에이전트 관측 가능성은 학습을 위한 피드백이 필요하다

에이전트 관측(Observability)에서 **트레이스(Traces)**는 에이전트가 수행한 행동을 보여주지만, **피드백(Feedback)**은 그 행동의 의미와 결과를 알려준다.

관측 데이터를 단순 기록이 아닌 학습 자료로 전환하려면 다양한 피드백 유형을 활용해야 한다. 주요 유형은 다음과 같다.

• 명시적 피드백(Explicit): 사용자가 직접 제공한 평가나 교정
• 암시적 피드백(Implicit): 사용자 행동 데이터에서 추출한 신호
• LLM-as-judge: 다른 LLM을 평가자로 활용하는 방식
• 규칙 기반 피드백(Rule-based): 사전 정의된 로직에 따른 자동 평가

이러한 피드백을 결합함으로써 에이전트의 관측 데이터를 실제 학습 루프에 반영하여 성능을 지속적으로 개선할 수 있다.