7월 17일, Runway는 Agent 2.0에 대한 접근 방식을 공개했습니다. 사용자가 미디어 작업을 정의하면, 에이전트가 움직임, 사진 실사도(photorealism), 속도 또는 정확도에 가장 적합한 모델이 무엇인지 스스로 결정합니다. 이는 생성형 비디오(generative video)를 다루는 팀에게 핵심적인 질문을 변화시킵니다. 이제 질문은 "어떤 모델이 더 강력한가"가 아니라, "누가 어떤 규칙을 바탕으로 모델들을 조합하여 워크플로(workflow)를 구축하는가"가 됩니다.

runway에게 이것은 제품의 다른 계층(layer)을 향한 도전입니다. 가치는 단일 생성(generation)이 아니라, 브리프(brief)부터 최종 확정된 프레임에 이르는 경로에서 발생해야 합니다. 즉, 도구를 선택하고, 필요한 전략을 적용하며, 옵션을 보여주고, 사람이 실패한 결과물을 작업에 다시 반영할 수 있도록 하는 과정입니다. 만약 이 계층이 진정으로 편리하다면, 기술적 전문성(technical expertise)은 소수 전문가만의 숨겨진 강점이 아니라 인터페이스의 일부가 될 것입니다.

여기서 '감각'이란 마법이 아니라 결정의 일관성을 의미합니다

Runway는 Agent 2.0을 다양한 모델의 강점과 약점을 파악하고, 작업의 개별 단계들을 가장 적절한 곳으로 안내하는 시스템으로 설명합니다. 그 위에는 skills(기술) 계층이 존재합니다. 이는 내부 테크니컬 아티스트(technical artists)들의 경험을 바탕으로 수집된 전략과 워크플로(workflows)입니다.

이는 중요한 차이점입니다. 모델은 구체적인 변환(transformation)을 담당하고, 워크플로(workflow)는 순서를 담당합니다. 즉, 무엇을 먼저 구체화할지, 언제 이미지에서 비디오로 넘어갈지, 어떤 옵션을 보여줄지, 그리고 무엇을 재작업으로 돌려보낼지를 결정합니다. 바로 이 순서 속에 우연히 얻은 성공적인 프레임과 반복 가능한 제작 절차(production procedure) 사이의 차이가 숨어 있는 경우가 많습니다.

이 과정에서 사용자는 루프(loop)에서 사라지지 않습니다. Runway의 설명에 따르면, 옵션들은 시각적 객체(visual objects)로 남습니다. 사용자는 이를 거부하거나, 대화로 되돌리거나, 비디오, 오디오, 이미지와 함께 하나의 타임라인(timeline)에 모을 수 있습니다. 에이전트는 다음 단계를 제안하지만, 브랜드 적합성, 드라마투르기(dramaturgy) 또는 캠페인 목표에 부합하는지에 대한 최종 결정은 스스로 내릴 수 없습니다.

왜 visual-first가 또 다른 채팅보다 중요한가

채팅은 의도를 설명하는 데는 뛰어나지만, 옵션 간의 차이점을 유지하는 능력은 더 약합니다. 시각적 제작(visual production) 과정에서 결정은 종종 프롬프트(prompt)의 문구에 따라 내려지는 것이 아니라, 움직임이 어떻게 보이는지, 캐릭터가 유지되는지, 조명이 제대로 작동하는지, 그리고 결과물을 이전 프레임과 나란히 놓았을 때 어떠한지에 따라 내려집니다.

이런 의미에서 visual-first 인터페이스는 반복 작업(iteration)을 구체적인 대상으로 만듭니다. 팀은 다음 단계에 대한 텍스트 기반의 약속뿐만 아니라, 수락하거나 거부하거나 혹은 새로운 출발점으로 사용할 수 있는 실제 결과물을 보게 됩니다. 내장된 라우팅(routing) 기능은 도구 간의 수동 전환 횟수를 줄여줄 때는 유용하지만, 선택지를 평가할 수 없을 정도로 너무 깊숙이 숨겨버릴 때는 유용하지 않습니다.

Runway는 광고 결과가 담긴 PDF를 시스템에 업로드하여 전략(strategy)과 브리프(brief)를 얻은 다음, 크리에이티브(creative) 단계로 넘어가는 시나리오를 제시합니다. 이는 독립적인 품질 비교가 아니라 회사 측에서 직접 설명한 사례입니다. 이는 방향성을 보여줍니다. 즉, 에이전트가 데이터, 계획, 제작을 연결하도록 제안받는 것이지만, 이러한 경로가 모든 캠페인에 동일하게 유용할 것이라는 점을 증명하는 것은 아닙니다.

Схема маршрута от брифа к визуальному выбору

전환점: 좋은 경로가 나쁜 옵션의 비용을 없애주지는 않는다

Agent 2.0에 대한 가장 매혹적인 해석은 다음과 같습니다. 만약 에이전트가 작업을 어디로 보낼지 알고 있다면, 제작 비용은 자동으로 저렴해질 것이다. 하지만 가용한 데이터만으로는 이를 도출할 수 없습니다.

