Where AI products go next: voice, agents, and self-driving software

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Where AI products go next: voice, agents, and self-driving software를 중심으로, 완성도보다 실제 사용에서 배우는 속도가 중요해졌다. Tara는 토글을 불완전한 해법으로 인정하면서도, 에이전트 기능을 사용자에게를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 완성도보다 실제 사용에서 배우는 속도가 중요해졌다. Tara는 토글을 불완전한 해법으로 인정하면서도, 에이전트 기능을 사용자에게 전달하고 반복 개선하기 위한 선택이었다고 설명한다.
2. 출시 속도를 뒷받침하는 품질 기준은 사용자 가치, 내부 사용과 유지, 새로운 활용 사례, 가까운 미래의 모델 역량이다. Tara가 제시하는 제품 설계 시야는 대체로 2~3개월이다.
3. 에이전트 설계는 사용자의 이해 능력과 데이터 경계를 함께 다뤄야 한다. Nan은 여러 에이전트를 묶어 관리하는 경험을, Tara는 권한·계정·기억의 구체적인 사용 조건을 강조한다.
4. 플랫폼의 가치는 여러 도구를 연결해 작업을 끝내는 데 있다. 플러그인과 연동 도구가 처리하지 못하는 부분을 컴퓨터 사용 기능으로 보완하되, 마지막 단계의 실패와 비용도 살펴야 한다.
5. 다음 인터페이스로 Tara는 음성을, Nan은 스스로 사용을 돕는 소프트웨어를 전망한다. 두 방향 모두 사용자가 기능을 이해하고 활용하는 부담을 줄이려는 접근이다.

🧩 배경과 문제 정의

제목은 OpenAI의 Tara Sesha와 Nan Yu가 AI 제품의 다음 방향을 논의하는 대담을 소개한다. 진행자는 AI 제품의 두 가지 사용 방식을 나누는 토글을 출발점으로, 불완전한 기능을 언제 출시하고 어떻게 개선해야 하는지 묻는다.

대담의 중심 문제는 모델 역량의 빠른 발전을 실제 사용자 가치로 연결하는 방법이다. 사용자의 변화 수용 능력, 에이전트의 권한과 기억, 외부 도구와의 연결, 연구팀과의 협업이 차례로 다뤄진다. 마지막에는 음성, 스스로 사용을 돕는 소프트웨어, 휴대형 하드웨어에 대한 전망으로 이어진다. 여기서 소프트웨어의 ‘자율주행’은 자동차가 아니라 제품이 사용자의 시작과 활용을 스스로 돕는 경험을 뜻한다.

🕒 시간순 섹션별 상세정리

1. 불완전한 토글을 출시한 이유

• 진행자는 AI 제품의 두 가지 모드를 나누는 토글을 사례로, 완벽하지 않은 제품을 출시하는 판단 기준을 묻는다. [00:54]
• Tara는 정교한 완성도를 중시하던 Stripe 경험과 달리, 지금은 출시 후 사용자의 실제 행동을 보고 빠르게 개선하는 일이 중요해졌다고 보여준다. [01:48]
• 토글은 이상적인 해법은 아니지만, 개발자 작업 흐름을 방해하지 않으면서 에이전트 기능을 사용자에게 전달하기 위한 선택이었다. [02:13]

2. 기능을 버릴 때 필요한 변화의 설명

• 진행자는 빠르게 만들고 폐기하는 환경에서 무엇을 유지하고 무엇을 없앨지 질문하며, 토글이 사라지는 다음 단계를 예로 든다. [02:53]
• Nan은 사용자가 제품의 변화 경로를 이해하고 내부 동작에 관한 설명을 접할 수 있다면, 변화에 대한 수용성이 높아질 수 있다고 답한다. [03:22]

3. 빠른 출시를 지탱하는 품질 기준

• Tara는 새 기능이 사용자에게 실질적인 추가 가치를 제공하는지부터 확인한다고 보여준다. [04:01]
• 내부에 먼저 출시해 사용과 유지, 즐거움이나 놀라운 경험, 새로운 활용 사례가 나타나는지 살핀다. 고정된 수치 기준은 제시하지 않는다. [04:39]
• 현재 모델에만 맞추거나 너무 먼 미래를 가정하기보다, 2~3개월 뒤의 모델 역량을 겨냥하고 모델이 잘할 수 있는 일을 방해하지 않는 제품을 지향한다. [05:09]

