통역사가 애플뮤직을 거쳐 AI 웹툰 SaaS를 만들기까지

여러분은 어쩌다 창업을 하게 되었나요? 이번 메이커 스프린트 1기에 참여하신 @Danny Lee 님은 통역가, 애플뮤직 리드, 행사기획자 등을 거쳐 지금은 프롬프트를 작성하면 웹툰을 생성해주는 WeToon을 만들고 계신데요.

• 우선, 미국에서 통역사를 그만두고 애플뮤직에 합류하셨습니다.

• 그리고 애플에서는 팀 리드가 되어 직접 팀빌딩까지 담당하면서 많은 성과를 만드셨고요.

• 더 많은 책임과 권한을 가진 환경에서 일하기 위해 한국에 왔고, 지금의 WeToon을 하고 계세요.

그래서 오늘은 AI 제품을 만들기까지 어떤 도전을 하셨는지, 평소에 새로운 것을 빠르게 배우기 위해 어떤 방법을 사용하시는지 여쭤봤습니다.

WeToon은 어떤 제품이고, 만드는 과정에서 배운 점은 무엇인가요?

WeToon은 쉽고 빠르게 4컷 웹툰을 생성해주는 AI SaaS에요. 저는 팀에서 개발 이외의 모든 일을 맡고 있는데요. 이 과정에서 굉장히 많은 시행착오가 있었어요.

우선 타겟 설정에 어려움이 있었어요. 초기에는 소상공인 분들이 WeToon에 많은 관심을 보이셨어요. 요즘 자영업하시는 분들은 SNS 등에서 고객을 확보하기 위해 웹툰을 활용하더라고요.

하지만 메타 광고를 통해 핵심타겟을 검증하는 과정에서 WeToon에 대한 관심이 소상공인 분들보다는 기획자분들이 더 많다는 것을 확인했습니다. 그래서 저희는 마케터가 없는 초기 기획자가 앱이나 웹서비스를 홍보할 수 있는 웹툰을 생성하기 위해 프롬프트를 조정했어요.

그런데 핵심타겟이 웹툰을 제작할 때 말풍선을 수정하는 과정에서 높은 이탈률을 보였어요. 유저를 만나보니 어떤 멘트를 작성해야 메세지를 잘 전달할 수 있을지 모르겠다고 했어요. 전문성이 없으면 하기 어려운 과정이 있었던 것이죠. 그래서 건당 10만원을 받고 시나리오 프롬프트를 생성하면 그 이후에 말풍선을 생성하고 어울리는 멘트를 대신 만들어주기로 했어요. 그렇게 10만원 프로젝트를 시작하게 되었죠.

10만원 프로젝트에 대해 더 설명해주실 수 있나요?

10만원에 말풍선과 어울리는 멘트를 대신 만들어주겠다고 제안했지만 문의하는 분이 없었어요. 가격이 문제일까 싶어 10만원에서 5천원까지 비용을 낮춰도 마찬가지였고요.

그래서 원인을 찾기 위해 제품을 사용한 유저들을 일일이 연락해 피드백을 받았고요. 이때까지만 해도 ‘아, 그럼 시나리오를 적는게 어렵나보다’ 싶었습니다. 실제로 시나리오를 작성하는 구간에서도 이탈율이 높았으니까요.

하지만 결론은 아래와 같았어요.

그림체를 원하는대로 바꿀 수 없다면 사용하지 않을 것 같아요.

고객과 이야기를 나눠보니 이미 WeToon으로 웹툰을 완성한 분들이 이탈한 이유는 그림체였어요. 예를 들면, B2B 홍보웹툰과 인스타툰을 원하시는 분들이 굉장히 많았는데요, 현재는 유저가 원하는대로 그림체를 수정할 수 없다보니 관심을 가지고 들어온 분들은 많았지만 재방문을 하지는 않으신거죠.

하지만 반대로 생각하면 고객이 저희 제품에서 가장 핵심으로 느끼는 가치가 어떤 것인지 알 수 있어서 정말 유의미했어요.

WeToon 이전에는 통역사였다고 들었어요

저는 원래 미국에서 대학교와 대학원을 나왔어요. 스탠포드 대학병원과 USCIS(미 이민국)에서 통역사로 일하기도 했고요. 그런데 하면할수록 2가지 이유로 통역사라는 일이 저랑 맞지 않다는 것을 느꼈어요.

먼저 통역사라는 직업의 특성인데요. 한 번은 대학원 교수님께서 이런 말씀을 하셨어요.

“통역사는 철저한 조연이다. 절대 주인공보다 눈에띄면 안되고, 생각을 하거나 의견을 덧붙여도 안된다.
옷은 항상 무채색으로 입어야 한다.”

하지만 전 언제나 주인공이 되어 인정받는 것을 즐겼어요. 유니셰프를 알리기 위해 대회를 주최하거나, 축구대회를 기획해서 진행한 적도 있고요. 이런 성향을 가진 제가 통역사라는 직업을 가졌을 때 스트레스를 많이 받을 것 같았어요.

그리고 통역사는 다양한 도메인의 배경지식을 익히기 위해 매주 주간지를 읽어야 하는데요. 다른 통역사들은 특이한 단어/표현 등에 밑줄을 긋고 익혔어요. 하지만 저는 주간지를 보면 볼수록 비즈니스 기회가 더 많이 보였어요.

그래서 비즈니스를 배우기 위해 학교를 졸업하고 애플뮤직에서 커리어를 시작하게 되었어요.

애플뮤직에서 팀 리드를 맡고도 충족하지 못한 자유

애플 뮤직에서는 K-POP의 메타데이터를 관리하는 일을 했어요. 처음 합류했을 때는 다른 분들보다 더 빠르게 온보딩을 하고 주어진 업무를 빠르게 수행했습니다. 그런데 갑자기 팀 리드가 넷플릭스로 이직을 하게 되었고, 저보다 연차가 높은 분들은 퍼포먼스가 부족해 해고되는 상황이 생겼어요.

그래서 어쩌다보니 제가 리드를 맡게 되었어요. 그때부터 평소 같았으면 절대 들어가지 못했을 미팅에도 참여하게 되었고, 신입사원 채용도 담당했어요. 이렇게 전보다 많은 권한이 주어지다보니 욕심이 나더라고요. 그래서 더 많은 업무를 가져와 수행했어요. 실제로 현재 한국의 애플뮤직에 제가 만든 규정들이 많이 적용되어있는데요, 이것도 당시의 제가 수행한 업무였어요.

좋았던 애플에서의 기억도 2가지 이유 때문에 어려웠어요.

우선 비자 문제로 더 이상 일하는 것이 어려웠어요. 두 번째로, 생각보다 의사결정 과정에서의 제약이 많아 답답했어요. 예를 들면, 한 가지 변화를 만들기 위해 많은 결재를 받아했거나, 제가 뽑은 신입사원을 위에서 해고하는 과정에서 소통이 원활하게 일어나지 않는 등의 문제가 있었어요.

그래서 애플에서의 성공 경험을 토대로 더 많은 책임과 권한을 가진 환경에서 일하고 싶다는 생각이 들었고, 비자 문제가 겹치면서 이참에 한국에서 창업을 하기로 마음 먹었어요.

창업 → 취업 → 창업

그렇게 한국에 들어오자마자 연구소에서 일하고 있던 친구 한 명을 설득해 창업을 했어요. 결론부터 말씀드리면, 약 6개월 정도 프로젝트를 진행하다 중단하게 됐어요. 우선 그 친구는 연구원이라 창업과는 잘 맞지 않는다는 결론을 내렸고, 저는 한국에 대해 아는 것이 없어 지금 당장 한국에서 사업을 하는게 어려웠어요.

그래서 일단 한국에서 회사를 다니며 회사가 돌아가는 구조를 익히는 것에 집중하기로 했어요. 그렇게 국제 행사를 대행하는 국제행사기획사에서 일을 시작했고요. 이때도 꽤 좋은 성과를 많이 냈는데요. BBC에 계신 분을 연사로 모시기 위해 영국에 가서 5~6시간동안 담배피러 나온 BBC 직원들과 친분을 쌓으며 세일즈하기도 했고, 프랑스에서 연사를 섭외하기 위해 또 날아가 내부직원들과 친분을 쌓으며 결국 연사섭외에 성공하기도 했어요.

그렇게 꽤 즐겁게 회사생활을 하다 한 번은 저희가 대행했던 스타트업 경진대회에서 발표하는 대학생들을 보게 되었어요. 엄청 반짝반짝하더라고요. 그리고 제 목적을 다시 상기했어요.

“아, 나는 창업을 하는게 목표였지”

그리고 그때 창업 부트캠프 ‘창’의 광고를 보게 되었고, 바로 합류해서 지금의 WeToon을 만들고 있는 재관님을 만나게 되었어요.

앞으로의 계획

최근에 기획자를 타겟해 광고를 진행하고 있었는데, 교육자 분들이 예상보다 더 많이 유입되고, WeToon으로 퀄리티 높은 결과물을 만든다는 것을 발견했어요.

교육자는 복잡한 개념을 학생들에게 쉽게 풀어서 전달해야하는데, 웹툰이 이런 부분을 잘 해결했다는 생각이었고요. 그래서 앞으로 교육자를 핵심타겟으로 제품을 고도화해볼 생각이에요. 그리고 병렬적으로 그림체 설정에 대한 기능을 고도화하면서 장기적으로는 웹툰으로 PR을 원하는 기획자, 자영업자 분들로 확장할 예정이에요.

Claude로 코드리뷰 경험 개선하기

AI 모델의 발전이 워낙 빠르다보니 분기마다 애용하는 AI 모델이 바뀌는 것 같아요. 이번에는 Claude가 그 주인공인데요. 이번에 발표된 Claude 3.5 Sonnet, Artiact, Project 등의 기능으로 인해 특히 개발자들이 GPT 구독을 취소하고 Claude로 넘어갔습니다.

어떤 포인트에서 Claude가 개발자에게 좋은 인상을 남길 수 있었던 것일까요? 그리고 어떻게 활용해볼 수 있을까요? 이번 글에서는 아래의 내용을 다룰 예정이에요.

이번 글 요약

• 일을 하는 과정에서 발생하는 문제는 기능적 문제와 감정적 문제가 있어요. 이때, 기능적 문제를 최대한 AI에게 위임하고 감정적 문제에 시간을 더 사용해볼 수 있어요.

• pre-commit 훅을 활용한 코드리뷰 경험 개선해본 경험을 소개해요.

• 특히 Claude는 XML 태그로 프롬프트 정확도 높이는 방법을 추천해요

일을 하다보면 인지하지 못하지만 반복적으로 사용하는 시간이 있어요. 대표적으로 아래와 같아요.

이렇게 표로 정리하면 간단하지만, 대부분의 사람들이 결과물을 만들어내는 과정에서 많은 어려움과 스트레스를 받곤 합니다. 왜냐하면 대부분 감정적인 문제가 결합되어 상황을 더 복잡하게 만들기 때문이에요.

개발자의 업무로 예를 들어보면 아래와 같을 수 있어요.

1. 코드리뷰

   1. 기능적 문제 — 리뷰를 기다리면서 개발일정이 지연됨. 이해하기 어려운 코드를 해석하는 시간이 소요

   2. 감정적 문제 — 내 의견을 효과적으로 전달하는 것이 어렵고, 반대로 피드백을 받을 때 방어기재가 작동

2. 리팩토링

   1. 기능적 문제 — 리팩토링과 새로운 기능개발 중 어디에 얼만큼의 시간을 써야할지 모르겠음

   2. 감정적 문제 — 리팩토링의 필요성을 동료 또는 상급자에게 설득하기 어려움

이처럼 하나의 문제를 기능적 문제와 감정적 문제로 나눠볼 수 있는데요. 이 과정에서 AI를 활용하면 기능적 문제에 들이는 비용을 최대한 줄이고, 감정적 문제에 더 많은 시간을 사용해볼 수 있어요. 예를 들면, AI로 피드백 또는 의견을 설득력있게 정리하거나, 공격적인 피드백을 건설적이고 긍정적인 톤으로 바꿔볼 수도 있죠.

그래서 오늘은 개발자가 가장 많이 반복하는 일 중 하나인, 코드리뷰 경험을 개선한 과정을 적어봤어요.

문제상황

디스콰이엇은 오퍼레이터도 필요한 경우에 코딩을 하는데요. 아무래도 전업 개발자는 아니다보니 작성한 코드가 적합한지, 나의 수정사항으로 발생할 수 있는 리스크는 없을지 우려가 돼요. 그런데 마침 Claude 3.5 Sonnet이 공개되었고, 코드 생성뿐만 아니라 리팩토링, 의도파악에서 강점을 보인다는 것을 보고 코드리뷰 과정에서 활용했어요.

솔루션 — pre-commit 훅을 활용한 코드리뷰 개선

Claude를 활용해 개선한 코드리뷰 경험은 아래의 순서로 진행했어요.

1. 코드리뷰를 원할 때 명령어를 입력합니다.

2. 그럼 코드베이스에서 변경된 파일을 감지하고, 이 파일의 내용을 Claude에게 전송합니다.

3. Claude는 코드를 분석하고, 변경사항에 의한 잠재적인 문제, 개선사항, 최적화 방안 등을 제안합니다.

4. Claude의 피드백을 확인하고, 필요한 경우 코드를 수정하고 커밋을 진행합니다.

방법

1. .git/hooks/에 pre-commit.manual 생성

• .git 폴더가 숨겨져있을 경우 숨겨짐 해제

• 언어는 자율적으로 변경.

#!/bin/bash

# 프로젝트의 루트 디렉토리로 이동
cd "$(git rev-parse --show-toplevel)"

# .env.local 파일에서 환경 변수 로드
source ./.env.local

# 수정된 JavaScript 파일들을 찾음
files=$(git diff --cached --name-only --diff-filter=ACM | grep ".js$")

for file in $files
do
    # 파일의 전체 내용을 가져옴
    full_content=$(cat "$file")
    
    # 변경된 내용만 가져옴
    changed_content=$(git diff --cached "$file" | grep '^[+-]' | grep -v '^[-+][-+][-+]' | sed 's/^[+-]//')
    
    if [ -n "$changed_content" ]; then
        # Claude API에 보낼 JSON 페이로드 생성
        json_payload=$(jq -n \
            --arg full_content "$full_content" \
            --arg changed_content "$changed_content" \
            --arg prompt "다음 JavaScript 파일의 전체 내용과 변경 사항을 검토해주세요. 변경 사항으로 인해 생길 수 있는 문제점과 개선 방안을 제안해주세요:" \
            '{ "model": "claude-3-5-sonnet-20240620", "max_tokens": 1024, "messages": [ {"role": "user", "content": ($prompt + "\n\n전체 파일 내용:\n" + $full_content + "\n\n변경된 내용:\n" + $changed_content)} ] }')

        # Claude API 호출
        if ! response=$(curl -s -w "\n%{http_code}" https://api.anthropic.com/v1/messages \
            -H "Content-Type: application/json" \
            -H "x-api-key: $CLAUDE_API_KEY" \
            -H "anthropic-version: 2023-06-01" \
            -d "$json_payload")
        then
            echo "에러: API 요청 실패"
            exit 1
        fi

        # HTTP 상태 코드와 응답 본문 분리
        http_code=$(echo "$response" | tail -n1)
        body=$(echo "$response" | sed '$d')

        if [ "$http_code" -ne 200 ]; then
            echo "에러: API가 상태 코드 $http_code를 반환했습니다"
            echo "$body"
            exit 1
        fi

        # JSON 응답에서 리뷰 내용 추출
        review_content=$(echo "$body" | jq -r '.content[0].text')
        echo "Claude의 $file 파일에 대한 리뷰:"
        echo "$review_content"

        # 사용자에게 커밋 진행 여부 확인
        read -p "커밋을 진행하시겠습니까? (y/n) " -n 1 -r
        echo
        if [[ ! $REPLY =~ ^[Yy]$ ]]; then
            exit 1
        fi
    else
        echo "에러: $file 파일의 내용이 비어있습니다"
        exit 1
    fi
done

exit 0

• 이후 스크립트에 실행권한을 부여합니다.

chmod +x .git/hooks/pre-commit.manual

2. 수동실행 스크립트 생성

#!/bin/bash

# 수동으로 pre-commit 훅 실행
.git/hooks/pre-commit.manual

• 마찬가지로 실행권한 부여

chmod +x run-pre-commit.sh

3. npm 스크립트 추가

• package.json 파일의 scripts 섹션에 아래의 내용 추가

  {
    "scripts": {
      "precommit": "./run-pre-commit.sh"
    }
  }

4. 환경변수 설정

• .env.local 파일을 생성하고 Claude API 키 설정

  CLAUDE_API_KEY="your_API_key"

5. 사용하기

git add .
npm run precommit

결과

테스트를 위해 내부적으로 개발해 사용하는 SaaS의 코드에서 변수 하나를 수정한 뒤, precommit을 진행해봤어요. 그리고 아래와 같은 결과과 나왔는데요. 터미널에서 결과물을 확인해야하는만큼 가독성이 중요하지만, 오퍼레이터인 제 입장에서 이해가 어려운 표현이 있어 그래서 무엇을 해야하는지 감이 오지 않았어요.

그래서 프롬프트 개선해봤습니다.

Claude's review for pages/index.js:
변경된 내용을 검토해보면 다음과 같은 문제점과 개선 방안을 제안할 수 있습니다:

1. 문제점: 불필요한 state 추가
   - `utmhahaha`와 `setUtmhahaaha`가 추가되었지만 실제로 사용되지 않습니다.
   개선 방안: 사용하지 않는 state는 제거하는 것이 좋습니다.

2. 문제점: 오타
   - `setUtmhahaaha`에 오타가 있습니다 ('hahaha'가 아닌 'hahaaha').
   개선 방안: 오타를 수정하거나, 불필요한 경우 제거합니다.

3. 문제점: 중복된 닫는 중괄호
   - 파일 끝에 중복된 닫는 중괄호(`}}`)가 있습니다.
   개선 방안: 불필요한 중괄호를 제거합니다.

4. 개선 사항: UTM 파라미터 관리
   - UTM 파라미터들(source, medium, campaign, content)을 개별 state로 관리하고 있습니다. 이를 하나의 객체로 관리하면 코드를 더 간결하게 만들 수 있습니다.
   개선 방안:
   ```javascript
   const [utmParams, setUtmParams] = useState({
     source: "",
     medium: "",
     campaign: "",
     content: ""
   });
   ```

5. 개선 사항: URL 검증
   - URL 입력에 대한 유효성 검사가 없습니다.
   개선 방안: URL 형식을 검증하는 함수를 추가하고, 잘못된 URL 형식에 대한 에러 처리를 추가합니다.

