데이터는 숫자일 뿐, 판단으로 바뀌어야 가치가 됩니다. 가장 단순한 판단은 "규칙"이고, 더 유연한 판단은 목표를 향해 스스로 계획하는 "AI"입니다. 둘의 차이와 한계를 이해합니다.
숫자를 판단으로
센서가 아무리 많은 데이터를 모아도, 그 자체로는 그냥 숫자입니다. "온도 31도, 습도 55%"라는 숫자가 "지금 창을 5cm 열어라"는 판단으로 바뀌어야 비로소 쓸모가 생겨요. 이 판단을 만드는 방법은 크게 두 가지입니다.
① 규칙 기반 — 단순하고 명확하다
가장 기본은 규칙입니다. "온도가 30도를 넘으면 창을 연다" 같은 식이죠. 이해하기 쉽고 예측 가능하다는 장점이 있습니다. 대부분의 자동제어가 여기서 출발해요.
하지만 한계가 분명합니다. 앞의 환경 트랙에서 배웠듯, 변수는 서로 얽혀 있어요. "온도만" 보는 규칙은 습도·광·CO₂의 변화를 못 따라가고, 상황이 조금만 복잡해져도 어긋납니다.
② AI/에이전트 — 목표를 향해 스스로 계획한다
더 유연한 방법은 AI입니다. "온도 30도"라는 조건이 아니라 "수확량과 품질을 최대로"라는 목표를 주면, AI는 여러 데이터를 종합해 상황에 맞는 최적 행동을 스스로 계획합니다. 기상 예보가 관수 일정을 바꾸고, 그것이 다시 양액을 조정하는 식으로요(Agentic AI 트랙에서 본 협력).
중요한 건 근거 있는 AI입니다. 좋은 AI는 추측하지 않고 검증된 자료에서 답을 찾으며(RAG), 확신이 낮으면 낮다고 솔직히 말합니다.
변하지 않는 원칙 — 결정은 사람
규칙이든 AI든, 원칙은 하나입니다. 시스템은 제안하고, 최종 결정은 사람이 합니다. AI 병해 진단이 후보를 제시하되 방제 결정은 농민이 하듯, 좋은 스마트농업은 농부의 판단을 대체하지 않고 뒷받침해요. 다음 시간엔 이 판단을 실제 실행으로 옮기는 자동 제어를 봅니다.