2026년 8월, 래블업은 퓨리오사에이아이와 함께 JunctionX Korea 해커톤에 발제사로 참여했습니다. Junction은 핀란드 알토대학교의 학생 창업 커뮤니티 Aaltoes(Aalto Entrepreneurship Society)에서 2015년에 만든 유럽 최대 규모의 기술 해커톤입니다. Aaltoes는 세계 최대 스타트업 컨퍼런스 중 하나인 Slush를 탄생시킨 곳이기도 한데, 같은 토양에서 나온 Junction 역시 스타트업 생태계와 밀접하게 연관되어 있습니다.

이전부터 래블업은 Junction의 아시아/한국 행사 참여 제안을 받아왔지만, 일정상 참여가 쉽지 않았습니다. 그런데 올해는 사정이 좀 달랐습니다. 이번 JunctionX Korea 행사의 개최지가 포항 포스텍으로 결정이 되었고, 래블업 리더십 중 포항에서 대학이나 대학원 시절을 보낸 분들이 많아 지역적으로 의미가 있었거든요. 저 개인적으로도 비영리단체 SHIFT에서 Junction을 운영하던 시절 HR Head로 이벤트 오거나이징을 맡았던 경험이 있어서, 정션이라는 행사에 조금이나마 애착이 있었습니다. 결국 올해는 겹치는 행사가 다수 있었음에도 좀 무리해서라도 가보자는 마음으로 참여를 결정했습니다. 때마침 Junction 주최측에서 퓨리오사에이아이가 함께 발제할 회사를 찾고 있다는 소식이 들려왔고, 최근 래블업과 퓨리오사에이아이는 RNGD 환경에서 Backend.AI 검증을 마치고 공동 백서를 발행한 터라, 망설일 이유가 없었습니다. 그렇게 두 회사가 발제사로 함께하기로 결정했습니다.

참여를 결정한 이상 제대로 해보자는 분위기가 만들어졌고, 결국 대표와 CTO, 연구소장까지 총출동한 다소 호화로운(?) 군단을 꾸려 포항으로 내려가게 되었습니다.

그런데, 발제는 어쩌지?

호기롭게 행사 참여를 결정하긴 했는데, 주제 발제부터 문제였습니다. Junction은 기본적으로 팀 단위 해커톤이고, 참가자들이 기획, 개발, 디자인이라는 명확한 역할을 갖고 4인 1팀으로 참여하는 구조입니다. AI 시대에 이런 역할 구분이 예전만큼 뚜렷하지 않다고 해도, 발제 주제가 각자의 전문성을 살릴 수 있는 주제여야 한다는 사실은 변하지 않습니다.

래블업과 퓨리오사에이아이 모두 기업이 해결하려는 문제의 도메인이 깊고, 대중적이지 않으며, 결정적으로 B2B를 주력 사업으로 하고 있습니다. 기업이 안고 있는 문제를 참가자들과 해결하기 위한 기획은 이런 종류의 해커톤에서 동작하지 않고, 그렇다고 막연한 대의를 잡기에도 애매했습니다. 한참을 고민하다가 AI 시장의 시류에 초점을 맞춰 접근 방식을 바꿔보기로 했습니다.

최근 AI 토큰을 소비하는 주체는 사람에서 에이전트로 옮겨가고 있고, 이러한 에이전트들은 토큰을 '정말 많이' 사용합니다. 2026년 2월 기준으로 이미 사람이 쓰는 토큰량을 에이전트가 추월했으며, 현재는 인간 사용량의 5배를 넘어가고 있고, 이 수치는 계속해서 증가하고 있습니다. 소모되는 토큰은 그대로 비용으로 연결되기 때문에 AI를 잘 쓰는 것만큼이나 경제적으로 쓰는 것이 중요해지고 있는 것입니다. 또한, 에이전트가 일을 하는 과정은 사람이 두 눈을 뜨고 지켜보지 않는 한 정확하게 파악하기가 어렵습니다. 점점 많은 에이전트들이 서브에이전트를 불러와 일을 위임하는 과정에서, 얼마나 투명하게 구조를 들여다 볼 수 있는지도 과제로 떠오르고 있는 상황입니다.

