스스로 일하는 AI — 자율 에이전트

3분이면 충분합니다. 한 칸에 주장 하나, 숫자 하나, 증거 하나. 결론부터 말씀드립니다.

한눈 결론

세상의 자율 에이전트는 9곳 중 1곳만 살아남습니다. 죽는 이유는 모델이 약해서가 아니라, 처음부터 LLM에 결정을 맡겼기 때문입니다.
저희는 LLM을 윤활유로 내렸습니다. 결정의 주인은 규칙엔진입니다. 그래서 살아남습니다.
읽으실 순서: 왜 실패하나 → 저희 3층 구조 → 숫자 비교 → 다음 장 예고.

---

1. 왜 다들 실패하나

저는 이 숫자 앞에서 한참을 멈췄습니다.

도입은 79%, 생존은 11%. 2025년 기업 열 곳 중 여덟은 에이전트를 들였지만, 프로덕션에서 실제로 일하는 곳은 한 곳뿐입니다.
취소 예고 40%+. Gartner는 2027년까지 agentic 프로젝트의 40% 이상이 중단될 것으로 봅니다.
진짜 원인은 문제 정의입니다. 과제를 구체적·측정가능하게 정의한 곳은 58% 성공, 모호하게 던진 곳은 22%. 두 배 반 차이입니다.

한 줄로 줄이면 이렇습니다. LLM은 도구입니다. 주인이 아닙니다. 이 한 문장을 처음부터 몰랐던 비용이 저 격차입니다.

---

2. 크라우니의 3층 — 분별·셀코어·Quadcode

저희 자율성은 세 개 층이 떠받칩니다. 위로 갈수록 LLM이 덜 필요해집니다.

1층 — 분별: 네 가지로 판단합니다

기계는 그동안 참·거짓 둘로만 판단했습니다. 저는 그게 화근이라고 봅니다. "잘 모르겠는데"를 억지로 참이나 거짓으로 밀어붙이니, 같은 실수가 반복됐습니다.

저희 분별 엔진은 상황을 네 상태로 읽습니다.

티(+1) — 확인됨 → 자동 진행 (예스)
타(−1) — 거절됨 → 즉시 중단 (노)
옴(0) — 대기·보통 → 더 알아봅니다 (검색·모니터링)
음(−0) — 정규 셋 밖의 예외(이해 안 됨·왜곡) → 사람에게 이관

핵심은 네 번째 자리를 인정한 것입니다. 모르는 걸 모른다고 둘 자리. 분별 엔진은 9/9 검증을 마쳤고, 같은 상황이 쌓일수록 자동화 비율이 올라갑니다.

증거: 메신저·브라우저·AIMED에 기본 탑재. 같은 요청은 다음번에 두 단계 이상 빨라집니다.

2층 — 셀코어: 한 번 한 일을 규칙으로 굳힙니다

자가수정 없이는 자율도 없습니다. 저희는 매 실행 결과를 규칙으로 바꿔 저장합니다.

수행 → 2. 성공/부분/실패 평가 → 3. 조건문+변경명령으로 재기술 → 4. 규칙저장소에 적재 → 5. 다음번엔 규칙 먼저, LLM 건너뜀.

빅테크는 모델을 키우고, 저희는 규칙을 깊게 팝니다. 셀코어는 15개 모듈이 도메인 규칙을 각각 백 단위로 쌓습니다.
증거: 메신저 한 서비스 안에서만 셀코어 사용처 87곳, 최근 3개월 누적 규칙 학습 2만 건 이상.

3층 — Quadcode: 코드가 스스로 등급을 올립니다

코드를 쓰는 일과 다듬는 일은 다릅니다. 저희는 모든 코드에 성숙도 네 단계를 매깁니다.

[1] 작업중 — 자동 생성된 임시 결과
[2] 개선 — 테스트·성능·보안 1차 통과
[3] 오리지널 — 두 번 이상 반복돼 패턴DB 등재
[4] KPS마더 — 벡터형 분석으로 최적화 확정, 도메인의 정본

올라갈수록 LLM이 덜 듭니다. 설계를 바꿔 다시 돌릴 때, 3·4단계를 재사용하면 처음의 1/7 시간에 끝납니다.

---

3. LLM은 윤활유

"에이전트가 더 똑똑해져야 한다"—저는 여기에 동의하지 않습니다. 자율성의 핵심은 똑똑함이 아니라 예측 불가능을 줄이는 것입니다.

LLM은 결정적이지 않습니다. "모름"의 정확도조차 51% 수준입니다. 반면 규칙은 같은 입력에 같은 답을 냅니다.
저희 기본 비율은 LLM 3% + 규칙 97%. 새 도메인이 들어올 때만 LLM으로 초기 규칙 100개를 만들고, 그다음부턴 규칙끼리 돌아갑니다.
현재 자율화 비중 58%, 100%까지 42% 남음. 도달 목표는 2026년 말입니다.

처음 1%를 정의하는 데만 LLM을 쓰고, 나머지 99%는 규칙이 맡습니다.

---

4. 숫자로 비교

지표	세상의 중앙값	크라우니
프로덕션 도달 실패율	76~88%	0% (44제품 모두 검증)
규칙 자동화 비중	20~40%	58% (목표 100%, 2026년말)
LLM 호출 비용/월	대기업 $10K~100K	$0 (규칙만 작동 시)
새 도메인 진입 시간	3~6개월	1주 (규칙생성+검증)
고장 감지→해결	2~4시간	6.9분 (드리프트 96.8% 정확)

성공한 프로젝트들이 공통으로 한 다섯 가지—문제 명확히 정의, 도구 먼저 고정, 자가수정 루프, 거버넌스 선행, 천천히 프로덕션—를 동시에 갖춘 공개 시스템은 아직 저희뿐입니다. 분별이 정의와 거버넌스를, 셀코어가 자가수정을, Quadcode가 도구 고정을 맡습니다.

---

마치며

저희 자율성의 비밀은 더 똑똑한 LLM이 아니라, LLM을 쓰지 않아도 되는 구조를 미리 갖춘 것입니다. 분별이 판단하고, 셀코어가 규칙으로 굳히고, Quadcode가 그 규칙을 KPS마더(정본)로 끌어올립니다. 한 번 만든 규칙은 다음 사람의 자산이 됩니다.

그 자산이 쌓이면 무엇이 되는가—작은 것을 손에 쥐면, 비로소 큰 것에서 자유로워집니다. 다음 장에서 엣지 AI와 3진 효율로 그 자유가 어디서 비롯되는지 함께 보겠습니다.