Text-to-Config: 자연어 설정 시스템 구축 가이드

LLM에서 SLM으로, 복잡한 설정을 말로 끝내는 기술

엄경률 지음

콩콩컴퍼니 2025년 12월 24일 출간

작품소개

책소개

GUI의 종말과 에이전틱 인터페이스(Agentic Interface)의 탄생
“왜 기계를 쓰기 위해 인간이 기계어를 배워야 하는가?”
이 질문은 지난 30년간 세상을 지배해온 GUI(Graphic User Interface) 권력에 던지는 선전포고이자, AI Native 시대를 선점하려는 엔지니어와 비즈니스 리더를 위한 단 한 권의 기술 전략서입니다.
________________________________________
▣ 이 책의 핵심 메시지
우리는 화면에 더 많은 버튼과 입력창을 구겨 넣는 것이 ‘친절’이라 믿었던 설정의 감옥에 갇혀 있습니다. 하지만 거대 언어 모델(LLM)의 압도적 지능이 초소형 엣지 디바이스(SLM)와 강력한 NPU를 만나면서 기술의 패러다임은 완전히 뒤집혔습니다.
이제 사용자는 버튼을 찾지 않습니다. 그저 ‘말’할 뿐이며, 시스템은 사용자의 의도를 완벽히 수행하는 ‘자율적 대리인(Agent)’이 되어 스스로 움직입니다.
▣ 빛의 속도로 변하는 AI 시대, 흔들리지 않는 가이드
AI 기술은 매일같이 쏟아지는 논문과 모델들로 인해 눈을 뜨면 새로운 세상이 되어 있을 만큼 빠르게 발전하고 있습니다. 내일이면 또 다른 혁신적인 기술이 등장하겠지만, 인간의 언어를 시스템의 논리로 변환하는 본질은 변하지 않습니다. 이 책은 그 변화의 파도 속에서 길을 잃지 않도록, 현재 우리가 딛고 서야 할 가장 확실한 기술적 이정표와 미래의 가이드를 제공합니다.
________________________________________
▣ 왜 지금 ‘에이전틱 인터페이스’인가?
• 비즈니스 혁신: 매뉴얼이 필요 없는 제품은 CS 비용을 90% 이상 절감하고, 고객 경험(CX)을 압도적인 수준으로 끌어올립니다.
• 기술적 특이점: 클라우드를 거치지 않고 디바이스 끝단(Edge)에서 즉시 실행되는 Text-to-Config 기술의 실체를 다룹니다.
• 보이지 않는 인터페이스: 주차 정산기, 스마트 팩토리, 가전제품에서 화면이 사라지고 ‘지능’이 그 자리를 대신하는 미래의 표준을 설계합니다.
________________________________________
▣ 주요 내용 (Key Highlights)
• GUI의 몰락과 지능형 에이전트의 부상: 왜 기존의 UI/UX 디자인이 한계에 부딪혔으며, 다음은 무엇인가.
• LLM과 SLM, 그리고 NPU의 결합: 클라우드와 엣지를 넘나들며 최적의 성능을 끌어내는 엔지니어링의 정수.
• Text-to-Config 아키텍처: 사용자의 모호한 자연어를 정교한 시스템 명령어(JSON/Yaml)로 변환하는 논리적 무결성 설계법.
• 산업별 적용 사례: 스마트 홈부터 거대 물류 센터까지, 버튼 없는 시스템이 가져올 비즈니스 임팩트 분석.
• AI 시스템 아키텍트의 자세: 화면을 그리는 프론트엔드 시대를 넘어, 사고하는 로직을 설계하는 법.
________________________________________
▣ 추천사
“이 책은 단순히 기술을 설명하는 데 그치지 않습니다. 인간이 도구와 소통하는 방식 자체를 재정의하며, 비즈니스 리더들에게는 새로운 시장 점유 전략을, 엔지니어들에게는 살아남기 위한 무기를 쥐여줍니다.”
________________________________________
▣ 이 책을 반드시 읽어야 할 분
• 복잡한 설정 때문에 고통받는 사용자를 둔 서비스 기획자 및 디자이너
• LLM/SLM을 실제 하드웨어와 물리 세계에 적용하고 싶은 시스템 엔지니어
• 인공지능 도입을 통해 운영 효율과 비용 절감을 달성하려는 비즈니스 결정권자
• 다음 세대의 표준이 될 AI Native 아키텍처를 선점하고 싶은 모든 개발자
________________________________________
이제 버튼은 잊으십시오. 당신의 기술이 스스로 생각하게 하고, 비즈니스의 가치를 스스로 증명하게 하십시오.

