AI 하네스 무용론의 진실: 사라지는 것과 더 중요해지는 것

최근 인공지능 업계에서 ‘하네스 무용론’이라는 주장이 확산하고 있다. OpenAI와 Google의 고위 임원들이 차세대 모델이 현재의 하네스를 무용지물로 만들 것이라고 언급하며 이러한 논의에 불을 붙였다. 그러나 하네스에 대한 이런 단순한 해석은 오해를 부르며, 실제 상황은 더욱 복잡하다.

AI 하네스 무용론, 정말인가

인공지능 분야에서는 최근 하네스 무용론에 대한 논쟁이 활발하다. OpenAI의 노엄 브라운 부사장은 미래 모델이 지금 쓰이는 하네스의 상당 부분을 쓸모없게 만들 것이라고 언급했다. Google AI Studio의 로건 킬패트릭도 “모델이 하네스를 점차 먹어치운다”며 현 하네스의 유효 기간이 약 12개월 정도라고 말했다.

이러한 발언은 급변하는 AI 환경, 특히 에이전트와 하네스 영역에 대한 혼란을 가중한다. 빅테크 기업의 발표는 자사에 유리한 맥락에서 이야기될 수 있다는 점을 고려해 이 주장을 엄밀하게 살펴볼 필요가 있다.

하네스는 하나의 개념이 아니다

하네스 무용론은 “하네스가 프롬프트 기반의 한 종류만 존재한다”는 오해에서 출발한다. 하네스를 크게 세 가지 유형으로 구분하면 이 주장의 타당성을 더 명확히 파악할 수 있다.

아래 표는 하네스의 세 가지 유형과 각 유형의 특징, 그리고 모델에 흡수될 가능성을 보여준다.

하네스 유형	설명	모델 흡수 가능성
프롬프트·워크플로우 하네스	플래너, 실행자, 검증자를 분리하거나, 복잡한 프롬프트 체인으로 업무를 조율한다.	높음. 모델이 자체적으로 계획, 검증, 도구 선택 능력을 갖추면서 외부 조율 필요성이 줄어든다.
도구 실행 하네스	모델이 어떤 도구를 부르고, 어떤 권한으로 실행하며, 결과를 어떻게 해석하고, 실패 시 어떻게 되돌릴지 등을 관리한다. 사람의 승인 단계도 여기에 포함된다.	낮음. 고객 정보 접근, 결제 실행, 사내 데이터베이스 접근, 장애 대응 명령 등은 모델의 능력과 별개로 시스템적 권한과 보안 문제에 해당한다.
런타임·메모리·인프라 하네스	에이전트가 긴 작업을 수행하는 동안 정보를 기억하고, 컨텍스트를 관리하며, 캐시를 재사용하고, 모델을 라우팅하며, 비용과 지연 시간을 최적화하고, 보안 및 감사 로그를 남기는 기능을 담당한다.	매우 낮음. 이 영역은 모델의 지능보다 시스템 아키텍처, 인프라 관리, 보안 정책과 직결된다. 미래에 가장 중요해질 하네스 영역으로 평가받는다.

프롬프트·워크플로우 하네스는 모델의 판단 능력 부족을 외부에서 보정하는 역할을 했다. 모델의 지능이 발전할수록 이 유형의 하네스는 모델 안으로 흡수될 가능성이 크다. 따라서 이 부분에서 ‘하네스 무용론’은 어느 정도 맞다. 그러나 도구 실행 하네스와 런타임·메모리·인프라 하네스는 모델의 역량과 무관한 시스템적 영역을 다룬다. 모델이 아무리 뛰어나도 특정 정보 접근 권한이나 결제 집행 같은 실제 ‘실행’은 별도의 시스템이 관리한다.

하네스의 역할 변화와 빅테크의 전략

OpenAI나 Google과 같은 대형 AI 기업들의 발언과 실제 행동에는 차이가 존재한다. 이들의 발언은 하네스가 사라진다는 주장이지만, 실제로는 하네스의 위치가 달라지고 자사 플랫폼 안으로 흡수되는 현상이 나타난다.

OpenAI는 Agents SDK에서 도구 루프, 핸드오프, 세션, 트레이싱, 가드레일, 승인 흐름 같은 기능을 제공한다. 이는 하네스를 없애기보다, 하네스의 일부 기능을 모델 제공자 플랫폼 내로 통합하는 전략이다.

Google은 코딩 IDE인 Antigravity를 범용 에이전트 하네스로 확장하여 검색, Gemini 앱, Gemini API, Cloud를 같은 하네스로 구동한다. 로건 킬패트릭 역시 “모델, 하네스, 제품의 공생이 방법”이라는 글에서 하네스를 없애는 것이 아닌 플랫폼 안으로 끌어들이는 접근을 시사했다.

범용적인 도구 호출, 기본적인 에이전트 루프, 간단한 메모리, 트레이싱, 가드레일, 오피스 워크플로우 등은 대형 AI 기업이 지속해서 제공할 영역이다. 이는 자연스러운 흐름이다.

빅테크가 해결하기 어려운 영역

일부 하네스 기능이 모델 플랫폼으로 흡수되지만, 빅테크 기업이 쉽게 해결하기 어렵거나 불가능한 영역도 분명히 존재한다.

아래 표는 빅테크 기업이 담당하기 어렵거나 불가능한 하네스 영역을 보여준다.

