[IT Insight #1] 파운데이션 모델
파운데이션 모델은 왜 이제 '모델'이 아니라 '에이전트 플랫폼'이 되었는가?
안녕하세요, ITS 29기 이채연입니다.
오늘 제가 준비한 주제는 인공지능 기술의 패러다임 변화를 다루는 '파운데이션 모델의 진화와 에이전트 플랫폼으로의 전환'입니다. 흔히 '누가 더 똑똑한가'를 겨루던 시대는 가고, 이제는 '누가 더 잘 일하게 만드는가'가 핵심인 시대로 접어들었습니다.
1. 파운데이션 모델: 배우지 않은 것도 해내는 '범용 엔진'의 등장
먼저 파운데이션 모델(Foundation Model)의 의미를 짚어보고 싶습니다. 이는 대규모 사전 학습을 통해 다양한 작업의 기반이 되는 범용 모델을 뜻합니다. 과거의 인공지능이 특정 분야에만 특화된 기능을 수행했다면, 파운데이션 모델은 방대한 데이터를 바탕으로 명시적으로 학습하지 않은 태스크도 완료할 수 있는 '적응력'이 핵심입니다.
일반 AI 모델: 주어진 재료로 떡볶이 만드는 방법만 학습했다면, 매뉴얼에 없는 '마라'라는 단어를 이해하지 못해 명령을 수행하지 못합니다.
파운데이션 모델: '태국 요리의 원리'와 '한국 떡볶이의 식감'을 스스로 결합하여, 코코넛 밀크와 레몬그라스를 활용한 새로운 형태의 요리를 제안할 수 있습니다.
이처럼 하나의 모델이 번역, 요약, 검색, 생성 등 여러 작업을 수행하고 텍스트를 넘어 이미지와 음성, 코드까지 확장되면서 파운데이션 모델은 우리 모두가 사용하는 범용 엔진이 되었습니다.
2. '성능' 경쟁에서 '시스템' 경쟁으로의 이동
파운데이션 모델이 보편화되자, 이제 경쟁의 중심은 모델 자체에서 그 모델을 실제로 일하게 만드는 시스템으로 이동했습니다. 현재 기업들의 생성형 AI(GenAI)와 AI 에이전트에 대한 투자 의지는 매우 높습니다. 삼성 SDS의 2026년 전망에 따르면 기술 분야별 투자 규모 증가 계획에서 GenAI가 75%로 1위를 차지했죠.
하지만 실제 도입 현황을 보면 여전히 약 60%가 실험 및 파일럿 단계에 머물러 있습니다. 기업의 실제 업무는 단순히 프롬프트 한 번으로 끝나는 것이 아니라 여러 단계의 기획, 툴 사용, 맥락 유지, 예외 처리 및 검증이라는 복잡한 과정을 거쳐야 하기 때문입니다. 결국 사용자를 대신해 독립적으로 작업을 수행하는 오케스트레이션(Orchestration) 구조, 즉 에이전트 플랫폼이 중요해진 이유입니다.
3. AI를 팀처럼 일하게 하는 방법론: BMAD 워크플로우
단순히 "앱을 만들어줘"라고 요청하는 방식(One-shot Prompting)으로는 실제 서비스 수준의 결과물을 얻기 어렵습니다. 그래서 저는 AI를 실제 소프트웨어 팀처럼 일하게 만드는 BMAD(Breakthrough Method for Agile AI Driven Development)라는 프레임워크를 제안하고자 합니다.
BMAD의 핵심은 역할 분리, 단계별 산출물, 그리고 철저한 검토입니다. 예를 들어 '학교 축제 홍보 포스터'를 기획할 때, 이를 하나의 에이전트가 처리하게 하는 것이 아니라 다음과 같은 워크플로우를 구축하는 것입니다.
Analyst: 학생 수요와 관심 요소를 분석합니다.
PM: 분석을 바탕으로 핵심 타깃과 메시지 기획 방향을 정리합니다.
Creative Lead & Copywriter: 콘셉트를 제안하고 실제 문구를 작성합니다.
Reviewer: 타깃 명확성이나 흥미 유발 여부를 비판적으로 검토합니다.
이처럼 AI가 서로의 결과물을 검토하고 수정하는 과정을 거칠 때, 비로소 실무에 적용 가능한 신뢰도 높은 결과물이 나옵니다.
4. 마치며: 우리의 새로운 경쟁력
결국 파운데이션 모델의 다음 단계는 더 큰 모델을 만드는 것이 아니라, 더 잘 일하는 시스템을 구축하는 것입니다.
앞으로 기업과 개인의 경쟁력은 어떤 모델을 보유했느냐보다, 그 모델을 어떻게 에이전트처럼 설계하고 연결하느냐에서 결정될 것입니다. AI 모델은 그 자체로는 완벽하게 일을 완수하기 어렵습니다. 따라서 복잡한 업무 흐름 속에서 AI 서브 에이전트들을 적재적소에 배치하고 명령하는 '오케스트레이터'로서의 역량이 우리에게 필요한 가장 강력한 무기가 될 것입니다.
긴 글 읽어주셔서 감사합니다.
[발표자: ITS 29기 이채연]
참고자료 출처
https://www.ibm.com/kr-ko/think/topics/attention-mechanism
https://www.samsungsds.com/kr/insights/2026-it-investment-outlook.htmlhttps://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai