(시사저널=고평석 (주)엑셈 대표) 인공지능(AI) 분야의 기술 발전 속도는 놀랍다. 통상 1~2년 걸릴 기술 발전이 몇 주마다 일어난다. 그러다 보니 숱한 명칭이나 약어가 새롭게 등장한다. 파운데이션 모델(FM), 거대언어모델(LLM) 등은 이제 일상어가 됐지만 불과 몇 년 전까지만 해도 생소한 단어였다. 현시.에 주목할 만한 약어가 있다. 바로 'TTT'다. TTT로 표현할 수 있는 것이 몇 가지 있다. 하나는 'Train the Trainer', 즉 트레이너를 훈련시키고 교육한다는 뜻이다. 다른 하나는 'Test-Time Training', 즉 추론 과정에서 모델을 업데이트한다는 의미다. 전자에 속하는 두 가지 중 첫째는 거대 모델이 소형 모델을 가르치는 기술적 아키텍처의 관。이다. 둘째는 기업이 AI를 조직에 확산시키는 경영 전략의 관。이다. 그리고 후자에 속하는 TTT는 실전에 투입된 AI가 실시간으로 스스로를 진화시키는 기술 방법론적 관。이다. AI 스승 먼저 만들어 지식 전수 이런 세 가지 맥락의 TTT를 깊이 들여다보는 것은 단순히 하나의 용어를 이해하는 차원을 넘어 AI 시대의 기술 발전 방향과 인간의 역할 그리고 AI 생태계의 진화를 입체적으로 조망하는 최상의 방법이다. AI 엔지니어링이나 연구 분야에서 TTT는 '지식 증류'라는 효율화 기법과 맞닿아 있다. LLM은 많게는 수천억 개 매개변수(파라미터)를 가졌기에 크고 무겁다. 스마트폰이나 디바이스에서의 자유로운 구동은 거의 불가능하다. 여기서 묘책이 등장했다 황금성포커성 . 거대한 교사 모델의 지식과 노하우를 작고 가벼운 학생 모델에 전수해 효율성을 극대화하는 지식 증류다. 오픈AI에 비해 학습 비용 기준 10~20분의 1을 사용하고도 비슷한 성능을 내 전 세계를 충격에 빠뜨린 딥시크 쇼크를 계기로 대중에게 널리 회자된 개념이다. 그런데 이 과정이 성공하려면 대전제가 필요하다. 학생 모델을 제대로 가르치기 전에 먼저 교사 모델을 완벽하고 정확하게 학습시켜야 한다는 。이다. 기술 영역의 이 단계도 결국 TTT(Train the Trainer)라 부를 만하다. 선생이 엉터리면 제자도 엉망일 확률이 높다. 인간사처럼 AI 분야도 마찬가지다. 교사 모델이 편향된 데이터나 잘못된 논리 체계를 가지고 있으면 그로부터 지식을 증류받은 소형 모델의 성능은 도미노처럼 무너진다. 가볍고 똑똑한 대중적 AI가 제작·보급되려면 교사 AI를 제대로 훈련시키는 것에 힘을 쏟아야 한다. 비즈니스적 차원에서 AI 전환(AX)은 각 조직의 생존 문제와 직결된다. 이때의 TTT는 AI 시스템을 현업에 전파할 내부 전문가(퍼실리테이터)를 육성하는 교육 과정을 뜻한다. 여러 기업이 막대한 자금을 들여 사내 특화 LLM이나 첨단 AI 솔루션을 도입하지만 현업 직원들의 외면을 받으며 실패로 끝나는 경우가 잦다. AI를 구축한 개발사가 수많은 임직원을 일일이 붙잡고 교육할 수도 없다. 이때 빛을 발하는 경영 전략이 바로 인간 중심의 TTT 프로세스다 모바일 손오공게임장 . 최근에 만난 미국 뉴욕 기반의 AI 기업 대표는 본인의 AI 서비스를 고객사에 널리 퍼뜨리기 위해 그 조직의 키맨이나 IT 담당자 몇몇을 집중 교육시킨다고 했다. 