챗봇에서 디지털 동료로: 지속적 자율 AI로의 패러다임 전환

초록

대규모 언어 모델(LLM)은 대화 생성기에서 추론, 행동, 기억 및 자기 개선이 가능한 통합 AI 시스템으로 근본적인 변환을 겪고 있다. 우리는 이러한 전환을 챗봇에서 디지털 동료로의 변화, 즉 대화형 응답에서 지속적 작업으로의 이행으로 개념화한다. 이 전환을 두 가지 밀접하게 연관된 차원을 따라 조직한다. 첫째, 인지적 핵심 수준에서 LLM은 다음 토큰 예측에 기반한 챗봇 시대의 '빠른 사고' 시스템에서, 추론 시간 계산, 사고 사슬 추론, 반성, 과정 감독 및 강화 학습을 활용하여 보다 신중하고 신뢰할 수 있는 인지를 지원하는 사고형 LLM으로 발전하고 있다. 둘째, 도구 증강 작업 실행 수준에서 LLM은 임시 방식으로 외부 자원을 호출하는 도구 호출 에이전트에서, 지속적 워크스페이스, 스킬, 검증 루프 및 거버넌스를 갖춘 오픈클로 방식의 워크스테이션 시스템으로 발전하고 있다. '워크스페이스 + 스킬' 패러다임은 상태 지속성, 재사용 가능 절차, 작업 종결 및 경험 재사용을 통해 일회성 도구 사용을 동료적 행위로 전환한다. 우리는 데이터 구축이 명령-응답 쌍에서 상태-행동-관찰 궤적으로, 평가가 정적 벤치마크에서 격리된 감사 가능한 자기 진화형 AI 생태계로 전환되는 과정을 검토한다.

English

Large Language Models (LLMs) are undergoing a fundamental transformation from conversational generators into integrated AI systems capable of reasoning, action, memory, and self-improvement. We conceptualize this transition as a shift from Chatbot to Digital Colleague: from conversational answers to persistent work. We organize this transition along two tightly coupled dimensions. First, at the cognitive core level, LLMs are advancing from Chatbot-era "fast thinking" systems driven by next-token prediction toward Thinking LLMs that leverage inference-time computation, Chain-of-Thought reasoning, reflection, process supervision, and reinforcement learning to support more deliberate and reliable cognition. Second, at the tool-augmented task execution level, LLMs are progressing from tool-calling Agents that invoke external resources in an ad hoc manner toward OpenClaw-style workstation systems (OpenClaw) equipped with persistent Workspaces, skills, verification loops, and governance. The "Workspace + Skill" paradigm makes episodic tool use colleague-like via state persistence, reusable procedures, task closure, and experience reuse. We examine data construction shifts from instruction-response pairs to State-Action-Observation trajectories and evaluation from static benchmarks to sandboxed, auditable, self-evolving AI ecosystems.