AI에는 더 많은 주의가 아니라 더 나은 작업 공간이 필요하다

AI 팀은 더 나은 작업에는 더 많은 것이 필요하다고 생각하기 쉽다. 더 많은 컨텍스트, 더 많은 도구, 더 많은 메모리, 더 많은 agent 루프, 더 많은 주의가 필요하다는 식이다. 이런 직관은 이해할 만하다. 모델이 수백만 token을 읽고, 수십 개의 서비스에 연결되고, 계속 생성할 수 있다면 더 유능해질 것처럼 보이기 때문이다.

하지만 용량은 집중과 같지 않다.

더 큰 컨텍스트 창은 AI 시스템이 볼 수 있는 범위를 넓힌다. 그러나 지금 무엇이 중요한지, 어떤 도구를 안전하게 사용할 수 있는지, 어떤 파일을 바꿔야 하는지, 작업이 어떤 상태인지, 무엇을 완료로 볼지까지 자동으로 결정해 주지는 않는다. 장기 작업에서 병목은 종종 원시적인 주의력이 아니라 작업 공간 설계다.

그래서 Anthropic이 2026년에 발표한 Jacobian Lens와 J-space 연구는 해석가능성을 넘어 유용하다. 이 논문은 언어 모델 안에 언어화 가능한 내부 표현들의 선택적 집합이 있으며, 그것이 기능적 글로벌 워크스페이스처럼 작동한다고 설명한다. 정보는 모든 것이 한꺼번에 노출될 때가 아니라, 적절한 공유 작업 공간에 들어갈 때 보고, 추론, 유연한 제어에 더 유용해진다.

MCPlato wands는 같은 제품 설계 교훈을 워크플로 계층에 적용한다. wand는 모델 내부의 J-space라고 주장하지 않는다. 그것은 모델과 사용자 바깥에 있는 외부 작업 공간이다. 한 번에 하나의 단계, 하나의 산출물, 하나의 제한된 도구 표면, 하나의 쓰기 경계, 하나의 보이는 상태, 하나의 게이트에 집중한다.

결과는 단순한 전환이다. AI에게 더 많은 주의를 요구하기보다, 더 나은 작업 장소를 제공하는 것이다.

J-lens와 J-space가 발견한 것

Anthropic의 논문 "Verbalizable Representations Form a Global Workspace in Language Models"는 Jacobian Lens, 즉 J-lens를 소개한다. 이는 언어로 보고될 가능성이 있는 모델 내부 표현을 연구하는 방법이다. 쉽게 말해 J-lens는 “모델이 다음에 어떤 token을 말할까?”만 묻지 않는다. 어떤 내부 개념이 이미 모델이 말로 꺼낼 수 있는 상태에 있는지를 묻는다.

논문은 이러한 표현을 J-space라고 부른다. 중요한 발견은 모델 내부의 모든 활성화가 똑같이 중요하다는 것이 아니다. 더 작은 언어화 가능한 표현 집합이 작업 공간과 유사한 성질을 보인다는 점이다.

• 보고 가능성: 모델은 활성화된 개념을 말로 표현할 수 있다.
• 지시된 조절: 지시는 특정 개념을 작업 공간으로 밀어 넣을 수 있다.
• 내부 추론: 다단계 추론 중간 변수가 그곳에 나타날 수 있다.
• 유연한 일반화: 하나의 표현이 여러 계산에서 재사용될 수 있다.
• 선택성: 모든 것이 작업 공간에 들어가지는 않는다.

마지막 지점이 워크플로 설계에 가장 중요하다. J-space가 유용한 이유는 바로 선택적이기 때문이다. 작업 공간은 모든 신호를 버려 넣는 곳이 아니다. 지금 관련 있는 정보를 제어에 사용할 수 있게 만드는 장소다.

선택된 AI 표현이 공유 작업 공간으로 들어가는 모습

여기서 J-space는 기능적 은유로 유용하다. 선택된 표현은 보고와 제어에 사용할 수 있게 되고, 대부분의 신호는 활성 작업 공간 밖에 남는다.

