Jev 활용법 — 내 업무에 쓰는 판단 AI

1 Jev는 무엇을 하는 AI인가

일반적인 대화형 AI는 질문에 설명문을 만들고, 보고서나 답장 초안을 씁니다. Jev는 정해 둔 후보 가운데 하나를 고르는 Choice, 어떤 성질이 맞을 예·아니오 가능성을 돌려주는 Noul, 순서가 있는 기준으로 점수를 매기는 Score에 초점을 둡니다.

접수대로 비유하면 쉽습니다. LLM이 고객에게 보낼 문장을 쓴다면, Jev는 들어온 문의를 ‘예약 변경·취소·사람 확인’ 중 어느 바구니에 넣을지 판단합니다. 바구니를 만든 사람, 실제 담당자에게 보내는 프로그램, 중요한 문의를 최종 확인하는 사람은 따로 있습니다.

2 언제 Jev가 도움이 되는가

날짜 비교나 금액 합계처럼 규칙을 코드로 정확히 적을 수 있는 일은 일반 프로그램이 더 단순합니다. 반대로 매번 긴 글을 새로 써야 한다면 범용 LLM이 자연스럽습니다. Jev는 말의 의미를 읽어야 하지만 결과는 몇 가지로 정해진 반복 판단에 잘 맞을 가능성이 있습니다.

김지백 강사의 이번 가이드에서는 “내가 매일 읽고 나누는 일 하나”를 먼저 고르도록 권합니다. 도구 이름보다 들어오는 자료, 가능한 결과, 애매할 때 처리 방법을 먼저 적어야 실제 업무에 연결할 수 있기 때문입니다.

3 직업별로 보는 활용 사례

흥미로운 생활·실험 사례도 있습니다. 스마트홈 명령 분류, 게임 캐릭터 행동 선택, 위키백과 링크 이동, 시뮬레이터 드론의 전술 선택이 공개됐습니다. 다만 드론 사례에서 영상 처리와 안전 제어는 Jev가 아니라 별도 코드가 맡습니다.

18개 사례와 각 원문·한계를 전체 가이드에서 확인하기 →

4 LLM·Plan 모드와 무엇이 다른가

LLM도 판단하고, Plan 모드도 판단합니다. “Jev만 판단한다”는 설명은 부정확합니다. LLM은 글 생성과 판단을 포함한 범용 모델 범주이고, Plan은 수정 전에 조사·질문·계획부터 하는 작업 방식입니다. Jev는 선택·확률·점수 출력을 제공하는 모델입니다.

이 네 가지는 한 시스템에서 함께 사용할 수 있습니다. 계획 후보를 Jev로 평가할 수도 있지만, 후보와 평가 기준을 만드는 일은 별도입니다.

5 Jev는 자동으로 작동하는가

연결된 Codex나 Claude Code에서 “Jev로 판단해줘”라고 직접 요청하면 가장 분명합니다. 에이전트가 작업에 맞는 도구라고 판단하면 이름을 매번 말하지 않아도 호출할 수 있습니다. 문의가 들어올 때마다 자동 실행하려면 업무 프로그램에 호출 조건과 후속 처리 코드를 따로 연결해야 합니다.

6 내 업무에 적용하는 다섯 칸

1. 자료: 어떤 문의·문서·댓글·상태가 들어오는가?
2. 결과: 어떤 선택지·예/아니오 질문·점수가 필요한가?
3. 기준: 결과를 나누는 업무 기준과 예외는 무엇인가?
4. 사람 확인: 애매하거나 중요한 건 누구에게 보낼 것인가?
5. 시험: 정답을 아는 실제 사례로 정확도·누락·비용을 어떻게 비교할 것인가?

처음에는 잘못 분류돼도 쉽게 되돌릴 수 있고, 결과 종류가 분명한 작은 업무가 좋습니다. 결제·발송·채용처럼 영향이 큰 일은 모델 판단만으로 실행하지 말고 사람이 확인하는 경로를 설계해야 합니다.