AI에게 물으면 다들 "좋은 생각입니다"
"이 전략 어때?"라고 물으면 대부분의 챗봇은 맞장구를 칩니다. 단일 모델은 사용자에게 동조하는 경향(sycophancy)이 있어서, 당신이 듣고 싶은 답에 가깝게 답합니다. 중요한 의사결정 앞에서 이건 위험합니다 — 확증편향을 그대로 증폭시키니까요.
진짜 필요한 건 맞장구가 아니라 반박입니다. 이 가설이 어디서 무너지는지, 어떤 반례가 있는지, 무엇을 놓쳤는지. 이 글은 그 반박을 구조로 만드는 레시피입니다 — 하나의 주장을 서로 다른 모델에게 공격하게 만드는 Marblo 적대적 검증 보드.
왜 한 모델이 아니라 '이종 패널'인가
같은 모델에게 자기 답을 검증시키면 같은 사각지대를 공유합니다. 자기가 놓친 건 검증에서도 놓칩니다. 그래서 검증은 다른 벤더가, 다른 렌즈로 해야 합니다. 이게 이종 에이전트가 단일 모델보다 강한 이유의 핵심 응용입니다.
적대적 검증(adversarial verification)은 여기서 한 걸음 더 나갑니다 — 검증자에게 "확인해줘"가 아니라 **"반박하라, 확신이 없으면 기각을 기본값으로 두라"**고 지시합니다. 반박을 기본 태도로 세워두는 것이죠.
레시피 아키텍처
[가설 / 설계 / 의사결정 입력]
│
▼
proposer (가설·근거 구조화)
│
┌────┼──────────────────┐
▼ ▼ ▼
critic-A critic-B critic-C
(정합성) (반례·실패) (리스크·비용)
└────┼──────────────────┘ ← 각기 다른 벤더, 병렬
▼
adjudicator (반박 종합 · 판정)
│
▼
[사람 최종 결정 게이트]
세 비평자가 병렬로, 서로 다른 벤더에서 각자 다른 각으로 공격합니다. 하나의 렌즈로 세 번 보는 게 아니라, 세 개의 렌즈로 한 번씩 봅니다. 이 다양성이 단일 검증자가 놓치는 실패 모드를 잡습니다.
스테이션별로 뜯어보기
1. proposer — 가설 구조화
검증 대상을 반박 가능한 형태로 정리합니다. 주장, 그 근거, 숨은 전제를 명시적으로 드러내야 비평자들이 공격할 지점이 생깁니다.
당신은 가설 정리 에이전트입니다. 입력된 주장을 검증 가능한 형태로
구조화하세요.
- 핵심 주장 1문장
- 그 주장이 기대는 전제 3~5개
- 주장이 참이려면 반드시 성립해야 하는 조건
2. critic-A / B / C — 병렬 반박 (각기 다른 벤더)
세 비평자에게 서로 다른 렌즈를 줍니다. 같은 프롬프트를 세 번 돌리는 게 아니라, 각자 다른 실패 모드를 노립니다.
[critic-A · 정합성] 이 주장의 내부 논리가 일관되는가? 전제들끼리
모순은 없는가? 근거가 결론을 실제로 뒷받침하는가?
[critic-B · 반례] 이 주장이 틀리는 구체적 시나리오를 찾아라.
어떤 조건에서 무너지는가? 반대 사례가 있는가?
[critic-C · 리스크·비용] 이 결정이 실행됐을 때의 다운사이드는?
숨은 비용·부작용·되돌리기 어려움은?
공통 규칙: 반박을 시도하라. 확신이 없으면 "치명적이지 않음"이 아니라
"판단 유보"로 두되, 그냥 통과시키지 말 것.
3. adjudicator — 종합·판정
세 비평을 모아 어떤 반박이 치명적인지 판정합니다. 다수가 무너뜨린 주장은 폐기, 살아남은 부분은 채택하되 지적된 약점을 반영한 수정안을 냅니다.
당신은 판정 에이전트입니다. 원 주장과 세 비평을 받아 종합하세요.
- 치명적 반박(주장을 무너뜨리는): 나열
- 사소한 반박(보완으로 해결되는): 나열
- 판정: 채택 / 수정 후 채택 / 폐기 — 근거와 함께
반박의 강도를 평가하되, 비평자도 틀릴 수 있음을 감안하세요.
사람은 어디에 — 최종 결정은 사람
이 보드는 결정을 대신하지 않습니다. 반박의 근거를 구조적으로 정리해 사람 앞에 놓아줄 뿐입니다. 최종 결정 게이트에서 사람이 판정을 보고 결정합니다 — 다만 이제 확증편향 상태가 아니라, 가장 강한 반론들을 이미 통과한 상태에서 결정합니다. 이런 신뢰·책임 경계 설계는 AI 에이전트 거버넌스 5원칙과 이어집니다.
어디에 쓰나 — 실제 적용 지점
- 제품 의사결정 — "이 기능을 지금 지어야 하나"를 세 각도로 반박
- 아키텍처 설계 리뷰 — 설계안의 실패 모드를 레드팀
- 마케팅 카피·주장 검증 — 과장·근거 없는 주장을 사전에 색출
- 리서치 가설 검토 — 결론으로 달려가기 전에 반례부터
실측과 정직한 한계
적대적 검증이 언제나 옳은 건 아닙니다 — 비평자가 틀린 반박을 내놓을 때도 있습니다. 그래서 adjudicator와 사람이 반박의 강도를 거릅니다. 이 레시피가 없애는 건 정답이 아니라 확증편향 상태로 결정하는 위험입니다. 여러 각도의 반론을 통과한 결정은, 통과하지 못한 결정보다 대체로 튼튼합니다.
자주 묻는 질문
Q. 그냥 한 챗봇에게 "비판해줘"라고 하면 안 되나요? 됩니다만 약합니다. 같은 모델의 자기비판은 자기 사각지대를 못 봅니다. 핵심은 다른 벤더 + 서로 다른 렌즈 + 반박을 기본값으로 두는 구조입니다.
Q. 비평자가 셋이면 느리고 비싸지 않나요? 셋이 병렬로 도니 느리지 않습니다. 비평자는 저가 모델에 배치해 비용도 낮출 수 있습니다.
Q. 반박이 과해서 아무것도 못 정하면요?
adjudicator가 "치명적 반박만" 채택하도록 프롬프트를 조율하면 됩니다. 목표는 마비가 아니라 약한 결정을 걸러내는 것입니다.
Q. 비용은요? 멀티 에이전트 보드는 Marblo Pro(19,000원/월~) 부터 사용 가능하고, 여기에 실행당 모델 API 사용료가 붙습니다.
직접 만들어 보기
귀사의 실제 의사결정에 이 검증 보드를 붙여보고 싶으시면 30분 무료 세션을 신청하세요. 아니면 바로 Marblo에서 Free로 시작해도 됩니다.
관련 글
- 이종 AI 에이전트가 단일 모델보다 강한 이유
- GPT vs Claude vs Gemini — 한국 비즈니스 컨텍스트에서 어떤 모델을 언제 쓸까
- Claude Code 서브에이전트 vs 진짜 멀티 에이전트
- 사내 AI 에이전트 운영 거버넌스 5원칙
마지막 업데이트: 2026-07-11. Marblo UI는 자주 개선되지만 보드 레시피 패턴은 안정적입니다.