습니다.
"우리는 질문-답변 모델이 특정 수직 영역에서 스마트해지던 첫 번째 스케일링 패러다임을 지나, 사용자가 이 기술들로 '무엇을 할지'를 고민하는 두 번째 채택의 물결에 진입하고 있습니다."
Anthropic, Meta, OpenAI, Google DeepMind 출신의 엔지니어들이 설립한 스타트업 'Humans&'는 바로 이 지점에 주목했습니다. 이들은 단순한 애플리케이션 레이어가 아닌, 협업과 조율을 위해 설계된 새로운 파운데이션 모델 아키텍처를 구축하기 위해 4억 8천만 달러(약 6,600억 원)라는 기록적인 시드 투자를 유치했습니다.
1. 단순한 챗봇을 넘어 '중추 신경계'로
Humans&의 목표는 인간과 AI 경제를 위한 '중추 신경계(Central Nervous System)'를 구축하는 것입니다. 기존 모델들이 정보 검색이나 코드 생성에 최적화되어 있다면, Humans&의 모델은 다중 사용자 환경에서의 커뮤니케이션과 협업에 초점을 맞춥니다. 이는 Slack이나 Google Docs, Notion과 같은 기존 협업 플랫폼의 역할을 대체하거나 근본적으로 재정의할 가능성을 시사합니다.
2. 사회적 지능과 모델 아키텍처의 진화
기존의 RLHF(인간 피드백을 통한 강화학습)는 사용자가 즉각적으로 답변을 좋아하는지, 답변이 정확한지에 최적화되어 있습니다. 반면 Humans&는 '질문의 가치'를 이해하는 모델을 지향합니다. 예를 들어, 그룹 내의 다양한 의견을 수렴하여 로고를 결정해야 할 때, 모델은 단순한 답변자가 아니라 동료처럼 질문하고 갈등을 조정하며 결론을 이끌어내는 퍼실리테이터(Facilitator)의 역할을 수행하게 됩니다.
3. 워크플로우 중심의 패러다임 전환
현재 많은 기업이 AI '채팅'에서 AI '에이전트'로 전환하려고 시도 중이지만, 실제 워크플로우의 복잡성을 해결하지 못해 병목 현상을 겪고 있습니다. Humans&는 모델과 제품 인터페이스를 동시에 설계(Co-evolve)함으로써, 모델의 능력이 실제 협업 도구의 행동 양식으로 직접 치환될 수 있는 구조를 만들고 있습니다.
시니어 아키텍트의 관점에서 볼 때, Humans&의 접근 방식은 LLM 인프라의 중요한 변곡점을 시사합니다.
- State Management의 복잡성: 단일 세션 기반의 Q&A와 달리, 다중 사용자 조율은 고도의 상태 유지 능력을 요구합니다. 각 참여자의 의도(Intent), 과거의 결정 사항, 현재의 갈등 지점을 벡터 공간에서 관리하고 추론하는 능력은 기존 Transformer 아키텍처에 큰 도전 과제가 될 것입니다.
- Context Window의 재해석: 단순히 긴 텍스트를 입력받는 것이 아니라, 여러 에이전트와 인간 사이에서 발생하는 비정형 데이터를 실시간으로 동기화하고 우선순위를 부여하는 '동적 컨텍스트 관리' 기술이 핵심 경쟁력이 될 것입니다.
- Cloud-Native Collaboration Infrastructure: 이러한 모델이 성공하려면 지연 시간(Latency)을 최소화하면서도 일관성(Consistency)을 유지하는 실시간 데이터 평면(Data Plane)이 필수적입니다. 이는 단순한 모델 API 호출을 넘어, 분산 컴퓨팅 환경에서의 강력한 조율 레이어가 클라우드 아키텍처 상단에 구축되어야 함을 의미합니다.
결국 미래의 AI 아키텍처는 '얼마나 똑똑한가'를 넘어 '얼마나 잘 융화되는가'의 문제로 이동하고 있습니다. Humans&의 시도는 AI를 단순한 도구가 아닌 조직의 운영 체제로 격상시키려는 대담한 실험입니다.
원문 출처: Humans& thinks coordination is the next frontier for AI, and they’re building a model to prove it
댓글
댓글 쓰기