이 연구는 Global Workspace Theory와 Global Neuronal Workspace 연구의 언어도 빌려온다. Dehaene와 Naccache의 의식 접근 연구도 그 배경에 있다. 다만 이 연결은 조심스럽게 다뤄야 한다. 기능적 작업 공간의 비유가 주관적 경험의 증거는 아니다. 실제로 더 유용한 결론은 좁다. 복잡한 추론은 관련 정보가 공유되고 제어 가능한 작업 공간으로 선택될 때 도움을 받는다는 것이다.

제품 설계의 교훈: 노출보다 선택

같은 문제는 일상적인 AI 작업에서도 나타난다.

채팅 스레드가 길어지면 모델은 관련 사실을 컨텍스트 안에 여전히 가지고 있을 수 있다. 그러나 사용자와 모델 모두 현재 목표를 잃을 수 있다. agent가 많은 도구를 호출할 수 있으면 시스템은 강력해지지만 행동 공간도 커진다. 모델이 전체 저장소를 편집할 수 있으면 더 많이 도울 수 있지만 잘못된 표면을 건드릴 수도 있다. 완료 기준이 암시적이면 작업이 실제로 준비되기 전에 모델이 다음 단계로 넘어갈 수 있다.

더 많은 노출은 더 많은 조정 비용을 만들 수 있다.

좋은 AI 워크플로는 몇 가지 질문에 답해야 한다.

• 현재 목표는 무엇인가?
• 어떤 정보가 활성 작업 공간에 속하는가?
• 지금 유효한 도구는 무엇인가?
• 어떤 파일이나 리소스를 안전하게 수정할 수 있는가?
• 지속 상태는 어디에 저장되는가?
• 사용자는 진행 상황을 어떻게 확인할 수 있는가?
• 주의를 다음 단계로 옮기기 전에 어떤 게이트를 통과해야 하는가?

여기서 wands가 등장한다.

MCPlato wand란 무엇인가

MCPlato wand는 패키징된 AI 워크플로 객체다. AI 작업을 단일 채팅 흐름으로 취급하는 대신, wand는 작업을 구조를 가진 지속 가능한 산출물로 바꾼다.

wand는 단계, 제한된 도구, 리소스 경계, 지속 상태, 런타임 뷰, 내보낼 수 있는 출력, 완료 게이트를 정의할 수 있다. 사용자와 AI는 단순히 메시지를 주고받는 것이 아니다. 같은 객체를 만들고 검사한다.

유용한 구분은 다음과 같다.

prompt는 AI에게 어떻게 행동할지 가르친다. wand는 AI와 사용자에게 함께 만들 공유 작업 공간을 제공한다.

이 점에서 wands는 일반적인 prompt-only 워크플로와 다르다. prompt는 “먼저 조사하고, 그다음 개요를 쓰고, 초안을 작성한 뒤 QA하라”고 말할 수 있다. wand는 이 단계들을 서로 다른 지시, 서로 다른 보이는 도구, 서로 다른 쓰기 가능 리소스, 서로 다른 게이트를 가진 단계로 만들 수 있다.

가벼운 브레인스토밍에는 이런 구조가 불필요할 수 있다. 하지만 상태, 파일, 검증, 최종 패키지가 필요한 다단계 작업에서는 그 구조 자체가 핵심 가치가 된다.

wands가 주의를 집중시키는 방식

J-space가 유용한 추론은 선택적 작업 공간에 무엇이 들어가는가에 달려 있음을 시사한다면, wands는 같은 아이디어를 모델 바깥으로 가져온다. wands는 주의를 두고 경쟁하는 것들의 수를 줄인다.

wand 단계는 말한다. 지금 할 일은 이것이다. 활성 지시는 그 단계에서 중요한 것을 설명한다. 도구 표면은 가능한 행동을 좁힌다. 쓰기 경계는 리소스 표면을 좁힌다. 상태 객체는 워크플로가 어디에 있는지 기록한다. 런타임 뷰는 산출물을 보이게 한다. 게이트는 주의가 앞으로 이동해도 되는지 결정한다.

wand 워크플로가 단계, 제한된 도구, 리소스, 상태, 게이트로 AI 작업을 좁히는 모습

wand는 활성 작업 공간을 줄인다. 현재 단계가 목표, 도구, 파일, 상태, 완료 기준을 정의한다.

