스타링 UCA가 AI의 기억과 언어 모델을 분리하는 방식

기업의 AI 기억을 언어 모델 안에 저장하는 대신, 모델 바깥의 조직 소유 저장소에 두자는 제안이 나왔다. 스타링 메모리 웍스(Starling Memory Works)는 이를 위해 Universal Cognitive Architecture(UCA)를 무료 개방형 표준으로 공개했고, Starling MX를 이 구조를 적용한 베타 플랫폼으로 선보였다. Starling MX의 요금은 첫 번째 사용자 기준 월 99달러부터 시작하며, 추가 사용량에는 별도 요금이 붙는다.

핵심 발상은 간단하다. 언어 모델은 교체 가능한 추론 엔진으로 두고, 조직의 공식 지식은 구조화·관리·이식 가능한 형태로 따로 보존하자는 것이다.

UCA란 무엇인가

UCA는 기업 지식을 11개의 ‘Organizational Cognates’로 분류하는 자연어 기반 표준이다. 스타링은 이 체계가 반복적으로 등장하는 조직 내 개념에 고정된 의미 주소를 부여한다고 설명한다. 사람이나 호환 가능한 AI 시스템은 확률적 검색 결과에 전적으로 의존하는 대신, 해당 주소를 통해 특정 지식을 요청할 수 있다는 구상이다.

도서관의 분류 체계를 떠올리면 이해하기 쉽다. 사용하는 언어 모델이 바뀌더라도 조직의 목록과 원자료는 그대로 남는다. 예를 들어 스타링 자료에서 MA20은 ‘경쟁적 포지션’을 가리키는 주소로 쓰인다. 기록의 버전이 바뀌어도 주소 자체는 유지된다는 설명이다.

따라서 UCA는 또 하나의 언어 모델이 아니다. 범용 대규모언어모델(LLM)에 조직의 구조화된 기억을 실행 시점에 주입하는 **도메인 언어 모델(Domain Language Model·DLM)**을 구성하기 위한 정리·주소 지정 계층에 가깝다.

Starling MX의 저장 구조

스타링은 조직 저장소를 크게 두 영역으로 나눈다.

• Org Library: 조직이 공식적으로 관리하고 버전을 부여한 정본 지식
• Resources: 참고 자료, 생성 문서, 작업 중인 결과물 등 정본을 보조하는 자료

이 구분은 중요하다. 조사 문서나 초안은 AI가 업무를 수행하는 데 도움을 줄 수 있지만, 자동으로 조직의 공식 입장이 되는 것은 아니다. Org Library에는 승인된 기준 기록을 남기고, Resources에는 참고와 산출물 제작에 필요한 주변 자료를 보관하는 방식이다.

저장 형식도 텍스트 중심이다. 스타링은 조직의 기억을 불투명한 모델 상태가 아니라 사람이 읽을 수 있는 손실 없는 일반 텍스트 Markdown으로 유지한다고 밝힌다. 회사가 제시하는 장점은 내용 확인, 버전 관리, 이식성, 그리고 사람과 소프트웨어 모두의 접근성이다.

기계 측에서는 매니페스트가 사람이 통제하는 저장소에서 현재 업무에 필요한 문맥을 모아 모델 세션에 전달한다. 모델은 문맥을 받아 작업하지만, 조직의 장기 기억을 자신의 내부 기억으로 보존하지 않는다는 설명이다.

MCP는 어떤 역할을 하나

스타링은 앤트로픽(Anthropic)의 **Model Context Protocol(MCP)**을 AI 모델과 외부 조직 문맥을 연결하는 계층으로 위치시킨다. UCA가 공통 분류 체계와 의미 주소를 제공하면, 저장소는 관리된 원문 기록을 제공하고, MCP는 해당 문맥을 모델에 연결하는 역할을 맡는 구조다.

이렇게 지식과 모델을 분리하면 이론적으로 모델을 바꿔 쓸 수 있다. 조직의 지식이 특정 AI 사업자의 독점 메모리나 대화 기록에 갇히지 않고, 호환 가능한 다른 모델도 같은 저장소에서 업무에 필요한 문맥을 받아 사용할 수 있다는 주장이다.

다만 이는 설계상의 가능성을 뜻할 뿐, 모든 모델과 배포 환경에서 동일한 수준의 상호운용성이 입증됐다는 의미는 아니다. 현재 공개된 자료는 아키텍처와 스타링의 사용 구상을 설명하지만, 모든 모델이 표준과 똑같이 잘 작동한다는 사실을 독립적으로 입증하지는 않는다.

