AI에게 일을 더 맡겼더니 오류가 늘었다…Meta가 지휘 역할을 줄인 이유

AI에게 더 많은 설명과 일을 한꺼번에 맡기면 자동화가 더 안정적일까요? Meta가 2026년 10월 19일 공개한 Thin Orchestrator 사례는 다른 답을 내놓습니다. 정해진 절차를 지키는 일과, 전문 지식을 바탕으로 판단하는 일을 나누는 것입니다. 새 AI 제품의 출시가 아니라 내부 에이전트 설계를 설명한 기술 사례입니다. Meta 공식 원문

중앙 AI를 똑똑하게 만드는 대신, 맡기는 일을 줄였습니다

Meta는 데모에서는 작동하던 중앙 에이전트가 실제 운영에서 잘못된 결과를 내면서 설계를 바꿨다고 설명합니다. 중앙의 오케스트레이터는 전문 작업 자체를 하지 않고, 정해진 순서와 신뢰성 확인을 담당합니다. 도메인 지식을 활용하는 LLM 추론은 분리된 전문 에이전트 안에서 이뤄집니다. 원문이 구분한 핵심은 프롬프트의 길이가 아니라 책임의 경계입니다. 설계와 적용 배경

이를 업무 자동화로 읽으면 질문이 바뀝니다. “AI가 알아서 잘할까?”보다 “이미 처리한 요청인지, 지금 실행해도 되는지, 결과가 실제 저장됐는지는 누가 확인할까?”가 먼저입니다. 아래 표는 Meta의 내부 구현을 복제한 사양표가 아니라, VECTORLOG가 실무 검토용으로 제안하는 구분입니다.

영향을 받는 쪽은 다단계 자동화를 운영하는 팀입니다

현재 확인된 것은 Meta가 이런 책임 분리 구조를 공개했다는 사실입니다. 다른 회사의 오류율이나 비용이 얼마나 줄어드는지는 이 사례만으로 알 수 없습니다.

VECTORLOG의 해석은 이렇습니다. 문서 작성 뒤 저장하고, 담당자에게 넘기고, 상태를 갱신하는 자동화라면 모델의 답변 품질만으로 완료를 판단하기 어렵습니다. 내용이 좋아도 저장 대상이 틀리거나 같은 작업을 두 번 처리하면 업무 결과는 잘못되기 때문입니다. 고정 규칙을 명시하면 실패가 내용 생성에서 발생했는지, 실행 절차에서 발생했는지 나눠 살펴볼 여지가 생깁니다.

다만 이것은 설계상의 기대 효과이지, 측정한 성과는 아닙니다. 요청 자체가 모호하거나 매번 절차가 달라지는 탐색 업무라면 처음부터 모든 분기를 고정하기 어렵습니다. 그 경우에는 추가 질문이나 사람의 검토로 넘어가는 경로부터 정하는 편이 현실적입니다.

바로 바꾸기보다, 한 가지 업무로 시험해 볼 수 있습니다

예를 들어 상품 설명 초안을 만드는 자동화를 가정해 보겠습니다. 이는 실제 도입 사례가 아닌 적용 예시입니다. 상품 자료를 받아 글을 쓰는 AI와 별개로, 상품번호가 비어 있으면 멈추고, 같은 상품의 초안이 이미 있으면 새로 만들지 않고, 검토 전에는 공개하지 않는 조건을 둘 수 있습니다. AI는 제공된 규격을 설명하는 데 집중하고, 저장·승인 절차는 별도로 확인하는 방식입니다.

시험할 때는 정상 요청만 넣지 않는 것이 중요합니다. 자료가 빠진 요청, 같은 요청을 다시 보낸 경우, 저장이 실패한 경우도 함께 확인해 보세요. 결과를 비교할 기준은 문장이 얼마나 자연스러운지에 더해, 멈춰야 할 때 멈췄는지와 실제로 남은 결과물이 무엇인지입니다. 운영 데이터에 바로 연결하기 전, 테스트용 자료와 제한된 권한으로 이 차이를 확인할 수 있습니다.

작업 단계를 나누는 것만으로 해결되지 않는 비용도 있습니다. 단계 사이에 전달할 형식, 실패 기록, 재시도 범위를 유지해야 하기 때문입니다. 짧고 단순한 단일 작업에까지 여러 에이전트를 늘리는 것이 목표는 아닙니다. 반복되는 오류가 실행 절차에 있는지부터 보고 분리할 지점을 골라야 합니다.

도구를 줄이는 것과 제어를 분리하는 것은 다른 질문입니다

앞서 다룬 Postman의 도구 선택 사례는 요청에 필요한 도구와 맥락을 추리는 문제였습니다. 이번 사례를 통해서는 그 도구를 어떤 순서로 실행하고, 언제 중단하며, 무엇을 완료로 인정할지까지 별도로 설계할 필요를 읽을 수 있습니다.

새 모델을 붙이기 전에 자동화 하나의 완료 조건을 적어 보는 것은 어떨까요? “답변을 생성했다”가 아니라 “정확한 대상에 저장했고, 중복 없이 검토 대기로 남겼다”처럼 관찰 가능한 상태로 바꾸는 것입니다. AI에 맡길 판단과 시스템이 지켜야 할 절차의 경계가 그때부터 선명해집니다.

자료 확인: 2026년 10월 20일. 공식 사례에 대한 분석이며 직접 사용한 결과나 자체 성능 측정은 포함하지 않았습니다. 대표 이미지는 승인된 VECTO를 활용한 AI 제작 개념 이미지로, 실제 Meta 제품 화면이 아닙니다.