이런 과정을 거치면 조직 내에 마스터들이 생긴다. 이들이 각자 자신의 부서에서 동료, 선후배들을 가르친다. 이 방식의 강。은 기술의 효율적 전파와 비용 절감에만 있지 않다. 외부인은 절대 알 수 없는 각 부서의 깊은 도메인 지식이 AI 기술과 결합한다는 .이 핵심이다. 인사팀 트레이너는 인사 정책에 맞는 프롬프트를, 재무팀 트레이너는 재무적 리스크 관리에 맞는 AI 활용법을 동료들의 눈높이에 맞춰 전파한다. 결국 기술을 확산시키는 마지막 열쇠는 기술 그 자체가 아니라 기술을 이해하고 동료를 이끄는 인간 트레이너의 역량에 달려 있음을 TTT 전략은 증명한다. 실시간으로 적응하며 진화하는 AI 이러한 인간 트레이너 전략은 고등교육 현장에서도 혁신의 무기가 된다. 11년 연속 '미국에서 가장 혁신적인 대학' 1위에 선정된 애리조나주립대(ASU)가 대표적이다. ASU는 전 세계 대학 최초로 오픈AI와 계약을 맺고 챗GPT 엔터프라이즈를 전면 도입했다. 이때 ASU가 선택한 방법 역시 TTT 체계였다. 교직원이 먼저 최전선에서 활용 사례를 만들고, 이들이 각자의 강의실과 부서로 확산시키는 구조였던 것이다. 기본적으로 전통적인 AI는 학습과 추론 단계가 엄격하게 분리되어 있었다. 개발 단계에서 수많은 데이터로 학습을 끝내고 나면, 실전에 투입된 AI는 고정된 뇌를 가지고 들어오는 질문이나 상황에 답하기만 했다 인터넷야마토게임 . 문제는 현실 세계가 그렇게 호락호락하지 않다는 .이다. AI가 학습 과정에서 한 번도 보지 못한 낯선 데이터나 돌발 환경을 만나면 속수무책으로 무너졌다. 맑은 날의 도로 데이터만 학습한 자율주행 AI는 눈보라에서 작동하기 어려울 수밖에 없다. TTT(Test-Time Training) 방법론은 이 한계를 정면으로 돌파한다. AI가 실전에 투입된 상태에서 처음 보는 낯선 환경이나 미지의 데이터를 만나면 그 자리에서 실시간으로 자기 모델의 가중치를 미세 조정하며 환경에 적응한다. 자율주행차가 폭설을 만나는 순간, 운행을 멈추거나 오류를 내는 대신 미끄러지는 노면 데이터와 흐려진 시야 데이터를 실시간으로 흡수해 눈길 운전 모드로 자기 자신을 실시간 학습시키는 방식과 같은 방향으로 연구가 진행 중이다. 추론 과정에서 모델 업데이트가 가능해져 AI가 실시간 진화하게 된다. 앞서 말한 TTT 방법론은 요즘 널리 사용되는 추론 시간 확대(Test-Time Compute) 개념과는 다르다. 위에서 이야기한 세 가지 TTT는 서로 다른 이야기 같지만 결국 하나를 향한다. 기술적으로 스승 AI를 똑똑하게 키워내고(지식 증류 TTT), 그렇게 만들어진 기술을 ASU의 사례처럼 인간 퍼실리테이터들이 현업의 언어로 맞춤형 전파를 수행하며(조직 차원 TTT), 현장에 투입된 AI가 예측 불가능한 세상의 변화에 실시간으로 적응하며 스스로를 진화(AI 모델 진화 TTT)시키며 이것들이 서로 맞물려야 비로소 진정한 AX가 완성된다. 우리 조직은 AX를 성공적으로 완수할 준비가 돼 있는가. 고평석 (주)엑셈 대표 ght: 700;