목차

Prologue. 더 이상 버튼을 누르게 하지 마라

Part 1. 아키텍처 설계 (Architecture & Paradigm)
Chapter 1. Text-to-Configuration 패러다임
1.1 레거시 관리 시스템(Admin)의 UX 한계와 유지보수 비용
1.2 확률적 모델(LLM)과 결정론적 시스템(Rule Engine)의 하이브리드 설계
1.3 전체 시스템 아키텍처: Orchestrator, SLM, and Validator
Chapter 2. 스키마 주도 개발 (Schema-Driven Development)
2.1 자연어 처리의 목적지: Target JSON Schema 설계 및 정규화
2.2 Instructor와 Pydantic: LLM 출력을 Python 객체로 즉시 매핑하기
2.3 도메인 특화 언어(DSL) 정의: 주차 요금 정책의 구조화 패턴

Part 2. 데이터 엔지니어링 (Data Engineering)
Chapter 3. 합성 데이터(Synthetic Data) 전략
3.1 Model Distillation: 교사 모델(Teacher)로 학생 모델(Student) 가르치기
3.2 Evol-Instruct: 단순 명령을 복합 시나리오로 진화시키는 기술
3.3 엣지 케이스(Edge Case) 확보: 상충 조건 및 예외 처리 로직

Part 3. 모델 엔지니어링 (Model Engineering)
Chapter 4. SLM 선정 및 베이스라인 구축
4.1 엣지(Edge) 디바이스를 위한 최신 SLM 벤치마크 및 선정 기준
4.2 MoE (Mixture of Experts) 아키텍처의 이해와 활용
4.3 프롬프트 엔지니어링: System Prompt 최적화와 Few-Shot 테크닉
Chapter 5. 도메인 적응을 위한 미세 조정 (Fine-tuning)
5.1 효율적인 학습을 위한 PEFT와 DoRA(Weight-Decomposed LoRA)
5.2 Reasoning Traces 학습: CoT(Chain-of-Thought) 데이터셋 구축
5.3 Function Calling 및 Tool Use 능력 극대화

Part 4. 시스템 엔지니어링 및 검증 (System & Validation)
Chapter 6. 결정론적 추론과 제약 (Constrained Generation)
6.1 문법 제약(Grammar Constraint)을 통한 JSON 출력 강제 기술
6.2 XGrammar와 Outlines 라이브러리 심층 분석
6.3 재시도(Retry) 없는 시스템: 첫 번째 시도에 완벽한 결과 얻기
Chapter 7. 논리적 정합성 검증 (Logical Reasoning)
7.1 정책 충돌 감지(Conflict Detection) 알고리즘 구현
7.2 Reflection Pattern: AI의 자가 비평 및 수정 루프
7.3 시뮬레이션 엔진 연동: 영향도 분석(Impact Analysis)

Part 5. 배포 및 최적화 (Deployment & MLOps)
Chapter 8. 온디바이스 AI 최적화 (On-Device Optimization)
8.1 BitNet과 1.58-bit Quantization: 모델 압축의 혁명
8.2 하드웨어 가속: NPU와 TensorRT-LLM 활용
8.3 Speculative Decoding: 작은 모델로 큰 모델 가속하기
Chapter 9. 지속적인 개선 (Continuous Learning)
9.1 GraphRAG: 지식 그래프를 활용한 맥락 기반 검색
9.2 실시간 정책 업데이트 파이프라인
9.3 사용자 피드백 루프(Human-in-the-loop) 설계

Epilogue. 인터페이스가 사라진 세상에서 개발자로 산다는 것

인물정보

저자(글) 엄경률