그래서 래블업과 퓨리오사는 래블업의 개인용 데스크탑 에이전틱 AI 플랫폼인 AI:GO 에 퓨리오사에이아이의 RNGD 인퍼런스로 지능을 공급해서, 여러 분야의 벤치마크를 최저비용으로 푸는 에이전틱 스쿼드를 만드는 미션을 발제했습니다. 참가자들 입장에서 살펴보면, 앤트로픽의 Fable과 같이 Trillion 단위의 모델이 아닌, 퓨리오사 NXT RNGD Server 위에 올라간 내 손에 닿을 수 있는 32B, 120B, 236B 수준의 모델을 활용하여 최저 비용으로 벤치마크 테스트의 문제를 높은 정확도로 풀어내는 미션을 부여받은 것이죠. 참가자들은 48시간의 해커톤 동안 두 가지의 산출물을 만들어야 했습니다.

첫 번째는 문제 해결 에이전트 스쿼드 구성. 래블업과 퓨리오사에이아이는 참가자들에게 과금 체계가 각각 다른 세 종류의 모델(K-EXAONE-236B-NVFP4, GPT-OSS-120B, Qwen3-32B)을 제공했습니다. 참가자들은 AI:GO의 스쿼드 기능을 이용하여 문제를 해결하는 에이전트 구성 방안을 연구해야 했습니다. 이 세 가지 모델의 특성을 파악하고, 어떤 모델을 어떤 종류의 에이전트에 사용하여 가장 높은 점수로 벤치마크 테스트를 풀어낼 수 있을지 그 조합을 연구하는 동시에 베이스 프롬프트를 잘 설계해서 에이전트들이 답을 정확하게 도출해낼 수 있도록 해야 하는 과제였습니다.

두 번째는 스쿼드의 문제 해결 과정을 시각화하는 대시보드. 앞서 이야기했던 것처럼 에이전틱 워크플로우의 가시성도 중요해지고 있는 시대인 만큼, 참가자들은 각자의 대상 페르소나를 설정하여 에이전트가 일하는 방식과 기록을 볼 수 있는 대시보드를 만들어야 했습니다. 기획자와 디자이너가 개발자와 소통하면서 에이전트가 어떻게 작동하는지, 어떤 식으로 일을 나누는지 그 원리를 파악하고, 가장 좋은 가시성을 제공하는 인터랙티브 시각화를 만듦으로서, 개발자만의 해커톤이 아니라, 팀 전원이 각자의 전문성으로 기여할 수 있는 구조를 의도했습니다.

해커톤을 준비하기 위한 해커톤 준비

해커톤을 준비하는 과정에서 퓨리오사에이아이와도 많은 소통을 하며 현실적인 사양들을 정리해나갔습니다. 퓨리오사에서는 참가인원을 바탕으로 필요한 서버 대수와 제공 형식, 그리고 제공해야 하는 모델의 종류를 확정했고, 래블업은 Continuum Suite를 통해 참가자들이 사용하는 LLM을 한 곳에서 관제할 수 있는 허브를 구축했습니다. 또한 다양한 벤치마크를 돌려보며 가장 적절한 기준점을 찾았고, 참가자들이 짧은 시간 안에 돌려볼 수 있는 소규모의 연습용 벤치마크 세트와 함께 최종 제출 평가용 벤치마크 세트를 구축, 참가자들이 직접 Trial-run을 돌려볼 수 있도록 제출 시스템도 만들었습니다. 제출 시스템은 결국 당일 아침까지도 다 완성되지 못해 포항으로 내려가는 내내 엔지니어가 붙어서 마무리를 해야 했지만, 모두가 한마음으로 노력해 기적적으로 해커톤 당일에는 해커톤을 진행할 수 있는 상태까지 준비를 끝낼 수 있었습니다.

