Skip to main content
공개 노트

Pramaana Labs: AI의 다음 과제는 "그럴듯함"이 아니라 "증명"이다

Views 7약 3분생성형 AI 활용
Summary

Pramaana Labs: AI의 다음 과제는 "그럴듯함"이 아니라 "증명"이다

AI 도입의 병목은 더 이상 답변을 생성하는 능력만이 아닙니다. 특히 세금, 법률, 의료, 자율 시스템처럼 오류 비용이 큰 영역에서는 “그럴듯한 답”보다 “검증 가능한 답”이 중요합니다.

Pramaana Labs가 주목받는 이유가 여기에 있습니다. 샌프란시스코 기반 AI 스타트업인 Pramaana Labs는 Khosla Ventures가 주도한 2,700만 달러 시드 투자를 유치했습니다. 투자에는 Accel, Boldcap, Nexus Venture Partners, Premji Invest, Unbound도 참여했습니다.1

이 회사의 목표는 기존 LLM 위에 결정론적 검증 계층을 결합해, AI 답변이 단순한 확률적 추정에 머물지 않고 기계적으로 검증 가능한 증명을 제시하도록 만드는 것입니다.

Pramaana Labs가 풀려는 문제

LLM은 자연어 질문을 이해하고 유창한 답을 생성하는 데 강합니다. 하지만 유창함은 정확성과 다릅니다. 고위험 업무에서는 “답이 맞아 보인다”는 것만으로는 충분하지 않습니다.

Pramaana의 접근은 AI가 낸 결론을 규칙과 증명으로 확인할 수 있게 만드는 데 있습니다. 세법, 임상 지침, 법률 조항, 안전 제약 같은 복잡한 도메인 지식을 형식적으로 검증 가능한 표현으로 바꾸고, 그 위에서 답이 규칙을 따르는지 검사하는 방식입니다.2

즉, 단순히 답변에 출처를 붙이는 수준이 아닙니다. 답이 어떤 규칙에서 나왔고, 그 규칙을 논리적으로 만족하는지를 기계가 확인할 수 있게 하려는 시도입니다.

형식 검증을 AI에 가져온다는 의미

Pramaana가 차용하는 핵심 개념은 형식 검증입니다. 형식 검증은 규칙을 수학적으로 표현하고, 결과가 그 규칙을 위반하지 않는지 확인하는 방법입니다. 하드웨어 설계와 항공우주 공학에서는 오래전부터 오류를 줄이기 위해 사용돼 왔습니다.3

칩 제조사가 프로세서가 잘못된 계산을 내지 않도록 증명하기 위해 형식 기법을 사용해 온 것처럼, Pramaana는 AI 답변에도 비슷한 검증 구조를 적용하려 합니다.3

이를 위해 Pramaana는 수학적 증명 검증에 사용되는 오픈소스 LEAN 프로그래밍 언어 기반의 형식 검증 도구를 활용합니다.1 핵심은 LLM을 대체하는 것이 아니라, LLM이 생성한 답을 검증 가능한 구조 안에 넣는 것입니다.

왜 초기 적용 분야가 중요한가

Pramaana의 초기 적용 분야는 법정 세무 추론, 법률 컴플라이언스, 의료 안전, 자율 시스템입니다.3 공통점은 명확합니다. 모두 규칙이 복잡하고, 실수가 큰 비용으로 이어지며, 결과에 대한 설명 가능성과 검증 가능성이 중요한 영역입니다.

예를 들어 “이 거래가 과세 대상인가?”라는 질문에 LLM은 빠르게 답할 수 있습니다. 하지만 세법의 예외, 조건, 관할 차이를 놓치면 실제 업무에는 쓰기 어렵습니다. 이때 필요한 것은 더 유창한 문장이 아니라, 답이 관련 규칙을 충족한다는 검증입니다.

그래서 Pramaana의 경쟁력은 모델 자체의 성능만으로 결정되지 않습니다. 세법, 의료 지침, 법률 조항 같은 도메인 지식을 얼마나 정확하게 형식화할 수 있는지가 핵심 자산이 됩니다.

기업이 봐야 할 판단 기준

Pramaana Labs의 사례는 AI 도입을 검토하는 기업에 중요한 기준을 줍니다. 고위험 업무에서는 “어떤 모델을 쓸 것인가”만큼이나 “어떻게 검증할 것인가”가 중요합니다.

특히 다음 질문이 필요합니다.

  • AI 답변이 따라야 할 규칙은 명확히 정의돼 있는가?

  • 그 규칙을 기계가 읽을 수 있는 형태로 바꿀 수 있는가?

  • 답변이 규칙을 위반하지 않았는지 자동으로 확인할 수 있는가?

  • 오류가 발생했을 때 어떤 근거에서 문제가 생겼는지 추적할 수 있는가?

Pramaana Labs가 말하는 방향은 범용 챗봇 경쟁과 다릅니다. 더 많은 답을 더 빠르게 생성하는 것이 아니라, 중요한 답을 검증 가능한 방식으로 만들겠다는 접근입니다.

결론은 단순합니다. 앞으로 고위험 영역에서 중요한 질문은 “AI가 답했는가”가 아닙니다. “그 답을 검증할 수 있는가”입니다. 기업이 AI를 핵심 업무에 넣으려면, 프롬프트보다 먼저 검증 구조를 설계해야 합니다.

참고

1Pramaana Labs raises $27M seed round from Khosla Ventures to bring formal verification to AI

2Pramaana Labs - AI That Proves Its Work

3Pramaana Labs raises $27M seed round from Khosla Ventures to build a verification layer for AI

이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.

틸노트는 사용자가 AI를 활용해 노트를 쉽게 작성하거나 편집할 수 있는 서비스입니다.

AI 스퀘어 단톡방에 함께해요

AI 활용과 틸노트 사용 팁을 나누는 오픈채팅방입니다. 입장 비밀번호는 tilnote입니다.

참여하기