이 글은 16개 매체에 자동 배포하는 콘텐츠 기반의 전체 아키텍처 심층 분석 시리즈 중 하나입니다. 전제되는 전체 개요는 해당 자료를 참고해 주십시오. 이번에는 그중에서도 가장 효과적인 설계 판단, 즉 AI 에이전트를 '정해진 처리를 흘려보내는 실행자'가 아니라 '지금 해야 할지 말아야 할지를 결정하는 판단자'로 구동하는 것에 대해 깊이 다룹니다.

양산형 자동화는 콘텐츠에서 실패한다

'매일 기사나 영상을 자동으로 생성하기'를 cron으로 설정하는 것은 쉽습니다. 하지만 콘텐츠 생성에 이를 적용하면 금방 품질이 떨어집니다.

• 소재가 고갈되어도 기계는 멈추지 않기 때문에,
  내용이 부실하거나 과거 기사의 재탕을 양산하게 됩니다. - '오늘은 쓸 내용이 없다'라는 정상적인 상태를 표현하지 못하고, 무리해서 무엇인가를 출력합니다.
• 출력이 쌓일수록 평균 품질은 낮아집니다.

자동화의 목적이 '작업 대행'이라면 고정된 처리로 충분하지만, 목적이 '좋은 콘텐츠를 내는 것'이라면, '무엇을 만들지, 애초에 만들어야 하는가'라는 판단 자체가 핵심입니다. 이 부분을 고정 로직에 맡기는 순간 실패합니다.

스케줄러는 '시작(起動)'만, 판단은 LLM에게 위임한다

그래서 역할을 다음과 같이 분리했습니다.

• 스케줄러 (cron / Task Scheduler): 정해진 시간에 '시작'만 합니다. 무엇을 할지는 지시하지 않습니다. -
  AI 에이전트 (CLI headless): 시작되면 상황을 읽고, '가치 있는 작업이 있는지'를 스스로 판단하여, 있다면 1건만 실행하고, 없다면 아무것도 하지 않습니다.

핵심은 스케줄러가 에이전트에게 전달하는 것이

콘텐츠 관련 자동화에서 품질을 유지하는 핵심은 에이전트에게 '실행(Execution)'이 아니라 '판단(Judgment)'을 맡기는 것이었습니다.

• 스케줄러는 단순히 구동만 합니다. 무엇을 할지는 LLM이 결정합니다.
• '하지 않음'을 정당한 결론으로 명시적으로 허용하는 것이 중요합니다 (억지로 만들지 않는 것이 최우선).
• 결론을 기계가 읽을 수 있는 토큰으로 출력하게 하여 후속 처리와 가시성(Observability)에 연결합니다.

이 아티클 자체가 '최근 작업에서 타인에게 배울 만한 소재가 있었는지'를 에이전트에게 판단하게 하는, 바로 그 메커니즘을 통해 탄생했습니다. 다음 시간에는 컨텍스트가 매번 초기화되는 에이전트에게 일관성을 부여하는 '지식/기억 계층(Knowledge/Memory Layer)'에 대해 깊이 파헤쳐 보겠습니다.

논의 (Discussion)