영역	빅테크 전략	설명
범용적 기능	플랫폼 내 통합	범용적인 도구 호출, 에이전트 루프, 간단한 메모리, 트레이싱, 가드레일 등은 OpenAI, Google, Anthropic, Microsoft와 같은 대기업이 계속 가져간다.
업무 파편화	한계	코딩, 금융, 법률, 제조, 고객 지원 등 실제 업무는 매우 파편화되어 있다. 각 업무는 고유한 에이전트 운영 규칙, 최적화 방식, 중요한 정보, 실패 비용, 검증 방식, 허용 가능한 지연 시간, 필요한 메모리 구조를 갖는다.
여러 모델 오케스트레이션	중립성 한계	OpenAI가 Anthropic 모델을 최적으로 라우팅하거나, Google이 OpenAI, Anthropic, 오픈소스 모델을 동등한 조건에서 최적화하는 것은 어렵다. 기업은 비용, 성능, 보안, 데이터 위치, 규제 등 다양한 이유로 여러 모델을 섞어 써야 한다.
기업 내부 권한·보안·감사	독립 시스템 필요	모델이 아무리 뛰어나도 특정 에이전트가 문서를 보거나, 결과를 외부에 전송하거나, 결정이 승인되었는지, 사고 발생 시 실행 경로 추적 등은 모델의 능력이 아닌 기업 운영 및 규제 문제이다.

업무가 파편화될수록 범용 모델만으로 모든 태스크를 다루는 것은 어렵다. 각 산업 분야의 특수성을 고려한 맞춤형 에이전트 운영 규칙이 필요하다. 또한 여러 모델을 동시에 수용하는 오케스트레이션은 빅테크 기업이 중립적으로 제공하기 어렵다. 실제 기업들은 비용, 성능, 보안 등 다양한 요인에 따라 여러 모델을 혼합하여 사용하며, 이때 모델 중립적인 오케스트레이션이 필수적이다. 마지막으로 기업 내부의 권한, 보안, 감사, 데이터 흐름은 회사마다 다르며, 이는 모델 능력과 별개로 독립적인 시스템으로 관리해야 한다.

판단과 실행, 하네스의 본질적 역할

하네스 무용론은 모델이 판단하는 능력과 하네스가 실행하는 능력을 혼동한다. LLM은 컨텍스트를 읽고 토큰을 생성하는 작업만 수행한다. 계획, 검증, 도구 선택, 기억 판단, 위임 시점 결정 등 토큰 생성으로 표현 가능한 하네스 기능은 학습으로 모델 안에 들어갈 수 있다. 즉, 워크플로우 하네스는 모델의 판단 능력 향상으로 대체될 수 있다.

그러나 토큰 생성이 아닌 실제 실행과 관련된 일들은 모델 안에서 일어날 수 없다. 프로세스 실행, API 호출, 권한 차단, 병렬 인스턴스 구동, 감사 로그 기록 등은 가중치가 아무리 좋아져도 모델 자체의 영역이 아니다. 모델은 “결제해도 좋다”고 판단할 수 있지만, 실제로 결제를 집행하는 주체가 될 수는 없다.

결국 하네스는 모델로 흡수되는 것이 아니라, 역할이 재배치된다고 보는 것이 정확하다. 판단 레이어의 일부는 모델로 흡수되지만, 실행 레이어는 하네스에 남는다. 우리가 만들고 발전시켜야 할 것은 모델의 판단을 대신하는 하네스가 아니라, 모델의 판단을 집행하고 제어하는 하네스이다.

사라질 하네스와 더 중요해질 하네스

프롬프트 수준에서 무언가를 조합해 차별화를 만들던 방식은 오래가지 못한다. LLM 초기부터 프롬프트만으로 만들어진 차별화는 대개 빠르게 사라졌다. 프롬프트에 의존하는 것은 본질적으로 경험적, 휴리스틱하기 때문이다.

그러나 이것이 하네스 전체가 무용해진다는 의미는 아니다. 단순화되는 부분은 분명히 많아지며, 동시에 세분화되고 특화되는 부분도 늘어난다. 특히 메모리, 캐시, 보안, 권한, 감사, 비용 최적화, 장기 실행 작업 관리 같은 영역은 앞으로 더욱 중요해진다.

Agentic AI가 본격화되면 작업은 더 길어지고, 에이전트는 더 많은 도구를 호출하며, 중간 상태가 늘어난다. 재사용해야 할 컨텍스트와 메모리는 훨씬 복잡해진다. 접근 정책은 메모리 기술과 서비스 기술이 융합해야만 한다. 이 부분은 아직 제대로 시작도 못 한 영역이다.

따라서 하네스는 다음과 같이 정리할 수 있다.

• 필요 없는 하네스는 빠르게 도태된다. 그러나 정작 필요한 하네스는 아직 충분히 만들어지지 않았다.
• 프롬프트로 모델을 억지로 조종하던 하네스는 사라질 수 있다. 그러나 시스템과 결합된 하네스, 즉 메모리와 도구, 보안, 권한, 비용, 실행 환경을 함께 다루는 하네스는 앞으로 매우 중요해진다.
• 하네스 무용론을 그대로 받아들이기보다, 어떤 하네스가 사라지고 어떤 하네스가 남거나 강화되어야 할지를 구분해서 봐야 한다.

출처

• 페이스북 공개 게시글 2편 (하네스 무용론에 대한 AI 업계 실무자들의 의견글, 저자 비공개)