CTGT vs i-have-adhd

CTGT 장단점

• 모델을 재학습시키거나 비용이 많이 드는 미세 조정을 거치지 않고도 기업 정책을 즉각 반영할 수 있어 배포 속도가 최대 500배까지 빠르다는 평가를 받습니다. 특히 '표현 계층 제어' 기술을 통해 환각 현상을 96% 이상 억제하며, 이는 단순 텍스트 필터링보다 훨씬 근본적인 안전 장치를 제공합니다. 구글의 Gradient Ventures를 포함해 Keras 창시자 프랑수아 숄레 등 업계 거물들의 투자를 받을 만큼 기술적 기초가 탄탄하며, 모든 AI 의사결정에 대해 규제 기관에 제출 가능한 수준의 결정론적 감사 추적(Audit Trail) 기능을 제공하는 점이 전문가들 사이에서 높게 평가됩니다.

• 기업의 방대한 SOP와 규약을 기계가 이해할 수 있는 규칙으로 변환하는 초기 정책 설정 과정에 상당한 도메인 지식과 기술적 역량이 요구됩니다. 현재 대형 금융사 및 의료 기관 위주의 엔터프라이즈 플랜에 집중하고 있어 중소기업이나 개인 개발자가 가볍게 도입하기에는 가격과 기술적 진입장벽이 상당히 높습니다. 또한, 오픈소스 모델(Llama, DeepSeek 등)에서는 강력한 제어력을 보여주지만, 내부 구조가 완전히 공개되지 않은 폐쇄형 모델(GPT-4 등)에서 어느 정도 수준까지 깊이 있는 신경망 조정이 가능한지에 대해서는 아직 레퍼런스가 더 축적될 필요가 있습니다.

i-have-adhd 장단점

• 무료 오픈소스로 사용 가능
• 여러 코딩 에이전트와 호환
• 답변을 즉시 실행 가능한 형태로 정리
• 설정 규칙이 명확하고 커스터마이즈 가능

• 독립적인 대화형 AI 서비스가 아님
• 사용하려면 지원되는 코딩 에이전트가 필요함
• 모델 자체의 성능을 향상시키지는 않음

CTGT 주요 기능

• 표현 레벨 제어(Representation-level Control) 엔진으로 환각 96% 이상 억제
• SOP·규정을 기계 읽기 가능 정책으로 자동 변환하는 Policy Engine
• 모델 재학습 없이 정책 즉시 반영(기존 대비 최대 500배 빠른 커스터마이징)
• 규제 기관 제출 가능 수준의 결정론적 감사 추적(Audit Trail)
• 오픈소스 모델 활용 시 최대 80% 추론 비용 절감
• 실시간 온플라이 모델 수정 및 안전 모니터링

i-have-adhd 주요 기능

• 답변과 다음 행동을 먼저 제시
• 다단계 작업을 번호 목록으로 구성
• 진행 상태를 매 턴 재표시
• 구체적인 시간 추정 제공
• 오류를 위치·원인·해결책 중심으로 설명
• 불필요한 서론과 맺음말 억제