6. 개선 사항: 에러 처리
   - 현재 콘솔에만 에러를 출력하고 있습니다.
   개선 방안: 사용자에게 에러 메시지를 표시하는 UI 요소를 추가합니다.

7. 개선 사항: 로딩 상태 표시
   - 로딩 중일 때 단순히 "Loading..."이라고만 표시하고 있습니다.
   개선 방안: 로딩 스피너나 프로그레스 바 등을 사용하여 사용자 경험을 개선합니다.

8. 개선 사항: 복사 기능 피드백
   - URL을 복사할 때 사용자에게 피드백을 주지 않고 있습니다.
   개선 방안: 복사 성공 시 토스트 메시지나 알림을 표시합니다.

이러한 개선사항들을 적용하면 코드의 품질과 사용자 경험을 향상시킬 수 있을 것입니다.

Claude 프롬프트 정확도를 높이는 방법

Claude는 공식 문서에서도 XML 태그를 활용해 AI의 집중력을 높이라고 말합니다. 장점은, HTML처럼 사전에 정의된 태그만 사용할 필요가 없다보니 맥락에 맞게 태그를 구성할 수 있었어요. 그리고 XML 태그 단위로 관리하다보니 프롬프트를 빠르게 조정하고 싶을 때 직관적인 수정이 가능했고요.

그래서 다음과 같이 변경했습니다.

[기존 프롬프트]
다음 JavaScript 파일의 전체 내용과 변경 사항을 검토해주세요.

[개선한 프롬프트]

<요청>
다음 JavaScript 파일의 전체 내용과 변경 사항을 검토해주세요.

            
<배경>
- 이 코드는 팀 내부적으로 사용하는 SaaS이고, 한 사람이 관리하기 때문에 리팩토링 자주 하지 않아도 됨
- 코드리뷰는 코드리뷰어가 코드를 이해하고 있는지 확인하는 것이 목적이며, 리팩토링은 필요에 따라 진행함
- 프로그래밍에 능숙하지 않은 사람도 리뷰할 수 있기 때문에 최대한 쉽고, 구체적이고, 상세하게 리뷰해주세요

            
<응답>
아래의 구조로 답할 것. 단, 변경된 사항, 잠재적 위험, 개선방안, 변경된 사항.. 순서가 아니라 변경된 사항/잠재적 위험/개선방안을 묶어서 한 번에 답변할 것
- 변경된 사항 : <설명>
- 잠재적 위험 : <설명>
- 개선방안 : <설명>

프롬프트를 조정하고 나니, 눈에 띄는 개선이 있었어요. 개선된 결과는 아래에서 볼 수 있어요.

• 변경사항에 기반해 개발자가 의도했던 것을 추론하고 더 나은 수정방안을 제안

• 코드중복과 확장성을 높일 수 있는 방안 제안 (리팩토링 아이디어)

• 제품 내 UI의 목적과 사용법을 더 명확히 전달할 수 있는 UX/UI 제안

• 개발자들이 자주 놓칠 수 있는 에러처리를 짚어줌

• 비개발자도 이해할 수 있도록 쉽게 설명

결과적으로 코드를 수정하고, 개발자 분들에게 리뷰를 요청하면 피드백까지 30~40분 정도 걸렸던 과정을 15초로 줄일 수 있었어요. 이 과정이 반복되며 복리로 시간이 절약되면 아껴진 시간에는 더 많은 생산을 하거나, 창의적인 사고, 사람 간의 문제를 해결하기 위해 시간을 써볼 수 있을 것 같습니다.

[개선된 결과]

- 변경된 사항: 
코드에 두 가지 새로운 state 변수가 추가되었습니다:
1. `utmContent`와 `setUtmContent`: UTM 콘텐츠 파라미터를 위한 state입니다.
2. `utmhahaha`와 `setUtmhahaaha`: 목적이 불분명한 state 변수가 추가되었습니다.

- 잠재적 위험:
1. `utmhahaha` state 변수는 실제로 사용되지 않고 있어 불필요한 코드입니다. 이는 코드의 가독성을 떨어뜨리고 혼란을 줄 수 있습니다.
2. `utmContent`는 추가되었지만, 이를 처리하는 로직이 완전히 구현되지 않았을 수 있습니다. 예를 들어, UTM 파라미터를 추출하고 설정하는 함수들에서 `utmContent`를 고려하지 않을 경우 기능이 제대로 동작하지 않을 수 있습니다.

- 개선방안:
a) 불필요한 상태 제거:
      만약 `utmhaha`가 필요하지 않다면, 관련 코드를 모두 제거하세요.

   b) 의도한 기능 추가:
      만약 새로운 UTM 파라미터를 추가하려는 의도였다면:
      - 상태 변수의 이름을 의미 있게 변경하세요 (예: `utmTerm`).
      - input 필드의 placeholder를 적절히 수정하세요 (예: "UTM Term").
      - `insertUTMParams` 함수에 새 파라미터 처리 로직을 추가하세요:
        ```javascript
        if (utmTerm) {
          params.set("utm_term", utmTerm);
        }
        ```

   c) 코드 구조 개선:
      - UTM 파라미터들을 객체로 관리하여 코드 중복을 줄이고 확장성을 높일 수 있습니다:
        ```javascript
        const [utmParams, setUtmParams] = useState({
          source: "",
          medium: "",
          campaign: "",
          content: "",
          term: ""
        });
        ```
      - 이를 통해 input 필드 생성과 `insertUTMParams` 함수를 더 간결하게 만들 수 있습니다.

   d) 사용자 경험 개선:
      - 새로운 UTM 파라미터 필드를 추가할 때, 사용자에게 그 목적과 사용법을 명확히 설명하는 레이블이나 툴팁을 제공하세요.

   e) 에러 처리:
      - `insertUTMParams` 함수에 잘못된 URL이 입력될 경우를 대비한 에러 처리를 추가하세요.

일이 안되는 이유를 이해하기

이 과정의 본질은 ‘변경사항 중심으로 컨텐츠를 만드는 것’인데요. PR 메세지, 문서화, 빌딩 인 퍼블릭 등 코드변화로 인해 만들어야했던 다양한 컨텐츠를 AI의 도움을 받아 만들 수 있어요. 특히 AI가 구조적 사고와 의도파악을 잘하기 때문에 내가 이러한 분야에 자신이 없다면 충분히 활용해볼 수도 있고요.

실제로 많은 개발자 분들이 지난 설문에서 업무 시, 코파일럿을 활용하신다고 답변하시기도 했습니다.

하지만 대부분의 ‘일이 안되는 이유’는 기능적 문제가 아니라, 감정적 문제에서 온다는 것을 동시에 이해해야 해요. 그렇기 때문에 AI를 활용한 생산량이 높아진다면 동시에 확보된 시간에는 팀을 동기부여하고, 복잡한 관계를 관리하고, 자주 소통하며 서로의 상태를 잘 이해하는 역량이 경쟁력이 되는 셈입니다. 그리고 이건 개발자뿐만 아니라 모든 직군에 해당할 수 있어요.

AI로 생산성을 높인 팁을 댓글에 공유해주세요!

• 어떤 업무에서 AI의 도움을 받고 있나요?

• AI로 시간이 확보된다면, 확보된 시간에는 무엇에 더 집중해보고 싶나요?

기타 Claude 활용 팁

• Claude101 — https://beginswithai.com/how-to-use-claude-for-coding/

• Sonnet 3.5 Coding System Prompt (v2 with explainer) —https://www.reddit.com/r/ClaudeAI/comments/1e39tvj/sonnet_35_coding_system_prompt_v2_with_explainer/

• Something Claude 3.5 taught me — https://www.reddit.com/r/ClaudeAI/comments/1eavhvh/something_claude_35_taught_me/

AI 제품 지식과 인재 네트워크를 만드는 커뮤니티

방금 Andrew Chen이 쓴 Why Hollywood and gaming struggle with AI이라는 글에서 'The difficulty of hiring engineers' 단락을 읽고 휘리릭 쓴 글이다. 사실 내가 쓴 글과는 크게 관련없는 내용들이지만 원래 생각이란게 여기저기 튀는 법 ㅎㅎ

앤드류첸은 AI 엔지니어 채용이 어려운 이유를 아래로 얘기했다.

• 고액 연봉: 최상급 AI 연구자는 연간 수백만 달러의 연봉을 받음. 일반적인 AI 박사 학위 소지자에게도 해당됨.

• 높은 수요: 자율 주행, 개인화 피드 알고리즘 같은 분야에서 AI 인재 수요가 매우 높음. 연봉을 올리는 이유이기도 함.

• 기존 기업의 한계: IT 도메인이 아닌 오래된 전통적인 기업들은 AI 인재들에게 매력적인 선택지가 되기 어려움.

내 생각에 AI를 잘 활용하려면 1)도메인 특화된 독특한 데이터가 중요하고 2)도메인에 최적화된 모델이 필요할 거다. 그런 의미에서 도메인이 IT가 아닌 곳이어도 AI 엔지니어는 필요하다.

그렇다면 부족한 AI 엔지니어 인재를 어디서 찾을 수 있을까? 조금 더 근본적으론 개인과 기업들의 AI 역량을 어떻게 키울 수 있을까? 아래 4가지 방법을 활용하는 것을 생각해봤다.

• 내부 직원 교육

• 사내 스타트업 장려

• AI 엔지니어 신규 채용

• 기업 인수

나는 위에서 말한 4가지 전략을 커뮤니티로 풀어볼 수 있다고 생각한다. 우선 AI 제품을 잘 만들고 알릴 수 있도록 돕는 커뮤니티를 제공한다. 메이커들이 참여해 배우고 나누고 성장하다보면 그것은 고스란히 제품과 기업의 성장에 적용된다. 그중 뛰어난 성과를 보이는 사람에겐 창업으로 이어지도록 격려하고, PMF를 찾을 수 있게 지원해준다. 그리고 이런 과정에서 얻는 다양한 인사이트들을 계속해서 외부에 공유하다보면, 채용이나 인수 사례도 자연스럽게 만들어 질 수 있다.

정확히 이것과 일치하는 사례는 아니지만, Nat Friedman과 Daniel Gross가 AI Grant라는 액셀러레이터를 만들어 비슷한 효과를 내고 있다. 여러 유망한 AI 팀을 배치 단위로 선발하고, 또 개인의 연구를 후원하기도 한다. 그리고 여기에 합격한 팀들에 합류하고 싶은 사람들을 모으기도 한다. 직접 SAFE 투자도 한다. 이 팀들은 배치가 끝난 후에도 서로의 제품을 사용해주며 좋은 고객 네트워크가 되어준다.

디스콰이엇이 운영하는 AI & SaaS 커뮤니티인 메이커 스프린트는 작게 시작하는 중이고, 이제 막 1기를 마쳤다. 아직 엄청난 성과를 만들어 낸 것은 아니지만, 메이커 스프린트를 진행하는 3주 동안 B2B 고객을 두 자릿수로 얻어간 팀이 있고, 미약하지만 첫 매출을 내거나 창업을 결심하게 된 계기가 된 팀들도 있다. 이것도 꾸준히 운영하다보면 AI Grant나 Y Combinator가 만들어낸 성과를 조금이나마 비슷하게 성취해낼 것이고, 그 이상도 생각해볼 수 있지 않을까한다. 현재 AI & SaaS 메이커 스프린트 2기를 모집 중이니 많은 분들이 관심 갖고 지원 & 공유해주셨으면 좋겠다 :)

AI & SaaS 메이커 스프린트 2기

만들면 안되는 AI UX 3가지

안녕하세요! 디스콰이엇 정민교입니다.

최근 3주동안 20개 이상의 AI 제품에 온보딩했고, 이 제품들로 결과물을 만들면서 불편했던 UX가 많이 있었습니다. 그런데 마침 저의 컨텐츠를 읽은 분들께서 이런 피드백을 주셨어요.

"실제 AI 제품을 만들 때 참고할 수 있는 UX를 알려주세요"

"저는 개발자라 UX에 대한 지식이 부족합니다. 어떤 레퍼런스를 참고해야할지 모르겠어요"

사실 'AI SaaS가 따라야하는 필수 UX'는 많은 AI 팀들이 시행착오를 겪어가며 찾아가는 중인 것 같습니다. 하지만 제품을 사용하다보니 사용성이 좋지 않은 UX는 확실히 느껴졌어요.

그래서 오늘은 AI 제품을 사용하면서 가장 불편했던 3가지 유형의 UX와 개선방안을 적어봤어요.

• AI 제품의 비용구조는 복잡할 수 있기 때문에 명확한 비용정보가 제공되어야 해요.

• AI가 작업을 처리할 때, 그 과정과 방법에 대한 상세한 정보가 사용자에게 전달되어야 해요.

• 유저가 정보를 탐색하게 하지 말고, 선별된 정보를 검토할 수 있게 경험을 설계해보세요.

1. 보험약관 유형 : 비용 구조를 친절하게 공개하지 않음

문제상황

첫 번째 유형은 비용에 대한 정보를 친절하게 제공하지 않는 경우입니다. 지난 주에 제품에 대한 설명, 사용할 기술, 아키텍처 구조 등을 작성하면 PO agent, DevOps agnet 등이 풀스택 웹앱을 만들어주는 Pythagora.ai를 사용해봤는데요.

놀라울 정도로 제 아이디어에 대해 구체적으로 질문하고, 세부 개발 스펙까지 제안해주는 것이 인상깊었어요. 하지만 본격적으로 제품 개발을 시작하려고 할 때, 무료 토큰이 소진되어 Pro 플랜을 구독해야한다는 아래와 같은 모달이 떴어요.

// 무료 체험판이 끝났다

이때 CTA 버튼을 누르면 Pro 플랜을 구독할 수 있는 결제 모듈 링크가 메일로 전달되는데요. 전 별도의 구독료가 필요하지 않다는 것을 알고 있었기 때문에 의아함을 느끼고 구글링을 해봤어요.

알고보니 무료 체험판이 끝났을 때, 자신의 OpenAI API 키로 API key를 바꿔주면 그대로 서비스를 활용할 수 있다는 것을 알게 되었어요. 저와 비슷하게 혼란을 겪는 사람들이 정보를 주고받는 모습도 볼 수 있었습니다.

// 비용에 대한 안내가 친절하지 않아 헷갈린다는 유저의 코멘트

'Free trial ended'가 헷갈리네요.

사실 .env 파일에서 당신의 OpenAI API 키로 수정만 하면 됩니다. 그럼 계속 제품을 사용할 수 있어요.

만약 당신이 OpenAI API 키를 제공하지 않으면, 그들의 키를 사용하게 되고, 따라서 그들이 비용을 지불하게 됩니다. 이러한 비용은 기본적으로 당신에게 전가되지만, 이것이 잘 문서화되어 표시되어 있지 않았습니다.

...

정리하면, 자신이 OpenAI API 키를 가지고 있다면 별도의 결제를 할 필요가 없습니다. 키가 없다면 결제하면 되고요.

이걸 인지하고 다시 모달을 보니 마치 보험약관처럼 작은 글씨로 아래의 메세지가 적혀있었어요.

다만, 이 모달이 아니면 어디에서도 자신의 API 키를 사용할 수 있다는 안내가 없어 아쉬웠습니다.

If you have your own OpenAI API key,
please read How to use your own OpenAI key with Pythagora

원인정리

이러한 불편함이 생기는 이유에는 두 가지 이유가 있어요.

• 중요정보에 대한 접근성 낮음 : 비용은 제품 사용여부를 결정할 때 중요한 요소에요. 하지만 가격에 대한 정보를 알 수 있는 방법이 제한되어있어요. 또한 Pythagora를 구독하는 것과 자체 API 키를 사용하는 것의 차이에는 어떤 것이 있는지 안내되지 않아 유저에게 혼란을 줄 수 있습니다.

• 가독성이 떨어지는 표기 : 사용자가 구독료를 지불하도록 유도하는 다크패턴의 일환으로, 중요한 정보를 작은 글씨로 배치한 경우에요.

개선방법

고정된 구독료를 지불하는 것이 아닌, 비용의 변동성이 생길 수 있는 구조라면 유저가 자신의 상태를 명확하게 인지할 수 있도록 정보를 제공하는 것이 중요해요.

아래는 프롬프트로 리액트 컴포넌트를 생성해주는 v0의 사용자 대시보드인데요. 프롬프트를 실행할 때마다 크레딧이 소진되고, 부족한 크레딧을 충전할 수 있는 비용구조를 가지고 있어요. 그래서 아래와 같은 대시보드를 제공해요.

이러한 형태의 대시보드는 유저가 얼만큼의 비용이 지불되는지 일일이 계산하거나 파악하지 않아도 되는 장점이 있어요. 특히 AI 제품의 경우 비용구조가 복잡할 수 있기 때문에 유저에게 명확한 비용산정 방식 또는 비용을 안내할 필요가 있습니다.

2. 나만 믿어 유형 : 프롬프트 처리 과정을 공유하지 않음

문제상황

이번에는 프롬프트를 입력했는데 그 처리 과정이 공유되지 않는 경우입니다. 먼저 문제가 되는 상황을 볼까요?

// 프롬프트로 디버깅을 요청했더니 everything is ok라고 답변. 하지만 여전히 버그가 고쳐지지 않음

지난 컨텐츠에서 '프롬프트 하나로 풀스택 웹앱을 만들어주는 Marblism'을 소개한 적이 있는데요. 이때 불편했던 UX가 바로 프롬프트로 디버깅을 하는 경험이었습니다.

먼저 Marblism을 잘 모르는 분들을 위해 짧게 설명하면, Marblism은 프롬프트를 입력했을 때 풀스택 웹앱을 구현할 수 있고, 코드베이스도 제공해요. 그리고 여기서 나아가 프롬프트를 작성해 코드에서 발생한 버그를 고치거나, 기능을 더할 수도 있고요.

위의 이미지는 프롬프트를 작성해 디스콰이엇을 똑같이 만들어 배포했더니 특정 기능이 작동하지 않아 디버깅을 시도하는 장면입니다. 이때 문제는 버그가 생긴 원인이 무엇인지 설명해주지 않고, 어디를 어떻게 디버깅하고 있는지도 설명해주지 않는다는 점이에요.

원인정리

이런 불편함이 생기는 이유는 작업을 처리하는 과정에서 유저를 완전히 배제하고, 처리과정에 대한 구체적인 정보를 유저에게 제공하지 않았기 때문이에요. 유저가 대체되는 느낌을 받아서는 안되는 것이죠.

