이재원
정보의 바다 속에서 필요한 문서를 낚는 법, AI가 해결할 수 있을까?
9월 15일 아침, 나와 팀원들은 각자의 end goal에 대해 이해하며, 어떠한 문제를 가장 해결하고 싶은지 대화를 나누어 보았다. 나의 경우, 사람들이 그들이 진정으로 하고 싶은 일을 하며 살 수 있도록 돕고 싶다는 목표를 위해, 어떤 문제를 가장 해결하고 싶은지 생각해보았다.
최근 내가 자주 마주하게 된 문제는 내가 수집한 정보가 어디에 있는지를 모르겠다는 것이다. 경영학회에 입회한 후 다양한 자료를 조사하면서, 자료들이 쌓이다 보니 정리해 둔 파일 중에서 어디에 있는지, 무슨 내용을 담고 있었는지 헷갈리는 일이 빈번하게 발생했다. 즉, 내가 이루고 싶은 목표(프로젝트의 진행)를 위해 필요한 정보를 찾는 과정에서 불필요한 시간 소모가 많아졌다.
이번 학기, 나는 이 문제를 해결하는 데 초점을 맞추기로 했다. 이를 위해, 이미 이와 유사한 문제를 해결하고 있는 스타트업이 있는지 알아보았다. 조사 대상으로 선택한 스타트업은 AI 노트 앱인 Mem과 데이터 분석 서비스인 Kater였다.
Mem: 언제 어디서나, 복잡함 없이
Mem은 [언제 어디서나 최고의 아이디어와 정보에 즉시 접근]하는 것을 목표로 한다. 이들의 해결책은 복잡한 문서 구조 없이 정보와 아이디어를 쉽게 찾을 수 있는 AI 기능을 제공하는 것이다. 사용자가 문서를 입력하면 AI가 자동으로 태그를 생성하고, 그 태그를 기반으로 관련 문서를 추천해 준다. 노트 요약 기능과 콘텐츠 초안 작성 기능 역시 포함되어 있다.
Mem의 가격 모델은 월 $8.33, 연간 $99.99로 구독형이다.
활용된 AI 기술은 아마도 GPT-4o와 같은 대규모 언어 모델을 사용하여, 문서의 제목 간 유사도를 계산하고, 사용자가 입력한 내용을 요약 및 초안을 생성하는 것 같다. 다만, 이 기술은 딱히 복잡하지 않고, 기능 면에서 큰 차별화도 없었다.
Kater: 데이터를 정리하고, 가설을 검증하는 AI
Kater는 [데이터를 쉽게 탐색하고, 신뢰할 수 있으며, 이해할 수 있게 만드는 것]을 목표로 한다. 그들의 핵심 기능은 AI가 데이터를 자동으로 정리하고 가설을 설정하며, SQL 쿼리를 통해 그 가설을 빠르게 검증할 수 있다는 점이다. 나아가 검증된 가설을 저장하고 조직 내에서 공유할 수 있게 돕는다. 이 과정에서 Kater의 AI는 사용자 비즈니스 로직을 학습하여, 사용자 맞춤형 데이터를 제공한다.
Kater의 비즈니스 모델은 B2B에 기반하며, 구체적인 가격 정보는 확인되지 않았다.
AI 기술로는 아마도 GPT-4o 같은 모델을 활용해 데이터 분류, 라벨링, 그리고 사용자 맞춤형 강화학습 기술을 적용한 것으로 보인다.
느낀 점: 해결책과 아쉬움
두 기업 모두 흥미로운 기술을 활용하고 있지만, 내가 생각하는 문제를 해결하기엔 적합하지 않았다. Mem은 내가 저장한 정보를 제목을 기준으로만 찾아주기 때문에, 정보의 핵심 내용을 정확히 찾아주지 못했다. 태그 자동 생성 기능도 기대 이하였다. 태그가 자동으로 생성되지만, 실제로 내가 원하는 방식으로 정보를 조직하기엔 여전히 수동 작업이 필요했다.
Kater는 복잡한 데이터 분석 과정을 자동화하는 매력적인 기술을 가지고 있었지만, 내가 해결하고자 하는 정보 관리 문제와는 거리가 있었다. Kater는 데이터 분석에 특화되어 있지만, 내가 필요로 하는 '자료의 위치 파악'이라는 문제를 다루기엔 맞지 않는 도구였다.
앞으로의 방향
결국, 내가 해결하려는 문제는 사용자가 기록한 정보가 산발적으로 존재할 때 이를 미래에 쉽게 찾을 수 있는 방법이다. 다른 스타트업들이 문제를 어떻게 해결하고 있는지 살펴본 것은 나에게 필요한 기능과 그렇지 않은 기능을 구분하는 데 좋은 기준이 되었다. 앞으로도 이러한 고민을 이어가며, 더 나은 해결책을 찾아야 할 것이다.