🎨 에이전트 디자인 프레임워크: 6-10

몇 주 전, 저는 AI 에이전트 구축에 대해 생각할 때 사용하는 5가지 기본적인 프로덕트 프레임워크에 대한 글을 썼습니다. 에이전트/환경/생태계라는 핵심 3요소, 사용자 인터랙션 스펙트럼 등에 대해 다루었죠.

그 이후로도 에이전트에 대해 훨씬 더 많이 생각하게 되었고… 이 급격한 제품 혁신 단계에서 제가 유용하다고 생각한 5가지 추가 프레임워크를 공유하고 싶습니다.

다시 한번 말씀드리지만, 이 중 어느 것도 절대적인 원칙은 아닙니다. 오히려, 에이전트에 대한 여러분의 사고방식에 도전하고 우리 앞에 펼쳐지는 기회에 접근하는 새로운 방법을 제시하기 위한 것입니다.

프레임워크 6: 역삼각형 (크게 생각하고, 범위 좁히기)

AI의 발전 속도는 부인할 수 없습니다. 이 때문에 저는 종종 단순하지만 중요한 제품 조언을 하게 됩니다: "더 크게 생각하라." 이는 특히 에이전트 디자인에 해당합니다. 단순히 점진적인 개선에 그치는 제품 출시를 피하려면, 정말로 야심 찬 비전에서 시작해야 합니다.

그런 다음 출시 목표를 설정할 때는 언제든 범위를 좁혀 반복적인 마일스톤으로 출시할 수 있습니다. 저는 범위를 좁히는 방법을 결정할 때 세 가지 핵심 차원을 따라 생각하는 것이 도움이 된다는 것을 알게 되었습니다. 가장 명백한 수단은 제품(Product) 자체입니다. 초기 출시를 위해 기능 수를 줄이거나 특정 기능의 복잡성을 단순화할 수 있습니다. 다음은 포지셔닝(Positioning)입니다. "실험" 또는 "베타" 버전으로 명시적으로 출시함으로써 사용자에게 아직 완벽하지 않을 수 있다는 신호를 보냅니다. 이는 새로운 AI 능력에 의존하는 기능에 매우 유용한데, 품질 기준을 관리하고 초기 사용자 피드백을 협력적인 여정의 일부로 프레이밍하는 데 도움이 되기 때문입니다. 마지막으로 오디언스(Audience)가 있습니다. 처음에는 더 작고 타겟팅된 그룹에게 출시하여, 한 번에 모든 사람에게 공개하지 않고도 실제 사용자들의 손에 제품을 빠르게 전달하고 피드백을 수집할 수 있습니다.

이것은 "현실적인" 출시 목표에서 시작하여 나중에 기능을 추가할 계획을 세우는 것과는 명확히 다릅니다. '작은 것에서 큰 것으로(Small → Big)' 접근 방식은 종종 여러분을 지역 최적화(local optimization)의 늪에 빠뜨려 문제 공간을 근본적으로 재고하는 것을 막습니다. 야심 찬 북극성(North Star)에서 시작함으로써, 여러분의 첫 번째, 범위가 축소된 출시조차도 우회로가 아닌 올바른 방향으로 나아가는 의미 있는 첫걸음이 되도록 보장할 수 있습니다.

프레임워크 7: 정체성 다시 생각하기 (사일로에서 컨텍스트로)

제가 Google Assistant에서 PM으로 일하던 초창기에는 사용자의 정체성을 뚜렷한 계정 기반의 사일로로 생각했습니다. 예를 들어, 개인 계정과 직장 계정을 가질 수 있었죠. 오늘날 그 모델은 구식으로 느껴집니다.

우리의 정체성은 단순한 계정이 담을 수 있는 것보다 더 모호하고 유동적입니다. 친구들이 아는 당신의 모습, 직장에서 보여주는 모습, 학교 관련 일을 처리할 때의 "부모" 모드, 혹은 소셜 미디어를 위한 공개적인 페르소나가 있죠. 그리고 이는 더 깊이 들어갑니다. "직장" 모드 안에서도 친한 동료와 브레인스토밍할 때와 부사장(VP)에게 발표할 때의 당신은 약간 다른 사람입니다. 이들은 별개의 사람들이 아니라, 각 인터랙션의 특정 컨텍스트에 의해 활성화되는 단 한 사람, 바로 당신의 다른 측면들과 미묘한 조정입니다.