개선방법

해당 경험을 잘 구현한 제품이 ChatGPT인데요, 파일을 삽입하고 특정 작업처리를 요청하면 '작업 처리 중' 상태 메세지와 함께 코드 인터프리터에서 어떻게 작업이 처리되고 있는지 볼 수 있어요. 만약 결과물에 이상이 있다면 코드 인터프리터를 보고 수정할 수 있는 여지가 있는 것이죠.

그래서 AI 제품은 AI가 어떤 근거로 작업물을 생성했는지에 대해 상세하게 정보를 전달할 필요가 있습니다.

// 작업 처리를 위해 생성한 python 코드를 볼 수 있다

3. TMI 유형 : 너무 많은 정보가 나열되어 있음

문제상황

마지막으로 너무 많은 정보가 있어 유저에게 부담을 주는 경우입니다.

Lindy는 AI 기반의 자동화와 각종 AI 어시스턴스를 제공하는 플랫폼인데요. 현재 시리즈 B 투자를 유치했고, zapier처럼 AI 기반의 뛰어난 자동화 솔루션을 제공할 수 있지 않을까 싶어 초기 단계부터 응원하는 팀입니다. 

또한 지금의 소프트웨어 마켓플레이스에서는 사람이 공급자이지만, 앞으로는 AI도 소프트웨어 마켓 플레이스의 공급자가 될 수 있다고 생각하기 때문에 Lindy 같은 팀을 더 관심가지게 되는 것 같고요.

원인

다만, 일반 유저들이 Lindy를 잘 사용하려면 러닝커브가 있는데요. 그 이유는 나에게 적합한 솔루션을 탐색하는 과정에서 소비되는 에너지가 크기 때문입니다. 위의 이미지는 Lindy에 접속하면 가장 먼저 보게되는 화면인데 그냥 봐서는 내 문제를 해결해줄 수 있는 솔루션이 무엇인지 탐색하는게 어렵습니다.

해결방법

사람이 인터넷에서 원하는 정보를 얻는 방식은 '내가 정보를 찾아가는 방식'에서 '선별된 정보를 검토하는 방식'으로 변하고 있어요.

검색하기 → 검색한 정보를 필터링하기 → 프롬프트를 작성해 선별된 정보를 받아 검토하기

예를 들어, Zapier도 이전에는 Lindy와 같이 여러 자동화 템플릿을 나열하고 탐색하는 방식의 UX를 제공했지만, 현재는 제공되는 정보의 양을 확 줄이고 프롬프트를 입력해 자동화 솔루션을 생성하는 방식으로 경험을 바꿨어요.

아래의 두 이미지를 비교하면서 어떻게 UI가 변경되었는지 확인해보세요 :)

// 이전의 Zapier 탐색 탭

// 현재 변경된 UX. 자연어로 유저가 원하는 자동화를 입력하면 자동화 템플릿을 생성해준다.

정리

결국 ‘유저에게 필요한 정보를 간결하고 명확하게 전달하는 UX’로 수렴되는 것 같습니다. 이에 대해 사용성 높았던 제품은 최대한 단순하게 UI를 구성하고, 정보를 덜어냄으로써 유저가 자신의 문제를 해결하는 것에 집중할 수 있는 환경을 만들어주는 것이 특징이었어요.

특히 AI 기술의 잠재성이 크다보니 지나치게 발산적인 사고를 하게되는 경우도 많다고 생각하는데요. 그래서 이것저것 창의적인 솔루션을 생각하며 기능개발에 많은 리소스를 쓰게 되는 것 같아요. 그래서 이럴 때일수록 더 유저의 문제에 집중해서 최대한 단순하게 문제를 정의하고 솔루션을 만드는 자세가 중요하게 느껴지네요!

혹시 대신 리뷰를 맡기고 싶은 제품이 있나요?

매주 컨텐츠에 대한 피드백을 받고 있는데요, 특히 아래와 같은 피드백이 눈에 띄게 많아요.

AI 제품은 쏟아져 나오는데 일일이 사용해보기는 귀찮고, 직접 써보자니 우선순위에서 밀려 결국 사용해보지 못하고 넘어가는 경우가 많다.

대신 프로덕트를 사용해서 리뷰 남겨주는 컨텐츠가 좋은 것 같다.

그래서 여러분을 대신해서 프로덕트를 직접 사용해보고, 특징, 인상깊은 UX, 창업가의 스토리, GTM 전략 등을 큐레이션해보려 합니다.

큐레이션 해줬으면 하는 제품이 있다면 아래 링크에 남겨주세요 :)

[a16z] The Top 100 GenAI Consumer Apps 영상 요약

a16z에서 최근 업로드한 영상인 The Top 100 GenAI Consumer Apps을 보고 요약해봤어요!

• 6개월마다 업데이트 하며 공개 중

• 모바일 기능을 활용해 멀티모달 UX를 활용한 앱들을 주목하는 중 (카메라, 마이크 등)

• 앱스토어에 Chatgpt 카피캣 앱이 많은 문젝 있음

• 웹은 제품 성숙도가 높은데, 그중 생산성 관련 GenAI 서비스가 크고 있음. (11 Labs, Gamma 등)

• NSFW 내용을 다루는 AI가 순위권에 오름

• 게이머를 위한 Companion 앱도 흥미로움

• 여러 오픈소스를 활용하면 샌프란에서 5천만 달러를 조달할 기업이 될 필요 없음. 혼자서도 AI 제품을 충분히 만들 수 있음.

• AI가 점점 성숙해지면서 연구소, 대학 등을 중심으로 AI 인재 허브와 창업자 커뮤니티가 생겨나는 중.
  → 디스콰이엇도 메이커 스프린트를 통해  AI 제품을 만드는 메이커 커뮤니티를시도하는 중 🙂

• Sunno, Midjourney, Pika 등은 디스코드로 사용자 커뮤니티를 만들며 빠르게 성장함.

• ChatGPT Voice가 노인들이 혼자 시간을 보내는데 좋은 동반자 역할을 해줄 수 있음. 음성 데이터를 잘 인식하기 시작하면서 관련 제품이 나올 가능성이 높아지는 중.

클릭 한 번으로 이해하기 쉽게 AI가 데이터를 해석해주는 Graphy

안녕하세요 윌리에요!

오늘은 AI를 활용해 클릭 한 번으로 데이터를 쉽게 해석할 수 있도록 도와주는 Graphy를 소개하려 해요. 그리고 Graphy를 사용해보면서 디스콰이엇의 데이터 몇 가지를 공유해봤습니다 :)

Graphy의 핵심기능은 다음과 같아요.

• Google Sheet, GA, Google Search Console, Linkedin, X, 등에서 만들어지는 통계를 클릭 한 번으로 하나의 대시보드로 가져와 가공할 수 있어요

• AI 기능을 활용해 가져온 데이터를 기반으로 인사이트를 도출할 수 있어요.

• AI 요약 기능으로 많은 양의 데이터를 빠르게 이해할 수 있어요

• 무료 계정으로도 충분히 사용할 수 있어요

• 임베딩, 외부 링크공유가 자유로워 BIP할 때 사용하기 좋아요

데이터를 수집하는 과정에서의 어려움

제품을 빌딩 인 퍼블릭하는 방법 중 가장 솔직한 방법은 데이터를 공개하는 일이에요. 일반적으로 클라이언트, 파트너, 투자자, 내부 팀원에게 주기적으로 데이터를 공유할 수 있는데요, 이때 몇 가지 문제가 발생해요.

1. 데이터의 출처가 너무 다양하다. 구글시트, 믹스패널, GA 등 데이터를 관리하는 출처가 많아 수집에어려움이 있다.

2. 데이터를 해석하는 역량이 전부 다르다. 같은 차트를 보더라도 이해하는 속도와 정도가 다르다. 캡션을 달거나, 직접 부가설명을 해야한다

3. 공유가 어렵다. 특히 내부정보를 트래킹하는 플랫폼이라면 엑세스 권한이 있는 사람만 해당 데이터를 조회할 수 있어요. 그래서 내부 정보를 외부에 공유하려면 csv를 다운받아 가공하거나, 스크린샷을 찍어야하는 불편함이 있습니다.

Graphy는 어떻게 이 문제를 풀어가고 있는지 볼까요?

첫인상

랜딩을 보고 느낀 점은, Graphy는 내부의 데이터를 선택적으로 취합해 인사이트를 도출하고 공유하는 업무를 많이 하는 분들에게 적합하다는 생각이 들었어요. 대표적으로 아래와 같은 사례가 떠오르네요.

• 의사결정을 위해 내부 팀원들에게 선택적으로 데이터를 공유해야하는 PM

• 투명하게 빌딩 인 퍼블릭하기 위해 지표를 공유해야하는 인디메이커

• 클라이언트에게 내부 데이터로 매력적인 피칭을 하고 싶은 세일즈 매니저

실제로도 세일즈포스, 감마와 같이 규모가 큰 팀에서도 사용하고 있는 것을 확인할 수 있어요.

그럼 이제 자세한 사용법을 알아볼까요?

1단계 - 크롬 익스텐션 설치하기

// Graphy 랜딩페이지

Graphy를 사용하면서 가장 편리했던게 익스텐션이었는데요. 내가 사용하고 싶은 그래프를 호버하면 'Save to Graphy'라는 버튼을 뜨고, 클릭하면 해당 그래프가 내 워크스페이스에 저장되는 구조에요.

특히 웹에서 그래프를 호버할 때마다 버튼이 뜨다보니 자주 눌러보게 되는데요, 일반적인 SaaS와 다르게 이런 방식으로 유저의 접근성을 높이는 것이 재미있었습니다.

2단계 - 보드 만들기

워크스페이스에 들어오면 빈 대시보드가 있어요. 원하는 대시보드 제목과 설명을 기입하고, 원하는 출처에서 데이터를 가져올 수 있습니다. 저는 디스콰이엇의 DAU가 어떻게 성장했는지 먼저 알아봤어요.

3단계 : 그래프 저장하기

// 직접 GA에서 그래프를 생성해봤다

GA에서 원하는 그래프를 클릭하고 익스텐션을 실행하면 오른쪽의 그래프를 생성합니다. 이렇게 생성된 데이터를 바로 워크스페이스로 저장하는데요. 저장하기 이전에, 가공할 수 있는 모달이 뜹니다. 이 모달에서는 불필요한 컬럼을 제거하는 등의 작업을 할 수 있어요.

특히 인상 깊었던 부분은 언제든지 그래프를 새로고침할 수 있다는 점인데요. 다양한 출처의 데이터로 대시보드를 구성하고, 특정 대시보드만 집중해서 볼 수 있도록 되어있어서 매우 편리해요.

2022년에는 약 20,000이 채 안되었던 DAU가 현재 약 100,000으로 5배 가량 성장했어요. 최근 들어서는 꾸준히 100,000명이 넘는 메이커 분들이 디스콰이엇을 찾아주고 계세요. 정말 감사합니다!

4단계 - AI Caption 삽입하기

이제 그래프를 더 빠르게 이해하기 위해 설명을 작성할 차례인데요. 이때 AI로 6가지 유형의 요청을 할 수 있어요.

• 인사이트 도출하기

• 핵심만 요약하기

• 이상현상 찾아내기

• 프레센테이션 멘트 생성하기

• 간략한 리포트 생성하기

• 트윗용 문구 생성하기

AI에서 위 그래프에 대한 요약을 직접 부탁해봤고 이런 답이 나왔어요.

요약

데이터셋은 2021년 3월부터 2024년 5월까지의 일일 활성 사용자(DAU)를 보여줍니다.
특히 2023년과 2024년에 큰 성장이 나타났습니다.

주요 하이라이트

• 📈 DAU 급증: 2023년 중반부터 2024년 초까지 큰 증가가 관찰되었습니다.

• 🚀 최고 기록: 2023년 12월에 최고 DAU인 118,595명이 기록되었습니다.

• 꾸준한 성장: 2022년 이후 월간 증가가 두드러져, 견고한 사용자 참여를 나타냅니다.

권장 다음 단계

1. 2023-2024년 동안 DAU 증가를 촉진한 요인을 분석합니다.

2. 사용자 성장을 유지하고 활용할 기회를 모색합니다.

3. 트렌드를 모니터링하여 전략을 조정합니다.

특히 요약을 넘어 이제 무엇을 해야할지 액션 아이템을 제공하는 점이 인상깊었는데요, 그래프의 유형에 따라 구체적인 목표 KPI를 세워주기도 했어요. 사실 데이터를 취합하는 목적은 좋은 의사결정을 내릴 때 참고하기 위함이니 정보를 수집하는 리소스를 아껴주고, 의사결정 내리는 것에 몰입할 수 있도록 제품을 만들어가고 있는 것 같아요.

5단계 : AI로 대시보드 전체 인사이트 요약하기

// 디스콰이엇 데이터를 기반으로 요약을 부탁해봤다

가장 놀랐던 기능이었는데요. 마지막으로 완성된 대시보드 전체의 그래프를 기반으로 AI에게 요약을 부탁했습니다. 전반적으로 답변의 퀄리티가 좋았고, 대시보드 내의 그래프의 수가 많아질수록 가치가 크게 느껴질 것 같은 기능이었어요.

특히 Graphy의 방향이 AI로 정보를 해석하는 시간을 줄이고, 빠른 의사결정까지 도와주는 것인데, 이런 방향성을 제품에 잘 녹여낸 기능이라는 생각도 들었습니다.

기존의 데이터 분석 플랫폼에서는 이렇게 대시보드 전체의 정보를 AI로 요약해주는 기능을 유료로 제공하고 있는데 Graphy는 무료라는 점도 좋았고요.

디스콰이엇의 지표

간략하게 DAU, 구글 검색 결과에 노출된 횟수, 유저가 페이지를 본 횟수를 뽑아봤어요. 연말이 되었을 때 디스콰이엇의 성과를 공유해볼 수 있겠다는 생각도 드네요 ㅎㅎ

링크를 클릭하시면 더 자세한 데이터를 보실 수 있어요.

특히 최근 들어 디스콰이엇을 찾아주시는 분들이 더 증가하고 있는만큼, 고객을 찾고 싶거나, 프로덕트 인사이트를 공유하기 위해 디스콰이엇에서 빌딩 인 퍼블릭 해주시면 좋은 결과를 만들 수 있을 것 같습니다 :)

정리

Graphy의 장단점을 정리하면 다음과 같습니다.

장점

• 일단 멋있습니다. 멋진 스크린샷을 찍게 도와주는 xnapper와는 다르게 상호작용이 가능한 차트를 생성하고 공유할 수 있다는 점이 매력적이에요. 훨씬 프로페셔널하게 보이고요.

• 데이터를 빠르게 해석할 수 있어요. AI 기반의 Caption을 통해 PM, 개발자, CX 등 직군에 상관없이 많은 양의 데이터를 빠르게 이해할 수 있습니다.

• 외부 공유가 쉽습니다. 예를 들어 믹스패널는 엑세스 권한이 없는 사람에게는 내부 정보를 공유할 수 없는데요. Graphy를 사용하면 가능합니다. 그것도 원하는 정보만 골라서요.

• 처음 한 번만 필요한 데이터를 모아두면 그 다음부터는 하나의 대시보드만 보면 됩니다. 번거롭게 다른 플랫폼을 오갈 필요가 없어요.

단점

• 간헐적으로 버그가 있습니다. 예를 들어 믹스패널에서 데이터를 추출할 때 익스텐션이 작동하지 않는 것인데요, 그래서 Graphy를 사용하신다면 내가 사용하는 플랫폼을 안정적으로 지원하는지 확인해보시면 좋을 것 같아요. 그래도 구글 서치 콘솔, GA, 구글 시트는 안정적으로 지원하고 있습니다.

여러모로 무료로 사용 가능한 것을 감안하면, 사용하지 않을 이유는 없어보여요 :)

창업가의 진정성

// Richard와 직접 소통하며 나눈 내용

저는 종종 제품을 사용해보고 피드백하고 싶은 내용이 있으면 직접 메일을 보내거나 트위터 메세지를 보내는데요, 특히 Graphy를 만들고 있는 Richard와는 여러 번 소통하며 제품에 대한 이야기를 즐겁게 나눌 수 있었습니다. 구체적으로 유저의 경험을 묻고, 피드백을 요청하는 모습이 인상깊었어요.

안녕 William,

피드백 고마워. 매우 유익하고 도움이 되었어.
넌 Graphy가 제공하고자 하는 사용 사례와 가치를 정확히 이해하고 있네!

간단한 질문이 있는데. 현재 Google Sheets를 사용할 때 (Graphy 외부에서) 이미 Google Sheets 내에 생성된 차트를 사용하고 있어?

이걸 물어보는 이유는 Chrome 익스텐션이 사용자들에게 얼마나 편리함을 제공하는지 더 잘 이해하고 싶어서 그래. (사용자들이 Google Sheets에서 이미 차트를 가지고 있어서 이를 단순히 Graphy로 옮길 수 있는지 아니면 Google Sheets에서 차트를 먼저 만들어야 하고 그 후에 Graphy로 옮길 때 귀찮음을 느끼는지 알고 싶거든.)

Graphy로 제품 데이터를 메이커로그로 공유해주세요!

Marblism 창업자들의 리트윗 :)

프롬프트 하나로 풀스택 웹앱을 만드는 Marblism

안녕하세요, 윌리에요!

오늘은 프롬프트 하나로 SaaS를 비롯한 다양한 웹앱을 만들어주는 Marblism을 소개하려 해요. 이번 글은 자세한 사용 후기를 담은 만큼 이미지와 글이 많은데요, 이 프로덕트에 인상깊었던 UX는 아래와 같았아요. 만약 AI 제품을 만들고 있다면 참고해보세요.

1. AI 제품은 사용자가 선택할 수 있는 옵션의 수를 최소화해 의사결정의 난이도를 낮춰야해요. Marblism은 AI App, SaaS, Marketplace, Social Network, Internal Tool 5가지의 선택지만을 제시합니다.

2. 복잡한 기능을 점진적으로 노출해 사용자가 한 번에 많은 정보를 처리하지 않도록 해야 해요. Marblism은 풀 스택 웹앱 개발이라는 복잡한 과제를 세 단계로 나누어 유저가 부담 없이 구현할 수 있도록 해요.

3. 예상치 못한 보상을 단계별로 제공해 사용자의 참여를 유도하는 것이 중요해요. Marblism은 각 단계를 완료할 때마다 놀라운 결과물을 제공해 사용자가 지속적으로 동기부여를 받을 수 있도록 합니다.