이것이 모델을 마법처럼 더 똑똑하게 만들지는 않는다. 작업의 탐색 비용을 낮춘다. 같은 모델은 컨텍스트를 다시 찾고, 너무 많은 도구 중에서 고르고, 실수로 파일을 수정하지 않도록 조심하고, 대화 기록에서 상태를 재구성하는 데 쓰는 노력을 줄일 수 있다. 더 많은 용량이 산출물 자체로 향할 수 있다.

실제 예: 아티클 팩토리를 작업 공간으로 만들기

긴 글 작성 워크플로를 생각해 보자.

일반 채팅에서는 사용자가 조사, 주제 옵션, 개요, 초안, 이미지, 번역, QA, 패키징, 게시 메모를 차례로 요청할 수 있다. 이것도 작동할 수 있지만 상태는 대부분 대화 안에 있다. 사용자와 모델은 이미 무엇이 끝났고 다음에 무엇을 해야 하는지 계속 기억해야 한다.

wand에서는 같은 과정이 구조화된 작업 공간이 될 수 있다.

1. Intake가 brief를 기록한다.
2. Research가 소스 파일을 만든다.
3. Secondary research가 사용자 pain point와 SEO 기회를 정리한다.
4. Topic selection이 선택된 제목과 slug를 기록한다.
5. Planning이 구조, 인용, 비주얼, 현지화 규칙을 정의한다.
6. Drafting이 영어 원문을 작성한다.
7. Asset production이 커버와 본문 이미지를 만든다.
8. Translation이 모든 locale에서 같은 slug와 이미지 경로를 보존한다.
9. QA가 출처, frontmatter, 이미지, 현지화, 패키지 구조를 확인한다.
10. Packaging과 status reporting이 재사용 가능한 결과물을 만든다.

중요한 것은 모든 워크플로가 정확히 이런 단계를 가져야 한다는 점이 아니다. 중요한 것은 각 단계에 작업 공간 경계가 있다는 점이다. 모델은 전체 프로젝트를 한 번에 해결할 필요가 없다. 현재 단계를 충족하고 게이트를 통과하면 된다.

이것이 주의 설계다.

다른 접근이 여전히 유리한 곳, wands가 더 잘 맞는 곳

wands는 모든 AI 인터페이스의 보편적 대체물이 아니다. 그것은 지속 가능하고, 검사 가능하며, 다단계인 작업이라는 특정 문제에 대한 답이다.

빠른 채팅, 긴 컨텍스트, 도구 agent, 워크플로 자동화, 지속 가능한 wand 작업 공간을 비교하는 의사결정 지도

상황마다 이기는 접근은 다르다. wands는 지속 가능한 산출물, 보이는 상태, 제한된 도구, 검증 게이트가 필요한 작업에 가장 잘 맞는다.

빠른 답변만 필요하다면 채팅으로 충분한 경우가 많다. 맞춤형 저수준 자동화 엔진이 필요하다면 agent 프레임워크가 올바른 계층일 수 있다. 예측 가능한 비즈니스 라우팅이 필요하다면 시각적 워크플로 빌더가 강력한 선택일 수 있다.

MCPlato wands는 작업이 하나의 객체가 되어야 할 때 가장 강하다. 보고서, 덱, 아티클 패키지, 분석, 앱 산출물, 미디어 자산, 또는 단계, 검증, 검사가 가치를 더하는 다른 결과물이다.

J-space가 증명하지 않는 것, wands가 주장하지 않는 것

J-space 연구는 흥미롭지만 과도하게 해석해서는 안 된다.

이 연구는 언어 모델이 주관적 의식을 가진다는 것을 증명하지 않는다. 해석가능성이 모델의 마음을 완전히 읽을 수 있다는 뜻도 아니다. 모든 내부 상태가 투명해진다는 뜻도 아니다. VentureBeat, The Decoder, CIO 같은 매체의 보도는 왜 이 연구가 주목받았는지 보여 주지만, 가장 안전한 해석은 기능적이다. 일부 표현이 선택적 작업 공간 안에서 보고와 제어에 사용할 수 있게 되는 것처럼 보인다는 것이다.

wands도 같은 절제된 방식으로 설명해야 한다.

wand는 AI에게 의식을 주지 않는다. 모델의 마음을 읽지 않는다. 완벽한 추론을 보장하지 않는다. 별도 측정 없이 wands가 token, 시간, 주의를 특정 비율만큼 절약한다고 주장해서도 안 된다.

