제주 AI 교육 도시를 건설하는 과정은 기본적으로, 우리(팀 주피터)가 일부 기관의 업무를 AI Agent에게 위임하는 방법과 절차를 시범적으로 개발하면, 그를 참조하여 오픈소스 공동체가 나머지 기관들과 나머지 업무들을 위임할 AI Agent들을 개발합니다.
AI 신도시는 정부와 산업 제분야를 자동화하는 수천 개 프로젝트들을 융합한 결과물입니다. 과거, 개발자가 직접 코드를 작성(coding)하던 시절을 상상하면, 이 정도 대규모 프로젝트를 수행하는 것은 비용과 시간, 투입 인력의 규모 면에서 거의 불가능하지만, 바야흐로 AI를 활용할 수 있는 시대입니다.
우리는 다종 다양한 수천 개 프로젝트를 관통하는 개발 방법론을 제시합니다. 먼저, 대형 LLM와 초소형 LLM을 각기 하나씩 준비합니다.
개발의 결과물은 Code가 아니라, Agent이며, 모든 Agent는 제각기 Fine-tuning된 초소형 LLM입니다. 가령, 글로벌 무인 은행을 개발한다고 가정하면, 지금까지는 개발자들이 은행 시스템의 얼개를 설계하고, 수많은 모듈들 각각의 코드를 작성한 뒤(coding), 각종 Test와 Beta 버전을 거쳐, 상용 서비스를 시작합니다. 그러나, 지금은 무인 은행으로 기능할 Agent를 생성합니다.
Agent를 만드는 과정은 소크라테스식 문답입니다. 즉, 우리가 선정한 하나의 소형 LLM이 우리가 원하는 기능을 수행할 Agent로 성장할 때까지, 대형 LLM과 지속적으로 대화하며, 해당 LLM을 교육(Fine-tuning)합니다.
지금까지 개발이란 용어는 코딩(Coding)을 의미했으며, 우리는 수많은 코드를 작성해 왔지만, 이제부터 우리가 주관하는 모든 코딩 프로젝트는 Agent 개발이며, 대개 단 한 줄의 코드도 작성하지 않습니다. 코드는 개발자가 아니라, LLM과 Agent가 작성합니다.
제주 AI 교육도시는 AI 신도시의 프로토타입이며, 사회와 산업 전 분야를 AI로 재조(再造, restructuring)한 새로운 문명입니다. 우리(팀 주피터)는 소수의 한국인 개발자 그룹이며, 우리는 그 모든 시스템을 개발할 역량도 시간도 자금도 없습니다. 그러므로, 우리가 사회 및 산업의 일부 분야를 시범적으로 재조(再造)하면, 그를 참조하여, 어느 한 컨소시엄이 사회와 산업의 어느 한 분야를 재조합니다. 그러므로, 우리는 제주 AI 교육도시를 구축에 참여할 수천 개의 컨소시엄을 구성하며, 어느 한 컨소시엄에 참여한 개인과 기관은 수천 개 컨소시엄이 개발한 모든 시스템을 공유합니다.
사람마다 자동화의 의미는 다양합니다. 우리(팀 주피터)가 말하는 "자동화"는 특정 업무를 수행할 Agent를 만드는 것입니다. 가령, 법원의 민원 업무를 자동화하는 것은 민원 담당자 역할을 수행할 Agent를 만드는 것이며, 그 법원 민원 Agent는 필요에 따라, 판사 보조 Agent, 검사 보조 Agent, 변호사 보조 Agent 등을 만들 수 있어야 합니다. 이상적으로는, 법원 민원 Agent가 판사 보조 Agent를 생성하듯, 세상의 모든 산업이나 직종에 대응하는 Agent를 만들 수 있는 창조 Agent를 만드는 것입니다. 그러나, 2025년 6월 현재의 기술 수준으로는 창조 Agent를 만들 수 없으며우며, 적어도 5년~10년 뒤에나 가능할 것이므로, 당장은 분야별 Agent를 우리 손으로 하나씩 만들어야 합니다.