제품을 만들기 시작할 때의 어려움

코딩을 해본 경험이 있다면 이 밈에 공감할 수 있을 것 같아요. 그만큼 제품을 만들기 위해서 필요한 환경을 구축하는 것은 개발자에게도 복잡하고 어려운 일이에요. 결국 개발환경을 구축하는 단계에서 발생하는 버그를 수정하기 위해 많은 리소스를 사용하게 되는데요, 이 리소스를 줄일 수는 없는 걸까요?

개발자들의 반복 업무를 줄이고, 창의적인 생각에 몰입할 수 있는 세상을 만드는 것이 목적인 Marblism을 사용해 본 후기를 상세하게 적어봤습니다.

Marblism의 랜딩페이지

Marblism의 첫인상이에요. 하나의 프롬프트를 작성하면 SaaS를 만들어준다는 문구가 인상깊어 바로 사용해봤어요. 저는 디스콰이엇처럼 제품과 피드를 업로드하고, 다른 유저를 팔로우할 수 있는 소셜 네트워크 만드는 것을 목적으로 했어요.

1단계 : 프로젝트 이름, 유형, 프롬프트, 유저 경험 작성하기 (1분 소요)

프로젝트를 시작하면 가장 먼저 이름과 유형을 설정할 수 있어요. 개인적으로 프로젝트 유형을 SaaS, AI App, Marketplace, Social Network, Internal Tool 등으로 구분해둔 것이 정말 좋았는데요, 복잡하게 프롬프트를 입력하는 경험을 효율적으로 만들어준 것 같아 만족스러웠어요.

다만, Project Description을 작성할 때는 얼마나 구체적으로 작성해야할지 감이 오지 않아 어려웠습니다. 그래서 처음에는 제품에 필요한 기능을 거의 전부 적었는데요, 몇 번 사용하다보니 모든 기능을 나열하는 것보다 내가 만들려는 프로덕트와 비슷한 프로덕트의 이름을 프롬프트에 포함시켜 간결하게 작성하는 것이 더 좋은 결과물을 만들었어요.

그래서 제 프롬프트도 이렇게 바꿔 작성했습니다.

a social app like product hunt

2단계 : 페이지별 유저경험 설계하기 (5분 소요)

다음은 조금 놀란 부분이었는데요, ‘a social app like product hunt’라는 프롬프트를 토대로 필요한 페이지를 정의하고, 페이지별 유저의 경험과 시나리오를 아래와 같이 아주 상세하게 정의했어요.

UX 정의

• 사용자로서, 나는 내 필요에 맞는 도구를 찾을 수 있도록 AI 도구들의 분류된 목록을 둘러볼 수 있다.

• 사용자로서, 나는 각 AI 도구에 대한 간단한 설명과 URL 링크를 볼 수 있어 도구에 대해 더 많이 알고 해당 도구의 메인 페이지에 접근할 수 있다.

• 사용자로서, 나는 언어 처리, 머신 러닝, 데이터 분석 등과 같은 카테고리별로 도구를 필터링할 수 있어 특정 관심 분야의 도구를 빠르게 찾을 수 있다.

• 사용자로서, 나는 AI 도구들을 이름이나 키워드로 검색할 수 있어 특정 도구를 쉽게 찾을 수 있다.

시나리오

• 디렉터리 둘러보기: 사용자가 홈 페이지에 있을 때, 목록을 둘러보면 AI 도구들이 유형별로 분류되어 보인다.

• 도구 필터링: 사용자가 홈 페이지에 있을 때, 카테고리 필터를 선택하면 목록이 해당 카테고리의 도구들만 보여준다.

• 도구 검색: 사용자가 홈 페이지에 있을 때, 검색어를 입력하면 목록이 검색어와 일치하는 도구들을 보여준다.

사진에는 Home 페이지에 대한 정보만 있지만, 이외에도 프로덕트 업로드 페이지, 알림, 프로필, 로그인, 프로덕트 디테일 페이지 등 10개 이상의 페이지를 스스로 만들어서 제안했어요.

AI는 유저의 프롬프트를 읽고 그 의도를 읽어내는 행위를 잘하는데요, 그 부분을 잘 활용한 UX였어요.
사실 알림 페이지와 같은 디테일은 저도 놓치고 있던 부분이었는데, 디테일한 페이지까지 알아서 생성해 주니 인상 깊었습니다.

3단계 : 데이터베이스 생성 (5분 소요)

‘다음’ 버튼을 누르면 지금까지 정의한 유저의 경험을 토대로 DB를 만들어서 제안해요. 이때 복잡도가 높은 프로덕트일수록 자잘한 에러가 있었어요. 대부분의 에러가 칼럼이 중복되거나 누락된 경우였고요.

대신 프로젝트 시작 단계에서 기존에 이미 존재하는 프로덕트 이름을 포함해 프롬프트를 작성하면 DB 생성 시의 에러를 줄일 수 있었습니다. 예를 들어 대다수의 SaaS가 비슷한 DB 구조로 되어 있다 보니 정확도가 높았던 것 같고요.

4단계 : 배포

마지막 단계에서는 프로젝트를 배포할 수 있어요. 하지만 완벽한 프로덕트가 완성된 것은 아니었고, 템플릿에 가까웠어요. 그래서 이미지의 Launch Workspace를 클릭해 페이지 별로 기능과 디자인 등을 다듬어야 합니다.

만약 개발을 할 줄 안다면 본인의 깃헙 프로필을 초대해 코드베이스를 활용할 수 있어요.

Marblism이 생성하는 웹앱의 스택은 그림을 참고해 주세요!

5단계 : 워크스페이스에서 수정하기

// 우측에서 프리뷰를 보고, 좌측에서 프롬프트로 수정하는 구조

개발을 할 줄 모른다면 Marblism에서 지원하는 Workspace를 활용할 수 있는데요, 개인적으로는 코드를 보지 않고 프롬프트만으로 제품을 만드는 경험이 생각보다 불편했습니다. 예를 들어, 특정 div의 사이즈를 조절하거나 색상을 변경하는 간단한 프롬프트를 입력하면, Marblism이 스스로 task를 생성/수행하고 배포하지만, 변경 사항이 반영되지 않는 상황이 반복되었어요. 더욱 답답했던 점은 왜 변경 사항이 반영되지 않는지 알려주지 않는다는 점이었고요.

아래는 Marblism으로 만든 웹페이지 입니다. 원인 모를 에러를 수정하지 못해 기능은 작동하지 않네요. 참고용으로 봐주세요 :)

웹페이지 링크 : https://disquietai.app.io/home

Marblism — UX 리뷰

1~5단계를 거치면서 AI 제품이 갖춰야 할 UX를 정리해 봤어요.

1. Hick’s Law — 옵션의 수를 최소화해서 의사결정 난이도 낮추기

높은 자유도는 AI 프로덕트의 양날의 검이에요. 유저 입장에서는 원하는 바를 편하게 표현할 수 있지만, 지나친 자유도는 선택의 부담을 만들어낼 수 있기 때문이에요. 이때 옵션의 수를 최소화해서 의사결정의 난이도를 낮추는 것을 힉스의 법칙이라고 하는데요.

Marblism처럼 제품이 가장 잘 수행할 수 있는 선택지를 선별하고, 유저에게 제안함으로써 유저는 좋은 퀄리티의 결과를 빠르게 받아볼 수 있어요.

2. Progressive Disclosure — 복잡한 풀스택 개발과정을 점진적으로 구성

인기 있는 노코드 툴인 버블과 Marblism을 비교하면 풀스택 웹앱을 만들기 위한 학습곡선의 차이를 명확하게 느낄 수 있어요. ‘풀스택 웹앱 개발’이라는 task를 세 단계로 쪼개 정말 간편하게 구현했다는 점에서 복잡한 기능에 압도되지 않도록 UX를 잘 구성했어요.

3. Variable Reward — 예상치 못한 뛰어난 결과물 제안

마지막으로, 복잡한 과정을 세 단계로 쪼개고 각 단계를 수행할 때마다 기존의 개발경험에서는 느낄 수 없는 보상을 줍니다. 가령, 프롬프트만 작성했는데 제품에 필요한 페이지가 정의되고, 페이지 별 기능이 정의되는 경험이죠. 매 단계마다 랜덤한 보상을 줌으로써 동기를 부여하는 것도 좋은 UX 같아요.

Marblism의 방향성 — 초개인화 보일러플레이트를 생성하기

Marblism을 사용하면서 프롬프트 하나와 약간의 수정만으로 유저경험을 설계하고, 코드베이스가 만들어지는 경험은 와우할만한 경험이었어요. 그런데 코드베이스가 만들어진 이후에 직접 코드를 수정하는 workspace 기능이 정말 아쉬워서 의문이었습니다.

이렇게 경험의 질이 차이가 나는 것을 보고 이질감을 느꼈고 그 이유를 알아봤어요. 그리고 Marblism의 블로그에서 그 힌트를 찾을 수 있었어요.

A SaaS boilerplate, is a pre-built template for SaaS applications, including all standard features.
(SaaS 보일러플레이트는 SaaS를 구성하는 기본적인 기능을 이미 갖춘 템플릿입니다.)

Developers can focus on creating unique and innovative features for their customers, rather than building basic functionalities like authentication, user accounts, and billing flows from scratch.
(보일러플레이트를 통해 개발자는 인증, 사용자 계정, 결제와 같은 기본적인 기능을 처음부터 구축하지 않아도 됩니다. 대신 고객을 위해 독창적이고 혁신적인 기능을 만드는 것에 집중할 수 있습니다.)

여기서 보일러플레이트는 Next.js 같은 프레임워크와는 다른데, 정확히는 프레임워크 위에서 만들어진 템플릿이에요. 기본적인 인프라 설치를 넘어, 인증, 사용자 계정, 결제와 같은 기본 기능까지 구현되어 있어 제품 개발의 생산성을 극대화할 수 있죠.

기존에도 여러 유형의 보일러플레이트를 템플릿으로 제공하는 Makerkit.dev , shipfa.st 같은 서비스가 있지만, Marblism은 프로젝트 유형에 따라 프롬프트만으로 보일러플레이트를 자유롭게 생성할 수 있다는 차별점이 있어요.

이와 같은 이유로 현재는 원하는 기능을 포함하는 코드베이스를 빠르게 만들어내는 것에 더 집중하고 있다는 생각이 들어요 :)

• 보일러플레이트로 제품을 만들어본 분은 AI 프로덕트 클럽에 가입해서 경험을 공유해주세요!

fyi - 참고로 Marblism은 2명이 만들고 있다고 하네요 ㅎㅎ

디스콰이엇 팀에게 프로덕트 리뷰를 맡기고 싶다면 링크를 통해 연락주세요!

앞으로 모든 코드의 90%는 AI가 작성할 수 있도록

요즘 코딩을 독학하고 있는데요, HTML 밖에 몰랐던 제가 2주 만에 Next.js로 개인 블로그를 만들게 되었어요. 영상을 보거나 과외를 받지도 않았고요. 대신 특별한 코드 에디터를 사용했어요. 바로 자연어로 개발할 수 있는 코드 에디터, Cursor에요.

특히 내장된 채팅 기능이 신기했는데요, 프롬프트가 부정확하거나 추상적이어도 디렉토리 내의 엄청난 양의 코드를 읽고 굉장히 빠르게 답변하는데 퀄리티도 정말 좋았어요. 최근까지는 이렇게 완성도 높은 제품을 앞세워 OpenAI, 전 Github의 CEO 냇 프리드먼, Dropbox 공동창업가 아리시 페르도시로부터 약 100억원을 유치하면서 제품개발에 속도를 내고 있어요.

이번 글에서는 VScode의 새로운 경쟁자, Cursor만의 특별한 UX를 알아보고, 어떻게 코드의 90%를 AI가 작성할 수 있게 하는지 적어봤어요.

특히 이런 분들이 읽었을 때 도움이 될 수 있어요.

• 효율적인 프롬프팅 경험을 설계하고 싶은 사람

• AI 제품개발 시 어떻게 UX를 설계해야할지 공부하고 싶은 사람

• 실제 제품을 만들면서 코딩을 독학하고 싶은 사람

기존의 코딩이 어려웠던 이유

주니어, 시니어를 막론하고 개발과정에서 가장 고통스러운 경험은 '틀린 이유를 모르는 것'이에요.

이 상황에서는 크게 두 가지 어려움을 겪어요.

1. 에러의 원인을 발견하는게 어렵다 - 원인을 알기 위해 파악해야하는 맥락이 너무 많다

2. 원인을 파악하기 위한 질문이 너무 어렵다 - 무엇을 어떻게 질문해야할지 모르겠다.

   

그래서 지금까지는 오픈소스 커뮤니티와 구글링을 통해 문제를 해결해왔는데요, 저마다의 개발환경이 다르다보니 사례를 참고할 수는 있어도 즉각적인 해결방안을 도출하는 일은 어려웠어요. 물론 그마저도 코딩을 처음 배우는 사람들에게는 버거웠고요. Cursor는 위의 두 가지 문제를 정확히 해결하는 제품을 만들게 됩니다.

내 모든 코드를 이해하고 있는 AI에게 자연어로 질문하는 경험

우선 Cursor가 제공하는 대표적인 기능 5가지는 다음과 같아요.

• Codebase Chat / Apply : 코드베이스에 기반해 수정안을 제시하고, 유저가 승인하면 코드에 자동적용.

• Copilot ++ : 기존의 Copilot보다 더 많은 데이터를 학습. Cursor의 예측모델은 정확도가 높음.

• Docs : 특정 프레임워크, 언어 등의 문서 링크를 첨부하면 그걸 학습하고 답변.

• Vision : 복잡한 텍스트 대신 프롬프팅 가능. 컴포넌트 UI를 만들어주기도 함.

• Auto Debug : Cursor 터미널에 내장된 에이전트. 터미널 에러에 어떻게 대처해야하는지 안을 제시.

그리고 이 5가지 기능의 대전제는, '내 모든 코드를 이해하는 AI와 자연어로 소통할 수 있다'고요.

그런데 개인적으로 Cursor를 사용하면서 이런 의문이 들었어요. 우리는 AI와 소통할 때는 명확하고 쉬운 커뮤니케이션이 중요한데, '개발'이라는 분야는 문제의 복잡도가 높고, 사용자도 문제의 원인을 파악하지 못하는 경우가 많아요. 그렇다면 이런 상황에서 명확한 프롬프트를 작성하는 것이 가능할까요? 오히려 복잡한 상황과 맥락을 자세하게 설명하기 위해 프롬프트를 길게 작성하면 모델의 성능이 떨어지지 않을까요?

그래서 Cursor는 이 문제를 어떻게 해결했는지 찾아봤어요.

Cursor의 'Priompt'를 활용한 프롬프트 디자인

Cursor는 모호한 프롬프트로 인해 답변의 품질이 떨어지는 문제를 해결하기 위해 '프롬프트 디자인'이라는 개념을 만들었어요. 프롬프트 디자인이란, 유저의 프롬프트를 컴퓨터가 한 번 읽고 더 명확하고 간결하게 수정하는 방법이에요. 아래와 같이 작동하는 것이죠.

이 코드에 문제가 있어 > a 파일, 15번째 줄에 문제가 있어

이 기능은 기본적으로 GPT가 의도파악에 뛰어나기 때문에 가능했는데요, Cursor 팀은 제품을 만들다보니 프롬프트 효율화를 진행했음에도 답변의 품질이 떨어지거나 잘못된 답변을 하는 것을 발견하게 됩니다. 그래서 프롬프트에 우선순위를 부여하게 되는데요, 이렇게 프롬프트에 우선순위를 부여하는 개념을 Priompt라고 정의하게 됩니다.

예를 들어 '안녕 아스터야, 어제는 고마웠어. 잘 지내!'라는 문장이 있을 때, 다음과 같이 우선순위를 매길 수 있어요.

안녕 아스터야 ㅡ 중요도 중간
어제는 고마웠어 ㅡ 중요도 높음

잘 지내 ㅡ 중요도 낮음

// 중요도 값을 텍스트 투명도에 대입했을 경우.

그리고 프롬프트의 길이가 길어지면 중요도가 낮은 것부터 제거하며 프롬프트 효율화를 진행해요. 또한 이 과정은 문장의 핵심문맥을 유지하는 것에 초점을 맞추기 때문에 할루시네이션 예방에도 도움이 됩니다.

이외에도 프롬프트를 마치 리액트처럼 컴포넌트화하는 등 다양한 방법으로 효율화를 진행했는데요, 너무 기술적인 이야기라 자세히 다루지는 않았어요. 다만, AI 제품을 만드는 분들을 위해 코드베이스를 공유해드릴게요!

• Priompt 바로가기

Cursor의 제작 배경

사실 Cursor를 만든 Anysphere 팀이 처음부터 Cursor를 만든 것은 아니에요. 원래는 CAD 소프트웨어로 모델링 작업을 할 때 AI가 어떤 설계 부품이 필요할지 예측해서 제공하는 프로그램을 만들려고 했거든요. 이건 Cursor의 하드웨어 버전인 것이죠. 하지만 오픈소스가 만연한 코드와는 다르게 CAD 분야에서는 충분한 데이터를 확보하는 것이 어려웠고, 특히 AI 모델이 공간적 추론을 잘하지 못하는 한계에 부딪히게 돼요. 결국 좋은 성과를 내지 못했고, 새로운 방향을 모색하죠.

이 시행착오를 거치면서 Anysphere는 스스로가 제품의 주요고객이어야 한다는 것을 깨닫게 되는데요, 그 뒤에 GPT-4에 얼리엑세스 권한을 얻게 되었고, GPT가 하드웨어와는 다르게 소프트웨어 개발에 강점이 있다는 것을 발견하게 돼요. 특히 GPT4는 코드 생성, 코드 가독성 높이기, 디버깅의 영역에서 뛰어났고요. 그렇게 Cursor가 탄생하게 됩니다. 이렇게 보니 Cursor도 만들어진지 얼마 안되었네요.

Cursor 앞으로의 방향성

현재 VScode에서 작성되는 코드의 약 46%는 Copilot에 의해 작성되었는데요. Cursor는 이 수치를 90% 이상으로 끌어올리는 것이 목표인 팀이에요.

그래서 Cursor가 이 목표를 달성하기 위해 계획 중인 흥미로운 UX를 몇 가지 추려봤어요.

