AI 도구의 출력물을 ‘인간화(humanising)’해 더 읽기 쉽게 만드는 방식이 작업 품질을 떨어뜨릴 수 있다는 주장이 나왔다.
개발 블로그 kuber.studio는 8월 10일 글에서, ‘I have ADHD’ 같은 스킬이나 ASD-STE100 단순 기술 영어 등 특정 문체 규칙을 지시하는 방식이 LLM이 일을 끝낸 뒤가 아니라 ‘작업 자체’에 포함돼 압축을 강제한다고 지적했다. 이어 이런 압축은 정보가 줄어드는 ‘손실(lossy)’이라고 설명했다.
글은 에이전트가 내부에서 수행한 작업 결과가 사람이 보기 좋게 바뀌면, 원래 버려진 내용이 눈에 띄지 않아 실패가 가려질 수 있다고도 했다. 특히 하위 에이전트가 버그를 조사해 요약을 만든 뒤 상위 에이전트가 그 요약을 다시 요약하는 구조에서, 예컨대 충돌하는 증거, 미해결 분기, 스택 트레이스, 불확실한 가정 같은 ‘거칠고 유용한 실패 양상’이 매끈한 문장으로 정리되며 숨겨질 수 있다고 밝혔다.
또한 작업 후 경계에서 사람이 소비할 형태로만 변환하는 게 바람직하다고 주장했다. 블로그는 데이터베이스나 컴파일러, API가 정보를 사람이 보기 쉬운 형식으로 저장·교환하지 않고 고정밀 표현을 유지한 뒤 변환하는 방식과 비교하며, LLM 툴링이 점점 그 반대로 가고 있다고 비판했다. 접근성이나 개인화를 반대하는 건 아니지만, 문장 수 3줄 답이나 ASD-STE100 같은 형식은 ‘마지막’에 적용해야 한다는 입장이다. 그러면서 에이전트가 상세 상태, 하위 에이전트 간 스키마·차이(diff)·정확한 오류·신뢰도·출처 같은 기계 친화적 상태를 유지하고, 그 결과만 최종 경계에서 압축하는 것이 낫다고 강조했다.