해커톤이 돌아가게 만들기 위한 또다른 해커톤

해커톤이 시작되고, '우리 트랙을 몇 팀이나 선택해줄까' 걱정이 좀 들었습니다. 그러나 걱정도 기우, 발제 소개를 하고, AI:GO 및 퓨리오사 RNGD 온보딩을 진행하면서 첫날이 시작됐습니다. 그 뒤부터 참가자들이 물밀듯이 밀려들며 궁금한 점들을 질문하기 시작했습니다. 발제 설명하고 일찍 저녁을 먹으러 가려던 출장팀의 계획은 수포로 돌아갔죠. 결국 기술적인 문제는 CTO님과 엔지니어가, 그리고 UI/UX나 시각화 관련 문제는 제가 나눠 답변하며 첫날 새벽 두시 가까이까지 행사장에 머무르며 참가팀들의 질문을 받아주고, 제출 시스템 접근을 위한 계정을 발급해주게 되었습니다.

해커톤이 진행되며 AI:GO 역시 실전에서 다양한 이슈들을 마주했습니다. 테스트 환경에서 고려하지 않았던 노트북 사용자명이 20자가 넘어가서 경로에 문제가 생기는 참가자, 삼성 크롬북을 들고와서 Linux 호환 모드로 AI:GO를 설치하려고 하는 사용자를 비롯해 사내 테스트 환경에서는 쉽게 발견하지 못하는 종류의 이슈들이 발견되었죠. 그리고 우리가 생각한 범위 이상으로 AI:GO의 기능을 요청하는 참가자들이 나타났습니다. CLI용 매니지먼트 API를 일반 노출해달라는 요청을 비롯해 AI:GO를 에이전트가 직접 다룰 수 있게 만들어달라는 요청이 있었습니다. 덕분에 버그를 고치고 참가자들이 원한 기능을 추가해주느라 출장팀 모두가 참가자들과 해커톤을 같이 달린 모양이 되었습니다. 지금까지 AI:GO는 사람이 만지는 것을 전제로 만들었는데, 참가자들의 요청 덕분에 에이전트가 다룰 수 있는 AI:GO로의 단초가 끼워지게 되었죠. 어쩌다 보니 정션 해커톤이 Continuum Suite와 AI:GO의 대규모 테스트베드가 된 셈입니다.

본격적으로 참가자들에 개발을 시작하면서 몇가지 소소한 문제가 생겼습니다. 한 참가자가 "벤치마크 시스템 큐가 돌지 않아요..."라는 이슈를 전달해줘서 확인해보니, 20분이면 끝났어야 할 벤치마크가 두 시간 넘게 돌고 있었던 것입니다. 여기에 큐가 쌓이면서 모니터링하고있던 퍼포먼스 지표 역시 순식간에 나빠졌습니다. 이를 해결하기 위해 래블업과 퓨리오사 각각 보유하고 있던 자원을 추가로 붙여 병목을 해소해야 했죠. 저희가 생각했던 것 보다 참가자들은 토큰을 많이, 또 적극적으로 사용하고 있었습니다. (참가자들, 그리고 에이전트의 토큰 사용과 관련된 내용은 추후 래블업 기술 블로그를 통해 풀어 볼 예정입니다.)

사실 저희는 주제가 어렵지 않을지 고민을 굉장히 많이 했는데, 참가자들이 물어오는 질문 수준이 정말 높아서 놀랐습니다. 초반부터 저희의 발제 의도를 정확하게 파악해서 정답에 가까운 해결책을 바로 찾아낸 팀도 있었고, 저희를 붙잡고 정말 많은 질문을 통해 가야 할 길을 정한 팀도 있었습니다. 아예 3개 트랙 모두를 한 사람씩 맡아서 동시에 개발한 다음에, 가장 퀄리티가 높은 결과물에 살을 붙여 제출하는 전략을 정한 팀도 기억에 남습니다.

실제로 참가자들이 가장 적극적으로 활용했던 모델이 GPT-OSS-120B였다는 것을 감안하면, 많은 팀이 Trillion 단위의 모델이 아닌 이상 작은 모델로 멀티에이전트를 여러 개 만들어 쓰는 것보다, 큰 모델 하나가 이것저것 처리하게 하는 쪽이 벤치마크 성능을 뽑아낼 때 더욱 유리하다는 결론을 도출한 것 같습니다. 플래너가 작은 에이전트들에게 일을 나눠주는 과정에서 오류가 많이 발생했다는 겁니다. 저희가 만든 모델 구성에서 K-EXAONE 같은 경우는 모델 사이즈에 비례하여 비싼 비용이 책정되었기 때문에 덜 쓰는 것이 비용효율적이었고요.

