폐쇄형 AI 평가의 논리는 직관적입니다 — 그게 우리 경쟁력이라는 것. 오픈소스 AI 평가의 논리는 회의실에서 설득하기 더 어렵습니다. 그래도 적어보겠습니다.
성과 평가가 결국 보상에 영향을 미치고, 보상이 결국 누군가의 월세를 낼 수 있느냐 없느냐에 영향을 미친다는 사실을 받아들이면, 누군가의 일을 채점하는 알고리즘은 신용 평가 모델이나 양형 추천 시스템과 같은 위치에 놓입니다. 단순한 기능이 아니라, 실제 사람에게 영향을 주는 인프라 결정입니다.
우리는 "믿어주세요"라고 말하는 회사이고 싶지 않았습니다. 솔직히 신뢰할 만한 위치에 있지도 않습니다. 우리는 아무도 감사하지 않은 작은 한국 스타트업입니다. 그래서 알고리즘을 공개했습니다.
AGPL로 공개된 부분:
- 합성 프롬프트. GANEUM가 데일리 리포트를 만들기 위해 Claude/GPT/Gemini에 보내는 모든 텍스트.
- 트라이앵귤레이션 알고리즘. T1-T5 가중치 계산, 편차 플래그, HARD/SOFT 임계값까지의 정확한 수식.
- 역량 채점 루브릭. 16개 메타스킬의 정의와 산출물이 어떻게 점수로 매핑되는지.
- 캘리브레이션 기간 enforcement.
calibration_until값이 API 전반에 어떻게 전파되는지. - 모든 UI와 라우팅.
공개하지 않은 부분:
- 특정 산업에 파인튜닝하는 데 쓰는 내부 학습 데이터. (고객 데이터를 공유한다는 뜻이 아닙니다 — 우리 내부의 evaluation 데이터셋입니다.)
- 엔터프라이즈 시스템용 상업 커넥터(SOC 2 증거 수집기, SCIM 브리지 등).
왜 하필 AGPL인가:
MIT/Apache로 공개하면 경쟁자가 전부 가져가서 폐쇄형 서비스로 운영하고 한 번도 기여하지 않을 수 있습니다. AGPL은 "서비스로 운영한다면 수정사항도 AGPL이어야 한다"고 말합니다. 사람을 채점하는 도구에 적절한 약속입니다. 우리 사본에 한해서가 아니라, 해당 종류의 소프트웨어 자체로 평가 알고리즘을 공공에 머물게 합니다.
상업 라이선스:
AGPL이 안 맞는 고객이 있습니다 — 클로즈드 SaaS에 임베드해야 하거나, 바이럴 카피레프트가 금지된 규제 환경 등. 그런 분들께는 상업 라이선스를 판매합니다. 가격은 분명한 의도를 가집니다 — 우리가 돈을 벌 만큼 비싸지만, "이미 내부에서 쓰고 있다"는 회사가 배제될 만큼 비싸지는 않게. 가격표는 더 확신이 생기면 공개하겠습니다.
지난 네 달의 흥미로운 결과: 아무도 우리를 포크하려 하지 않았습니다. 우리가 대체 불가능해서가 아닙니다 — 코드는 거기 있습니다. 이유는 코드가 쉬운 부분이기 때문입니다. 데이터, 워크플로우 통합, 캘리브레이션 규율, 알고리즘을 실제로 공개하고 그에 대해 답할 의지 — 이것들이 진짜 해자입니다. "알고리즘을 공개한다"는 결국 헌납이 아니라 기능이었습니다.