▲ 썸네일을 누르면 YouTube 영상으로 이동합니다. 답변을 넘어 접수 확인까지: 피클로 살펴본 AI 에이전트의 완수 조건 AI에게 맡기는 단위가 달라진다 일을 맡겼는데 다시 챙겨야 한다면 위임의 효과는 작다. 신청 방법을 알아낸 뒤 로그인하고, 서류를 채우고, 회신을 기다리는 과정이 그대로 남기 때문이다. 개인 AI 에이전트 피클의 사례에서 눈여겨볼 대목은 답변의 유창함보다 실행의 범위다. 브라우저와 이메일, 문서와 일정을 오가며 하나의 목표를 실제 결과까지 이어 간다. 여기서 위임의 단위는 질문 한 개가 아니라 완료 상태다. “신청 절차를 알려 달라”는 요청은 안내문으로 끝날 수 있다. “접수를 마치고 결과를 확인해 달라”는 요청에는 인증, 필수 항목 점검, 제출 증거 확보와 후속 확인까지 들어간다. 같은 신청 업무라도 무엇을 끝으로 정의하느냐에 따라 에이전트가 수행해야 할 일이 크게 달라진다. 완료의 기준을 행동에서 결과로 옮겨야 한다. 발송했다는 기록, 접수됐다는 회신, 실제 입금 확인은 서로 다른 단계의 증거다. 접수 버튼 이후에도 남아 있는 업무 참가 신청 과정에서 피클은 브라우저로 접수 페이지에 들어가 이메일 로그인을 진행한다. 연결된 수신함의 일회용 인증 번호는 직접 찾아 입력하고, 문자로 전달되는 인증 번호는 사용자에게 받아 입력한다. 필요한 정보를 채우고 약관 동의를 거쳐 신청한 뒤에는 완료 화면을 보관한다. 이후 문제 공개와 참가 혜택을 확인할 일정도 등록한다. 이 흐름은 자율 실행에도 사용자와의 연결 지점이 있다는 사실을 보여준다. 모든 단계를 혼자 처리해야만 위임이 성립하는 것은 아니다. 사용자 입력이 필요한 구간을 구분하고, 입력을 받은 뒤 진행하던 작업을 이어 가는 능력이 중요하다. 완료 화면을 남기는 행동도 의미가 있다. 사용자가 같은 페이지를 다시 열지 않아도 신청 상태를 판단할 근거가 생기기 때문이다. 업무별로 달라지는 완료의 증거 업무 실행 단계 결과 확인 참가 신청 정보 입력과 신청 제출 완료 화면 보...
최근 생성형 AI의 발전으로 멀티스텝 추론(Multi-step reasoning) 기능이 크게 향상되었습니다. 이에 따라 사용자가 프롬프트 엔지니어링 기법 중 하나인 CoT(Chain of Thought) 프롬프팅을 직접 적용하여 단계별로 질의를 할 필요성이 줄어들고 있습니다. CoT 프롬프팅은 복잡한 문제를 해결할 때 단계별로 사고 과정을 거치도록 유도하는 기법입니다. 하지만 이를 위해서는 사용자가 CoT 프롬프팅 기법에 대해 잘 이해하고 있어야 하며, 문제를 단계별로 나누어 프롬프트를 직접 설계해야 합니다. 이는 일반 사용자에게는 다소 어려울 수 있습니다. 반면에 PP의 멀티스텝 추론 방식은 사용자가 복잡한 질문을 던지면, 시스템이 내부적으로 이를 하위 질문으로 분해하여 순차적으로 처리한 후 최종 답변을 제시합니다. 따라서 사용자는 CoT 프롬프팅 기법에 대한 전문 지식 없이도 자연스러운 질문만으로 원하는 답변을 얻을 수 있습니다. 즉, CoT 프롬프팅은 사용자의 적극적인 개입과 프롬프트 엔지니어링 능력을 요구하는 반면, PP의 멀티스텝 추론은 이 과정을 자동화하여 사용자 편의성을 대폭 향상시킵니다. 일반 사용자 입장에서는 PP와 같은 방식이 훨씬 더 직관적이고 접근성이 높다고 할 수 있겠습니다. (Perplexity Pro 멀티 스텝 추론 검색의 예) Chain of Thought(CoT) 프롬프팅과 멀티스텝 추론의 중요성 Chain of Thought(CoT) 프롬프팅과 멀티스텝 추론은 대규모 언어 모델(LLM)의 추론 능력을 향상시키는 데 중요한 역할을 합니다. CoT 프롬프팅은 LLM이 복잡한 문제를 중간 단계로 분해하여 추가적인 계산을 수행할 수 있도록 돕습니다. 이는 산술, 상식, 추론 작업 등 다양한 분야에서 LLM의 성능을 높이는 데 효과적입니다. 특히 전통적인 방법으로는 계산하기 어려운 복잡한 문제에 좋은 접근 방식이 됩니다. 멀티스텝 추론은 CoT의 핵심 개념을 실제 문제 해결에 적용하여, 직관적인 사고 과정을 모방하...