작은 모델에 맡기기
예: 고객 설문 300건에서 회사명·불만 유형·날짜만 뽑기, 회의록에서 할 일 목록 추출하기.
“전사 기록에서 고객의 페인포인트만 표로 정리해줘.” → 고성능 모델이 아니어도 충분할 수 있습니다.
동네 가까운 곳에 갈 때는 작은 택시를 부르고, 공항까지 큰 짐을 옮길 때는 큰 차량을 부르는 것과 같습니다.
GPT‑5.6의 의미는 “무조건 더 똑똑한 모델을 쓴다”가 아니라, 업무 성격에 따라 모델·도구·에이전트 역할을 나누면 더 싸고 빠르면서도 결과는 좋아질 수 있다는 것입니다.
업무마다 필요한 AI의 ‘급’이 다릅니다. 단순 분류와 추출은 가벼운 모델, 최종 판단과 복합 분석은 강한 모델을 쓰는 식입니다.
예: 고객 설문 300건에서 회사명·불만 유형·날짜만 뽑기, 회의록에서 할 일 목록 추출하기.
예: 경영진 의사결정, 여러 자료의 상충 내용 비교, 컨설팅 우선순위와 실행 로드맵 제안.
모든 질문을 오래 고민하게 만들면 비용과 시간이 늘어납니다. GPT‑5.6은 낮은 추론 수준에서도 높은 성능을 내는 사례가 소개됐습니다.
100개의 문서를 날짜순으로 정렬하고 숫자를 합치는 일까지 AI가 머릿속으로 처리할 필요는 없습니다. 기계적으로 할 수 있는 일은 코드와 도구가 처리하고, AI는 판단에 집중하게 하는 방식입니다.
복잡한 일을 여러 에이전트에게 나눠 동시에 처리하고, 주 에이전트가 결과를 모아 최종 판단하는 방식입니다.
주 에이전트가 “팀장” 역할을 하고, 하위 에이전트가 각자 맡은 일을 수행합니다.
긴 업무 규칙이나 회사 배경을 반복해서 넣으면 낭비가 생깁니다. 이전 작업 맥락과 반복되는 프롬프트를 재사용하면 속도와 비용을 줄일 수 있습니다.
“우리 회사는 이런 회사이고, 대상 고객은 이렇고, 보고서 형식은…”을 요청마다 반복 입력.
회사 소개, 보고서 스타일, 금지사항, 출력 규칙을 공통 컨텍스트로 유지하고 요청마다 필요한 부분만 추가.