주장은 더 단순하다. wands는 AI 작업에서 피할 수 있는 모호성을 줄인다. 활성 목표, 도구, 리소스 표면, 상태, 산출물 뷰, 완료 게이트를 정의한다. 그래서 사용자와 모델 모두 작업 공간을 더 쉽게 관리할 수 있다.

더 큰 창이 아니라 더 나은 작업 공간

다음 세대의 AI 워크플로는 더 큰 컨텍스트 창이나 더 오래 실행되는 agents만으로 정의되지 않을 것이다. 그런 능력은 중요하지만, 그것만으로 선택 문제를 해결하지는 못한다.

AI 시스템에는 지금 무엇이 초점에 들어가야 하는지 결정하는 작업 공간이 필요하다.

그것이 J-space가 모델 내부에서 새롭게 보여 주는 교훈이며, wands가 모델 외부에서 적용하는 교훈이다. 더 나은 AI 작업은 활성 표면을 줄이는 데서 나온다. 관련 없는 도구를 줄이고, 모호한 파일을 줄이며, 상태를 더 명확하게 하고, 산출물을 보이게 하며, 시스템이 언제 안전하게 앞으로 나아갈 수 있는지 알려 주는 게이트를 두는 것이다.

AI에는 단지 더 많은 주의가 필요한 것이 아니다. 더 나은 작업 공간이 필요하다.

FAQ

언어 모델에서 J-space란 무엇인가요?

J-space는 Anthropic이 언어 모델 내부에서 선택적 작업 공간처럼 작동하는 것으로 보이는 언어화 가능한 내부 표현 집합에 붙인 이름이다. 이 연구는 이러한 표현이 보고, 지시 기반 조절, 중간 추론, 유연한 재사용, 선택성을 지원할 수 있음을 시사한다.

J-space는 AI 의식을 증명하나요?

아니다. 여기서 J-space는 주관적 경험의 증거가 아니라 기능적 작업 공간에 관한 발견으로 다루는 것이 좋다. 그것은 표현, 보고 가능성, 제어를 이해하는 데 도움이 되지만, 모델이 인간과 같은 의식을 가진다는 증거는 아니다.

MCPlato wand란 무엇인가요?

MCPlato wand는 단계, 제한된 도구, 리소스 경계, 지속 상태, 런타임 뷰, 출력, 게이트를 가진 패키징된 AI 워크플로 객체다. 느슨한 채팅 스레드를 지속 가능하고 검사 가능한 작업 공간으로 바꾼다.

wands는 AI agents가 집중을 유지하도록 어떻게 돕나요?

wands는 활성 작업 표면을 줄인다. 단계는 현재 목표를 정의하고, 보이는 도구는 행동 공간을 정의하며, 쓰기 경계는 작업이 일어날 수 있는 위치를 정의하고, 상태는 진행 상황을 기록하며, 게이트는 워크플로가 언제 앞으로 나아갈 수 있는지 정의한다.

참고 자료

• Anthropic / Transformer Circuits: "Verbalizable Representations Form a Global Workspace in Language Models"
• Stanislas Dehaene and Lionel Naccache: "Towards a cognitive neuroscience of consciousness: basic evidence and a workspace framework"
• Global Neuronal Workspace review: "Conscious Processing and the Global Neuronal Workspace Hypothesis"
• Anthropic: "Auditing Hidden Objectives"
• Anthropic: "Agentic Misalignment"
• VentureBeat: "Anthropic's new J-lens reveals a silent workspace inside Claude that mirrors a leading theory of consciousness"
• The Decoder: "Claude's hidden inner monologue is now readable thanks to Anthropic's new Jacobian Lens"
• CIO: "Anthropic shines a light into the Claude AI black hole"