과거의 방식:

새로운 방식:

사일로화된 계정에서 단일한, 컨텍스트를 인식하는 정체성으로의 전환은 우리가 에이전트를 디자인하는 방식에 있어 근본적인 변화입니다. 이는 훨씬 더 많은 뉘앙스를 허용하고 사용자가 있는 그곳에서 사용자를 만날 수 있게 해줍니다. 저는 제 삶 속에서 이를 봅니다:

• 저의 전문적인 목소리는 LinkedIn, Substack, X에서 각각 다릅니다.
• 제 @AIMomPlaybook Instagram 계정은 개인 계정과 다른 톤을 가집니다.
• 저의 "부모" 모드는 학교 채팅과 학부모-교사 이메일을 위해 따로 마련되어 있습니다.
• 저의 직장 모드는 동료, 잠재적 채용 후보자, 또는 스타트업 창업자와 이야기할 때에 따라 바뀝니다.

이러한 컨텍스트적 측면을 이해하는 에이전트는 훨씬 더 도움이 될 수 있습니다. 이는 또한 또 다른 차원을 추가합니다: 우리가 공유하고자 하는 것과 부여하는 권한 또한 컨텍스트에 따라 달라져야 한다는 것입니다.

프레임워크 8: 선제적 대응 4분면 (도움이 되는가 vs. 성가신가)

당신이 무엇을 필요로 하는지 선제적으로 직감하고, 심지어 요청하기도 전에 그것을 제공하는 에이전트에는 마법 같은 무언가가 있습니다. 그것이 바로 꿈이죠. 그 동전의 다른 면은... Clippy입니다.

목표는 방해되지 않고 도움이 되는 방식으로 선제적으로 행동하는 것입니다. 한 동료와 이 문제에 대해 논의하다가, 저는 재빨리 포스트잇을 꺼내 선제적 기회를 우선순위화하는 데 도움이 되는 이 4분면 접근법을 스케치했습니다.

상단 행에는 사용자가 능동적인 필요가 생겼을 때 스스로 할 작업들이 있습니다. 여기서는 사용자가 이미 움직이고 있기 때문에 선제적 대응은 논할 가치가 없습니다. 그들은 작업을 완수하기 위해 AI를 사용할 수는 있지만, 이는 "선제적"이라기보다는 "반응적"입니다.

왼쪽 아래 사분면에는 에이전트가 선제적으로 행동할 수 있지만, 사용자가 쉽게 스스로 할 수 있기 때문에 그것을 완벽하게 해내야 한다는 기준이 엄청나게 높습니다. 마법은 줄어들죠.

진정한 마법은 오른쪽 아래에서 일어납니다: 사용자가 혼자서 완료하기 어려운 작업들입니다.

실제 시나리오를 예로 들어보겠습니다: 팀 오프사이트 계획하기. 간단해 보이지만 금세 복잡한 물류의 뒤죽박죽이 되는 작업입니다. 이용 가능한 장소를 찾아야 하고, 다양한 성격에 맞는 활동을 조사하고, 대규모 그룹을 수용할 수 있는 식당을 찾고, 이 모든 것을 예산 내에서 처리해야 합니다. 이는 종종 마지막 순간까지 미뤄지는 골치 아픈 조정 작업입니다.

에이전트가 당신의 할 일 목록이나 캘린더에서 "팀 오프사이트 계획"을 본다고 상상해보세요. 팀 규모를 알고 있고, 팀원들의 대략적인 가능 시간을 알고 있습니다. 다음 날 아침, 에이전트는 "New York 오프사이트 제안"이라는 제목의 맞춤형 인터랙티브 웹페이지 링크를 선제적으로 전달합니다. 이것은 정적인 문서가 아니라 다음과 같은 내용을 포함하는 동적인 계획 허브입니다:

• 사진, 가격, 해당 날짜에 확정된 예약 가능 여부를 포함한 세 가지 잠재적 장소 옵션
• 업무 세션과 제안된 팀 빌딩 활동(예: "양조장 투어" vs. "방 탈출 게임")이 혼합된 제안된 안건
• 메뉴와 예약 옵션 링크가 있는 추천 레스토랑 목록
• 다른 옵션을 선택할 때마다 업데이트되는 상단의 실시간 예산 추적기
• 동료들이 선호하는 활동에 투표할 수 있게 하는 "피드백을 위해 팀과 공유" 버튼

그것은 순수한 마법처럼 느껴질 것입니다. 당신이 두려워하며 미뤄왔던, 여러 단계로 이루어진 벅찬 조정 문제를 선택을 내리는 단순하고 즐거운 경험으로 바꿔줍니다.

