사람용 문서가 AI 에이전트 오류를 키울 수 있다
으로 에이전트를 만들 때 을 자꾸 잘못 지어내는 문제가 생겼고, 원인은 모델 자체보다 문서 구조에 있었다는 실무 경험이다. 마크다운, , 명세 같은 문서는 사람이 눌러가며 읽기 좋게 만들어졌지만, LLM이 혼자 필요한 정보를 찾아 쓰기에는 불편할 수 있다.
문서를 잘게 나누는 방식과 화면 이동 구조가 검색을 방해하면, 에이전트가 엉뚱한 정보를 가져오거나 없는 API 사용법을 만들어낼 수 있다. 해결 아이디어는 기존 문서를 에이전트가 먹기 쉬운 형태로 바꾸는 변환 계층이다.
예를 들면 의미별 문서 계층, 도구 호출 설명서, 검색에 맞춘 임베딩을 만들어 에이전트가 필요한 정보를 더 정확히 찾게 하는 방식이다. 이 문제는 같은 에이전트·검색 팀이나 플랫폼 팀에 의미 있는 좁은 시장일 수 있지만, 이미 내부에서 해결 중일 가능성도 남아 있다.
핵심 포인트
- 사람이 읽기 좋은 문서 구조가 에이전트의 정보 검색에는 맞지 않을 수 있다.
- 문서 나누기와 이동 구조가 나쁘면 에이전트가 을 잘못 만들 수 있다.
- 기존 문서를 에이전트용 형식으로 바꾸는 변환 계층이 해결책으로 제안된다.
- 의미별 문서 계층, 도구 호출 설명서, 검색용 임베딩이 핵심 구성 요소로 거론된다.
- 실제 가치는 오류 감소와 토큰 절감 수치로 검증해야 한다.