AI 회사에 5,550만 달러를 유치하고 Andrew Ng와 함께 스탠퍼드 심층 학습 수업을 공동 창설한 인물이 '파인튜닝이 함정인 이유'와 2026년 AI 에이전트 구축 방법을 다룬 90분 마스터클래스를 진행했다.

Kian Katanforoosh는 Workera의 CEO이며, Samsung, Accenture, Siemens, 그리고 미 공군을 포함한 고객사를 보유하고 있다. 그는 4백만 명에게 AI를 가르쳤으며 스탠퍼드의 최고 교육상을 수상했다.

그의 핵심 주장은 다음과 같다: 제품과 장난감의 차이는 모델 자체가 아니라 그 주변 아키텍처에 달려있다.

날카로운 경계(The jagged frontier): AI는 일부 작업에는 도움을 주지만, 다른 작업들은 조용히 망가뜨린다. 이 영역 밖에서 신뢰한 BCG 컨설턴트들은 '운전대 앞에서 잠들었다'.

두 가지 생존 모드: 센타우르(Centaurs, 큰 블록 위임)와 사이보그(Cyborgs, 빠르고 오가며 작업).

파인튜닝 함정(The fine-tuning trap): Slack 기록에 대해 튜닝을 끝낼 무렵이면, 다음 베이스 모델이 이미 당신보다 앞서 있다. Ross Lazerowitz도 시도해봤지만, 실제 작업 대신 '내일 할게'라고 말하는 게으른 동료만 얻었다.

체이닝(Chaining)이 거대한 프롬프트 하나보다 낫다: 추출(Extract) -> 계획(Plan) -> 작성(Write). 모든 단계가 디버깅 가능하고 테스트 가능하다.

RAG는 선택 사항이 아니다: Vector DB + HyDE (가상의 답변을 생성한 후, 그것을 검색하는 방식). 이것이 프로덕션 환경에서 모델의 환각 현상을 막아주는 것이다.

MCP가 변화이다: Anthropic의 프로토콜로, 에이전트들이 모든 통합에 대해 수동으로 코딩하지 않고도 어떤 API를 할 수 있는지 스스로 발견하게 한다.

패러다임 변화: 엔지니어들은 예전에 결정론적(deterministic) 코드를 작성했다. 이제는 '모호한(fuzzy)' 시스템을 설계하고, 관리자처럼 생각하며, 작업을 역할로 분해하고, 복잡한 부분에는 인간의 개입(human in the loop)을 유지한다.

더 큰 모델을 만들려고 노력하는 것을 멈춰라.
이미 존재하는 모델들을 오케스트레이션(orchestrate)하는 법을 배워라.

시청 후 북마크하세요 ↓