프레임워크 9: 기억과 개인화 (암시적인가 vs. 명시적인가)

사용자가 에이전트와 상호작용할 때, 에이전트는 사용자에 대한 것들을 어떻게 기억해야 할까요?

암시적 기억 (Implicit Memory): 이것은 에이전트가 시간의 흐름에 따라 당신의 행동을 관찰함으로써 배우는 것입니다. 제가 계속해서 레시피를 찾아보고 요리책을 만들고 있기 때문에 제가 샐러드를 좋아한다는 것을 알아야 합니다. 제 파티 계획 쿼리로부터 제가 아이 셋이 있다는 것을 알아야 합니다. 이것은 사용자로부터 추가적인 노력을 요구하지 않기 때문에 강력합니다. 에이전트가 그냥 더 똑똑해지는 것이죠. 위험은? 틀릴 수 있거나(아마도 저는 저를 위해서가 아니라 친구를 위해 스시를 조사하고 있었을지도 모릅니다) 불완전할 수 있습니다(저는 한국 음식도 정말 좋아합니다).

명시적 기억 (Explicit Memory): 이것은 사용자가 직접 제공하는 정보로, 아마도 설정 패널이나 재미있는 온보딩 대화("취미가 무엇인가요?")를 통해 제공될 것입니다. 이것은 더 정확하지만 더 많은 사용자 노력이 필요합니다.

사용자의 수고와 정확성 사이의 균형을 맞추는 것이 중요합니다. 최상의 경험은 두 가지 접근법을 혼합하여 올바른 균형을 잡는 데 도움을 줄 수 있습니다. 에이전트는 무언가를 암시적으로 배운 다음 확인을 요청할 수 있습니다("채식 레시피에 관심이 많으신 것 같네요. 이 설정을 선호 사항으로 저장할까요?"). 또한 사용자가 에이전트가 자신에 대해 "알고 있는" 것을 보고 편집할 수 있는 공간을 제공하여, 단순한 음식 선호도보다는 식이 알레르기와 같은 중요한 사실에 집중할 수 있습니다.

프레임워크 10: 추천과 근거 (보여줄 것인가 말 것인가)

에이전트가 개인적인 컨텍스트를 사용하여 추천을 제공할 때, 그렇게 했다고 말해야 할까요? 몇 년 전 Assistant 팀에서 우리는 이것을 논의했습니다. 만약 남편과 제가 "근처 최고의 레스토랑"을 물었을 때 다른 답변을 받는다면(저는 타코 가게, 그는 이탈리안 레스토랑), 그것이 신뢰를 무너뜨릴까요, 아니면 신뢰를 쌓을까요?

여기에는 흥미로운 트레이드오프가 있습니다. 한편으로는 왜 추천이 이루어졌는지에 대해 투명하게 밝히는 것이 상당한 신뢰를 구축하고 에이전트가 주의를 기울이고 있음을 보여줄 수 있습니다. 다른 한편으로는, 잘 처리되지 않으면 UI를 복잡하게 만들고 로봇처럼 느껴질 수 있습니다.

하나의 정답 대신, 저는 스펙트럼의 접근 방식을 봅니다. 이는 이 문제를 서로 다르지만 효과적인 방식으로 처리하는 두 제품, LinkedIn과 Netflix를 살펴보는 것으로 가장 잘 설명될 수 있습니다.

LinkedIn 방식: 명시적 투명성

채용 지원과 같이 중요한 결정에 있어서는 투명성이 핵심입니다. LinkedIn은 개인화된 추천의 이유를 명시적으로 밝힘으로써 이 점을 훌륭하게 해냅니다.

사용자에게 "당신의 프로필, 직무 기준 및 채용 담당자 피드백을 기반으로..."라고 말함으로써, LinkedIn은 블랙박스를 명확한 가치 제안으로 바꿉니다. 이 접근 방식은 사용자의 무언의 질문인 "왜 나에게 이것을 보여주는가?"에 직접적으로 답하기 때문에 효과적입니다. 이는 개인화를 가치 있고 신뢰할 수 있게 만듭니다.

