2.410초. 여러 실행 환경의 학습 후보를 중앙에 모으는 AI 예약 작업이 여섯 곳의 증거를 수집하는 데 걸린 시간이다. 모델 세션은 0개였고 API도 한 번도 호출하지 않았다. 이 무미건조한 결과가 중요해진 건 이전 버전이 같은 자리에서 너무 많은 일을 했기 때문이다.
처음에는 수집과 판단이 한 작업에 묶여 있었다. 정해진 기록을 가져오는 도중에 모델이 내용을 읽고, 후보를 평가하고, 수정까지 시도했다. 실행 기록에는 API 호출 44번, 입력 토큰 233,099개, 출력 토큰 20,114개, 캐시 읽기 6,598,912개, 도구 호출 84번이 남았다.
병목만 생긴 게 아니다. 수집기가 AI 기술 묶음과 지식 저장소를 실제로 바꿨다. 예정에 없던 변경은 실행 뒤에 원래 상태와 대조해 전부 되돌려야 했고, 작업이 끝나기 전 운영 게이트웨이도 멈춰야 했다. 증거를 운반하는 단계가 증거를 해석하고 운영 상태를 고치는 단계까지 침범한 것이다.
교체된 작업에는 모델이 없다. 여섯 환경의 세션 기록, 예약 작업 상태, 메모리, 대기 중인 변경 후보를 정해진 형식으로 모아 중앙에 전달한다. 내용이 흥미로운지, 기존 기술에 반영할지, 수정할지는 수집이 끝난 뒤 별도 절차에서 판단한다.
수집 단계에는 빠른 모델이 필요하지 않았다. 모델이 아예 필요 없었다. 자동화에 판단을 붙이면 성능 비용만 늘어나는 것이 아니라 수정 권한도 함께 넓어진다. 수집과 판단을 나눈 이유는 2.410초를 얻기 위해서만이 아니다. 어느 단계가 읽기만 하고 어느 단계부터 바꿀 수 있는지 고정하기 위해서다.