누군가가 _"다음 주에 갈게요."_라고 말합니다. 당신의 AI 에이전트는 그 일이 실제로 일어나기 전에, 진심으로 말하는 사람과 그냥 하는 말인 사람의 차이를 알아야 합니다.

대부분의 에이전트 프레임워크는 모든 LLM 출력을 동일하게 신뢰할 수 있는 것으로 취급합니다. 그들은 _더 똑똑한 모델_을 최적화할 뿐, _더 신뢰할 수 있는 인간_을 최적화하지 않습니다. 우리는 그 격차가 지능의 문제가 아니라 **실행력 (follow-through)**의 문제라고 생각합니다.

이것이 LAO — Long-term Anchored Ontology의 핵심 논지입니다. LAO는 모델과 행동 사이에 위치하는 작고 오픈 소스인 계층(layer)으로, 모델이 한 번도 학습하지 못한 기능, 즉 _약속이 행동으로 이어질지 예측하는 기능_을 추가합니다.

우리는 현재 출시 전 단계(Phase 1, 현재 핵심 엔진 구축 중)에 있습니다. 이 포스트는 리포지토리(repo)가 공개되기 전의 솔직한 엔지니어링 선언문입니다.

핵심 아이디어, 한 줄 요약

聪明是通用的，懂你是专用的。
지능은 보편적입니다. 당신을 이해하는 것은 특수합니다.

우리가 만들고 있는 것을 한 줄로 표현하면 다음과 같습니다:

from lao import LAOAgent

ai = LAOAgent()
...

모델은 이미 어떻게 응답해야 하는지는 알고 있습니다. LAO는 _그 사람이 실제로 그것을 할 것인지_를 알고, 에이전트에게 그에 대해 어떻게 행동해야 할지를 알려줍니다.

왜 "인간 보정 (human calibration)"이 누락된 계층인가

모든 LLM 기반 에이전트가 현실 세계에서 직면하는 세 가지 문제입니다:

1. 건망증 (Amnesia) — 에이전트는 모든 대화를 마치 처음인 것처럼 취급합니다. 아무것도 축적되지 않습니다.
2. 의도 계층에서의 환각 (Hallucination at the intent layer) — 모델은 _약속이 실제인지 여부_와 같이 자신이 알 수 없는 사실에 대해 확신을 가집니다.
3. 감쇠 없음 (No decay) — "다음 주에 갈게요"라는 말은 시간이 지나도 변하지 않습니다. 이를 영원히 신뢰하는 에이전트는 영원히 잔소리를 하는 에이전트가 됩니다.

모델 라우팅 (Model routing)은 _어떤 모델이 특정 작업에 가장 똑똑한가_를 해결합니다 (NovaRouteAI가 이를 수행합니다: 31개 모델 풀, 난이도→티어).
하지만 똑똑한 모델이라 할지라도 _당신_의 사용자의 행동에 근거가 없는 내용을 여전히 자신 있게 말할 것입니다. LAO는 바로 그 부분을 잡아내는 보정 계층 (calibration layer)입니다.

아키텍처 (Architecture):

NovaRouteAI (똑똑함은 보편적임)   → 최적의 모델 선택
LAO (인간 보정)                 → 출력값 보정  ← 우리
Decision-tree router (도메인)     → Phase 2, 도메인 규칙

6가지 기능 엔진 (Six Function Engine) — 운영의 핵심

우리는 이를 중심으로 6가지 기능 에이전트 아키텍처 (architecture)를 재구성했습니다. LAO는 워크플로우 (workflow)를 대체하는 것이 아니라, 그
_내부_에 위치합니다:

흥미로운 부분은 thinker입니다. 대부분의 프레임워크 (framework)에서 "사고 (thinking)"는 핵심적인 가치입니다. 하지만 LAO에서 thinker는 "추론 (reasoning)"을 멈추고 _번역기 (translator)_가 됩니다. 왜냐하면 정말 중요한 추론(이 사람이 실제로 이행할 것인가?)은 LLM에 의해 수행되지 않기 때문입니다. 그것은 행동 엔진 (behavior engine)에 의해 수행됩니다. thinker는 단지 그것을 실행 가능한 지시 사항 (executable instruction)으로 변환할 뿐입니다.