Netflix 방식: 명시적 프레이밍을 통한 암시적 개인화

다음에 무엇을 볼지와 같은 덜 중요하고 대량의 추천의 경우, 모든 제안에 대해 "이유"를 설명하는 것은 부담스러울 것입니다. Netflix는 개인화된 콘텐츠와 일반 콘텐츠를 구분하기 위해 명시적인 프레이밍을 사용하여 이 문제를 영리하게 해결합니다.

"오늘 미국의 TOP 10 TV 프로그램"과 같은 줄은 인기도에 기반한 일반적인 것임이 분명합니다. 하지만 "회원님을 위한 추천"이라는 제목의 줄은 사용자에게 명시적인 신호입니다: "이 다음 세트는 당신만을 위한 것입니다." "당신이 SF 영화 세 편을 봤기 때문에..."라고 말할 필요가 없습니다. 프레이밍 자체가 개인화된 컨텍스트를 암시하여, 과도한 설명 없이도 이해받는 느낌을 만들어냅니다.

대화형 에이전트 방식: 매끄러운 컨텍스트

가장 우아한 접근 방식은, 특히 대화형 에이전트의 경우, 컨텍스트를 응답 자체에 자연스럽게 녹여내는 것일 수 있습니다. 어색한 레이블 대신, 에이전트가 이렇게 대답한다고 상상해보세요: "어제 파스타를 드셨으니, 오늘 밤에는 니수아즈 샐러드로 바꿔보는 건 어때요? 지난달에 별표 해두셨던 그 레시피 여기 있어요." 이런 종류의 응답은 LinkedIn의 "이유"의 명확성과 Netflix의 개인화의 매끄러운 느낌을 결합하여, 대화의 흐름을 깨지 않으면서 지능을 보여줍니다. 그럼에도 불구하고, 어떤 사람들은 이 답변이 너무 장황하다고 느끼고 "니수아즈 샐러드는 어때요?"와 같은 직설적인 응답을 선호할 수도 있습니다.

궁극적으로 올바른 선택은 제품의 컨텍스트와 사용자에 따라 달라집니다. 결정이 중요한가요? LinkedIn처럼 명시적으로 하세요. 덜 중요하고 양이 많은가요? Netflix처럼 프레이밍하세요. 대화형인가요? 의미가 있을 때 자연스럽게 녹여내세요.

종합하기: 에이전트 디자인 마인드셋

이전의 프레임워크들과 마찬가지로, 이 추가 프레임워크들도 총망라된 체크리스트가 아닙니다. 대신, 이는 높은 수준의 전략(역삼각형으로 크게 생각하기)에서부터 단일 인터랙션의 미묘한 세부사항(선제적 추천이나 컨텍스트적 정체성과 같은)에 이르기까지, 에이전트 디자인의 다면적인 과제를 분석하는 데 도움이 되는 정신 모델 역할을 합니다. 이는 제가 단지 유능할 뿐만 아니라 진정으로 지능적이고 사용자 중심적인 제품을 구축하는 방법에 대해 전체적으로 생각하고 있는지 확인하는 데 도움을 줍니다.

궁극적으로, 차세대 진정으로 도움이 되는 에이전트를 구축하는 것은 기술적인 실행 이상의 것을 요구합니다. 그것은 야심 찬 비전에서 시작하고, 사용자 정체성의 유동적인 본질에 대한 깊은 공감, 그리고 선제적 대응과 개인화에 대한 사려 깊은 접근 방식을 요구하는 미래 지향적인 마인드셋을 필요로 합니다. 그것은 사용자의 삶을 진정으로 더 쉽고 창의적으로 만드는 방식으로 사용자와 적응하고, 기억하고, 협력할 수 있는 시스템을 설계하는 것에 관한 것입니다.

이것들은 제가 이 분야를 탐색하기 위해 사용하고 있는 정신 모델 중 일부입니다. 이 새로운 시대에 제품을 구축하기 위한 여러분의 단골 프레임워크나 원칙은 무엇인가요? 여러분의 생각을 듣고 싶습니다.

The Agent Design Mindset: 5 More Product Frameworks

Diving deeper into proactive design, user identity, and the art of thinking big.

Thursday Thoughts on AIJaclyn Konzelmann