그런데, 우리(팀 주피터)의 노력만으로 한국이라는 국가 전체의 민원 업무를 자동화하기란 쉽지 않을 뿐 아니라, 바람직하지도 않습니다. 우리는 정부의 민원 업무 뿐 아니라, 제반 산업의 일정 업무를 수행할 Agent를 만드는 과정에 누구나 참여할 수 있는 방법론을 제안합니다.
우리가 시범으로 금융 산업 Agent와 국가 무상 교육 Agent를 완성하고, 그 과정을 자세히 공개합니다. 금융 산업 Agent는 기존의 모든 은행, 보험, 증권사를 무인화하고, 국가 무상 교육 Agent는 유치원부터 대학원 박사 과정까지 모든 교육 서비스를 무상으로 제공합니다.
그 다음, 우리는 자동화할 대상(또는 분야)을 나열하고, 그 각각의 자동화 방안을 대략적으로 기술합니다. 가령, 의사 Agent들 중에서 피부과 전문의 Agent를 생성할 구체적 절차와 방법 등입니다.
그 다음, 자동화 대상 각각의 Agent 생성 작업에 참여할 각국의 대학, 연구소, 기업 및 정부 기관을 모집하는 것입니다. 그러한 노력의 하나로 Agent 개발과 활용에 관한 전국 순회 세미나를 진행하고 있습니다.
제주 AI 교육도시는 AI 신도시의 프로토타입이며, 수천 개 다국적 컨소시엄의 연합입니다. 국가 무상 교육 체제와 글로벌 화폐 & 금융 체제는 그러한 컨소시엄의 예시입니다.
팀 주피터의 개발자 1~3명이 신청 기관을 방문하여, AI 기술의 발전 동향과 활용 방안 등을 설명합니다.
우리는 수년 전부터 꽤나 다양한 오픈소스 코딩 프로젝트를 진행해 왔습니다. 가령, 전자동 글로벌 금융 인프라 등이며, 우리 손으로 직접 코드를 작성하였습니다. 그러나, 2025년 5월 현재, 세상은 많이 변했으며, 개발자가 직접 코드를 작성할 필요가 없거나, 예전에 비해 현저히 줄었습니다.
전통적 코딩 - 개발자가 C, Java, Python 등 다양한 프로그래밍 언어로 원하는 시스템을 작성(coding)합니다.
Agent 개발 - 일상적인 대화를 통해, 원하는 시스템의 코드를 작성하고, 원하는 업무를 수행할 Agent를 만듭니다.
전통적 코딩과 Agent 개발은 시스템을 개발하는 방법의 차이 뿐 아니라, 그 결과도 다릅니다.
전통적 코딩의 결과물 - 이런저런 코드로 작성된 시스템입니다. 가령, 온라인 은행을 코딩한다면, 그 결과는 Java나 C 언어 등으로 작성된 은행 시스템입니다.
Agent 개발의 결과물 - 특정 업무나 기능에 특화된(Fine-tuning)한 LLM입니다. 재차, 온라인 은행을 개발한다면, 그 결과는 은행 기능을 수행할 수 있는 LLM이며, 어떤 코드로 없습니다. 이러한 결과물을 AI Agent, Agentic LLm 또는 간단히 Agent라 부릅니다.
우리가 주관하는 모든 프로젝트의 결과물은 Code가 아니라, Agent입니다. 바야흐로, Agent 코딩의 시대입니다.
Agent 코딩은 LLM과 대화하듯 시스템을 구성해 나갑니다. 우리가 주로 사용하는 LLM은 DeepSeek R1 & Qwen3 오픈소스 모델입니다. 왜 오픈소스 모델을 이용하는지는 굳이 설명할 필요가 없을 것입니다. 특히, R1 1.6 billion model과 Qwen3 0.6 billion 모델을 이용하는데, 이 모델들은 크기가 작고, 적은 컴퓨터 자원으로 구동할 수 있기 때문입니다.
원하는 시스템을 완성하기까지, 나와 LLM 간의 주고받는 대화에서 내가 하는 말이 Prompt입니다. Prompt를 잘 쓰는 것은 Agent 코딩의 시작과 끝이라 할 수 있습니다. 대화는 스무고개와 비슷합니다.
