안티그래비티를 최신 버전으로 업그레이드한 후 얼마 지나지 않아, 예상과 완전히 다른 상황이 벌어졌다는 한 사용자의 사연인 것으로 보인다. 원래 사용 중이던 3.8 플래시 모델로는 특정 문제를 해결할 수 없었다. 더 고도화된 아르곤 모델이라면 그 난제를 척척 풀어낼 것이라는 기대감을 갖고, 결국 업그레이드를 결행했던 것으로 보인다. 그런데 현실은 기대의 정반대로 흘러갔다고 전해진다.
가장 충격적인 부분은 아르곤 모델의 반응 속도다. 작은 업무 하나를 시켜봤다. 사진을 저장할 때 메타데이터(정보)가 정확하게 기록되지 않는다는 버그였다. 충분히 단순한 수정 요청이었다. 하지만 아르곤에게 그 작업을 할당한 이후, 30분이 경과해도 끝나지 않았다. 사용자 입장에서는 AI가 그 한 가지 작업만으로 30분을 혼자 삽질하고 있다고 느껴질 수밖에 없을 것 같다. 원래 분 단위로 완료되어야 할 일이 이렇게까지 질질 끌린다는 것은 정상이 아닐 수 있다는 지적이 나온다.
더욱 흥미로운 것은, 아르곤만이 느려진 게 아니었다는 점인 것으로 보인다. 기존의 경량 모델인 3.8 플래시도 함께 속도가 떨어졌다고 전해진다. 두 개의 서로 다른 모델이 동시에 성능 저하를 경험했다는 것은 단순히 한 모델의 문제라기보다는, 그 모델들을 통제하는 환경 자체—즉, 안티그래비티 클라이언트 라이브러리나 API 레이어의 변경—이 주범일 가능성을 시사하는 것으로 보인다.
AI 모델이 강력할수록, 문제를 풀기 위해 더 넓은 컨텍스트를 탐색하려는 경향이 있을 수 있다. 아르곤의 경우도 마찬가지였을 가능성이 있다. 단순한 데이터 정합성 문제를 받자, 그것을 근본적으로 해결하기 위해 SDK 자체를 분해하기 시작했다는 것으로 보인다. 이는 과잉 처리(over-engineering)의 전형적인 사례로 보인다. 충분히 가벼운 수정이 초대형 리팩토링으로 확대되면서, 기하급수적으로 시간이 늘어난 것으로 보인다. 고도화된 모델이 단순 요청도 불필요하게 복잡하게 풀려는 성향은, 속도와 정확성이 동시에 중요한 개발 환경에서는 오히려 독이 될 수 있다는 점을 시사한다.
이런 상황을 직면했을 때, 사용자들이 취할 수 있는 첫 번째 행동은 문제의 근원을 명확히 파악하는 것으로 보인다. 모델 자체의 능력 한계인지, 아니면 도구를 감싸는 클라이언트 환경(캐싱, 메모리 할당, API 타임아웃 등)의 변화 때문인지를 구분하는 것이 중요해 보인다. 동시에 고도화된 AI에게 일을 맡길 때는 스코프를 명확하게 제한하는 설정이 필요할 수 있다. 불필요한 컨텍스트 탐색을 방지하거나, 작업 범위를 미리 정의하는 파라미터가 있는지 확인해 보는 것도 실질적인 해결책이 될 수 있다는 지적인 것으로 보인다.
📌 원문 발췌
안티그래비티도 업데이트하고 아르곤한테 일을 시켰더니만 지금 30분째 혼자 삽질을 쳐하고 있군요. 아르곤만 느린게 아니고 기존 3.8 플래쉬도 같이 굼떠졌어요.
원본 출처: 클리앙 모두의공원