캐릭터가 사용자를 더 잘 "기억"할수록 한 가지 질문은 피할 수 없게 됩니다. 바로 무엇을 정확히 기억하며 그것이 어디로 가는가 하는 점입니다. ChatGPT의 경우 답변이 이미 문서화되어 있습니다. "저장된 메모리 (saved memory)"는 가공되지 않은 메시지가 아니라 대화에서 추출된 사실이며, 사용자는 Settings > Personalization > Memory (OpenAI Help Center, 2026년 7월 18일 확인)에서 이를 개별적으로 확인, 수정 또는 삭제할 수 있습니다. 만약 당신이 어린이를 위한 AI 캐릭터 챗봇, 가족용 비서, 또는 성인용 타겟 제품을 구축하면서 출시 전까지 자신의 제품에 대해 이와 같이 정확한 답변을 내놓을 수 없다면, 이는 장기 메모리 (long-term memory) 기능이 필요에 의해서가 아니라 관성적으로 포함되어 있음을 의미합니다.

이 글의 관점은 좁지만 검증 가능합니다. 장기 메모리를 포함하는 것은 그 목적, 구체적인 데이터 세트, 그리고 삭제를 위한 작동 시나리오가 정의되었을 때만 정당화됩니다. 이 세 가지 조건 없이는 메모리는 유익함이 아니라 미지급된 개인정보 보호 부채 (privacy debt)가 됩니다. 즉, 당신이 설계하지는 않았지만 그에 대한 책임은 져야 하는 기능이 되는 것입니다.

이어지는 내용에서는 메모리가 제품의 책임 범위를 어떻게 변화시키는지, 세 가지 인기 있는 포맷의 실제 저장 창을 어떻게 읽어야 하는지, 그리고 "포맷, 데이터, 메모리, 제어" 매트릭스가 무엇을 보장할 수 있고 무엇을 보장할 수 없는지 분석합니다.

캐릭터의 메모리: 중립적인 제품 기능이 아니다

메모리의 제품적 이점은 실재합니다. 사용자의 이름과 어제의 대화를 기억하는 캐릭터는 더 정확하게 답변하고 더 오래 주의를 집중시킵니다. 이에 대해 논쟁하는 것은 무의미하며, 메모리에 관한 대부분의 논의는 바로 "이것은 편리하다"라는 수준에서 멈춰버립니다.

이러한 검토를 요구하는 것은 편의성이 아니라, 그 이면에 깔린 조용한 가설 때문입니다: 캐릭터가 더 많이 기억할수록 제품은 더 좋아진다는 가설 말입니다. 메모리가 활성화되는 순간, 단순한 설정이 아닌 '저장된 프로필(stored profile)'이 등장합니다. 즉, 서버에 저장되어 다음 응답마다 참여하며, 누군가가 요청에 따라 보여주고, 수정하고, 삭제할 수 있어야 하는 사용자 관련 추출된 사실(extracted facts)의 집합이 생기는 것입니다. ChatGPT에서는 이 장치가 문자 그대로 드러납니다. 사용자가 단순히 메모리를 끄면 새로운 사실은 생성되지 않지만, 이미 저장된 사실은 수동으로 삭제하기 전까지 남아 있습니다. 또한 OpenAI는 디버깅 및 보안을 위해 삭제된 기록의 로그를 최대 30일 동안 보유할 수 있습니다 (OpenAI Help Center, 2026년 7월 18일 확인). '끄기(Turn off)'와 '삭제(Delete)'는 서로 다른 결과를 초래하는 두 가지 별개의 동작입니다. AI 기반 챗봇을 설계할 때 이 둘을 혼동하는 것은 초기 단계에서 흔히 발생하는 실수입니다.

만약 당신이 어린이를 위한 제품을 만들거나 성인 사용자를 위한 AI 어시스턴트 챗봇을 구축하고 있다면, 결론은 하나입니다. 메모리는 인터페이스의 장식품이 아니라 '의무(obligation)'라는 점입니다. 메모리 기능을 도입하기 전에 반드시 데이터 지도(data map)를 그려야 합니다.