15분 뒤를 예측하기

• 지금까지의 수정사항을 파악하고, 앞으로 15분 동안의 코드 변경 사항을 예측하고 수정할 코드를 제안. 한 번의 키로 모든 코드를 수정/삭제할 수 있는 기능

더 효율적으로 맥락 이해하기

• 사용자의 질문에 가장 관련된 정보를 즉시 파악할 수 있도록 개선. 이를 위해 50만개의 토큰을 모아 가장 관련 있는 8천 개의 토큰으로 줄이는 맞춤형 모델을 개발 중

완전히 일을 위임할 수 있는 에이전트

• 유저의 지시에 따라 테스크를 생성/수행하는 에이전트. 완전히 위임할 수 있도록 모델 개발 중

잠재적 버그 찾기

• Cursor가 항상 파일을 스캔하며 잠재적인 버그를 발견하고 제보/수정

어떤가요? 저는 제품의 기능과 로드맵을 들었을 때 ‘이걸로 뭐 만들 수 있겠다’ 싶은 상상이 드는 제품이 영감을 주는 제품이라고 생각하는데요, 개인적으로 Cursor는 최근 사용해본 AI 제품 중에 가장 큰 임팩트를 느꼈던 제품이었어요. 앞으로의 업데이트를 기대하지 않을 수가 없는 것 같네요 :)

혹시 이 글이 좋으셨다면 업보트 눌러주세요! 그리고 AI가 코딩을 어떻게 바꿀지에 대해 댓글로 생각을 공유해주세요.

디스콰이엇 팀에게 프로덕트 리뷰를 맡기고 싶다면 링크를 통해 연락주세요!

[웨비나] AI 프로덕트 메이커 분들, '동반자 경험'이라고 들어보셨나요!

지난 화요일 OpenAl의 GPT-4o가 공개된 후, 영화 'Her'이 현실화되었다는 말이 정말 많이 들려오는 것 같네요.

컴패노이드 랩스에서는 평소 동반자 경험, 즉 'Companoid eXperience (CX)' 개념을 알리기 위해 노력해 왔는데요... 이제 정말로 #AI에이전트 인공지능 에이전트의 시대(?)가 제대로 온 것 같습니다. 기술과 사람의 상호작용이 더욱 깊어지는 시대에 어떻게 사용자 경험을 잘 설계해야 할까 고민도 많이 됩니다.

지난 웨비나에서 '컴패니언 경험'에 대해 설명드렸는데, 개념 자체가 새롭고 유익하고 의견 주신 분들이 많이 계셔서, 다시보기 영상을 AI 프로덕트 메이커 클럽에 공유해봅니다. 뒷쪽은 저희 키트 소개라, 09:04 부터 18:35 까지 약 9분동안 보시면 좋아요 :)

https://youtu.be/_YgoEVBOU58?feature=shared&t=546

홍보 살짝 하자면, 컴패니언 카드 키트는 이런 개념을 다룬 수백 편의 논문을 구조화하고 체계화하여 'Companoid Experience Framework'를 정립하고 현업에서 할용하실 수 있도록 만든 디자인 씽킹 키트입니다. 이후 공식 샵에서도 런칭할 예정이지만, 이번주 5/19 일요일까지만 텀블벅 특가로 펀딩을 진행하고 있어 많은 관심 부탁드립니다. 😚 저희 회사의 이름의 근간이기도 한 '컴패니언 경험' 이라는 개념이 널리 알려졌으면 하네요!

회고 인터뷰 #3 | 무료 앱이 비즈니스에 도움이 될까?

앱으로 돈을 번다기보다
저희 기술을 좀 더 많은 사람이 경험했으면 해요.

이 글은 이런 분들에게 도움이 될 거예요!

✅ B2C 서비스를 출시할 계획이 있는 B2B 메이커

✅ App Store에 앱 등록을 앞둔 메이커

✅ 앱 개발 비하인드가 궁금한 메이커

#1 B2B 회사가 B2C 앱 개발에 도전한 이유

#2 Apple이 QA 해 준 썰 풉니다

#3 무료 앱이 비즈니스에 도움이 될까?

🎙️ Interviewer’s note

안녕하세요! 가우디오랩의 마케터 헤일리입니다. 어느덧 회고 인터뷰의 마지막 편을 올리게 됐네요. 첫 B2C 앱 개발 스토리와 Apple 앱스토어 심사의 난관을 다뤘던 글에 이어서, 오늘은 Just Voice Lite에 사용된 기술에 관한 이야기를 풀어보려고 해요.

가우디오랩의 첫 B2C 서비스를 기획하게 된 PO 하워드, 입사 8년 차 베테랑 개발자 조이, 오디오 SDK와 앱 개발을 동시에 맡고 있는 잭, 팀의 든든한 앱 개발자 스티븐과 인터뷰했어요.

(사진) 한동안 Top Charts에 올라와 있었어요

맥이 잘 되면
윈도우도
출시해보자.

Q. 개발은 어떤 방식으로 진행됐나요?

조이(Dev) : Just Voice Lite의 초안이라고 할 수 있는 '쪽'이라는 게 이미 개발돼 있었어요. 피보팅하는 게 간단한 작업이라고 생각해서 따로 로드맵은 없었고. 주마다 나오는 미팅에서 아이디어를 수집하고, 그 주에 해야 할 것들을 정리하는 식으로 쭉 갔었어요. 원래 앱을 개발할 때는 플랫폼 설정부터 타깃이 맥 OS인지 윈도우인지를 다 보고 가야 되는데, 그런 과정들이 많이 누락됐어요.

스티븐(Dev) : 기존에 있던 앱에 하워드(PO)가 생각한 기획을 저희가 듣고 더했어요. 주마다 이 과정을 빠르게 한 바퀴 돌고, 만나서 싱크 맞추고. Apple 심사에 들어간 다음에는 하워드의 생각과 Apple의 생각, 두 개를 녹이면서 진도를 나갔던 것 같아요. 일반적인 개발 과정이라면 요구사항 수집부터 설계, 개발, 테스트를 반복해야 하는데, 기존에 있던 걸 바꾸는 작업이어서 린하게 작업한 것 같아요.

Q. 왜 Mac App으로 출시했나요?

스티븐(Dev) : 저희가 쓰고 있는 프레임워크는 크로스 플랫폼을 다 지원해서, 윈도우도 앱 자체를 만들 수는 있었어요. 심지어 처음에 앱을 만들 때, 윈도우까지 뚫어 놨었어요. 그때 윈도우 오디오 드라이버 쪽을 완벽하게 처리를 안 하고 넘어갔고, 마침 저희가 방향을 틀면서 개발 내용을 변경할 것들이 생겼어요. 그래서 앱을 출시하기로 스타트를 끊었을 때, 윈도우 드라이버까지 작업할 수 있는 물리적인 시간이 없었어요.

조이(Dev) : 그것보다 큰 이유는 '윈도우보다 맥이 레이턴시가 조금 더 짧아서' 였어요. 그래서 맥을 우선적으로 출시하게 됐죠.

스티븐(Dev) : 그래서 '맥이 잘 되면 윈도우도 레이턴시를 줄여서 출시해보자' 했죠.

(사진) 우주의 기운이 모여 Just Voice Lite로..!

저희 기술을 경험한 사람이 늘면
SDK를 원하는 고객이
늘지 않을까 생각해요.

Q. 앱을 무료로 출시한 이유가 무엇인가요?

조이(Dev) : 미국 법인 계정으로 앱을 출시하게 됐는데, 매출이 나오면 세금 신고나 준비할 게 많아져서 우선 무료로 배포해 보기로 했죠. 또 상대적으로 저사양인 GSEP-LD는 무료로 활용해 많은 사람들이 가우디오랩의 기술을 사용해볼 수 있도록 한다는 정책도 있더라고요. 그래서 지금은 ‘연습 잘하고 애플 맛 잘 봤다’ 그 정도에서 만족감을 느껴요. (웃음) 그래서 앱으로 돈을 번다기보다 저희 기술을 좀 더 많은 사람이 경험했으면 해요. 저희 기술을 아는 사람이 늘면 B2B 단에서 SDK를 원하는 고객이 늘지 않을까 생각해요.

Q. Just Voice Lite에 는 어떤 기술들이 들어가 있을까요?

잭(Dev) : Just Voice Lite에 노이즈를 제거하는 GSEP이라는 AI 기술이 들어갔어요. 이게 SDK화 돼 있는데, 청취 평가에서 가장 효과가 좋다고 평가받은 노이즈 제거 기술이죠. 그리고 이 노이즈 분리 알고리즘이 실시간으로 돌아가요. 이 기술이 MacOS 앱에 올라왔을 때, 매끄러운 경험을 줄 수 있는 사용성을 만들기 위해 공을 많이 들였어요.

데스크탑에서 나오는 모든 소리를 하드웨어로 듣는 거잖아요? 이걸 클릭 한번이면 앱과 연결할 수 있거든요. 또 데스크탑에서 블루투스를 사용했을 때 영상 싱크가 잘 맞도록 조이가 작업을 해주셔서, 원활하게 콘텐츠를 시청할 수 있어요. 정리하면 알고리즘 원천 기술, SDK 성능 그리고 어플리케이션의 심리스한 경험을 위한 여러 가지 노하우들이 큰 강점인 것 같아요.

🎙️ SDK 이야기를 더 들어보기 위해 PO 완을 만나봤어요!

완(PO) : 안녕하세요 저는 완이고요. 올해부터 SDK 제품군의 Product Owner 역할을 맡게 됐어요. Just Voice SDK는 올해 초에 출시가 된 따끈따끈한 제품이자, SDK 스쿼드에서 올해 주력 제품으로 밀고 있는 제품입니다.

어떤 SDK 제품이나 다 적용이 쉽다고 하는데
실제로 고객들이랑 작업을 해보니까
얘는 정말 쉽더라고요.

Q. Just Voice Lite SDK를 간단히 소개해 주세요.

완(PO) : 두 가지 키워드가 중요한데, AI 기반이지만 서버가 아니라 폰이나 랩탑 같은 단말에서 온디바이스로 돌릴 수 있다는 특징이 하나가 있고요. 또 처리하는 데 시간이 오래 걸리지 않아 실시간으로 처리가 가능해요.

저희 연구 책임자께서 항상 “눈 깜빡일 새보다 더 빠르다” 라고 강조해서 표현하시는데요. 수치적으로는 100분의 3초인데, 실제로 들어보시면 전혀 느끼지 못할 정도의 빠르기라고 이해하시면 될 것 같아요. 이 두 가지 특징을 가진, 다양한 소음이 있는 어떤 환경에서든 잡음은 빼고 목소리만 또렷하게 들려주는 솔루션입니다.

Q. Just Voice Lite SDK가 도움을 줄 수 있는 시나리오가 있을까요?

완(PO) : 전화 통화나 화상 회의 같은 경우가 가장 기본적으로 생각할 수 있는 시나리오이고요. 시끄러운 산업 현장의 무전 솔루션을 제공하는 회사에서 잘 쓰이고 있는 서비스 사례도 있고요. 또 콜센터에서 상담원분들이 전화 받으실 때, 고객들이 시끄러운 환경에서 전화하는 일이 많잖아요? 그런 시나리오에도 저희 Just Voice를 쓰시면 목소리만 또렷하게 들으실 수 있습니다.

헤일리(Marketer) : 제가 CS 알바 경험이 있어서 그런지, 지금까지 들은 시나리오 중에 제일 와닿았던 것 같아요. 시끄러운 데서 말하시면서, 막 못 알아듣는다고 화내시거든요. (웃음)

완(PO) : 목소리만을 깔끔하게분리할뿐더러, 분리한 다음에 목소리만 증폭시킬 수도 있거든요. 그래서 목소리를 잘 듣는 데는 아주 최적화된 솔루션입니다.

Q. Just Voice Lite SDK의 가장 큰 장점은 무엇인가요?

완(PO) : 사실 어떤 SDK 제품이나 다 인테그레이션이 매우 쉽다고 하는데, 저희가 실제로 올해 고객들이랑 작업을 해보니까 얘는 정말 쉽더라고요. 가이드 문서도 저희가 잘 준비를 해놔서, 한 30분이면 붙여보실 수 있을 것 같아요. 저희 홈페이지에 trial 버전을 올려놨으니까, 다운받으셔서 직접 가지고 계신 환경, 앱이나 기기에 바로 적용해 보시면 될 것 같습니다.

Just Voice Lite SDK는 모든 랩탑과 폰에 들어갈 수 있어요. 랩탑이나 핸드폰에서 동작하는 어플리케이션에 적용할 수도 있고요. 최근에 무선 이어폰같이 스마트폰보다 훨씬 더 성능이 떨어지는 저사양의 단말에서도 돌아갈 수 있는 버전을 준비해서, 이제는 '대부분의 기기에서 돌릴 수 있다'라고 할 수 있습니다. 또 저희가 오디오 쪽으로는 많은 전문가들을 보유하고 있어서, 전문가분들이 상황에 맞게 필요하신 부분을 빠르게 잘 컨설팅해 드리고 있습니다. (웃음)

-

🔧 이거 우리 앱에 딱 필요한 기능인데 싶다면? Just Voice Lite SDK를 앱에 적용해 보세요.

※ 앱은 현재 Mac 버전만 있지만, SDK는 iOS/Android/Windows/Mac/Linux 모두 지원합니다.

※ [여기]에서 trial version을 바로 써보실 수 있습니다! 매우 심플해서 30분이면 붙여보실 수 있을 거에요 :)

※ SDK가 필요하다면, [Contact Us]로 편하게 문의해 주세요.

(사진) Just Voice Lite 출시 기념 뒷풀이 사진…

Q. 마지막으로 가우디오랩의 첫 B2C 앱을 개발한 소감을 말해주세요.

하워드(PO) : 많이 홍보해 주시고요. (웃음) 좋은 시도였다고 봐요. 실제로 B2B 단에서 앱으로 데모도 많이 하고 그랬어요. ‘Denoise 이렇게 한번 써보세요’ 하면서. 그 자체로도 의미가 있다고 보기는 하고, B2C 고객들도 더 생기겠죠.

조이(Dev) : 좋은 시도긴 하지만, 저는 아직도 Just Voice Lite가 유저가 '이거 재밌겠다’ 하면서 설치하는 앱은 아니라고 생각해요. 제가 만들고 싶은 건 남녀노소 구분 없이 쓸 수 있는 제품이거든요. 그런 아이디어가 있으면 앱 팀이나 PO들한테 전달해서, 다음 작품은 재밌는 거 만들고 싶어요.

잭(Dev) : 하워드가 Just Voice에 여러 가지 효과를 넣는 생각을 갖고 계시잖아요. 그게 조이가 말한 재밌어질 포인트 중에 하나라고 생각해요. 언제가 될지 모르겠지만 그런 날이 빨리 왔으면 좋겠네요.

스티븐(Dev) : 일단 가우디오랩 B2C로 첫 앱 하나 뚫어봐서, 노하우가 한 번은 쌓인 거고. 다음번에 할 때는 이번보다 시행착오가 줄어들지 않을까요.

🎙️ 끝으로…

인터뷰를 통해 첫 B2C 앱을 개발하며 겪었던 난관과 이를 극복하는 과정을 다시금 엿볼 수 있었습니다. 회고 글을 통해 메이커분들도 각자만의 인사이트를 얻었으면 합니다. 이번 B2C 앱 개발 경험을 발판 삼아, 가우디오랩은 다양한 B2C 서비스를 차차 론칭할 예정입니다. Just Voice Lite, 그리고 앞으로 론칭될 새로운 서비스도 많은 관심 부탁드립니다 :) 새로운 서비스가 론칭될 때마다 가우디오랩의 비하인드 스토리를 더 자주 들려드릴 수 있도록 할게요! 마지막으로, 인터뷰에 응해 주신 앱 팀에게 진심으로 감사드립니다.

-

🔊 우리 프로덕트가 궁금하다면? 프로덕트 보러가기

⚙️ 앱 다운로드 : Just Voice Lite
※ Just Voice Lite는 현재 Mac에서만 사용할 수 있습니다.

-

가우디오랩 소개

가우디오랩의 기술은 소리가 있는 어디에나 있습니다.
음향공학 박사 9명, 석사 6명을 비롯한 40명의 오디오 전문가가
최상의 소리 경험을 제공하기 위해 연구 개발하고 있습니다.

회고 인터뷰 #2 | Apple이 QA 해 준 썰 풉니다

철저히 을의 입장에서…
저희가 심사단의 마음을 거스르면 안 돼요. (웃음)

이 글은 이런 분들에게 도움이 될 거예요!

✅ B2C 서비스를 출시할 계획이 있는 B2B 메이커

✅ App Store에 앱 등록을 앞둔 메이커

✅ 앱 개발 비하인드가 궁금한 메이커

#1 B2B 회사가 B2C 앱 개발에 도전한 이유

#2 Apple이 QA 해 준 썰 풉니다

#3 무료 앱이 비즈니스에 도움이 될까?

🎙️ Interviewer’s note

안녕하세요! 가우디오랩의 마케터 헤일리입니다. 회고 인터뷰 #1에서는 B2B 기업이 첫 B2C 앱 개발에서 배운 레슨런을 소개했어요. 앱 등록이 모두 준비된 이후에도 App Stores라는 큰 산을 넘어야 했는데요. 이번 글에서는 앱 심사단의 리젝 폭격(?)을 맞으며 배운 팁들을 공유할게요.

가우디오랩의 첫 B2C 서비스를 기획하게 된 PO 하워드, 입사 8년 차 베테랑 개발자 조이, 오디오 SDK와 앱 개발을 동시에 맡고 있는 잭, 팀의 든든한 앱 개발자 스티븐과 인터뷰했어요.

(사진) 드디어 앱 심사가 통과되고, CEO 헤니가 출시 버튼을 누르는 순간

처음 앱을 출시하는 회사는
Apple이 심사를
굉장히 빡세게 해요.

Q. 한국 법인이 아닌 미국 법인으로 앱을 출시한 이유가 있나요?

하워드(PO) : 저희가 한국 법인으로 App Store에 등록하려면 두 가지가 필요한데, 하나는 통신사업자 등록을 해야 하고요. 그리고 매출이 나오는 경우에 미국에다 세금을 내야 되는 이슈 때문에, 미국 쪽에서 받아야 하는 EIN (Employer ID Number)이 있어요. 이제 그거를 뚫는 데까지 또 몇 개월 걸리거든요. 한 2개월 정도 걸리는데. 그 번호를 받는 데까지 기다리다 보면은 출시 시점이 너무 뒤로 가니까… 미국 법인 기준으로는 2개월을 기다려야 되는 번호가 필요가 없고. 또 아까 처음에 말씀드렸던 통신사업자 등록도 필요 없거든요. 그래서 일단 미국 법인으로 바로 진행한 거죠.