왜 UCA를 ‘AI 주권’과 연결하나

스타링의 CEO 크리스 킨케이드가 제시하는 논리는 AI 주권이 인프라만의 문제가 아니라는 것이다. GPU를 소유하거나 시스템을 자국 내에서 운영하고, 국내 모델 제공업체를 선택하는 것만으로는 조직의 의사결정·정책·출처·권한·업무 지식을 완전히 통제할 수 없다는 주장이다.

UCA 방식에서는 이러한 장기 자산을 조직이 관리하는 저장소에 남긴다. 모델이 업그레이드되거나 교체되고, 일시적으로 사용할 수 없거나, 거버넌스상의 이유로 배제되더라도 조직은 기존 기억을 보유한 채 다른 모델을 같은 정본에 연결할 수 있다는 구상이다.

이 구조가 현실화된다면 특정 AI 공급업체에 대한 의존을 낮출 가능성이 있다. 가장 중요한 자산인 분류·관리된 조직 지식이 모델 바깥에 있기 때문이다. 장기적인 기관 기억에 대해서는 모델을 상태 비저장(stateless) 방식으로 유지해 회복탄력성을 높일 수 있다는 설명도 나온다.

스타링이 내세우는 문구인 **“모델은 잊고, 조직은 기억한다”**는 바로 이 구도를 가리킨다. 모델은 한 세션 동안 추론을 담당하고, 기관은 업무의 연속성을 만들어내는 기록·주소·관리 체계를 보존한다는 뜻이다.

무료 개방형 표준이 바꾸는 것

스타링은 UCA를 크리에이티브 커먼즈 라이선스에 따라 영구적으로 무료 공개한다고 밝혔다. 조직은 스타링의 별도 허가나 라이선스 없이도 이 표준을 기반으로 시스템을 구축할 수 있다는 설명이다.

이 점에서 UCA는 특정 플랫폼에만 종속된 메모리 기능과 구별된다. 이론적으로 개방형 분류 표준은 최초 구현 제품보다 오래 지속될 수 있다. 조직은 표준에 맞춰 지식을 정리한 뒤 저장·검색·모델 연결을 담당할 여러 도구를 비교할 수 있다.

물론 실제 가치는 채택 규모, 구현 품질, 관리 체계에 달려 있다. 고정 주소가 유용하려면 팀이 주소의 의미에 합의하고, 공식 기록을 유지하며, 변경 권한을 엄격하게 관리해야 한다. 분류 체계가 지식을 찾기 쉽게 만들 수는 있지만, 그 지식이 정확하거나 최신이라는 사실을 자동으로 보장하지는 않는다.

적용 사례와 확인해야 할 한계

스타링 자료는 이 아키텍처를 개인 코칭, 마케팅, 건설 관리, 법률 서비스 등의 시나리오와 연결한다. SelfOS의 브래디 패터슨은 지식에 “명확한 기준점”을 부여하면서 문맥 손실과 데이터 드리프트가 줄었다고 평가했다.

다만 이 사례를 제품 효과의 독립적인 입증으로 받아들이기는 어렵다. 제공된 자료만으로는 Wrks Online의 QuillOS와의 관계, 실제 도입 규모, 측정된 성능 결과를 독립적으로 확인할 수 없다. SelfOS의 발언 역시 실무자의 추천 의견이지, UCA의 효과를 검증한 독립 연구는 아니다.

더 넓게 보면 현재 확인 가능한 근거는 스타링의 자체 제품 자료와 출시 보도에 집중돼 있다. 따라서 UCA가 실제 현장에서 정확도 향상, 비용 절감, 보안 강화 또는 공급업체 독립성을 달성한다는 점까지 입증된 것은 아니다.

결론

UCA의 중심 주장은 조직이 AI에게 기업 지식을 맡기기 전에, 사람이 읽을 수 있고 관리 가능하며 오래 유지되는 기억 계층부터 구축해야 한다는 것이다. 고정된 의미 주소가 분류 체계를 제공하고, Org Library가 공식 정본을 보존하며, Resources가 참고 자료와 작업 문서를 담고, MCP가 외부 문맥을 모델 세션으로 연결한다.

Starling MX는 이 구상을 적용한 첫 베타 플랫폼으로, 첫 사용자 기준 월 99달러부터 책정됐다. 이 아키텍처가 제시하는 공급업체 종속과 기관 기억에 대한 해법은 분명하다. 조직의 지식을 모델과 분리해 두면 모델이 바뀌더라도 조직의 기억까지 함께 사라지지 않는다는 것이다.

다만 이 약속이 대규모 실제 환경에서도 성립하는지는 아직 열린 질문이다. 독립적인 도입 사례와 성능·보안·비용에 관한 검증이 더 쌓여야 UCA의 실질적인 경쟁력을 판단할 수 있다.