메모리 활성화 전의 데이터 지도

데이터 지도란 제품에 첫 번째 개인화(personalization) 기능이 도입되기 전에 반드시 서면으로 답변해야 하는 네 가지 질문입니다. 1. 어떤 데이터 형식을 기본적으로 수집하는가? 2. 그중 무엇이 장기 메모리(long-term memory)로 전환되는가? 3. 누가, 어떻게 이를 삭제하는가? 4. 학습 동의 여부가 보관 기간을 변경하는가?

두 가지 서로 다른 저장 프로필을 가진 제품의 예로 ChatGPT를 들어보겠습니다. '저장된 메모리(Saved memories)'는 가공되지 않은 메시지가 아니라 추출된 사실들입니다. 사용자는 이를 개별적으로 확인, 수정 또는 삭제할 수 있으며, Settings > Personalization > Memory에서 섹션 전체를 비울 수도 있습니다 (OpenAI Help Center, 2026년 7월 18일 확인). 동일한 제품에는 '임시 채팅(temporary chat)' 기능도 있습니다. 이는 메모리를 생성하지 않고, 히스토리에 남지 않으며, 모델 학습에도 사용되지 않는 모드입니다 (동일한 도움말 참조). 두 모드의 차이는 인터페이스에 있는 것이 아니라, 대화가 끝난 후 어떤 양의 데이터가 남아 있느냐에 있습니다.

「기억 삭제」가 실제로 의미하는 것

인터페이스의 「삭제」 버튼과 서버에서의 실제 데이터 삭제는 서로 다른 이벤트이며, 각 형식마다 한 상태에서 다른 상태로 전환되는 고유한 규칙이 있습니다.

Claude의 경우에도 메모리(Memory)는 전체 전사(Transcripts)가 아닌, 범주화되어 추출된 사실과 선호도를 저장합니다. 「시크릿 모드 (incognito mode)」는 메모리에서 명시적으로 제외되며, 기록은 Settings > Memory에서 확인, 편집 및 삭제할 수 있습니다 (Claude Help Center, Anthropic, 2026년 7월 18일 확인). 메모리 자체와는 별개로 대화 보관 기간이 작동합니다. 기본적으로 Anthropic은 대화 삭제 후 30일 동안 데이터를 보유하지만, 사용자가 데이터의 학습 활용에 동의할 경우 비식별화된 데이터는 최대 5년 동안 보관될 수 있습니다. 자동 보안 시스템에 의해 표시된 대화는 최대 2년, 분류기(Classifiers)의 평가는 최대 7년 동안 보관됩니다 (Anthropic Privacy Center, 2026년 7월 18일 확인). 학습 동의 체크박스 하나가 데이터 보관 기간을 한 달에서 몇 년으로 늘려버립니다.

Character.AI의 문구는 사용자 입장에서 더 주의를 요합니다. 개인정보 보호정책(Privacy Policy)은 보관 기간을 「처리 목적에 필요한 기간 동안」으로 정의하며, 구체적인 기간은 목적과 사용자의 선택에 따라 달라집니다 (Character.AI Help Center, 2026년 7월 18일 확인). 실질적인 함정은 다음과 같습니다. 프로필 페이지를 통한 계정 삭제 자체만으로는 서버의 데이터를 지우지 않으며, 이를 위해서는 privacy request 양식을 통한 별도의 확인된 요청이 필요합니다. 또한, 공개적으로 게시된 「Popular」 캐릭터는 제작자가 자신의 데이터를 삭제한 후에도 여전히 접근 가능한 상태로 남아 있을 수 있습니다.

세 가지 형식 모두에 대한 일반적인 결론은 동일합니다. 삭제 버튼은 사용자가 무엇을 볼 수 있는지를 제어하지만, 서비스 측에 무엇이 남아 있는지를 항상 제어하는 것은 아닙니다. 형식을 평가할 때는 버튼의 유무가 아니라, 완전한 삭제를 위한 문서화된 경로가 있는지에 따라 평가해야 합니다.