시각화 쪽은 접근법이 더욱 다채로웠습니다. 완전 에이전틱 시스템을 처음 다루는 소비자를 위해 캐릭터를 활용하여 각 에이전트의 동작을 보여준 팀, 연애 시뮬레이션 UI에서 차용하여 학생과 선배, 선생으로 이루어진 스쿼드를 구성한 팀, RPG Maker 스타일로 게이미피케이션을 중심으로 만들어온 팀, 에이전트 동작을 제어할 수 있는 컨트롤러를 3D프린터로 뽑아서 만들어 온 팀, 그리고 정석적으로 시각화 대시보드를 만들어 온 팀까지 있었죠. 충실한 로그를 제공하려는 팀과 그렇지 않은 팀이 있었는데, 양쪽 모두 각자의 이유가 분명했습니다. 뉴비를 위한 접근과 전문가를 위한 접근으로 타깃이 갈리면서 시각화 결과물의 방향 자체가 달라졌다는 점도 인상적이었습니다.

심사는 정성적 UI 평가와 정량적 토큰 평가, 그리고 벤치마크 평가를 명확한 근거로 산출된 가중치로 조합해 점수를 매겼습니다. 이렇게 점수를 조합하니 1등과 2등은 서로 전혀 정 반대의 조합으로 접근한 팀이 받게 된 점도 인상적이었죠.

1등 (트랙 종합우승, Demo Day Care)

벤치마크 점수, 효율, 토탈 토큰 세 가지 지표를 3D Plot으로 시각화한 관측 도구를 만든 팀이었습니다. 각 벤치(SWE, 수학, 제네릭)의 점수를 턴별로 추적하고 종합 점수를 비교하는 기능, per-run 토큰과 모델 콜을 추적하는 기능을 각각 가장 적절한 형태의 그래프로 시각화했습니다. 타임라인 리플레이 기능도 있어서 실제 Run 중에 에이전트가 어떻게 동작했는지를 되돌려 볼 수 있었고, 클릭해서 그래프를 돌려가며 원하는 데이터를 탐색할 수 있는 인터랙티브 뷰는 WebGL로 구현했다고 해서 인상적이었습니다.

심사평 일부 발췌

"발표 구성, 데모 구현 완성도가 뛰어났고, UI의 모든 요소에 대한 의도가 분명하여 이해하기 수월하였음."
"OSS 한계 명확히 파악, universal implementation으로 대체한 점이 인상적. 전반적으로 우수함."
"정석적인 시각화와 함께 로그, 기록 등 여러가지 형식으로 산출물을 확인할 수 있게 하여 technical overview를 가장 잘 다룸"

2등 (사카밤바스피스)

에이전트들이 함께 일하는 모습을 오피스 도트 그래픽으로 풀어낸 팀이었습니다. 오피스와 5종의 룸으로 공간을 나누고, 역할별로 분리된 도트 캐릭터가 돌아다니며 작업합니다. 각 에이전트가 지금 무슨 작업을 하고 있는지는 패널에서 확인할 수 있고, 리즈닝 과정은 말풍선으로, 최종 보고서는 근거와 함께 제공됩니다. 해커톤 문제뿐 아니라 커스텀 미션도 제출할 수 있게 만들었고, 짧은 시간 안에 BGM까지 넣어온 점은 (심사에 영향을 미치진 않았지만) 재미있었습니다.

UI를 깔끔하게 깎으면서도 중간 과정과 결과에 대한 정보를 충실하게 제공한 점이 인상적이었습니다.

심사평 일부 발췌

"해결하고자 하는 문제를 분명하게 제시하였고, 해결 과정이 과학적이고 명확하게 설명되었음."
"UI도 창의적이면서 규칙과 의도가 분명하여 불필요한 요소가 있다는 생각이 들지 않았음."

끝나고 나서...