Q. 그럼에도 App Store 심사를 통과하는 데 시간이 좀 걸렸잖아요?

조이(Dev) : 처음 앱을 출시하는 회사는 Apple이 심사를 굉장히 빡세게 해요. 업계에서 다 그러더라고요. 다른 회사 친구들한테 10번 리젝 먹고 통과됐다고 했더니, 첫 번째 앱인데 10번이면 양호한 거라고 얘기를 하더라고요. 다른 데는 한 30번도 리젝 맞는다고... (웃음)

헤일리(Marketer) : 심사 답변이 오기까지는 보통 얼마나 걸려요?

하워드(PO) : iOS는 어떨지 모르겠는데 데스크탑 쪽에서는 빨리 왔어요. 하루 안에 다 처리됐던 것 같아요.

스티븐(Dev) : 미국이랑 시차 때문에 저희는 그냥 심사 올려놓고, 자고 일어나면 리젝 당해 있고… 아침마다 리젝 먹고 시작하니까, 기분이 조금 안 좋은 상태로 하루를 시작하게 되죠. (웃음)

조이(Dev) : 모바일 쪽은 앱이 많이 올라와서, 예전에는 심사 결과가 나오는 데까지 한 일주일 걸렸었거든요. 지금은 잘 모르겠지만, Mac 앱처럼 빨리 되지는 않을 거라고 생각해요. 아직도 모바일 쪽 심사 답변은 1주 이상 잡는 게 맞는 것 같아요.

(사진) 실제 App Store 심사 로그 중 일부

Q. 어떤 사유들로 앱 등록이 거절됐나요?

스티븐(Dev) : 첫 번째로 받았던 리젝은 드라이버 설치를 유저에게 강제하면 안 된다는 사유였어요.

조이(Dev) : 드라이버 설치를 강요하지 말라는 가이드를 ‘메인 페이지 뷰에 드라이버 설치를 노출하면 안 된다’라는 문구로 줬어요. 이 문구에 대한 해석도 팀원마다 다 달라서… 하워드는 첫 화면에서만 안 보여주면 된다는 식으로 돌려서 접근해서 드라이버 설치를 두 번째 탭으로 보내자는 의견이었고. 저는 그렇게 접근하면 너무 장난치는 것 같아서 제대로 어디 숨겨놔야 된다고 생각했어요. 계속 심사를 넣으면서 테스트했는데, 하워드가 리뷰어에게 댓글로 잘 설명해서 다행히 드라이버 설치를 메인에 노출할 수 있었죠. 말발로 풀었어. (웃음)

하워드(PO) : 철저히 을의 입장에서… 저희가 심사단의 마음을 거스르면 안 돼요. (웃음)

스티븐(Dev) : 그다음부터는 이제 하나씩 다른 꼬투리를 잡았거든요. ‘너네 유저 매뉴얼 설명이 부족해’, ‘너네 마케팅 정보도 추가로 적어줬으면 좋겠어’, ‘내보내기 기능은 15분 이내로 완료가 돼야 해’. 또 ‘너네 내가 고치라고 한 거 왜 안 고쳤어?’라고 하면서 리젝을 줄 때도 있고…

하워드(PO) : ‘오해야~ 오해~’ (웃음)

스티븐(Dev) : 그때 하워드가 ‘너네가 고치라는 대로 기능 추가했어~’라고 설명하면서 넘어갔죠. 이렇게 리뷰어랑 소통하는 프로세스들이 여러 번 왔다 갔다 했어요.

Q. 앱 심사를 통과했을 때 기분이 어떠셨나요?

스티븐(Dev) : ‘이번에도 리젝 먹으면 어떡하지’ 하면서 회의하고 있다가, 회의 도중에 딱 통과가 됐거든요.

하워드(PO) : 갑자기 통과가 돼서… 기분 좋아서 소리 질렀죠.

스티븐(Dev) : ‘회의 얼른 끝내자고’ 막 그랬어요. (웃음)

하워드(PO) : 일부러 그러는 것 같아요 걔네들. 나중에 기분 좋으라고. (웃음) 원래 처음에 안 된다고 했다가 나중에 해주면 되게 고마워 보이잖아요.

조이(Dev) : 그런데 처음에 앱이 통과됐을 때, 앱 이름에 ‘for Lite’가 붙어서 나갔어야 했는데 한국에는 그냥 ‘Just Voice’로 나갔어요. 그래서 심사 통과하자마자 업데이트를 쳐야 되나 고민이 있었거든요. ‘리젝 된다고 해도 앱이 내려가는 건 아니니까’ 하고 업데이트를 했는데 한 2~3시간 만에 바로 통과해서, 이제 ‘한 번 뚫어 놓으니까 쉬워졌다’라고 판단이 좀 들었어요.

하워드(PO) : 그것도 댓글 많이 적었어요.(웃음) ‘심사관님 완벽히 똑같은 앱입니다. '이름만 달라졌습니다.’라고 적어놨어. 

(사진) 애플 심사 과정에서 추가된 플레이어 기능

덕분에 파일 처리 기능도 들어가고
QA도 했으니까
나쁘지 않았다고 보기는 해요.

Q. 앱 등록 과정에서 받은 피드백이 실제로 도움이 됐나요?

하워드(PO) : 저는 좋은 과정이었다고 봐요. Apple 입장에서 보면 스토어에 이상한 앱들이 걔네들 생태계를 파괴할 수도 있기 때문에 필터링하는 거고. 우리 입장에서도 덕분에 파일 처리 기능도 들어가고 QA도 했으니까 나쁘지 않았다고 보기는 해요. 개인적으로는.

Q. 다음에 앱을 등록할 때, ‘이런 준비를 하면 빠르게 통과할 수 있을 것 같다’ 하는 게 있을까요?

스티븐(Dev) : 사람을 잘 만나야 돼요. 심사하는 사람을 잘 만나고… (웃음)

하워드(PO) : 앱 심사를 위한 문서를 잘 만드는 게 필요할 것 같긴 해요. 필수는 아니지만, 리뷰어한테 문서를 제출할 수 있거든요. 앱에 대한 설명이나 파일 처리 과정을 UI 캡처본으로 설명하는 그 정도 문서예요. 앱 리뷰하는 입장에서 처음에 딱 앱을 받았는데 뭔지 모를 수 있잖아요? 한두 장 정도 ‘얘네들 이런 거 하는구나’ 알 수 있는 문서를 만들면 돼요. 처음에는 제출을 안 했어요. 그래서 리젝 몇 번 맞고 조이가 저한테 한 소리 했죠.(웃음)

조이(Dev) : 또 Apple이 파일 관련해서 I/O 처리를 테스트 하기 위한 나름의 준비된 방식이 있는 것 같아요. 보니까 띄어쓰기나 특수문자가 엄청 들어가 있는 파일명을 쓰는 콘텐츠로 테스트하더라고요. Apple이 이런 거에 대한 버그가 있는 케이스가 많아서 그런지… 그리고 검색해 보면 Apple 심사 가이드 같은 게 많이 나오는데, 그거 말고도 실제로 부딪혀 보면 굉장히 다양하게 리젝을 당할 수 있는 일들이 있거든요. 그래서 뭘 준비한다기보다 그 심사를 빨리 받는 게 중요한 것 같아요. 저희는 앞으로 '이제 각오하고 있으니까, 빨리 매를 맞자’라는 상태로 준비하고 있어요.

스티븐(Dev) : 맞아 각오를 준비해야 해. 다음엔 준비를 준비 해야겠어. (웃음)

(3편에서 계속…)

-

🔊 우리 프로덕트가 궁금하다면? 프로덕트 보러가기

⚙️ 앱 다운로드 : Just Voice Lite
※ Just Voice Lite는 현재 Mac에서만 사용할 수 있습니다.

🔧 SDK로도 제공해 드려요

이거 우리 앱에 딱 필요한 기능인데 싶다면?
Just Voice Lite SDK를 앱에 적용해 보세요.
앱은 현재 Mac 버전만 있지만, SDK는 iOS/Android/Windows/Mac/Linux 모두 지원합니다.

※ SDK가 필요하다면 Contact Us 로 편하게 문의해 주세요.

-

가우디오랩 소개

가우디오랩의 기술은 소리가 있는 어디에나 있습니다.
음향공학 박사 9명, 석사 6명을 비롯한 40명의 오디오 전문가가
최상의 소리 경험을 제공하기 위해 연구 개발하고 있습니다.

회고 인터뷰 #1 | B2B 회사가 B2C 앱 개발에 도전한 이유

회사 말을 안 들은 거예요. (웃음)
입사하자마자 B2C 앱을 제안했어요.

이 글은 이런 분들에게 도움이 될 거예요!

✅ B2C 서비스를 출시할 계획이 있는 B2B 메이커

✅ 앱스토어에 앱 등록을 앞둔 메이커

✅ 앱 개발 비하인드가 궁금한 메이커

#1 B2B 회사가 B2C 앱 개발에 도전한 이유

#2 Apple이 QA 해 준 썰 풉니다

#3 무료 앱이 비즈니스에 도움이 될까?

🎙️ Interviewer’s note

안녕하세요! 가우디오랩의 마케터 헤일리입니다. B2B 솔루션만 개발하던 저희 팀이 처음으로 B2C 서비스 Just Voice Lite를 출시했습니다. 이번 글에서는 앱 개발팀의 레슨런을 메이커 여러분과 공유할게요.

가우디오랩의 첫 B2C 서비스를 기획하게 된 PO 하워드, 입사 8년 차 베테랑 개발자 조이, 오디오 SDK와 앱 개발을 동시에 맡고 있는 잭, 팀의 든든한 앱 개발자 스티븐과 인터뷰했어요.

(사진)Just Voice Lite 개발에 참여한 사람들

B2B는 나무에서 감이 떨어지길 기다려야 하잖아요.
제품이 일반인 타깃으로 커질 수 있다면
스케일업이 가능할 것 같았어요.

Q. B2B 오디오 솔루션을 개발하는 회사에서 B2C 서비스 개발을 시작한 계기가 무엇인가요?

하워드(PO) : 회사 말을 안 들은 거예요. (웃음) 입사하자마자 B2C를 제안했어요. B2B는 나무에서 감이 떨어지길 기다려야 하잖아요. 그러니까 고객이 올 때까지 기다려야 하잖아요? 제품이 일반인 타깃으로 커질 수 있다면 스케일업이 가능할 것 같았어요. 그래서 원래는 FALL-E(오디오 생성 AI)를 맡기로 했었는데 B2C를 한 거죠.

Q. 많은 후보들 중 왜 Just Voice Lite를 첫 B2C 앱으로 선택했나요?

하워드(PO) : 원래 Gaudio Studio(음원 분리 서비스)를 잘하고 싶었어요. 그런데 미리 만들어 놓은 Just Voice 앱이 있더라고요. '왜 만들어 놓고 릴리즈를 안하지?’라는 열망이 있었어요. 앱스토어에 등록하는 연습도 필요했고요. 그래서 연습게임한다 치고 Just Voice를 개발하기 시작했어요.

조이(Dev) : 처음 앱 형상은 유저가 사용하기에 난해했어요. 또 처음엔 주요 시나리오가 화상회의였고요. 기존 노이즈 캔슬링 앱과 비슷하게 만들어서 출시하는 데는 문제가 없었지만, ‘유지 보수 리소스를 태울 정도로 경쟁력이 있나?’에 대한 판단이 부족했어요. 그래서 릴리즈를 안 하고 있었죠.

(사진) 좌: 기존에 개발했던 앱, 우: 이번에 출시한 앱

Q. 내부에서 반응은 어땠나요? 반대 의견은 없었나요?

잭(Dev) : 저희끼리는 우려가 좀 있었거든요. 원래 만들어놓은 앱을 런칭 안 해서 약간 섭섭하고 그런 게 있었어요. 그래서 런칭한다고 했을 때 ‘이거 CES 대비용으로 그냥 뽑아내는 거 아니야 약간?’ (웃음) 이런 생각도 들었죠.

하워드(PO) : CES만 대응하고, 데모용으로만 앱 팀이 계속 굴려지는 것 같은 불만들이 있었죠. ‘우리가 데모 앱 만드는 팀이냐’ 이런 거죠.

잭(Dev) : 그런데 처음 이야기가 나왔을 때, 하워드가 딱 기획해 오신 걸 보니까 ‘되겠다’ 싶었죠.

Q. 첫 B2C앱으로 회사가 달성하고자 하는 목표는 무엇이었나요?

하워드(PO) : ‘이걸로 돈을 되게 많이 벌 수 있을 거다’까지는 잘 모르겠어서, '일단 무료로 가볍게 가보자' 정도긴 했어요. 

스티븐(Dev) : 맨 처음엔 아이돌 팬덤들이 쓰면 부자 될 수 있다고… (웃음)

하워드(PO) : 그럼요. 쓰기를 기다려야죠. (웃음)

조이(Dev) : Just Voice Lite는 ‘이걸로 돈을 벌자’라는 목적보다 ‘우리 기술을 B2C 제품으로 일단 알려서 B2B 고객을 유치하자’ 이런 목적도 있었던 걸로 알고 있거든요.

하워드(PO) : 회사의 공식적인 목표는 그쪽이 더 가까웠죠. 이 앱이 저희 기술을 많이 경험할 수 있는 계기가 됐으면 좋겠어요.

잭(Dev) : 가우디오랩의 공간음향, EQ, Loudness Normalization과 같은 여러 SDK도 지금 앱에 넣을 수 있을 거라고 생각해요. 앱을 키워나간다면 가능해지겠죠.

일반 사용자라면 얘기가 달라지죠.
조금이라도 허들이 있거나 불편하면
바로 지워버리잖아요.

Q. B2B 서비스와 비교했을 때, B2C 서비스에서 특히 더 고려해야 할 사항이 있었나요?

하워드(PO) : 기업에 SDK(Software Development Kit)를 팔 때는 사용하기 조금 어렵더라도 앱 사용 설명서를 통해 설명할 수 있어요. 그런데 설득해야 할 대상이 일반 사용자라면 얘기가 달라지죠. 조금이라도 허들이 있거나 불편하면 바로 지워버리잖아요. 뭔가 한 번 더 클릭해야 하거나, 사용 환경을 바꿔야 하는 순간 사람들은 안 쓰게 되거든요.

조이(Dev) : 가상 드라이버를 써야하는 형상이기도 해서, 어떻게 하면 유저가 걸림돌 없이 원활하게 제품의 핵심 기능을 사용할 수 있을지 많이 고민했죠.

하워드(PO) : Apple 정책 때문에 Just Voice Lite를 사용하려면 버추얼 사운드 드라이버를 별도로 다운받아야 해요. 이게 사용자 입장에선 큰 허들이에요. 앱을 사용하기 위한 행동이 추가되면 거부반응이 먼저 나오거든요. 이런 허들을 없애기 위해서 앞으로 더 고민해 봐야죠.

(사진) 실제 초기 기획안을 살짝 공개합니다. (...쉿!)

같은 기술이라도
쓰는 사람에 따라
다르게 사용될 수 있는 거죠.

Q. 기존의 앱과는 개발 의도가 많이 달라졌는데요?

하워드(PO) : 기존 노이즈 제거 앱과 다른 페인 포인트를 해결하는 앱을 만들고 싶었어요. 그래서 화상회의를 자주 하는 직장인에서 아티스트를 좋아하는 팬으로 메인 타깃을 변경했죠. 소음을 제거하는 앱이 아닌 목소리를 부스팅 해주는 앱으로 형상을 조금 바꿔서 콘텐츠 스트리밍 시장을 노려보자고 제안했어요. 콘서트 직캠을 볼 때 주변 잡음을 제거하고 아티스트의 목소리에 집중할 수 있게 키워준다거나, 영화를 볼 때 잘 안 들리는 배우의 목소리를 선명하게 해주는 거죠.

헤일리(MKT) : 요즘 직캠 진짜 많이 보잖아요. 저도 콘서트는 잘 안 가는데 라이브 직캠은 자주 보거든요. 그런데 시끄러운 환경에서 녹화된 경우에는 잘 감상하지 못할 때가 많았어요. 하워드도 이런 적 있었나요?

하워드(PO, aka 하이유) : 저는 아이유 좋아합니다. 맨날 아이유 콘서트 동영상으로 Just Voice Lite를 테스트했어요. (웃음) ‘느낌이 오는데? 6db 괜찮은데? 디폴트로 갈까?’ 하면서요.

조이(Dev) : 같은 기술이라도 쓰는 사람에 따라 다르게 사용될 수 있는 거죠. 하워드가 이걸 잘 발견했고요.

스티븐(Dev) : 그런데 개발하고 나니까 화상회의에서도 사용하기 좋더라고요. 저희 팀원들도 화상회의를 할 때마다 잘 사용하고 있어요.

잭(Dev) : 저는 그 관점이 좀 좋거든요. 그 관점이라는 게 뭐냐면, 원래 Just Voice Lite에 있는 GSEP(Gaudio Source Separation)이 ‘Denoise(노이즈 감소)' 잖아요. 그런데 지금 애플리케이션 형상을 보면 ‘Speech Enhancement(음성 향상)’처럼 약간 다른 기술로 보이게 만들어낸 것 같아서 인상적이었어요. 어디 가서 기술을 좀 아시는 분은 '이거 Speech Enhancement인가?’ 하는데 결국에는 Denoise 기술을 Speech Enhancement로 보이게끔 하는 기획인 거죠.

조이(Dev) : 맞아요. 그런 부분을 하워드가 잘 살려준 것 같아. 유저에게 오디오 기반의 Denoise 같은 기술을 설명해도 잘 인지하지 못하고 필요성을 잘 못 느낄 텐데. 유연하게 B2C를 겨냥해서 ‘오빠들 목소리가 더 잘 들려요.’ 라고 제품을 타깃팅했죠.

하워드(PO) : 블로그에도 적었던 건데, 예를 들어 지금 구글 미트에 참석한 조이가 기타를 치면서 노래하는 상황에 Denoise를 해버리면 기타 소리가 들리지 않잖아요. 아티스트 팬들이 콘텐츠를 시청할 때는 음악 배경음도 중요하거든요. 그래서 'Speech Enhance를 하는 게 맞지 않을까' 이런 느낌이 있었던 거죠.

(2편에서 계속…)

-

🔊 우리 프로덕트가 궁금하다면? 프로덕트 보러가기

⚙️ 앱 다운로드 : Just Voice Lite
※ Just Voice Lite는 현재 Mac에서만 사용할 수 있습니다.

🔧 SDK로도 제공해 드려요

이거 우리 앱에 딱 필요한 기능인데 싶다면?
Just Voice Lite SDK를 앱에 적용해 보세요.
앱은 현재 Mac 버전만 있지만, SDK는 iOS/Android/Windows/Mac/Linux 모두 지원합니다.

※ SDK가 필요하다면 Contact Us 로 편하게 문의해 주세요.