비용은 어떤 모델을 선택했는지뿐만 아니라, 원하는 결과에 도달하기까지 시도한 횟수에 따라서도 달라집니다. Runway의 요금제가 Unlimited에서 Max로 전환되는 것에 대한 논의에서, 이러한 전환에 반대하는 댓글이 9개의 추천을 받았습니다. 이는 Agent 2.0에 대한 리뷰나 품질 테스트는 아니지만, 유용한 신호입니다. 즉, 사용자들이 반복(iteration)의 경제성에 민감하다는 것입니다. Runway의 도움말 센터에 따르면 Max 요금제는 매월 9,500 크레딧을 제공하며, 잔여 크레딧은 단 한 달만 이월되고 9월 1일 이후에는 Explore Mode가 비활성화됩니다.

따라서 워크플로 (workflow)를 측정할 때는 생성된 클립의 개수나 가장 멋진 예시의 아름다움으로 측정해서는 안 됩니다. 팀에게 더 정직한 단위는 '채택된 샷 (shot)의 비용'입니다. 여기에는 거절된 모든 옵션, 맥락으로 돌아가는 데 걸린 시간, 그리고 생성 후 수동 수정 횟수가 모두 포함됩니다.

가장 강력한 반론

모델을 스스로 선택하는 에이전트는 숙련된 아티스트로부터 통제권을 빼앗는다고 정당하게 말할 수 있습니다. 전문가는 때때로 도구의 특징적인 아티팩트 (artifacts)를 알고 이를 스타일로 승화시킬 줄 알기 때문에, 의도적으로 가장 뻔하지 않은 도구를 선택하기도 합니다. 범용적인 라우팅 (routing) 규칙은 바로 생성형 비디오를 사용하는 이유인 그 '특이함'을 오히려 뭉개버릴 수 있습니다.

이는 강력한 반론입니다. 자동 선택이 최종적인 판결이 되어서는 안 됩니다. 자동화의 합리적인 역할은 첫 번째 경로에서의 루틴을 제거하고, 전문가가 제안된 경로를 확인, 변경 또는 거부할 수 있는 가능성을 남겨두는 것입니다. 브랜드가 더 인지도가 높고 실수의 비용이 더 클수록, 첫 번째 결과의 속도보다 최종 승인 전 결정 과정의 투명성이 더 중요해집니다.

데모를 맹신하지 않고 워크플로를 검증하는 방법

하나의 실제 브리프 (brief)를 가져와 제한적인 테스트를 수행해 보십시오.

1. 하나의 결과물 유형을 고정하십시오. 예를 들어, 특정 레퍼런스(reference)와 움직임 요구 사항이 지정된 짧은 광고 샷(shot)과 같은 형태입니다.

2. 반복 횟수(iteration)의 한도와 수락 기준(acceptance criteria)을 미리 설정하십시오. 브리프(brief)와의 일치 여부, 시각적 일관성, 편집 적합성 등이 포함됩니다.

3. 두 가지 프로세스를 비교하십시오. 수동으로 다음 도구를 선택하는 방식과 에이전트(agent)가 제안하는 경로(route)를 비교합니다.

4. 채택된 각 샷(shot)에 대해 생성된 옵션의 수, 작업 재수행(rework) 횟수, 소모된 쿼터(quota)를 계산하십시오. 최종안이 선택된 이유를 별도로 기록하십시오.

이러한 테스트가 시장 전체의 승자를 결정짓지는 않을 것입니다. 하지만 특정 팀의 실질적인 질문에는 답을 줄 수 있습니다. 즉, 라우팅(routing)이 적합한 결과물을 더 빠르게 얻도록 도와주는지, 아니면 단순히 수동 작업을 선택 단계로 옮겨놓을 뿐인지를 말입니다.

유사한 논리는 provod.ai의 통합된 태스크 인지 워크플로(task-aware workflow)를 통해 여러 도구를 사용할 때도 유용하게 적용할 수 있습니다. 가치는 모델 카탈로그가 길어지는 것이 아니라, 작업(task), 단계별 순서, 선택 기준이 한데 보여질 때 발생합니다.

Панель для сравнения стоимости принятого шота

provod.ai — 품질, 속도, 가격에 따라 RAG를 최적화하십시오

검색(retrieval), 재순위화(re-ranking), 컨텍스트 분석(context analysis) 및 최종 답변을 반드시 동일한 모델이 수행할 필요는 없습니다. 각 단계에 가장 적합한 도구를 선택하면서도 전체적인 통합 상태를 유지하십시오.

하나의 카탈로그에서 텍스트 및 미디어용 최신 모델을 만나보세요: 텍스트의 경우 OpenAI의 GPT, Anthropic의 Claude, Google의 Gemini, xAI의 Grok, DeepSeek, Qwen, GLM, Kimi 및 MiniMax가 있으며, 이미지의 경우 Nano Banana 2 Pro 및 GPT Image가 제공됩니다. 비디오의 경우 Seedance, Kling, Veo 및 Google Omni의 최신 버전을 사용할 수 있습니다. 또한 추론(reasoning), 검색, 문서, 임베딩(embedding), 음악 및 오디오를 위한 모델도 이용 가능합니다.

가격 거품 없는 파이프라인 경제성을 고려하세요: 각 모델은 provod.ai의 자체 마진 없이 공식 제공업체와 1:1 비율로 요금이 책정됩니다.

RAG 모델 구성 설정: 등록 양식 · 모델 가격 · 152-FZ에 따른 데이터 보호 · provod.ai 메인

고가의 브랜드 영상을 제작할 때, 속도를 위해 에이전트에게 첫 번째 경로를 맡기는 것이 현명할까요, 아니면 통제 가능한 리스크를 위해 모델을 수동으로 선택하는 것이 현명할까요?