이번 JunctionX 행사는 래블업 내부에서도 중요한 의미를 지니고 있었습니다. 해커톤을 통해 대규모 환경에서 같은 목적으로 AI:GO를 참가자들이 극한까지 활용해보며 소프트웨어에 대한 다양한 피드백도 들을 수 있었고, Continuum Suite의 운영 데이터도 확보할 수 있었습니다. 거기에 더해 Continuum Hub를 통해 수집한 모델 사용 데이터를 통해 개개인이 에이전트를 어떤 식으로 다루고, 개발 과정에서 AI를 어떻게 활용하는지도 볼 수 있었죠. 최근 퓨리오사와 진행했던 협업을 확장해 해커톤까지 그 인연을 이어갔다는 점도 컨택 담당자로서 좋은 기회였다고 생각합니다.

학생들부터 직장인까지 다양한 분야에서 모인 다양한 직무의 참가자들과 이야기를 나누며 저희도 굉장히 많이 배우는 계기가 되었습니다. 시작하기 전에는 주제에 대해 다소 걱정했는데, 참가자들이 우르르 몰려와 질문해주고, 점점 우리가 의도했던 (그리고 의도하지 않았던) 포인트를 파악해가면서 과제를 선명하게 깎는 모습이 많이 기억에 남습니다. 저 개인적으로는 해커톤을 운영해본 적만 있지 참가해본 적은 없는데, 그러다보니 참가자들이 발제사로 찾아와서 궁금한 것을 해결하기 위해 질문하는 모습, 가설을 세우고 접근하다가 막혔을 때 뚫어내보려 다양한 접근을 하는 모습이 굉장히 신선하게 비춰졌달까요.

결국 해커톤은 가능한 영역을 탐색하고, 제한시간 안에 MVP에 집중해 최소 기능을 구현하고, 거기에 발표까지 해내야 하는 시간집약적 이벤트입니다. 이 모든 과정을 빠르게 반복(Iteration)해서 완결 가능한 루프를 여러 차례 돌리는 것이 정말 중요하다는 것을 체감할 수 있었습니다. 해커톤이 끝난 뒤, 참가자들이 찾아와서 이런저런 이야기를 나눠주었습니다. 전혀 모르던 영역에 대해 배울 수 있어서 뜻깊었다는 피드백을 여럿 받았는데, 포항에 내려가기 이틀 전부터 거의 밤을 새우며 준비했고, 현장에서도 잠을 거의 못 자면서 참가자들과 함께 대응했던 터라 그 말 한마디가 정말 크게 느껴졌습니다.

에이전트 시대, 사람의 자리

이번 해커톤을 준비하면서 계속 머릿속을 맴돈 질문이 하나 있었습니다. AI와 함께라면 사람들은 어디까지 갈 수 있는가. 에이전트가 사람보다 더 많은 토큰을 소모하는 시대가 이미 와 있습니다. 문제 해결 과정에서 사람이 직접 손대는 영역은 점점 줄어들고, 에이전트끼리 일을 나누고 위임하는 구조가 자연스러워지고 있습니다. 그렇다면 이러한 구조 속에서 사람이 해야하는 역할은 무엇일까요. 저는 개인적으로 그것이 오너십이라고 생각합니다. 에이전트가 어떤 판단을 내렸는지, 어떤 경로로 답에 도달했는지, 그 과정이 블랙박스로 남는 순간 사람은 최종 판단자의 자리를 잃게 됩니다. 모든 정보를 볼 수 있고, 언제든 의도를 꺼내와 방향을 틀 수 있는 것. 에이전틱 AI 시대에 사람에게 남아야 할 것은 결국 그 오너십이 아닐까 싶습니다. 도구는 고도화되고, 목표만 선명하게 남는 시대가 오고 있습니다. 그 시대의 문제 해결 과정이 어떻게 변하게 될지 우리는 아직 아무도 모릅니다. 그러나 이번 해커톤을 통해 우리 트랙에 참여한 모든 분들이 이러한 문제에 대해 고민해볼 수 있는 좋은 기회가 되었을 것으로 생각합니다.

해커톤 트랙 파트너로 함께해주신 퓨리오사에이아이에게도 감사의 말씀을 전합니다.