Jev와 Decitron은 둘 다 결정 AI지만 같은 게 아니다

생성형 AI가 '어떻게 답할까'를 풀었다면, 이제 관심은 '어떻게 선택할까'로 옮겨가고 있다. 그 한가운데에 두 이름이 있다. TypeSafe AI의 Jev와 Zhongke Wenge(中科闻歌)의 Decitron이다. 둘 다 스스로를 결정 AI라 부르지만, '결정'이라는 단어를 전혀 다른 방식으로 구현한다.

■ 무엇인가

Jev는 OpenAI 출신 인력이 모인 TypeSafe AI가 내놓은 제품이다. 이 팀은 생성과 추론 경쟁에 뛰어드는 대신 AI가 곧바로 판단을 내리게 하는 쪽을 택했다. 슬로건도 노골적이다. 'Decisions, not strings', 즉 텍스트가 아니라 결정을 내놓겠다는 것이다. Jev가 주목받으면서 'Decision'이라는 단어가 AI 업계의 화두로 다시 떠올랐다.

중국에는 그보다 먼저 같은 방향을 걸은 노선이 있었다. Zhongke Wenge는 올해 6월 범용 결정 대형모델 'Decitron 결정기'를 공개했다. 세계 모델, 다중 에이전트 시뮬레이션, 게임이론과 솔버를 하나의 결정 프레임워크로 묶는 시도다.

■ 구체적 내용 — 순간 판단과 미래 시뮬레이션

Jev는 결정을 '순간 판단'으로 만든다. 지금 A를 고를까 B를 고를까, 위험은 얼마나 큰가, 사람에게 넘길까, 다음 단계는 어느 흐름인가 같은 질문에 즉시 답한다. 출력은 문장이 아니라 Choice, Score, Probability다. 예컨대 Billing 96%, Fraud 3%, Other 1%처럼 소프트웨어가 그대로 분기 처리에 쓸 수 있는 값이다.

엔지니어링 관점에서 보면 전통적인 if/else를 AI 버전 if/else로 끌어올린 셈이다. 'A가 발생하면 B를 실행'이 'AI가 A의 확률을 80% 이상으로 판단하면 B를 실행'으로 바뀐다. 그래서 Jev의 목표는 빠르고, 저렴하고, 안정적이며, 소프트웨어에 바로 박히는 것이다. 주 사용처는 소프트웨어와 에이전트다.

Decitron은 결정을 미래에 대한 시뮬레이션으로 펼친다. 기업이 증산을 결정하면 경쟁사가 가격을 내릴까. 경쟁사가 가격을 내리면 시장 구도가 바뀔까. 정책과 원자재, 수요가 동시에 흔들리면 원래 선택이 여전히 유효할까. 현실에서는 선택이 세계를 바꾸고, 바뀐 세계에서 다른 주체가 다시 선택한다.

Decitron은 State → Action → Outcome, 즉 현재 세계의 상태, 각 주체의 행동, 행동 이후의 세계를 모델링하고 다음 라운드로 이어간다. 세계 모델이 모래판을 깔고, 다중 에이전트가 참여자를 배치하며, 게임이론과 솔버가 각 선택이 세계를 어디로 밀어낼지 계산한다. 겨냥하는 대상은 전략, 산업, 복잡계 의사결정이다.

■ 배경 — 같은 질문, 다른 불확실성

두 제품의 공통점은 AI 출력의 성격을 바꾸려 한다는 것이다. 콘텐츠를 생성하는 데서 한 걸음 더 나아가 판단과 행동을 뒷받침하게 만든다. Jev는 '지금 무엇을 고를까'를, Decitron은 '고른 뒤에 무슨 일이 벌어질까'를 해결한다.

차이는 다루는 불확실성의 종류다. Jev는 현재 판단의 불확실성을 확률로 정량화하고, Decitron은 여러 주체와 행동, 환경 변화 속에서 미래가 어떤 경로로 갈라지는지를 다룬다. 그러나 바탕에 깔린 생각은 같다. AI는 결론만 주면 안 되고, 그 결론이 얼마나 믿을 만한지도 함께 말해야 한다. 둘 다 결정을 독립적인 AI 계산 패러다임으로 만들려 한다.

■ 개발자에게 어떤 의미인가

Jev 쪽은 실무에 바로 닿는다. 분류, 위험 점수, 라우팅, 사람 에스컬레이션처럼 지연과 비용에 민감한 판단을 모델 호출로 대체할 수 있다. 프롬프트를 파싱해 if/else를 흉내 내던 코드를 확률 기반 분기로 바꾸는 그림이다.

Decitron 쪽은 한 번의 판단으로 끝나지 않는 문제를 겨냥한다. 시나리오별 결과 비교, 경쟁자 반응을 포함한 전략 검토 같은 작업이다. 두 접근은 경쟁이라기보다 층이 다르다. 에이전트의 일상 루프에는 Jev형 즉시 판단이, 장기 시나리오 비교에는 Decitron형 시뮬레이션이 필요하다.

■ 한계와 주의

확률 출력은 그 자체로 정답이 아니다. 임계값을 어디에 두느냐에 따라 시스템 행동이 달라지고, 모델이 내놓은 확률이 실제 빈도와 맞는지 검증해야 한다. 세계 모델과 다중 에이전트 시뮬레이션은 더 까다롭다. 결과가 모델의 가정에 강하게 의존하고, 가정이 틀리면 정교한 계산이 잘못된 확신을 만들어낸다.

두 제품 모두 '결정 AI'라는 이름을 달고 있지만, 검증 없이 그대로 신뢰할 수 있는 단계는 아니다. 생성 능력이 AI의 기본값이 되는 순간, 경쟁의 축은 '말을 잘하는가'에서 '세계가 변할 때 제대로 고르는가'로 이동한다. 다음 격전지는 답변 실력이 아니라 선택 실력일 수 있다.