이것이 아키텍처의 잠금 (architecture lock) 장치입니다: BMC (행동 엔진)를 교체하면 추론 파이프라인 (reasoning pipeline) 전체를 다시 작성해야 합니다. 코드는 포크 (fork)할 수 있습니다. 하지만 이를 구축하기 위해 투입된 7년 치의 행동 패턴 (behavior patterns)은 포크할 수 없습니다.

LAO를 실현하는 엔진들

1. BMC — 행동 마르코프 체인 (Behavior Markov Chain)

모델은 다음 _토큰 (token)_을 예측합니다. LAO는 다음 _행동 (action)_을 예측합니다:

P(next_behavior | all of this person's history)

LLM의 단어 수준 체인 (word-level chain)과 대칭을 이루는 행동 수준 확률 체인 (behavior-level probability chain)입니다.

2. 의도 감쇠 모델 (Intent Decay Model)

동일한 문장이라도 사람마다 다르게 감쇠합니다:

P_day = P_initial × e^(-λ × day)

• 약속을 지키는 사람 → λ 값이 작음 → 천천히 감쇠
• 끝까지 이행하지 않는 사람 → λ 값이 큼 → 빠르게 소멸

화자에게 맞춰 조정된 동일한 단어들. 그것이 바로 "당신을 이해하는 것"입니다.

3. 행동 궤적 엔진 (Behavior Trajectory Engine)

모든 상호작용은 일회성 노이즈 (noise)가 아닌, _재사용 가능한 패턴 (reusable patterns)_을 추출하여 구조화된 규칙 베이스 (rule base)로 저장합니다. 이는 "재사용 가능한 경험"만을 필터링하는 코드 생성기 (code generator)에 의해 제약됩니다.

4. 6가지 기능 엔진 (위에서 설명함)

BMC를 데이터 백엔드로 사용하고, thinker는 번역기로 격하되며, 나머지는 비즈니스 액션 (business actions)을 실행합니다.

코드가 아닌 해자 (moat)를 가진 오픈 소스

이것은 솔직한 부분이며, 나중에 알게 되시는 것보다 지금 말씀드리는 편이 낫다고 판단했습니다:

• 엔진은 완전히 공개되어 있습니다 (Apache 2.0). pip install lao-human-calibration을 실행하세요.
• 초기 행동 패턴은 공개되어 있지 않습니다. 7년간의 실제 체육관 매장(storefront) 행동 데이터가 초기 BMC로 추출되며, 이 BMC는 README에서 복사할 수 없습니다. 코드를 포크해도 빈 BMC만 얻게 됩니다.
• 네트워크 가중치도 공개되어 있지 않습니다. 더 많은 설치 → 익명 텔레메트리 → 더욱 정확한 모델을 만듭니다. 뒤늦게 참여하는 사람들은 항상 한 단계 느릴 수밖에 없습니다.

코드는 복사할 수 있습니다. 하지만 행동 패턴은 그렇지 못합니다. 저희는 이것이 오픈 소스 AI 프로젝트가 가질 수 있는 가장 방어 가능한 해자라고 생각합니다: 비밀(secrecy)이 아니라, **데이터 중력(data gravity)**입니다.

7년간의 체육관 매장이 이것을 만든 이유

저희는

Phase 2 출시를 위한 리포지토리 (repo)를 지켜봐 주세요. 이것을 보정 계층 (calibration layer)의 기원 이야기로 간주해 주시기 바랍니다.

기업 내부에서 실행되는 AI 시스템에 의해 구축되었습니다 — 이곳에서 지능은 보편적(universal)이며, 사용자를 이해하는 것은 특수(specific)합니다.