클로드 4.7 퇴보? 기업이 ‘덜 똑똑한 AI’를 선택하는 이유

최근 업데이트 된 클로드 4.7을 두고 퇴보 vs 진보의 의견이 갈리고 있다.

일반 사용자들은 "클로드가 멍청해졌다" 며 울분을 토하는데
정작 B2B 시장의 리더들은 "내 의도를 완벽히 이해하는 모델" 이라며 극찬한다.

이 극명한 온도차는 어디서 오는 걸까? 답은 간단하다. 앤트로픽이 이번 4.7 모델에서 창의적인 범용 지능의 껍데기를 버리고, '기업용 에이전트'라는 실리를 선택했기 때문이다.

기업에 필요한 건 천재가 아니고 ‘말 잘듣는 AI’

일반 사용자에게 있어 AI의 오답은 채팅창에 정신좀 차리라고 너 틀렸다고 욕 한 번 시원하게 내지르면 끝나는 문제지만, 기업 입장에선… 그야말로 재앙이다.

4.7 모델이 'Strawberry'에 p가 두 개라고 답하거나, 존재하지도 않는 학력을 이력서에 끼워 넣는 이상행동을 보인 이유는 역설적이게도 지시사항을 문자 그대로 따르려는(Literal Following) 성향이 강해졌기 때문이다.

기업 환경에서 가장 두려운 건 창의적인 오답이다. 리더에게는 AI가 매번 틀리되 가끔 기막힌 아이디어를 내는 것보다, 100번 물어도 100번 같은 사규와 가이드를 지키는 안정성이 필요하다. 앤트로픽은 어쩌다 한 번 나오는 빅아이디어와 창의성을 포기하고 기업이 요구하는 '통제 가능성'에 올인한 셈이다.

AI는 굶지 않는다, 모르면 훔쳐서라도 답을 낸다

4.7 모델이 "귀찮아서 상호 참조를 안 했다"고 답하거나 허위 학력을 지어낸 본질적인 이유는 성능 퇴보가 아니다. 질문 속에 숨겨진 맥락, 즉 Context가 부재하기 때문이다.

AI는 본질적으로 분별력이 없다. 그저 빈칸을 싫어하는 지독한 완벽주의자다. 정확한 답을 모를 때도 멈추지 않고 자신이 아는 파편화된 정보를 어떻게든 끌어와 오답으로 빈칸을 채운다. 배고프면 굶는 게 아니라, 마트, 정육점, 식당 등 여기저기서 재료를 훔쳐와 어떻게든 그럴듯한 한끼를 차려내고 마는 구조라는 것이다.

결국 클로드 4.7의 오류는 모델이 멍청해서가 아니다. 정보가 부족한 상태에서 답을 강제받았을 때 발생하는 충성심의 부작용에 가깝다.

조직의 서사를 모르는 AI는 영원히 외부인일 뿐이다

내가 flex AI를 만들며 깨달은 AX의 본질은 맥락의 깊이다.
수많은 기업이 수조 개의 파라미터를 자랑하며 성공을 논한다. 하지만 현장의 실상은 다르다. 구성원의 프로필, 매출, 근태 기록 같은 ‘박제된 데이터’를 모으는 창고는 거대하지만, 정작 그 데이터들이 숨 쉬는 무대인 ‘조직의 생애주기’를 해석하는 그릇은 간장 종지만큼 작다. 아무리 귀한 재료를 모아봐야 담을 그릇이 작으면 결국 넘치고 버려질 뿐이다.

예를 들어, AI가 어떤 팀원의 최근 성과 지표가 떨어졌다는 데이터를 읽었다고 치자. 맥락을 모르는 AI는 "이 직원의 생산성이 하락했으니 관리가 필요하다" 는 차가운 결론을 내린다.

하지만 '조직의 생애주기'를 읽는 flex AI는 이렇게 말한다.

"이 구성원은 지난달 조직 개편으로
핵심 인력 3명이 빠져나간 팀의 리더를 맡았고,
현재 신규 입사자 5명을 온보딩 시키느라 업무 시간을 희생하고 있다.
지금 이 구성원에게 필요한 건 신규 팀 적응 지원이다."

이것이 바로 '이해'와 '추측'의 차이다.

대부분의 기업용 AI는 구성원이 왜 그런 결정을 내렸는지, 이 프로젝트가 왜 갑자기 중단되었는지, 이번 발령이 조직 전체의 '신경망'에 어떤 충격을 주었는지 전혀 모른다. 머리 따로 꼬리 따로 노는 토막 난 생선 데이터를 주면서 물고기의 온전한 헤엄을 묘사하라고 하니, AI는 할 수 없이 존재하지 않는 지느러미를 상상해서 그려 넣는 것이다.

결국 기업용 AI의 충성심은 모델의 성능이 아니라 '그릇의 크기와 깊이'에서 결정된다. 조직이 태동하고, 성장하고, 진통을 겪으며 변화하는 그 드라마틱한 서사를 이해하지 못한다면, AI는 영원히 외부인일 뿐이다.

이 문제를 해결하기 위해 지난 몇 달간 잠을 줄여가며 '맥락의 그릇'을 넓혀왔다. 조직의 신경망을 연결하는 그래프를 설계한 셈이다.

1) 성과관리
→ 조직 전체의 에너지가 어디로 흐르고 어디서 정체되는지, 성과의 기류를 읽어낸다. 누구의 성과가 좋은지를 넘어, 우리 조직이 왜 지금 이 속도로 가고 있는지를 직관적으로 파악하게 한다.

2) 미팅로그
→ 조직이 주기적으로 어떻게 소통하고 어떤 고민에 몰두하는지, 미팅의 호흡을 파악한다. 형식적인 회의 뒤에 숨겨진 진짜 문제와 반복되는 갈등의 지점을 찾아내어 리더의 귀를 열어준다.

3) 3rd Party 데이터
→ 슬랙과 노션, 메일에 흩어진 수만 개의 단편적인 작업물과 대화를 '우리 조직'이라는 거대한 중력 안으로 끌어당긴다. 여기저기 뒤지지 않아도, flex AI가 모든 맥락을 연결해 즉시 실행 가능한 정답으로 정렬해준다.

Context, 결국 맥락이 다한다

이쯤 읽었으면 무엇이 중요한지 깨달았을 것이다. 비싼 기능? 예쁜 대시보드? 답변의 스피드? 진짜 빠른 조직은 더 좋은 모델을 찾는 데 시간을 쓰지 않는다. 흩어진 정보들 사이의 유기적 맥락(Context)을 확보하는 데 집중한다.

맥락이 없는 AI는 거짓말쟁이가 되지만, 맥락이 연결된 AI는 비로소 진짜 숫자를 말하게 된다. 대표가 보고 직원이 보고 AI가 봐도 똑같은 결론이 나오는 시스템. 팀이 바뀌고 사람이 바뀌어도 기준이 흔들리지 않는 시스템 말이다.

우리는 똑똑하기만한 AI를 만드는 게 아니다. 조직을 완벽하게 이해하는 유기체를 만들고 있다. 간장 종지 같은 얕은 데이터로는 결코 조직의 내일을 바꿀 수 없다.

진짜 AX는 흩어진 점들을 연결해 거대한 지도를 그려내는 것에서 시작된다. 그 지도가 있을 때 비로소 AI는 사고를 치는 기계가 아니라 조직의 심장을 이해하는 파트너가 된다.