The Problem
프론티어 모델은 빠르게 좋아지지만, 운영 중인 에이전트는 그렇지 않습니다. 환각은 반복되고, 실패는 학습되지 않으며, 같은 사고가 다시 발생합니다
01
환각이 반복된다
외부 verifier로 잡아도 같은 환각이 계속 발생
02
실패가 학습되지 않는다
사람이 매번 개입해야 시스템이 개선됨
03
망분리에서 학습이 멈춘다
외부 도구가 SaaS only — 망분리 안에서는 self-improving 불가
How CT works
Two-Tier Self-Improving System
환각 탐지 sLM이 두 학습 Loop의 신호가 됩니다. 같은 시스템이 분 단위로는 프롬프트를 진화시키고, 일 단위로는 모델 자체를 학습시킵니다. 이 모든 것이 망분리 환경 안에서 닫힙니다
비교
기존 도구 조합과 무엇이 다른가
| 기존 도구 조합 | CT | |
|---|---|---|
| 환각 탐지 | post-hoc, 사용자가 '재시도' 봄 | in-flight 보정, 끊김 없음 |
| 학습 신호 반영 | 며칠~몇 주 | 분 단위 |
| 망분리 환경 | 외부 verifier가 SaaS — 작동 불가 | 자체 sLM — 망 안 완결 |
| 시간 함수 | 고정 성능 | 운영할수록 정확해짐 |
단발성 검증이라면 외부 LLM 기반 verifier로 충분합니다. 운영 중에 지속적으로 정확해지고 망분리에서도 완결되는 시스템은 별도의 영역입니다
집중하는 산업
AI 오류 하나가 소송, 벌금, 임상 리스크로 이어지는 산업. 정확성과 신뢰가 고성능보다 중요한 곳에서 먼저 검증합니다
금융
준법감시, 규제 문서 검증, 환각 탐지
보험
손해사정, 약관 대조, 근거 기반 답변
바이오
장비 모니터링, 시약 관리, 실시간 추적
공공
망분리 환경, 데이터 주권, 온프레미스