정의
에이전틱 교정은 AI 기반 연구 시스템에서 자동화를 통한 효율성 극대화보다 인간과 기계 간의 상호 검증을 통한 연구 품질 교정을 우선시하는 방법론이다. 이 개념은 확률론적 AI 시스템(probabilistic AI)을 절대적 예언자(oracle)가 아닌 반성적 거울(mirror)로 활용하여, 연구자의 인지 편향과 기계의 오류를 동시에 교정하는 것을 목표로 한다.
핵심 속성
- 기반 모델: 확률론적(probabilistic) — 동일 입력에 대해 일관된 출력을 보장하지 않음. 결정론적(deterministic) 시스템과 대비되며, 패턴 인식과 패턴 기반 생성에 특화됨.
- 역할 전환: 자동화 도구(automator) → 교정 도구(calibrator). AI를 단순한 요약/자동화 도구가 아닌, 연구자의 사고를 시험하고 편향을 지적하는 스파링 파트너로 사용.
- 거버넌스 삼중 구조: (1) 품질 거버넌스 — 방법론적 경계와 검토 루프, (2) 비용 거버넌스 — 토큰 소비 최소화를 위한 정보 아키텍처, (3) 위험 거버넌스 — 체계적 책임 추적성.
- 핵심 실천 기술: 자연어로 작성된 분석 스킬(skills)을 마크다운(.md) 파일로 중앙 관리. Indi Young의 DStL(Data Science that Listens) 같은 방법론을 에이전트의 동작 규칙으로 인코딩.
관계
- 20260608-ai-as-mirror-not-oracle — 하위개념. 에이전틱 교정을 실천하는 구체적 태도.
- 20260608-agentic-research-governance-challenge — 하위개념. 기술적 배포보다 거버넌스가 핵심 장벽임을 설명.
- 20260608-controlled-vocabulary-as-first-governance-layer — 연장. 통제된 어휘집이 에이전틱 시스템의 첫 번째 거버넌스 계층임.
- 20260508-karpathy-llm-wiki — 대조. Karpathy의 LLM 위키 패턴은 지식 누적에 집중하는 반면, 에이전틱 교정은 품질 검증과 거버넌스에 초점을 맞춤.
인용
“Understanding how to actually spar with a machine requires understanding how it’s built… AI becomes a vital structural critic, positioned to point out researchers’ natural human biases.”
“Making agentics-driven research systems work for the large enterprise isn’t predominantly a technical challenge; it is a governance challenge.”