[AI는 어떻게 조직을 배우는가] 2.매번 처음 만나는 AI에서, 개인화된 AI로

같은 AI 모델을 사용해도 사람마다 느끼는 유용함은 꽤 다릅니다.

누군가는 AI에게 짧은 문장 하나만 입력해도 원하는 결과를 얻지만, 누군가는 매번 긴 배경 설명부터 시작해야 합니다.

차이는 단순히 프롬프트를 잘 쓰느냐에만 있지 않습니다.

AI가 사용자를 얼마나 알고 있느냐도 중요합니다.

앞으로 Personal AI에서 ‘Personal’을 만드는 것은 모델 자체보다 Memory와 Context일 수 있습니다.

매번 처음부터 설명해야 하는 AI

업무에서 AI를 사용할 때 생각보다 많은 시간이 배경을 설명하는 데 들어갑니다.

“이 프로젝트는 이런 목적으로 시작했습니다.”

“이 고객은 지난번에 이런 요구를 했습니다.”

“저희 팀에서는 보통 이런 형식으로 문서를 작성합니다.”

“이 부분은 지난 회의에서 이미 제외하기로 했습니다.”

오래 함께 일한 동료라면 굳이 설명하지 않아도 되는 내용입니다.

하지만 Context가 없는 AI에게는 매번 알려줘야 합니다.

모델이 아무리 똑똑해져도 이전 상황을 모른다면 사용자는 계속 같은 정보를 반복해서 입력해야 합니다.

반대로 이전 대화와 진행 중인 프로젝트, 주요 관계자, 자주 사용하는 표현과 판단 기준을 AI가 알고 있다면 상황은 달라집니다.

AI는 질문 하나만 보고 답하는 것이 아니라 그 질문이 어떤 맥락에서 나왔는지 함께 이해할 수 있습니다.

Personal AI의 ‘Personal’은 어디에서 올까요?

개인화된 AI라고 하면 흔히 말투나 캐릭터를 먼저 떠올립니다.

하지만 업무에서 더 중요한 개인화는 다른 곳에 있습니다.

내가 어떤 프로젝트를 맡고 있는지, 어떤 고객과 일하고 있는지, 무엇을 중요하게 판단하는지, 어떤 결과물을 좋은 결과라고 생각하는지를 아는 것입니다.

예를 들어 “이 메일에 답장해줘”라는 요청 하나도 상대가 누구인지에 따라 답은 달라집니다.

오래 알고 지낸 동료에게 보내는 메일과 처음 연락하는 고객에게 보내는 메일은 말투가 다릅니다.

이미 여러 번 논의한 내용인지, 처음 제안하는 내용인지에 따라서도 필요한 설명의 양이 달라집니다.

어떤 사람에게는 한 줄 답변이면 충분하지만, 어떤 사람에게는 배경과 근거를 함께 전달해야 할 수도 있습니다.

이것은 모델의 일반적인 지능만으로 해결하기 어렵습니다.

AI가 나와 상대방, 그리고 지금 하고 있는 일의 관계를 알아야 하기 때문입니다.

모델은 바뀌어도 Context는 남습니다

AI 모델은 빠르게 발전하고 있습니다.

오늘 가장 좋은 모델이 몇 달 뒤에도 가장 좋은 모델이라는 보장은 없습니다.

업무에 따라 서로 다른 모델을 사용할 수도 있습니다.

그렇다면 AI를 사용할 때 정말 오래 남아야 하는 것은 무엇일까요?

그동안 어떤 일을 했는지, 어떤 사람들과 이야기했는지, 어떤 결정을 내렸는지, 어떤 방식으로 일하는지를 담은 Context입니다.

모델은 교체할 수 있어도 이런 Context가 매번 사라져버린다면 새로운 AI를 사용할 때마다 처음부터 다시 시작해야 합니다.

반대로 Context가 이어진다면 모델이 바뀌더라도 사용자는 같은 AI 동료와 계속 일하는 것에 가까운 경험을 할 수 있습니다.

Context는 한 번 넣어두는 설정값이 아닙니다

여기서 한 가지 문제가 생깁니다.

업무는 계속 바뀝니다.

새로운 프로젝트가 시작되고, 기존 프로젝트의 우선순위가 달라집니다. 담당자가 바뀌고, 고객 요구사항도 변합니다.

지난달에는 맞았던 정보가 이번 달에는 틀릴 수 있습니다.

그래서 AI의 Context는 한 번 작성하고 끝나는 프로필이어서는 안 됩니다.

실제 업무와 함께 계속 갱신되는 살아 있는 정보여야 합니다.

오늘 회의에서 새로운 결정이 내려졌다면 AI가 알고 있는 Context에도 그 변화가 반영되어야 합니다.

고객이 요구사항을 바꿨다면 과거 기록뿐 아니라 가장 최근의 대화까지 함께 봐야 합니다.

좋은 Memory는 무조건 많이 기억하는 것을 의미하지 않습니다.

지금 무엇이 중요한지, 무엇이 가장 최신 정보인지, 현재 질문과 어떤 과거 정보가 연결되는지를 판단할 수 있어야 합니다.

대화는 가장 자연스럽게 만들어지는 Memory입니다

그렇다면 이런 Context를 어떻게 계속 쌓을 수 있을까요?

사람이 매일 별도의 문서를 만들어 AI에게 자신의 상황을 업데이트하는 방식은 오래 유지하기 어렵습니다.

오히려 우리가 이미 하고 있는 업무에서 자연스럽게 Context가 생성되도록 만드는 편이 현실적입니다.

그리고 중요한 원천 중 하나가 대화입니다.

회의에서는 지금 무엇이 문제인지 이야기합니다.

고객 미팅에서는 요구사항이 바뀝니다.

인터뷰에서는 문서에 없던 정보가 나옵니다.

내부 논의에서는 왜 특정 선택을 했는지가 드러납니다.

이런 대화가 꾸준히 기록된다면 별도의 Context 문서를 매번 작성하지 않아도 업무의 변화가 자연스럽게 데이터로 남을 수 있습니다.

다글로는 이런 대화를 전사해 검색하고 다시 활용할 수 있는 형태로 바꿉니다.

사람이 원래 하던 대화를 그대로 이어가면서 AI가 이해할 수 있는 Context의 재료를 만드는 것입니다.

좋은 AI는 매번 처음 만나는 AI가 아닙니다

앞으로 AI 모델은 계속 좋아질 것입니다.

하지만 좋은 AI 경험을 만드는 요소가 모델의 성능만은 아닐 가능성이 큽니다.

어제의 일을 알고, 지난 회의의 결정을 알고, 내가 중요하게 보는 기준을 알고 있는 AI는 매번 처음 만나는 AI와 다릅니다.

그리고 그런 차이는 시간이 지날수록 커집니다.

오늘의 대화가 내일의 Memory가 되고, 그 Memory가 다음 업무의 Context가 됩니다.

다글로가 기록하는 대화 역시 이런 관점에서 볼 수 있습니다.

오늘 회의를 편하게 정리하기 위한 기록인 동시에, 내일의 AI가 나와 우리 팀을 더 잘 이해하기 위한 Context가 될 수 있습니다.

더 좋은 AI가 꼭 더 큰 모델을 의미하는 것은 아닙니다.

때로는 나를 더 잘 아는 AI가 더 좋은 AI입니다.