-

가우디오랩 소개

가우디오랩의 기술은 소리가 있는 어디에나 있습니다.
음향공학 박사 9명, 석사 6명을 비롯한 40명의 오디오 전문가가
최상의 소리 경험을 제공하기 위해 연구 개발하고 있습니다.

한국 드라마인데 자막에 의존하세요?

방금 남주가 뭐라고 했어…?

영화나 드라마를 시청할 때, 배우의 대사가 거의 들리지 않는 경우가 있습니다.

대사가 배경음악에 묻혔거나 배우의 발음이 아쉽다면, 한국 콘텐츠임에도 어쩔 수 없이 자막을 켜야 할 때가 있죠. 내용을 놓쳐 매번 뒤로 돌아가는 것보다 자막에 의존하는 게 훨씬 낫지만, 자막에 집중하다 보면 영화의 디테일을 놓치는 경우가 있습니다.

좋지 않은 환경에서 녹화된 콘서트 직캠을 볼 때도 비슷합니다. 저는 콘서트 티켓팅에 실패하면, 좋아하는 아티스트를 녹화한 직캠 영상으로 마음을 달래곤 합니다. 그러나 잡음과 함께 촬영된 영상으로는 아티스트의 노래를 온전히 감상하기 어렵죠. 아티스트의 목소리를 더 잘 듣기 위해 볼륨을 키운다면, 주변 잡음도 함께 커져 귀가 아픕니다.

감상자가 아닌 제작자 입장에서도 영상 속 잡음은 문제가 됩니다. 열심히 촬영한 V-log 영상 소스를 재생해 보면, 주변 잡음 때문에 사용하지 못하는 경우가 발생하기도 하죠.

콘텐츠 속 배우나 아티스트의 목소리를 내 입맛대로 키울 수 있다면 어떨까요?

촬영한 영상 속 오디오의 잡음을 간편하게 제거할 수 있다면 어떨까요?

영화, 드라마, 직캠, V-log 등 여러 콘텐츠를 불편함 없이 편하게 즐길 수 있을 텐데 말이죠.

Just Voice Lite는 AI 소음 제거 솔루션으로 실시간으로 잡음을 제거하고 목소리를 더 선명하게 만들어 줍니다. 영화 속 잘 들리지 않는 주인공의 대사도, 콘서트 직캠 속 잘 들리지 않는 아티스트의 목소리도 Just Voice Lite를 통해 실시간으로 더 선명하게 만들 수 있죠. 또한 자신의 영상 파일을 업로드 해 영상 속 잡음을 제거하고 목소리를 부스팅 할 수도 있습니다.

미션 : ‘어떤 플랫폼에서든’ 실시간으로 소음을 제거하려면

저를 포함한 많은 현대인들은 마치 유목민처럼 다양한 콘텐츠 플랫폼을 오가며 즐길 만한 콘텐츠를 찾습니다.

그렇기에 오디오 문제 또한 하나의 플랫폼에서만 발생한다는 보장은 없죠. 저희 팀은 여러 플랫폼을 유랑하는 현대인을 위해 모든 플랫폼에서 매끄럽게 작동할 수 있는 앱을 목표로 했습니다.

실시간 소음 제거를 위해 온디바이스 AI를 사용하면서 무거워진 앱을 가벼운 앱으로 만들어야 했습니다. 저희 팀은 Just Voice Lite를 온디바이스 AI 기술임에도 CPU 5% 이하의 저연산 작동이 가능하게 만들었습니다. Just Voice Lite는 Youtube, Netflix, Zoom, Google Meet 등 어떤 플랫폼에서도 매끄럽게 작동합니다.

아무리 배우의 대사가 들리지 않는다고 해도, 목소리 외의 모든 소리를 다 지워버린다면 콘텐츠를 온전히 즐길 수 없겠죠. 사운드 이펙트와 음악은 콘텐츠의 사실감을 더해주는 중요한 요소입니다.

Just Voice Lite는 목소리만을 원음에서 분리하여 사용자의 취향에 맞게 Voice Clarity를 조절할 수 있습니다. 슬라이드 바로 미세하게 Voice Clarity를 조정해, 배우의 목소리와 주변 사운드의 균형을 맞출 수 있죠. 사용하지 않을 때는 토글을 통해 간편하게 앱을 꺼둘 수 있습니다.

끝으로

영상 콘텐츠는 언제나 우리의 지친 일상을 조금이나마 달래줍니다. Just Voice Lite를 통해 매일의 콘텐츠를 더 나은 청취 경험으로 즐길 수 있었으면 합니다.

앱 소개 : Gaudio Lab

앱 다운로드: Just Voice Lite

※ Just Voice Lite는 현재 Mac에서만 사용할 수 있습니다.

-

가우디오랩 소개

가우디오랩의 기술은 소리가 있는 어디에나 있습니다.
음향공학 박사 9명, 석사 6명을 비롯한 40명의 오디오 전문가가
최상의 소리 경험을 제공하기 위해 연구 개발하고 있습니다.

10년 차 오디오 AI 회사가 화상회의 퀄리티를 높이는 법

(실제로 있었던 화상회의 사례)

헤일리 : #$%#^@#*가 필요할 것 같아요.

하워드 : 헤일리, 한 번만 다시 말씀해 주실 수 있어요?

헤일리 : 어떤 부분이요?

하워드 : 00 콘텐츠에서 필요하다고 말하셨던 부분이요…

헤일리 : 네..? 싫어한다고 말했던 거요?

하워드 : 네..?

화상회의 속 팀원의 목소리만 ‘또렷하게’ 들을 순 없을까?

이제는 일상이 된 화상회의. 자유로운 재택근무가 자리 잡은 저희 팀은 화상회의를 자주 진행합니다. 그러나 종종 주변 소음 때문에 화상회의에서 팀원과 원활하게 소통하기 어려울 때가 있습니다.

외부 미팅을 끝내고 급하게 시끄러운 카페에서 화상회의에 참여한 팀원.

예상치 못한 옆집 공사에 댓글로만 소통하는 팀원.

별다른 이유 없이 갑자기 자기 목소리만 작아진 팀원.

다양한 이유로 팀원의 목소리가 주변 소음에 묻히는 경우가 발생합니다.

오디오 문제가 발생하면, 마이크를 바꾸거나 재접속을 하는 동안 아까운 회의 시간을 흘려보내게 됩니다. 그럼에도 문제를 해결하지 못해 회의 도중 매번 팀원에게 말을 되물어야 하는 불편한 상황이 발생하죠.

이와 같은 오디오 문제를 겪은 이들을 주변에서 쉽게 찾을 수 있었습니다. 저희 팀은 물론, 고객사와 화상회의를 진행할 때도 같은 페인 포인트를 공유하고 있다는 것을 확인했죠.

‘명색이 오디오 기술 회사인데 화상회의에서 오디오 문제로 고생하다니…’

팀원들이 불편을 겪는 모습을 두고 볼 수 없었습니다.

미션 : 소음을 '실시간'으로 제거하라!

문제 해결의 열쇠는 ‘실시간 처리’에 있었습니다.

'실시간'으로 재생되는 상대방의 목소리를 실시간으로 내 귀에 선명하게 전달해 주는 솔루션을 목표로 했죠.

실시간으로 재생되는 화상회의나 영상 콘텐츠의 오디오 문제를 이질감 없이 해결하기 위해선 모든 동작을 1000분의 1초 단위로 처리해야 했습니다. 저희는 긴 연구 끝에 저희의 음성 분리 기술인 GSEP과 On-device AI 기술을 활용해 30ms(millisecond, 1,000분의 1초) 이내로 음성 명료도를 높이는 것을 가능하게 만들었습니다. 이제 화상회의, 라이브 스트리밍 등 실시간 상황에서 별도의 처리 시간 없이 바로 오디오 문제를 해결할 수 있게 된 것이죠.

AI 소음 제거 솔루션 Just Voice Lite는 실시간으로 잡음을 제거하고 목소리를 더 선명하게 만들어 줍니다.

화상회의에서 팀원의 목소리가 잘 들리지 않는다면, Just Voice Lite를 통해 주변 소음을 제거하고 팀원의 목소리를 부스팅 할 수 있습니다. 또한 영화 속 잘 들리지 않는 주인공의 대사도 Just Voice Lite를 통해 더 또렷하게 만들 수 있죠.

오디오 AI 기술의 집약체인 Just Voice Lite는 CES2024에서 혁신상을 받고, 다가오는 SXSW2024 혁신상의 파이널리스트에 오르기도 했습니다.

끝으로

중요한 회의나 미팅에서 소리가 잘 들리지 않아 핵심 내용을 놓치는 일, 너무 아쉽고 안타까운 일이죠.

저희는 상대의 작은 목소리나 소음 등으로 여러분이 소중한 의견을 놓치지 않았으면 합니다.

Just Voice Lite가 메이커들의 쾌적한 화상 회의를 돕겠습니다.

앱 소개 : Gaudio Lab

‎앱 다운로드 : Just Voice Lite

-

가우디오랩 소개

가우디오랩의 기술은 소리가 있는 어디에나 있습니다.
음향공학 박사 9명, 석사 6명을 비롯한 40명의 오디오 전문가가
최상의 소리 경험을 제공하기 위해 연구 개발하고 있습니다.

팀러너스는 어떻게 매일 30분씩 쓰는 AI 서비스를 만들었을까요?

안녕하세요, 팀러너스 이동기입니다!

이 그룹에서 포스팅은 처음이네요 ㅎㅎ

많은 분들이 AI로 새로운 기회를 모색하고 또 멋있는 비전을 만들어가고 계신 것 같습니다.

저희도 그렇습니다!

다만, 생산성이 아닌 콘텐츠에 집중하고 있는 점이 저희 팀의 성장 스토리를 재미있게 만드는 포인트죠 ㅎㅎㅎ

인스타그램보다 오래 쓰는 AI 사진 앱의 탄생

사실 저희는 AI를 하기 위해 모였던 팀은 아니었습니다.

그래서 창업 당시에 목표는 좋은 프로덕트를 만드는 것이 아니었어요.

"생존 가능한 팀"을 만드는 것이었죠.

3개월 BEP를 맞추자는 목표로 팀원들을 모았고,

미친 실행력으로 20개의 서비스를 런칭하고,

월 수익 1.5억을 만들며 과제를 해결했습니다.

'어떤 문제든 해결할 수 있겠다'는 자신감을 가지고,

팀러너스는 AI를 시작했고, 또 20개의 서비스를 반년간 시험했습니다.

그렇게 찾은 것이 지금의 Tweak입니다.

'월 매출 1조 기업'이라는 비전 아래에서

팀러너스가 평균 체류시간 30분인 서비스를 만들기까지의 여정을 담았습니다.

공유드리는 것은 팀러너스 성장스토리 3편이고, 1, 2편도 있습니다.

재밌게 보셨으면 좋겠습니다 ㅎㅎㅎ

궁금하신 점 있으시면 편하게 커피챗 주세요~!

+ 팀러너스는 전직군 채용 중입니다! 주변에 새로운 시장, 새로운 도전을 찾는 분이 계시다면, 저희가 기다리고 있다고 알려주세요!! 능력 있는 분들과 멋지고 재밌게 일하고 싶습니다🔥

미국 신용평가회사 S&P가 바라본 AI 동향: 2023 Global Trends in AI Report

안녕하세요, ‘렛서’의 최동민입니다. 지난 아티클에서 스탠포드 연구소에서 발표한 <AI Index Report 2023>을 통해 AI의 동향을 한번 살펴보았었는데요, 이번 아티클에서는 세계적인 미국의 신용평가회사 S&P Global에서 2023년 8월에 공개한 <2023 Global Trends in AI Report>에 대해 다루도록 하겠습니다. AI의 현재와 미래를 S&P Global이라는 신용회사에서는 어떻게 바라보고 있는지 살펴보도록 하겠습니다.

해당 리포트에서는 아래의 7가지 키포인트를 이야기하고 있습니다.

1. AI는 많은 분야와 기관에 걸쳐 가속화되고 있지만, 실제 엔터프라이즈 수준에 도달한 사례는 거의 없다.

2. AI는 비용 감축을 위한 수단에서 수익을 창출하는 동력으로 변하고 있으며 이를 통해 기존의 시장을 재정의하고 있다.

3. 데이터 관리는 AI의 활용을 억제하는 가장 주요한 요소이다.

4. AI의 선구자들은 AI의 수요를 감당하기 위해 다양한 배포 환경과 방법을 사용한다.

5. AI의 에너지 사용과 탄소 배출은 여러 기업에게 지속가능한 목표를 촉구하고 있지만, 이는 클라우드 서비스를 통해 더 나아질 수 있다.

6. 노화된 데이터 인프라와 구조는 AI의 지속가능성에 직접적으로 영향을 미친다.

7. 자체 데이터와 구조를 가지고 있는 기관은 미래에 AI를 이끌게 될 것이다.

몇가지 키포인트의 세부 내용을 들여다 보도록 하겠습니다. 해당 리포트는 약 1,500명의 AI 의사결정자와 프로젝트 리더를 대상의 설문에 기반하고 있습니다. 그중 AI를 실제로 활용하고 있는 응답자를 ‘AI 선구자(pioneer)’, AI 도입을 위해 PoC 단계를 거치고 있는 응답자를 ‘AI 탐험가(explorer)’라고 부르고 있습니다.

1. AI는 많은 분야와 기관에 걸쳐 가속화되고 있지만, 실제 엔터프라이즈 수준에 도달한 사례는 거의 없다.

• AI는 이미 많은 기업들에서 활용되고 있으며, 설문자의 69%가 적어도 1개의 이상의 AI를  제품에서 활용해본 적이 있다고 응답했습니다. 즉, 약 70%의 응답자가 ‘AI 선구자'에 속하며 나머지 30%의 응답자가 파일럿 테스트나 PoC를 거치고 있는 ‘AI 탐험가'에 해당합니다.

• AI 프로젝트의 규모에 대해서는 약 28%만이 그들의 비즈니스에서 널리 활용되어 엔터프라이즈 레벨에 도달했다고 답하였으며, 약 30%의 응답자는 아직은 작은 규모로만 AI가 적용되고 있지만 앞으로 더욱 중요해질 것으로 예상했습니다.

• 위 결과를 통해서 이제는 AI의 활용이 더 이상 ‘IT나 데이터 전문가들만의 작은 분야가 아니라 여러 비즈니스 팀들도 도입할 수 있다'는 것을 확인할 수 있습니다. 

2. AI는 비용 감축을 위한 수단에서 수익을 창출하는 동력으로 변하고 있으며 이로 인해 시장을 재정의하고 있다.

• 지금까지의 AI는 새로운 가치를 창출하기 보다는 비용 감축을 위해서 많이 활용되어 왔습니다. 하지만 대다수의 응답자들이 앞으로는 AI가 새로운 수익을 만들어내는 revenue driver로 작동할 것이라고 응답했습니다.

• 위 결과는 “귀하의 회사에 있어 AI가 이끌어 낼 수 있는 주요 가치는 무엇입니까?”라는 질문에 대한 복수선택 결과입니다. 이중 새로운 가치를 창출해내는 내용은 초록색, 기존의 비용을 감축하는 내용은 빨간색으로 표시되어 있습니다. 많은 응답자들이 초록색에 해당하는 새로운 부가 가치 창출에 더욱 많은 의견을 실었으며, 그중 제품이나 서비스의 퀄리티 향상에 도움이 될 것이라는 응답이 가장 많았습니다.

3. 데이터 관리는 AI의 활용을 억제하는 가장 주요한 요소이다.

• 기업의 IT와 데이터 구조는 한번도 겪어본 적 없는 AI의 수요에 의해 한계에 부딪히고 있습니다. 이는 GPU의 부족과 같은 하드웨어적인 측면이 아니라 데이터 관리 차원의 문제라고 대부분의 응답자가 말하고 있습니다.

• 즉, 어떻게 데이터베이스를 저장 및 관리할지와 실시간 스트리밍 데이터를 어떻게 처리할지, 그리고 로그 파일과 AI 학습을 위한 데이터는 어떻게 저장할지에 대한 이슈가 AI 개발 및 활용에 있어 가장 큰 병목이라는 것입니다.

4. ‘AI 선구자’들은 AI의 수요를 감당하기 위해 다양한 배포 환경과 경로를 사용한다.

• 대폭적으로 증가한 AI 수요를 감당하기 위해 ‘AI 선구자’들은 ‘AI 탐험가'에 비해 평균적으로 더 많은 경로를 활용합니다. 평균적으로 학습을 위해 3.2개의 환경과 추론을 위해 2.5개의 경로를 활용한다고 합니다.

• 하지만 AWS나 Azure와 같은 클라우드 환경을 통해 더욱 쉽게 AI를 활용할 수 있게 되었으며, AI의 학습과 추론에 클라우드가 가장 주요한 환경으로 자리잡았습니다.

7. 자체 데이터와 구조를 가지고 있는 기관은 미래에 AI를 이끌게 될 것이다. 

• 우선 위 표를 통해서 클라우드 환경이 AI의 학습과 추론 모두에 있어 가장 주요한 환경임을 다시 한번 확인할 수 있습니다.

• 또한 배포 환경이 굉장히 다양한 것을 통해 자체 데이터 인프라나 환경이 충분히 확보되어 있는 기업에게 AI의 활용과 선점이 더욱 유리하다는 것을 알 수 있습니다.

해당 아티클에서는 S&P라는 신용평가회사가 AI의 현재와 미래를 어떻게 바라보고 있는지를 살펴보았습니다. 다소 뻔하거나 널리 알려진 내용도 많이 포함되어 있었는데 저는 첫번째 키포인트인 엔터프라이즈 레벨까지 도달한 기업의 비율이 생각보다 적다는 것이 인상적이었습니다. 그리고 PoC를 통해 AI 도입을 원하는 니즈는 많다는 것이 눈에 띄었습니다.

다들 AI의 현재와 미래에 대해 어떻게 생각하시나요? 댓글에 자유롭게 의견 달아주시면 감사드리겠습니다.

[콘텐츠 AI] AI가 대세라는데 우리 회사에 어떻게 활용할 수 있을까?

안녕하세요, ‘렛서’의 최동민입니다. 이번 아티클에서는 다들 한번씩 들어보셨을 'ChatGPT'와 '이미지 생성 AI'와 같은 콘텐츠 AI를 원하는 서비스에 어떻게 활용할 수 있을지를 예시와 함께 다뤄보도록 하겠습니다.

콘텐츠 AI를 직접 활용해보신 경험이 있으신가요? 예를 들어, 여러 은행사의 '챗봇' 서비스로 원하는 업무를 해결하거나, 'AI 프로필' 서비스로 매력적인 프로필 사진을 만들어 보신 적이 있으신가요? 아니면 'AI가 작성한 뉴스 기사'를 읽어보신 적이 있나요?