4. 모델 역량과 사용자 활용 사이의 간극

• Nan은 제품의 가장 큰 제약으로 사용자가 새 기능을 이해하고 받아들이는 능력을 꼽는다. 모델이 할 수 있는 일을 사용자가 충분히 활용하지 못하는 간극을 ‘capability overhang’으로 보여준다. [05:32]
• 기능을 더 넣더라도 사용자가 변화를 흡수하지 못하면 실제 활용은 제한된다는 것이 그의 주장이다. [05:45]

5. 기업 고객의 변화 부담과 에이전트 공급

• 진행자는 도구에 의존해 사업을 운영하는 기업 고객이 빠른 변화를 받아들일 수 있는지 묻고, Tara는 현재의 속도가 기업에 압도적으로 느껴질 수 있다고 인정한다. [06:35]
• 동시에 최신 기능을 제공하지 않으면 다른 제품에 뒤처질 수 있다며, 질문과 답변 중심으로 사용하던 기업에 에이전트를 빠르게 전달할 필요가 있었다고 보여준다. [07:04]
• 기존 절차와 기대를 흔드는 변화라도 더 큰 가치를 열어줄 수 있으며, 사용자가 말하는 요구와 실제로 필요한 것을 함께 판단해야 한다고 강조한다. [07:33]

6. 하나의 에이전트와 여러 전문 에이전트

• 진행자는 모든 일을 맡는 하나의 범용 에이전트와 업무별로 구성한 여러 에이전트 중 어떤 설계가 적절한지 질문한다. [08:33]
• Nan은 많은 에이전트를 직접 관리하는 부담을 여러 직원을 관리하는 상황에 비유하며, 사람의 이해 방식에 맞춰 활동을 묶을 필요가 있다고 보여준다. [09:08]
• 다른 에이전트를 관리하는 비서실장 역할의 에이전트를 두면, 사용자는 사실상 하나의 대표 에이전트와 상호작용하게 된다고 지적한다. [09:32]

7. 에이전트 정체성을 결정하는 권한과 기억

• Tara는 에이전트의 수에 관한 철학적 선택보다 데이터 접근과 권한, 서비스 계정과 사용자 계정의 사용 방식이 실무적으로 중요하다고 드러낸다. [09:52]
• 하나의 에이전트라도 비공개 대화 공간에 들어갈 때 기억을 분리해야 하는지 등 구체적인 경계를 검토해야 한다. [10:15]
• 누구의 자격 증명을 쓰고 누구에게 어떻게 말할지는 사용 사례에 따라 달라지므로, 단일한 설계 원칙만으로 답하기 어렵다고 보여준다. [10:32]

8. 사용자 공감과 시스템 사고에 더해지는 반복 실험

• 진행자는 사용자의 사고방식을 이해하는 일과 권한·플랫폼·예외 상황을 설계하는 일을 에이전트 제품 개발의 두 축으로 정리한다. [11:32]
• Nan은 사용자 공감과 시스템 사고가 기존 제품 관리 원칙이며, 새로운 기술 환경에서 그 원칙으로 제품 형태를 다시 생각해야 한다고 답한다. [11:59]
• Tara는 끈질기게 시도하고 개선하는 태도를 추가한다. 진행자도 피드백에서 배우는 필요성은 그대로지만 반복 주기가 훨씬 빨라졌다고 짚어 본다. [12:45]

9. 플랫폼과 외부 도구를 연결하는 여러 층

• 진행자는 컴퓨터 사용 기능을 기존 도구의 UI에 직접 적용하는 경험을 소개하며, 플랫폼과 외부 생태계의 관계를 묻는다. [13:25]
• Tara는 플랫폼의 기본 기능, 플러그인, 외부 개발자를 위한 연결 수단을 함께 고려한다고 보여준다. 연동이 잘되지 않거나 도구가 없으면 컴퓨터 사용 기능이 보완 수단이 될 수 있다. [14:33]
• 핵심은 기능을 여러 층으로 구성하고 서로 조합할 수 있게 만들어, 한 경로가 실패해도 다른 경로로 사용자의 작업을 완료하도록 돕는 것이다. [15:01]

10. 마지막 단계까지 끝내는 경험의 가치

• 진행자는 비결정적인 모델과 자연어 인터페이스, 통제하기 어려운 외부 도구를 조합하면서 일관된 품질을 어떻게 만들지 묻는다. [15:42]
• Nan은 작업이 거의 끝난 뒤 마지막 단계에서 실패하면 약속을 지키지 못했다는 실망이 커질 수 있다고 보여준다. 컴퓨터 사용 기능의 장점으로 끝까지 처리하는 경험을 들면서도 느린 속도와 토큰 비용 가능성을 인정한다. [16:35]
• Tara는 복잡한 내부 사정 속에서도 사용자가 자신의 필요가 미리 고려됐다고 느끼는 경험을 지향한다. 이어 진행자는 잦은 업데이트 알림을 농담 소재로 삼는다. [17:21]

