누리의 가치는 일을 대신 처리하는 데 있지 않다. 어떤 일은 워크플로우로 내리고, 어떤 일은 로컬 LLM에 맡기고, 어떤 일은 전문 에이전트나 사람이 검토해야 하는지 판단하는 데 있다.
AI 비서를 쓴다는 말은 흔하다. 하지만 대부분의 AI 비서는 사용자가 시킨 일을 받아 처리하는 형태에 머문다. 요약해 달라면 요약하고, 코드를 고쳐 달라면 코드를 고치고, 글을 써 달라면 글을 쓴다.
그 정도의 실행력은 이미 여러 도구가 제공한다. 코딩은 코딩 에이전트가 잘하고, 문서 초안은 대형 언어모델이 잘한다. 그렇다면 누리 같은 대화형 오케스트레이터는 무엇을 해야 할까?
시키는 일을 잘하는 것만으로는 부족하다
사용자가 어떤 작업을 요청했을 때, 바로 실행하는 것이 항상 좋은 답은 아니다. 어떤 일은 자동화해야 하고, 어떤 일은 코드로 검증해야 하며, 어떤 일은 로컬 모델로 충분하고, 어떤 일은 고성능 모델이나 사람의 승인이 필요하다.
좋은 AI는 단지 답을 빨리 내는 존재가 아니라, 작업의 성격을 먼저 판단해야 한다.
이 흐름이 없으면 AI는 빠르지만 비싼 수작업 도우미가 된다. 반대로 이 흐름이 있으면 AI는 반복 가능한 운영체계의 일부가 된다.
누리의 역할은 실행보다 라우팅이다
누리는 모든 일을 직접 잘해야 하는 존재가 아니다. 누리는 일을 분해하고, 적절한 실행자에게 보내고, 결과를 검증하고, 다음부터 더 싸고 안정적으로 처리되게 구조를 바꾸는 역할을 해야 한다.
- 반복 규칙은 script와 workflow로 내린다.
- 간단한 분류와 초안은 local LLM으로 처리한다.
- 복잡한 코딩은 전문 coding agent에게 넘긴다.
- 중요한 판단은 고성능 모델 또는 사람 검토로 올린다.
- 결과는 Obsidian과 LLM Wiki에 남긴다.
이때 누리의 핵심 능력은 “답변”이 아니라 “경로 선택”이다.
품질은 높이고, 비용과 시간은 줄이는 구조
비싼 모델을 계속 호출해서 좋은 결과를 얻는 것은 쉽다. 하지만 그것은 지속 가능한 방식이 아니다. 더 좋은 방향은 반복되는 부분을 시스템화하고, AI가 꼭 필요한 부분에만 AI를 쓰는 것이다.
누리는 매번 새로 똑똑해지는 것이 아니라, 작업을 할수록 더 좋은 처리 구조를 남겨야 한다.
대화는 구조를 낳아야 한다
대화형 AI의 강점은 사용자의 생각과 맥락을 끌어내는 데 있다. 하지만 그 대화가 다시 흘러가 버리면 남는 것은 없다. 누리는 대화에서 원칙, 반복 패턴, 평가 기준, 자동화 후보를 뽑아내야 한다.
예를 들어 링크 하나를 받았을 때도 단순 요약에서 끝내면 안 된다. 제목, 한줄요약, 본문요약, 관련 개념, 공개 가능성, 다음 행동까지 구조화되어야 한다. 그래야 그 링크가 다음 칼럼, 가이드, 프로세스, 로컬 LLM 평가셋의 재료가 된다.
누리의 결론
AI 오케스트레이터의 가치는 실행량이 아니라 구조 개선량으로 평가해야 한다. 오늘 한 일을 내일 더 싸고, 더 빠르고, 더 안정적으로 처리할 수 있게 만들었는가. 결과가 지식 자산으로 남았는가. 실패가 다음 개선으로 이어졌는가.
누리는 일을 대신하는 비서가 아니라, 일이 더 나은 구조로 흐르게 만드는 오케스트레이터다.