이처럼 AI가 만들어낸 창작물들을 일상생활에서 쉽게 접할 수 있을만큼 콘텐츠 AI는 대중화되어 여러 서비스에 녹아들어 있습니다. 그렇다면 이러한 “콘텐츠 AI를 우리 회사의 서비스에는 어떻게 활용”할 수 있을까요?

아래에서 콘텐츠 AI를 활용할 수 있는 서비스를 한번 살펴보도록 하겠습니다.

가상 피팅 서비스 만들기

• 코로나 이후, 많은 사람들이 오프라인 매장보다는 온라인 쇼핑몰에서 옷을 구매하기 시작했습니다. 그러나 소비자 입장에서는 온라인 쇼핑으로 고른 '옷이 나에게 잘 어울릴까?'하는 걱정이 들기 마련입니다.

• 최근 이미지 생성 AI 기술의 발전으로 'VITON (Virtual Try-On)' 기술을 통해 가상으로 옷을 입어볼 수 있게 되었습니다. 이로 인해 고객들은 실제로 옷을 입지 않고도 온라인상 가상 피팅을 거친 후에 구매 결정을 내릴 수 있게 되었습니다. 즉, AI를 통해 더욱 개인화된 서비스를 제공할 수 있게 되었습니다. 이러한 VITON 기술은 상하의 뿐만 아니라 모자, 가방, 시계와 같은 악세사리 가상 피팅에도 활용될 수 있으며, 또한 머리스타일이나 화장과 같은 가상 메이크업 서비스로 확장될 수 있습니다.

원하는 인물 이미지로 AI 아바타 만들기

• 해당 서비스는 국내 여러 기업의 ‘AI 프로필’로 널리 알려져있습니다. 주어진 특정 인물의 한장 이상의 사진을 이용하여 해당 인물의 얼굴은 유지한 상태로 다양한 동작과 배경의 이미지를 생성하는 서비스입니다. 

• 단순히 개인 프로필을 생성하는 것 뿐만 아니라 광고, 미디어, 유튜브 영상 등과 같이 다채로운 콘텐츠를 쉽게 제작할 수 있으며 이를 통해 차별화된 고객 경험을 제공할 수 있습니다. 예를 들어, 광고에 들어갈 인물이 어떤 구도나 배경에서 가장 잘 어울리며 홍보하고자 하는 메시지를 드러낼 수 있을지 직접 확인해보지 않고 단순히 많은 이미지를 생성하여 확인해볼 수 있습니다. 혹은 유튜브 썸네일도 이것저것 생성해보며 원하는 것을 손쉽게 고를 수 있습니다. 

다양한 질문에 자연스럽게 답변하는 맞춤형 챗봇 만들기

• ChatGPT의 등장 이후로 챗봇의 성능이 급격히 향상되었으며 더욱 다양한 분야에서 널리 사용되고 있습니다. OpenAI의 API를 활용하여 원하는 챗봇 서비스에 AI를 연결하고 또한 주어진 서비스에 적합한 입력문을 작성(이를 프롬프트 엔지니어링이라고 합니다.)하여 특정 상황에 적합한 기능 위주로 활용할 수 있습니다. 

• 적절한 프롬프트만 작성할줄 안다면 SQL을 몰라도, 직접 챗봇 규칙을 설계하지 않아도 원하는 정보를 제공하는 챗봇을 만들 수 있게 되었습니다. 예를 들어, “당신은 서울 역삼점 A 가게의 매출 내역에 대한 SQL 문을 작성합니다. 각 매출 내역은 날짜, 금액, 서비스 종류 등의 정보를 가지고 있습니다”와 같은 프롬프트를 미리 작성하여 사용자 질의를 응답하는 챗봇을 만들 수 있습니다.
  
  

맞춤 상품을 추천하기 위한 메타데이터 태깅하기

• 인터넷 쇼핑에서 고객의 취향에 알맞는 상품을 개인화하여 추천하고 페이지에 노출하는 것은 굉장히 중요한 일입니다. 하지만 이를 위해 직접 모든 상품의 정보를 태깅하는 과정은 번거로운 과정입니다. 이때 AI를 활용하여 상품의 패턴, 디테일 등 상세 속성 정보를 분석하여 개인화 서비스를 고도화할 수 있습니다.
  
  

이외 콘텐츠 AI를 활용할 수 있는 서비스로 아래의 예시들이 있습니다. 본 아티클에서 소개드린 예시 이외에도 콘텐츠 AI를 활용할 수 있는 분야는 무궁무진합니다. 사례들을 통해 원하시는 서비스에 AI를 접목시켜 기능을 더욱 고도화할 수 있을지 고민해보실 수 있는 기회가 되기를 바랍니다.

• 자연스러운 음성 생성하기

• 대본 기반의 포스터 생성하기

• 영화 시나리오 작성하기

• 가사 생성하기

• 카피라이트 생성하기

• 브랜드 홍보물 생성하기

• 캐릭터 스타일로 인물 이미지 변환하기

저희 렛서 또한 콘텐츠 AI를 여러 기업에서 활용해보실 수 있도록 서비스를 제공하고 있습니다. 자세한 내용은 아래 페이지에서 확인해보세요!

letsur.ai/content-ai/

AI에서 '멀티모달'이 무엇이고 왜 중요할까?

안녕하세요. 렛서의 최동민입니다.

이번 아티클에서는, 최근 AI 분야에서 많은 주목을 받고 있는 ‘멀티모달(multi modal)’에 대해 간략하게 정리하여 공유드리고자 합니다.

멀티모달이란?

‘멀티 모달’을 정리하기 앞서, 우선 ‘모달(modal)’이 무엇인지 한번 살펴보도록 하겠습니다. 여기서 ‘모달’이란 ‘모달리티(modality)’에 해당하며 ‘어떤 형태로 나타나는 현상이나 그것을 받아들이는 방식’라는 뜻을 가지고 있습니다. 

출처: https://inlpcenter.org/nlp-submodalities-courtney/

예시를 통해 조금 더 쉽게 이해하면 어떤걸 눈으로 보고 인지하는 것은 시각(visual), 피부로 대상과 접촉하여 느끼는 것은 촉각(kinesthetic), 그리고 소리를 귀로 듣고 받아들이는 것은 청각(auditory) 모달리티에 해당합니다. 즉, 어떤 대상을 받아들이는 일종의 소통 형태 혹은 프로토콜이라고 이해할 수 있습니다.

AI에서 모달리티는 데이터의 종류 및 형태를 나타내며 일반적으로 이미지(computer vision), 자연어(NLP), 음성 등의 도메인으로 구분되어 일컬어집니다. 그렇다면 AI에서 특히 멀티모달이 중요한 이유가 무엇일까요?

AI 분야에서 멀티모달이 중요한 이유

불과 몇년 전까지만 해도 AI는 하나의 모탈리티만 입력으로 하는 ‘유니 모달(unimodal’)을 위주로 발전되어 왔습니다. 그 이유는 아직 하나의 모달리티만 고려하더라도 충분한 성능을 달성하지 못했으며 서로 다른 모달리티를 하나의 모델로 효과적으로 처리할 수 있는 기술이 부족했기 때문입니다.

그러나 많은 AI 연구 끝에 하나의 모달리티에 대해서는 딥러닝 기술이 일정 수준에 도달하여 괄목할 만한 성능을 보여주었으며, 자연스럽게 멀티모달 쪽으로 연구자들의 관심이 쏠리기 시작했습니다. 멀티모달이 중요한 이유는 기존 모델을 이용하여 여러 입력을 처리하기 위해서는 각 모달리티에 해당하는 개별 모델을 독립적으로 사용한 뒤에 최종 결과를 종합하는 식으로 판단을 내려야 했기에 데이터 간의 상호작용이나 상관성을 충분히 고려하지 못했기 때문입니다. 즉, 멀티모달 AI는 단순히 개별 모델로 여러 입력을 처리할 수 있다는 유용성 뿐만 아니라 모달리티 간의 정보를 교환하고 충분히 활용하여 시너지 효과를 낼 수 있다는 장점이 있습니다.

주목할 만한 멀티모달 AI 기술

1. CLIP

출처: https://towardsdatascience.com/clip-the-most-influential-ai-model-from-openai-and-how-to-use-it-f8ee408958b1 

텍스트와 이미지 입력을 동시에 고려하여 멀티모달 AI의 본격적인 시작을 알린 CLIP은 현재까지도 핵심 기술로 손꼽힐 만큼 중요한 방법론입니다. 해당 방법론을 간단하게 정리하면, 서로 다른 모달리티인 이미지와 텍스트에서 얻어낸 정보가 하나의 특징 공간(feature space)에 존재하도록 학습하여, 결국 이미지에서 추출한 정보와 텍스트에서 추출한 정보가 유사해지도록 만드는 것을 목표로 합니다.

CLIP을 이용하면 텍스트 입력 만으로도 주어진 정보에 해당하는 이미지 정보를 얻어내어 활용할 수 있으며, 반대로 이미지 입력에서 원하는 텍스트 정보를 추출할 수 있습니다.

1. ImageBind

출처: https://github.com/facebookresearch/ImageBind 

Meta에서 올해 발표하여 많은 주목을 받았던 ImageBind는 하나의 모델로 6개의 입력(이미지, 텍스트, 오디오, 깊이맵, thermal, IMU)을 처리할 수 있어서 많은 주목을 받았습니다. 해당 모델의 이름에서부터 알 수 있듯이 이미지를 핵심 모달리티로 설정하여 모달리티 간의 다리 역할로 활용하였습니다. 6개의 모달리티를 동시에 활용하는 것이 아니라, ‘이미지 - 텍스트’, ‘이미지 - 오디오’, ‘이미지 - IMU’와 같이 이미지와의 유사성을 높이는 방법으로 학습을 하다보면 결국 6개의 모달리티에서 얻은 특징이 하나의 공간에 모이게 된다는 것을 보여주었습니다.

1. Meta Transformer

출처: https://kxgong.github.io/meta_transformer/

불과 한달 전(2023년 7월)에 공개된 Meta Transformer는 하나의 모델로 12개의 입력을 처리할 수 있으며 이렇게 얻어낸 정보를 무수히 많은 프로젝트에 적용할 수 있음을 보여주어 화제가 되었습니다. 해당 모델은 각 모달리티에 해당하는 데이터를  연속된 시퀀스 형태로 변환하는 Tokenizer (Data-to-sequence tokenizer)를 적절히 학습하면 하나의 모델로 처리할 수 있음을 보여주었습니다. 또한 ImageBind에 비해 훨씬 많은 수의 모달리티를 처리할 수 있음과 동시에 개별 modality에서 최고 성능(state-of-the-art)을 달성한 모델들과 비슷한 성능을 보여주었습니다.

이번 아티클에서는 AI에서 멀티모달이 무엇이며 왜 중요한지, 그리고 해당 분야를 선도하고 있는 기술들에 대해 간략하게 정리해보았습니다. 멀티모달 AI에 관심있으신 분들께 도움이 되었기를 바랍니다 :)

Creation Cost와 SaaS 4.0

Generative AI와 Creator Economy는 가설로 가득찬 영역이다. 우리는 그 두 영역을 함께 다루고 있다.

그렇기 때문에 매주 인풋을 받아 고민하고, 우리의 가설로 전환하고, 이를 액션플랜으로 전환하는 과정이 필수적으로 동반된다. 새롭게 커져가는 시장에서 확신을 가져가는 과정이 지난한 고민의 시간을 동반한다고 익히 들었지만 막상 직접 해나가니 여간 쉬운 일은 아니다.

이번주는 두 가지 글에 대해 팀원들과 대화를 나누었다.

첫번째 글은 즐겨읽는 Every.to의 When Content Creation Goes to Zero 라는 글

두번째 글은 Lightspeed Ventures에서 발행한 글인 SaaS 4.0: Say Hello to The Era of Cognition이다.

두 가지 글에서 인상적이었던 부분들과 느낀 점들을 기록해보았다.

When Content Creation Goes to Zero

올해부터 시작된 GenAI Wave에서 우리가 기대하는 것은 Generative AI 서비스들, 그리고 LLM들이 점차 발전하면서 Creation의 영역에서 획기적인 임팩트를 낼 수 있는 시점이라는 것이다.

우리 CreatorHood 팀이 갖고 있는 비전은 Easiest Way to Sell your Creativity, 콘텐츠 생산비용을 최소화시켜 Creativity의 가치를 더욱 높이는 것이다.

이 글은 우리가 Generative AI를 활용해 비즈니스를 하는 것에 뛰어든 결정과 관련해, "Why Now?"에 대한 답이 되어주었다.

The most significant consequence of AI is that it will push creation costs to zero. 

The atomic activity of any company can be boiled down to:

1) Create stuff

2) Acquire customer to buy stuff

3) Distribute that stuff

이 글에서 모든 회사의 핵심 활동은 다음 세가지라고 말한다.

생산하기(만들기) / 고객 확보하기 / 배포하기

인터넷이 유통의 세번째 범주를 깨뜨렸다면, AI는 첫 번째 범주인 Create Stuff를 깨뜨리게 될 것, 즉 AI 도구에서 오는 혁신은 디지털 구성 요소로 상품을 생산하는 데 드는 비용을 획기적으로 줄여준다는 것이 이 글의 골자다.

Creation Cost가 그렇게 줄어들 수 있을까요?에 대해 애초에 질문하지 않는다. (물론 우리 팀도 마찬가지로 굳게 믿고 있다.)

그렇기에 지난 십몇년간 Distribution에서의 혁신을 경험한 우리가 Creation 단계에서의 혁신을 경험한다면, 이제 Customer Acquisition만 남으면 어떻게 될까에 대해 근본적인 물음을 던져주었다.

인터넷을 사용해 무료로 컨텐츠를 배포할 수 있게 되면서 사회의 모든 측면이 바뀌었다. niche한 카테고리에서의 기술적 혁신보다 더. 인터넷은 P2P 연결부터 마켓플레이스까지 우리의 물리적인 노동을 조정하는 방식을 꾸준히 변화시켜왔다.

• 지역신문 같은 미디어 회사의 지리적 arbitrage가 사라졌고

• 정치인들도 정책보다 트위터 포인트의 가치를 크게 느끼게 되었다.

이러한 변화로 인해 digital goods나 조정 매커니즘을 한번만 구축해두면 그 다음부터는 acquisition cost만 신경쓰면 되게끔 만들었다. 무료로 영원히 확장가능한 게 지금의 씬이다.

마찬가지로 AI 도구들의 도움으로 콘텐츠 제작 비용이 0으로 수렴해간다면 그 효과는 정말 광범위할 것이다. 파생된 가설들은,

• 새로운 customer acquisition 방식을 가진 기업에게 점점 더 집중될 수 있다는 것

• 프로덕트를 어떻게 설계하는지에 있어서도, 가장 좋은 데이터를 AI 모델에 지속적으로 제공하는 것의 가치가 계속 강조될 것이다. 즉 더 나은 학습 인풋을 위해 재설계할 수 있는 제품이며, 현재의 프로덕트들 중 그 모습에 가장 유사한 것은 사용 가능한 버튼, 스와이프, 콘텐츠 길이까지 앱의 모든 측면이 추천 알고리즘에 더 나은 정보를 제공할 수 있도록 설계되어 있는 틱톡이 아닐까 한다.

무엇보다 가장 큰 영향은 콘텐츠와의 관계 자체를 근본적으로 변화시킬 것이라는 점이다.

무엇이 진짜고 가짜인지 구분도 모호해지고, 윤리적인 이슈, 전문성 이슈, 기여에 대한 이슈, 모든 당연하다고 생각했던 지점들이 흔들릴 수 있다. 재정비가 필요한 시점에 우리 팀 역시 궁극적으로 콘텐츠 생산비용을 최소화시키면서 달성하려는 것이 무엇인지에 대한 고민이 깊어졌다.

SaaS 4.0: Say Hello to The Era of Cognition

우리 CreatorHood 팀이 크리에이터들의 생산비용 문제를 해결하는 첫번째 경로는 SaaS이다. 결국 Easy to Create할 수 있도록 하는 데에 소프트웨어는 필수적으로 동반되고, 이후에 우리 팀이 그리고 있는 Agency Platform (추후에 글에서 한번 다루어보겠다)을 실현하기 위해서도 우리 프로덕트는 이들의 업무 속에 깊숙히 관여되어 있어야한다는 결론이 섰다. Lightspeed Ventures에서 낸 SaaS 4.0에 대한 글이 눈에 띄었는데, Generative AI로 인해 SaaS 판에 있어서도 큰 변화가 생길 수 있음을 하나의 Thesis로 제시한 글이다.

Generative AI는 소프트웨어에 요청하는 작업의 유형과 SaaS 프로덕트 구축 방식을 바꿀 것, 그리고 새로운 비즈니스 모델, 생산성/효율성의 엄청난 향상, 개인화 강화, 새로운 크리에이티브 콘텐츠의 폭발적인 증가를 목격하게 될 것이라고 하면서 System of Cognition이라는 개념을 제시한다.

즉, Generative AI는 모든 SaaS 프로덕트에 스며들 것이라는 것, 다가올 새로운 시대에는 지식 근로자의 업무 중 50% 이상이 업무의 유형에 따라 기존 워크플로우를 보강하거나 보완할 수 있는 AI와 함께하게 될 것이라는 것.

이 가설에는 우리 팀 역시 동의하는 바, 우리의 눈길을 더 끈 것은 Lightspeed Ventures가 "그래서 어떤 회사와 제품들에 주목하는지"였다. 다음 요소들이 우리가 제품을 만들어나감에 있어 중요한 판단기준들이 될 것이다.

1. 독점 데이터 (Proprietary Data)

2. 상호작용빈도 (Frequency of Interaction)

   • 일시적이거나 빈번하지 않은 워크플로우보다, 하루/일주일에 여러번씩 반복되는 워크플로우인지

3. Depth of UI

   • 지금은 ChatGPT를 그저 감싸는 제품들이 많이 보이는데, 이렇게 감싸는 형태로는 지속가능하지 않을 것. 자체적인 프로덕트의 메인 요소를 갖고 있으면서, 다른 시스템과 통합하기도 했을 때 가치를 창출할 수 있음

4. 10x Value Proposition

5. Low-level vs High-level intelligence

   • LLM은 업무의 상당 부분을 자동화할 수 있을 것. 회사의 가치창출과 연결되는 반복작업은 high-level intelligence, 즉각적이거나 딱히 ROI가 없는 단순 작업 자동화는 low-level.