11. 연구팀과 협업하는 제품 담당자의 역할

• Tara는 OpenAI에 와서 연구팀과 협업하는 일이 엔지니어링팀과 일하는 방식과 다르다는 것을 새롭게 배웠다고 드러낸다. [18:18]
• 제품 담당자는 구체적인 사용 사례와 사용자 목표를 가져오고, 실제 세션을 읽어 모델이 왜 필요한 행동을 하지 못했는지 이해해야 한다. [18:40]
• 평가 사례를 만들고, 특정 프롬프트와 스킬로 달성한 결과를 제시해 그 능력을 사후 학습에 반영할 수 있는지 논의하는 것이 기여 방식으로 묶인다. [19:23]

12. 가까운 미래를 겨냥하는 계획 주기

• Tara는 제품 리더가 현재의 문제를 해결하면서도 조금 앞을 봐야 한다며, 이상적인 시야를 다시 2~3개월로 제시한다. 수년 뒤 예측은 자주 틀리지만 오늘에만 맞춰도 뒤처진다는 설명이다. [20:29]
• 진행자는 연간 계획과 짧은 예측 시야 사이의 긴장을 지적한다. Tara는 결제 시장과 OpenAI의 사업 환경은 예측 가능성과 변화 구조가 다르다고 답한다. [21:22]
• 계획 주기는 모든 기업에 동일하게 적용할 규칙이 아니라, 해당 시장의 속도와 역학을 이해한 뒤 정해야 한다고 보여준다. [21:44]

13. 더 중요해진 온보딩과 예측 가능한 동작

• Nan은 모델의 능력과 사용자의 활용 사이에 간극이 커진 만큼, 첫 경험에서 제품을 이해하도록 돕는 온보딩의 중요성이 높아졌다고 드러낸다. [22:40]
• Tara는 개인정보와 데이터 사용 방식, 제품의 행동 규칙을 사용자가 이해해야 한다고 강조한다. 반자율적으로 움직이는 에이전트에서는 사용자가 다음에 일어날 일을 예측할 수 있어야 한다. [23:09]
• 제품과 디자인의 세부 사항을 이해하는 기존 역량은 계속 필요하며, 실제 사용자와 더 빠르게 시험하는 중요성이 커졌다고 보여준다. [23:39]

14. 직접적인 사용자 관계로 확보하는 구체적 피드백

• 진행자는 제품 담당자에게 직접 메시지를 보내는 접근성이 더 중요해졌는지 묻는다. Tara는 사용자와의 직접 접촉이 구체적인 요구와 사용 사례를 연구팀에 전달하는 데 도움이 된다고 답한다. [25:10]
• Nan은 자연어 에이전트에서 발생하는 불편이 미묘할 수 있어, 실제 발언과 당시 맥락을 추가 질문으로 파악해야 한다고 보여준다. [25:46]
• 더 깊은 사용자 관계가 이런 문제를 이해하는 데 유용하다는 논의 뒤, 진행자는 앞으로의 직접 피드백을 농담으로 예고한다. [26:06]

15. 음성이 낮추는 사용 문턱

• 다음 해의 제품 변화에 관한 질문에 Tara는 음성을 꼽는다. 말로 컴퓨터와 상호작용하는 방식이 더 자연스럽고 자신의 업무 방식도 바꿨다고 보여준다. [27:00]
• 가족의 기술 지원 부담이 줄어든 경험과 OpenAI 내부 인사팀의 새 제품 온보딩 사례를 들어, 음성이 여러 사용자에게 직관적인 인터페이스가 될 수 있다고 드러낸다. [27:22]
• 사람의 자연스러운 상호작용 방식과 음성 모델의 품질·속도 개선을 연결하며 음성의 가능성을 높게 평가한다. [27:45]

16. 스스로 사용을 돕는 소프트웨어

• Nan은 다음 해에 ‘자율주행’과 비슷한 제품 경험이 더 중요해질 것으로 전망한다. 범용 도구든 전문 도구든 사용자는 빈 입력창 앞에서 무엇을 해야 할지 막힐 수 있다고 보여준다. [28:13]
• 지능을 갖춘 제품이 스스로 기능을 활용하며 사용자를 돕고, 처음 시작하는 과정을 부드럽게 안내하는 방식이 자연스러워질 수 있다고 드러낸다. [28:30]