「형식, 데이터, 메모리, 제어」 매트릭스

이전의 관찰 내용들을 하나의 도구로 통합합니다. 매트릭스(Matrix)는 누군가의 정책에서 발췌한 것이 아니라 제가 직접 만든 구조입니다. 이 매트릭스는 형식을 가져와 네 가지 축에 따라 분류합니다: 어떤 데이터에 접근하는지, 기본적으로 어떤 메모리 (Memory) 기능이 활성화되는지, 작동 가능한 제어 및 삭제 기능이 있는지, 그리고 요청이 물리적으로 어디로 전송되는지입니다. 이 도구의 가치는 "좋다 또는 나쁘다"를 평가하는 데 있는 것이 아니라, 불필요한 장기 메모리 (Long-term memory)의 존재를 사용자의 불만 제기 이후가 아닌, 실행 전 단계에서 미리 파악할 수 있다는 점에 있습니다.

거부 기준은 간단합니다. 만약 특정 형식의 행을 보고 "삭제" 열을 구체적인 시나리오로 채울 수 없고, "메모리 목적" 열을 명확한 이유로 채울 수 없다면, 해당 형식은 개인정보 보호 작업에 부적합합니다. 그럴 경우, 개인화 (Personalization) 수준이 낮아지는 대가를 감수하더라도 메모리 기능을 활성화하지 않습니다.

마지막 행이 가장 정직한 부분입니다. 팀이 특정 목적에 맞는 신경망 챗봇 (Neural network chatbot)을 만들기로 결정하거나 자신의 백엔드 (Backend)에서 API 챗봇을 구축하기로 할 때, 어떤 벤더 (Vendor)도 완성된 삭제 정책을 제공하지 않습니다. 그 정책은 개발자 스스로가 설계해야 합니다. 대화의 편의성은 결국 대형 제공업체들과 마찬가지로 데이터에 대한 동일한 의무를 수반하게 됩니다.

과잉 메모리 테스트: 요청 픽스처 (Request Fixture)

매트릭스(Matrix)는 메모리를 포함할지 여부에 대한 질문에 답합니다. 어떤 입력 메시지가 장기 기록(long-term records)을 생성하는지, 그리고 그 안에 얼마나 많은 개인적 신호(personal signal)가 포함되는지를 별도로 확인해야 합니다. 이를 위해 회귀 픽스처(regression fixture)가 유용합니다. 이는 형태상 현실적인 사용자 요청 세트로, 각 입력이 어떤 신호를 담고 있는지, 그리고 프로필에 저장되어야 하는지를 표시해 둡니다. 이는 소스(source)의 사실 여부가 아니라 특정 구현(implementation)을 검증하는 방법이며, 봇을 만드는 사람이라면 누구나 이를 구성할 수 있습니다.

첫 번째 입력 그룹은 장기 기록으로 전환하기에 바람직하지 않은 신호를 담고 있습니다. "학생 AI 챗봇"은 역할과 아마도 연령을 드러냅니다. "AI 트레이딩 봇"은 금융 맥락을 끌어들입니다. 두 사례 모두 메모리를 "만약을 대비해" 불필요한 사실까지 저장하게 할 것이 아니라, 아예 메모리를 생성하지 말아야 할 후보들입니다.

두 번째 그룹은 불필요한 기억 없이 플랫폼이나 모델을 라우팅(routing)하고 인식하는지 확인합니다. "러시아 AI 챗봇 다운로드"는 로컬 클라이언트를 기대하고, "VK의 AI 챗봇"은 플랫폼을 명시하며, "챗봇 GPT 딥시크"는 구어체 레이블에서 ChatGPT와 DeepSeek를 혼동하여 부르고, "AI 챗봇 2.5 마흐"는 제공업체의 공식 명칭이 아닌 짧은 별칭으로 모델 버전을 부릅니다. 여기서 테스트는 봇이 요청을 올바르게 라우팅하되, 사용자가 어떤 모델에 관심을 가졌는지를 개인적인 사실로서 기억하지 않는지 확인합니다.

