결과를 기록하고, 평가하고, 다음 실행을 바꿔라.

AI에게 일을 한 번 잘 시키는 것과, 같은 일을 계속 잘하게 만드는 것은 다른 문제다. 프롬프트가 과업을 정의하고, 컨텍스트가 판단 환경을 만들고, 하네스가 행동의 범위를 통제하더라도 이전 실행의 결과가 다음 실행을 바꾸지 못한다면 AI는 잘못된 일을 올바른 절차로 계속 반복할 수 있다. 이 책은 바로 실행과 실행 사이에 비어 있던 설계 영역을 다룬다.

《AI 루프 엔지니어링》은 단순히 AI를 여러 번 실행하는 방법을 설명하는 책이 아니다. 이 책에서 반복은 같은 실행을 다시 일으키는 것이지만, 루프는 실행 결과를 관찰하고 검증하고 판정하여 다음 상태와 행동을 실제로 바꾸는 구조다. 결과가 다음 판단으로 되돌아가지 않는다면 아무리 자주 실행되어도 그것은 루프가 아니다.

이 책은 AI의 행동 결과를 관찰하고 검증하여, 그 결과에 따라 다음 상태·판단·행동·종료를 결정하는 피드백과 전이 규칙을 설계하는 방법을 다룬다. 목표 상태를 어떻게 정의할 것인지, 행동 이후 무엇을 관찰할 것인지, 결과를 누가 어떤 기준으로 검증할 것인지, RETRY·REVISE·REPLAN·ESCALATE·STOP과 같은 판정을 언제 사용할 것인지, 그리고 그 판정을 다음 상태로 어떻게 연결할 것인지를 단계적으로 설계한다. 루프 엔지니어링의 핵심은 결국 결과를 다음 행동으로 바꾸는 전이의 설계다.

또한 재시도와 재계획의 차이, 루프 상태, 중지와 사람에게의 이관, 서로 다른 속도로 움직이는 안쪽 루프와 바깥 루프, 무한 루프·목표 표류·거짓 완료·오류 누적과 같은 고유한 실패 유형까지 다룬다. 마지막에는 루프의 결과를 다시 루프 자체의 개선으로 돌려보내며, 프롬프트·컨텍스트·하네스와 함께 Task → Judgment → Action → Feedback으로 이어지는 AI 시스템 설계 체계를 완성한다.

AI를 오래 돌리는 법이 아니라, 실행의 결과가 다음 판단과 행동을 바꾸게 만드는 법.

평가와 피드백을 통해 한 번의 실행을 다음 실행의 개선으로 연결하는 AI 루프 설계의 원리와 실전을 한 권에 담았다.