17. 하드웨어 전망과 대담 마무리

• 진행자는 음성과 자율주행형 소프트웨어 전망을 다시 언급한 뒤, 노트북을 펼쳐 들고 다니는 방식을 대체하는 작은 하드웨어를 자신의 예측으로 추가한다. [28:53]
• 전망이 맞는지 나중에 확인하자는 취지로 대화를 마무리하고, OpenAI 출연자들과 진행자에게 감사 인사를 전해진다. [29:06]

🧾 결론

• 사용자 공감과 시스템 사고라는 기존 제품 개발 원칙은 계속 유효하다. 달라진 것은 실험, 사용자 검증, 피드백 반영에 요구되는 속도다.
• 제품의 성능은 모델이 할 수 있는 일뿐 아니라 사용자가 실제로 이해하고 맡길 수 있는 일에 의해 제한된다. 온보딩과 예측 가능한 동작이 제품 가치의 중요한 조건이다.
• 제품팀과 연구팀의 연결에는 구체적인 사용자 목표, 실제 세션의 실패 사례, 평가 기준이 필요하다. 직접적인 사용자 관계는 이러한 근거를 확보하는 통로가 된다.
• 음성과 스스로 사용을 안내하는 소프트웨어는 출연자들의 전망이다. 진행자가 덧붙인 휴대형 하드웨어 역시 제품 발표가 아닌 개인적 예측으로 읽어야 한다.

📈 투자·시사 포인트

• AI 제품을 평가할 때 기능 목록과 함께 사용자의 이해, 반복 사용, 작업 완료 여부를 확인필요가 있다. 대담에서는 내부 사용과 유지, 온보딩, 마지막 단계의 완결성이 제품 판단 기준으로 제시된다.
• 기업용 AI에는 빠른 기능 공급과 조직의 변화 수용 능력 사이의 긴장이 있다. 최신 에이전트 기능을 전달하는 속도와 고객이 그 가치를 활용하도록 돕는 능력을 함께 살펴볼 만하다.
• 플랫폼과 외부 앱의 관계는 기능을 누가 소유하느냐만으로 설명하기 어렵다. 연동 수단과 컴퓨터 사용 기능을 조합해 사용자의 작업을 끝내는 구조가 중요한 관찰 대상이다.
• 음성은 사용 문턱을 낮출 가능성이 있지만, 대담의 근거는 개인 경험과 내부 온보딩 사례다. 시장 규모, 수익성, 기업가치에 관한 수치나 특정 투자 대상에 대한 판단은 제공되지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 음성과 스스로 사용을 돕는 소프트웨어가 다음 해에 중요해질 것이라는 발언은 전망이다. 출시 일정, 구현 범위, 채택률을 입증하는 자료는 제시되지 않는다.
• 컴퓨터 사용 기능이 작업을 끝까지 수행한다는 Nan의 표현은 경험에 기반한 주장이다. 실제 성공률이나 적용 한계는 공개되지 않았으며, 느린 속도와 많은 토큰 사용 가능성은 직접 언급된다.
• 내부 사용과 유지가 출시 판단에 중요하다는 설명에는 구체적인 수치 기준이 없다. 외부 사용자에게도 같은 가치가 나타나는지는 별도로 확인해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 현재 AI 제품이 사용자에게 추가하는 가치를 한 문장으로 정의하고, 내부 사용과 반복 사용에서 그 가치가 확인되는지 점검한다.
• 처음 사용하는 사람이 빈 입력창 앞에서 무엇을 해야 하는지 이해할 수 있는지 관찰하고, 음성이나 안내 기능이 사용 부담을 줄이는지 검증한다.
• 에이전트의 데이터 접근 범위, 사용자 계정과 서비스 계정의 구분, 비공개 공간에서의 기억 경계를 사용 사례별로 정리한다.
• 연동 도구가 실패했을 때 컴퓨터 사용 기능으로 이어지는 작업을 살펴보고, 마지막 단계의 완료 여부와 소요 시간·토큰 사용량을 함께 기록한다.

❓ 열린 질문

• 하나의 대표 에이전트 아래 여러 전문 에이전트를 묶을 때, 사용자는 권한과 기억의 경계를 어떻게 이해할 수 있을까?
• 음성 인터페이스가 초기 사용을 쉽게 만드는 효과는 장기적인 반복 사용과 작업 완료로도 이어질까?
• 소프트웨어가 스스로 사용을 안내하고 행동할수록, 사용자가 다음 동작을 예측할 수 있도록 어떤 설명이 필요할까?