앤트로픽 페이블(Fable) 활용법: 클로드의 잠재력을 여는 4가지 원칙

핵심 메시지

• 앤트로픽의 새 모델 '페이블'은 튜토리얼을 끝내고 넓은 오픈월드가 열리는 것과 같아, 할 수 있는 일이 크게 늘어난 만큼 다루는 법도 새로 익혀야 한다.
• 모델은 설계되는 것이 아니라 '길러지는' 것이며, 모델을 가두는 것은 결국 우리가 만든 도구(하네스)와 프롬프트다. 이 제약을 푸는 것이 잠재력을 여는 핵심이다.
• 발표자는 페이블을 잘 쓰는 법으로 '클로드의 제약 풀기', '내가 모르는 것 찾기', '상실감 받아들이기', '덜 합리적으로 일하기' 네 단계를 제시한다.
• 코드 실행 같은 도구를 주면 모델은 뾰족한 방식으로 갑자기 똑똑해지며(능력 과잉, capability overhang), 이 새로 열린 가능성을 발견하는 것이 사용자의 몫이다.
• 빌드가 쉬워졌다고 가치가 저절로 생기지는 않는다. 결국 여러 번 시도해 진짜 가치 있는 것을 찾아내는 것이 목표다.

쉽게 이해하기

이 영상은 AI 엔지니어 행사에서 앤트로픽의 클로드 코드 팀 구성원인 타릭 시히파르가 새 모델 '페이블(Fable)'을 소개하는 발표다. 그는 페이블을 소닛 3.5나 오푸스 4처럼 오래 기억에 남을 모델이라고 표현하며, 마치 RPG 게임의 튜토리얼을 마치고 광활한 오픈월드로 진입하는 것과 같다고 비유한다. 할 수 있는 일이 크게 늘어난 만큼 처음에는 낯설고 막막할 수 있어, 이 모델을 다루는 '현장 안내서'를 제시하려 한다고 밝힌다.

그는 모델이 '설계되는(designed)' 것이 아니라 '길러지는(grown)' 것이라고 강조한다. 데이터와 피드백, 연산 자원을 주며 조심스럽게 키우는 유기적 과정에 가깝다는 것이다. 따라서 모델을 실제로 제약하는 것은 우리가 씌운 도구 환경과 프롬프트 방식이며, 이는 우리가 모델을 얼마나 이해하는지에 달려 있다. 예로, 일반 챗 모델은 'AW로 끝나는 포켓몬'을 못 맞히지만, 코드 실행 도구가 있는 클로드 코드는 전체 목록을 가져와 스크립트로 걸러 정답을 찾아낸다. 이렇게 도구를 통해 능력이 뾰족하게 확장되는 현상을 그는 '능력 과잉'이라 부른다.

발표자는 모델과 함께 자기 자신의 '제약'도 풀어야 한다고 말한다. 그는 '지도(map)는 영토(territory)가 아니다'라는 비유로, 머릿속 계획·프롬프트·명세가 지도라면 실제 코드베이스와 현실의 제약은 영토라고 설명한다. 클로드가 지도에 없는 무언가를 영토에서 만나면 그것이 '모르는 것(unknown)'이며, 페이블처럼 넓은 영역을 탐색하는 모델일수록 이런 미지의 지점을 미리 파악해 두어야 한다고 강조한다.

이를 위해 그는 '아는 것을 아는 것 / 모르는 것을 아는 것 / 아는 줄 모르는 것 / 아예 모르는 것'이라는 네 칸의 매트릭스로 문제를 바라본다. 그리고 페이블 자체를 활용해 미지의 지점을 찾는 여러 방법을 소개한다. 잘 모르는 영역을 훑어 함정을 짚어 달라는 '블라인드 스팟 패스', 서로 다른 디자인 시안 여러 개를 만들게 해 반응으로 취향을 확인하는 브레인스토밍, 모델이 사용자를 인터뷰하게 하기, 원하는 것을 코드나 목업 같은 '또 다른 지도'로 참조로 주기, 작업 중 벗어난 지점을 기록(구현 노트)하게 하기, 끝에 스스로 퀴즈를 내게 해 이해도를 점검하기 등이다.

마지막으로 그는 페이블 같은 모델을 처음 썼을 때 큰 이득과 동시에 상실감도 느꼈다고 고백한다. 손으로 코드를 짜던 즐거움은 그립지만, 몇 주 걸리던 일을 몇 시간에 끝내는 지금으로 돌아갈 수는 없다고 말한다. 그러면서 '트레이드오프는 없다'는 앤트로픽의 문화를 언급하며, 우선순위를 두고 타협하기보다 '전부 다 해보라'고 권한다. 다만 빌드가 쉬워져도 가치를 만드는 일은 여전히 어렵고, 여러 번 시도해 진짜 가치를 찾아내는 것이 핵심이라고 마무리한다.

주요 인사이트

• 모델이 '길러진다'는 관점을 받아들이면, 성능은 물리학처럼 규칙으로 딱 떨어지기보다 생물학처럼 경험과 직관으로 파악해야 하는 영역에 가깝다.
• 시스템 프롬프트의 모범이 바뀌고 있다. 과거에는 많은 예시로 모델을 제약했지만, 새 모델은 오히려 예시가 상상력을 가두므로 더 짧은 프롬프트에 '금지'보다 '맥락'을 주는 편이 낫다고 한다(발표자는 클로드 코드 시스템 프롬프트의 80%를 덜어냈다고 언급).
• 모델의 상호작용 방식도 진화했다. 질문을 던지는 도구는 오푸스 4에서는 겨우 작동했지만 이후 버전에서는 명세에 관해 수십 개 질문으로 사용자를 인터뷰하고, 질문을 담은 HTML 리포트까지 만들어 내는 수준으로 발전했다.
• '모르는 것'을 사용자가 직접 다 채우기보다 모델을 도구로 삼아 찾아내게 하는 것이 넓게 탐색하는 모델을 다루는 실용적 전략이다.
• 핵심은 '루프 안에 머무는 것'이다. 모델에 맡기되 이해하고 점검하며 함께 진행해야 원하는 결과에 도달한다는 것이 발표 전반의 메시지다.

자주 묻는 질문

관련 AI 소식