세 번째 그룹은 개인적인 신호가 전혀 없는 제어 그룹입니다. 하지만 여기서도 각 문구를 목록으로 한꺼번에 처리하지 말고 하나씩 개별적으로 검토해야 합니다. "чат бот нейронка" (챗봇 뉴럴 네트워크)는 제품의 장르를 구어체로 부를 뿐, 질문자가 누구인지에 대해서는 아무것도 말하지 않습니다. "чат бот ии искусственный интеллект" (챗봇 AI 인공지능)는 동일한 용어를 세 번 연속 반복하는데, 이는 사용자가 기술을 명시하는 것이지 자신에 대한 데이터를 제공하는 것이 아닙니다. "нейросеть для генерации текста бот" (텍스트 생성용 뉴럴 네트워크 봇)는 질문자의 주제나 정체성이 아닌 도구의 기능인 텍스트 생성을 설명합니다. "нейросеть бот пишет текст" (뉴럴 네트워크 봇이 텍스트를 작성함)는 동일한 기능을 다른 단어로 재구성한 것이며, 마찬가지로 특정 개인과 연결되지 않습니다. "чат бот ответы нейросети" (챗봇 뉴럴 네트워크 답변)는 사용자의 질문 내용이 아닌 기대되는 답변 형식을 설명합니다. "чат бот ии ответы на вопросы" (챗봇 AI 질문 답변)는 질문 자체에 대한 세부 정보 없이 서비스의 목적(질문에 답변하기)만을 명시합니다. "бот с нейросеть ответы" (뉴럴 네트워크 답변 봇)는 이전 문구의 오타와 유사하며 동일하게 개인적 신호가 제로(0)입니다. "нейросеть бот с ответами" (답변이 있는 뉴럴 네트워크 봇)는 동일한 세 단어의 또 다른 순서이며, 이 역시 개인적 신호가 없습니다. 만약 피스처(fixture) 테스트 결과 이 여덟 가지 문구 중 어떤 것이라도 시스템이 여전히 장기 기록(long-term record)을 생성한다면, 이는 오탐(false positive)입니다. 요청에 개인 정보가 없음에도 메모리가 생성되기 때문입니다. 이러한 테스트 과정은 기억해야 할 항목의 목록을 확장하는 것이 아니라, 실제로 기억해야 할 것이 무엇인지 좁혀나가는 역할을 합니다.

요청이 가는 곳: 메모리 보장이 아닌 마스킹 루프(masking loop)}

매트릭스는 메모리를 포함할지 여부를 알려줍니다. 별개의 문제는 캐릭터나 봇이 외부 모델에 직접 접근할 때 사용자의 텍스트가 물리적으로 어디로 전송되느냐 하는 것입니다. 비즈니스용 AI 챗봇(AI chat bot for business)이나 AI 지원 챗봇(AI support chat bot)을 구축하는 팀에게 이 문제는 메모리 설정만큼이나 중요하며, 다만 저장(storage)이 아닌 전송(transport)의 영역에 속합니다.

만약 클라이언트가 OpenAI 프로토콜을 지원한다면, 호환되는 제공업체(provider)에 연결하기 위해 base_url과 키만 변경하면 됩니다. 하지만 실제 모델 및 엔드포인트(endpoint) 지원 여부는 여전히 현재 제공업체의 카탈로그에 따라 제한됩니다. 실무적으로 이는 봇의 로직을 다시 작성할 필요 없이 동일한 AI 어시스턴트 API(ai assistant api)가 다른 경로를 통해 작동하기 시작함을 의미하며, OpenAI 또는 Anthropic과 호환되는 엔드포인트를 사용하는 봇용 AI API, IDE 플러그인 또는 에이전트 역시 동일한 방식으로 연결됩니다.

from openai import OpenAI

client = OpenAI(api_key="PROVOD_KEY", base_url="https://api.provod.ai/v1")
...