가령, 금융 자동화 시스템을 구축하는 상황을 가정하여;
내가 원하는 금융 자동화 시스템이 구체적으로 어떤 것인지 LLM에게 자세히 알려줘야 합니다. 필요하다면, 파일을 제공하거나, 참고할 웹사이트를 알려줄 수도 있습니다. 가령, 내 질문은 "사람이 근무하지 않는 전자동 은행을 만들고 싶은데, 구체적으로 어떤 절차로 어떻게 진행할 지 말해주세요."일 수 있습니다.
LLM과의 대화를 통해, 내가 원하는 바에 대한 나 자산의 이해를 더욱 심화해 갈 수 있습니다.
LLM과 대화를 통해, 내가 원하는 시스템으로 한걸음씩 다가갑니다.
상용 LLM인 Claude4와 대화를 통해, 전자동 글로벌 무인 은행을 코딩하는 과정의 예시를 참고하십시오.
나의 첫 질문은 무인 은행을 코딩할 수 있는 지 물었고, Claude는 사람과 AI가 협업하는 하이브리드 타입을 제안하였으며, 샘플로 일부 코드를 Java 등으로 작성하였습니다.
나의 두번 째 질문은 Claude가 작성한 Java와 JavaScript 코드를 Python과 TypeScript 코드로 변환할 수 있는지 여부였고, Claude는 변환한 코드를 제출하였습니다.
나의 세번 째 질문은 Python 등을 Gleam 언어로 다시 작성할 수 있는지를 물었으며, Claude는 Gleam으로 작성된 코드를 제출하였습니다.
벌써 수개월 째 매일 몇 시간씩 LLM과 대화하고 있지만, 경력이 풍부한 개발자 두 세 명이 며칠 동안 코딩할 분량을 단 5분 만에 작성해 내는 점은 여전히 놀랍습니다.
정부 민원 업무 자동화 프로젝트와 산업 부문별 업무 자동화 프로젝트로 나뉩니다.
민원 처리 자동화 - 읍면동사무소부터 대법원까지 입법 사법 행정부의 민원 업무를 사람 대신 수행할 AI Agent를 개발합니다.
산업 자동화 - 1차 산업부터 3차 산업까지 표준산업분류표 상의 제 산업 부문별 자동화 체계를 구성합니다.
모든 프로젝트는 그 개요를 기술하고, 이어서 코드를 생성할 Prompt를 작성하며, 마지막으로 실제 구현(coding)된 시스템을 제시합니다.
개요 - 각 프로젝트의 목표를 자세히 기술합니다.
Prompt - 시스템을 구현하는 과정 혹은 LLM과의 대화 과정입니다.
시스템 - 완성된 시스템입니다.
Agent 코딩은 모두에게 낯설므로, 아래 두 프로젝트를 시범적으로 수행합니다.
화폐 & 금융 자동화 - 한국 은행의 발권 기능을 포함하여, 은행, 보험, 증권 및 감독 기관을 모두 무인화하여, 글로벌 화폐 및 무인 금융 산업 체제을 구축합니다.
교육 자동화 - 유치원부터 대학원 박사 과정까지 무상 교육 체계를 구축합니다.
중앙 정부 - 현재 정부조직은 크게 대통령, 국무총리, 그리고 기획재정부, 교육과학기술부, 외교통상부, 통일부, 법무부, 국방부, 행정안전부, 문화체육관광부, 농림수산식품부, 지식경제부, 보건복지부, 환경부, 노동부, 여성가족부, 국토해양부의 15부와 법제처·국가보훈처의 2처로 구성되어 있습니다. 그 각각의 민원 업무를 사람의 개입없이 처리할 시스템을 구성합니다.
자치 단체 - 도청, 시청 및 행정동 각각의 민원 업무를 자동화합니다.
공기업 - 중앙 정부와 자치 단체의 공기업 각각의 민원 업무를 자동화합니다.
정부 민원 업무 자동화 페이지를 참고하십시오.
표준산업분류표 상의 산업 부문 각각의 업무 프로세스를 자동화합니다. 산업별 업무 & 공정 자동화 페이지를 참고하십시오.