AI 에이전트 →

피드백 루프Feedback Loop

피드백 루프(Feedback Loop)는 오답 노트 같은 것 — 결과에 대한 승인·반려·수정 기록을 다시 다음 작업의 기준으로 돌려넣어, 할수록 점점 나아지게 만드는 순환 구조예요.

피드백 루프는 학생의 오답 노트와 비슷해요. 시험을 보고 틀린 문제를 노트에 적어 두고 다음 시험 전에 다시 보면 같은 실수를 덜 하죠. AI도 결과물을 만들 때마다 사람이 '좋아요', '별로예요', '이렇게 고쳐요'라고 한 기록을 모아 다음 작업에 반영하면 점점 내 기준에 가까워져요.

강의에서는 유튜브 영상 자동 제작 과정에서 이 구조를 만들어요. 영상 기획이나 대본을 승인했는지, 반려했는지, 어떻게 고쳤는지를 기록으로 쌓고, 그 피드백을 두 가지로 나눠요. 이번 한 번만 적용할 일회성 피드백과 앞으로 계속 지켜야 할 지속 규칙이에요. 지속 규칙은 조회수 같은 성과 수치로 주기적으로 평가해서 효과가 있는 규칙만 남기고 나머지는 정리해요. 이렇게 하면 AI가 점점 내 판단을 닮아간다고 설명해요. 그래서 '피드백이 다음 작업에도 반영되게 하려면' 대화창에 말로만 남기지 말고 파일이나 DB에 기록으로 남겨야 해요.

초보가 흔히 하는 실수는 피드백을 모두 규칙으로 쌓아서 규칙끼리 부딪히게 만드는 거예요. 한 번의 취향인지, 계속 지킬 원칙인지 구분하는 게 중요해요. 또 규칙이 실제 성과를 좋게 했는지 확인하지 않으면 잘못된 습관이 굳어질 수 있어요. 루프 엔지니어링이 한 작업을 합격선까지 반복하는 것이라면, 피드백 루프는 여러 작업에 걸쳐 기준 자체를 키워 가는 구조예요.

💡 대표 예시

  • 영상 기획 — 승인·반려·수정 기록을 DB에 쌓아 다음 기획에 참고시킨다
  • 규칙 분리 — 이번만 적용할 수정과 계속 지킬 규칙을 따로 저장한다
  • 규칙 평가 — 조회수 수치로 지속 규칙을 점검해 효과 없는 규칙을 뺀다
  • 댓글 초안 — 내가 고친 문장을 모아 다음 초안의 말투 기준으로 쓴다
  • 주간 점검 — 한 주간 반려된 이유를 모아 공통 원인을 찾는다

🔗 관련 용어

에이전트 평가(Evaluation)

에이전트 평가(Agent Evaluation)는 채점표를 들고 하는 시험 채점 같은 것 — AI 에이전트의 결과물을 미리 정한 기준(루브릭)으로 점수화해 어떤 방법이 더 나은지 비교하는 과정이에요.

휴먼 인 더 루프(승인 단계)

휴먼 인 더 루프(Human-in-the-loop)는 신입 직원 보고서에 팀장이 결재 도장을 찍는 것 같은 것 — AI가 만든 결과물이나 행동을 실행 전에 사람이 확인하고 승인·수정·거절하는 단계를 넣는 방식이에요.

지식 베이스

지식 베이스 (Knowledge Base)는 AI 에이전트 (Agent)의 개인 도서관 같은 것 — 내가 미리 넣어 둔 자료·문서·규칙을 에이전트가 꺼내 읽고 답변에 활용한다.

루프 엔지니어링

루프 엔지니어링(Loop Engineering)은 합격선이 있는 반복 연습 같은 것 — AI에게 목표와 성공 조건을 주고 실행·검증·기록을 조건을 채울 때까지 되풀이시키는 작업 설계 방식이에요.

메모리

메모리 (Memory)는 AI 에이전트 (Agent)의 일기장 같은 것 — 오늘 나눈 대화, 내 작업 습관, 지난 프로젝트 내용을 기억해 두었다가 다음 대화에서도 이어서 활용하는 능력이다.

자가 학습 에이전트(자기 개선 에이전트)

자가 학습 에이전트(Self-improving Agent)는 오답 노트로 실력을 키우는 학생 같은 것 — 작업 결과와 사람의 피드백을 쌓아 두고 다음 작업을 스스로 더 낫게 바꾸는 AI 에이전트예요.

이 개념, 직접 적용해볼까요?

AI 에이전트를 직접 만들고 24시간 운영하는 법을 단계별 강의로 배워보세요.