이변시점 AI 메모리가 일반적인 RAG로는 볼 수 없는 문제를 해결합니다

대부분의 에이전트 메모리 시스템은 간단한 질문에 최적화되어 있습니다. 즉, 현재 어떤 저장된 청크가 관련성이 높은가?

하지만 프로덕션 시스템에서는 더 어려운 질문이 필요하게 됩니다.

특정 결정을 내릴 당시 에이전트에게는 어떤 정보가 제공되었었나?

이러한 질문들은 동등하지 않습니다. 만약 사실, 정책, 권한 또는 아키텍처 결정이 나중에 수정된다면, 최신 상태 메모리 시스템은 이전 행동의 배경 맥락을 조용히 재작성할 수 있습니다.

하나의 시간선이 아닌 두 개의 시간선

이변시점(Bitemporal) 메모리는 모든 사실에 대해 두 개의 독립적인 시계를 기록합니다:

1. 사건 시간 (Event time): 해당 사실이 실제 세계에서 유효했던 시점.
2. 시스템 시간 (System time): AI 시스템이 해당 사실을 학습하거나, 수정하거나, 폐기한 시점.

만약 어떤 계약 개정안이 1월 1일에 발효되었지만, 에이전트 메모리에 들어온 것은 1월 12일이라고 가정해 봅시다. 이 경우, 1월 5일에 내려진 결정은 그 개정안을 사용해서는 안 됩니다. 비록 그 효력 발생일이 더 빠르더라도 말입니다.

단일 타임스탬프로는 이 두 가지 진실을 모두 표현할 수 없습니다.

덮어쓰기가 역사적 재현에 실패하는 이유

고객 위험 등급이 '낮음'에서 '높음'으로 변경되었다고 가정해 봅시다. 만약 메모리 계층이 원래 행(row)을 덮어쓴다면, 나중에 감사할 때 보이는 것은 오직 '높은' 등급뿐입니다. 마치 에이전트가 실제로 가지고 있지 않았던 정보를 무시한 것처럼 보일 수 있습니다.

이변시점 기록은 다음 사항들을 유지합니다:

• 원래 값(original value)
• 수정된 값(correction)
• 각 값이 적용된 시점
• 시스템이 각 버전을 받은 시점
• 어떤 버전이 검색에 적합했는지

이는 세 가지 다른 쿼리를 지원합니다:

• 현재 진실 (Current truth): 현재 유효한 것은 무엇인가?
• 결정 당시 알려진 사실 (Known at decision time): 에이전트가 그때 사용할 수 있었던 것은 무엇인가?
• 수정된 역사적 진실 (Revised historical truth): 우리가 그 날짜에 실제로 참이었다고 믿는 것은 무엇인가?

모든 메모리 시스템을 위한 실용적인 테스트

대규모 벤치마크 없이도 이를 테스트할 수 있습니다:

1. 아키텍처 결정과 그 출처를 저장합니다.
2. 이를 검색하는 에이전트 작업을 실행합니다.
3. 더 오래된 유효 날짜로 수정 사항을 나중에 추가합니다.
4. 해당 작업에 역사적 커트오프(historical cutoff)를 사용하여 재실행합니다.
5. 나중의 수정 사항이 과거로 누설되지 않음을 확인합니다.
6. 현재 쿼리가 그 수정 사항을 사용하는지 확인합니다.

두 쿼리 모두 동일한 메모리 버전을 반환한다면, 시스템은 역사를 저장하고 있지만 역사적 지식을 재구성하지 못하고 있는 것입니다.

프로덕션 구현이 보존해야 할 것

유용한 이변시점(bitemporal) 메모리 계층은 다음을 유지해야 합니다:

• 불변의 버전 식별자 (immutable version identities)
• 이벤트 시간 및 시스템 시간 유효 창 (event-time and system-time validity windows)
• 출처 출신지 및 체크섬 (source provenance and checksums)
• 검색 필터 및 선택된 메모리 버전
• 정책 및 권한 결과
• 결정과 지원 증거 간의 연결 고리
• 결정론적 시점 조회 (deterministic as-of queries)

목표는 사적인 모델 추론을 저장하는 것이 아닙니다. 목표는 어떤 상태가 중요한 결정을 내렸는지 설명할 수 있는 충분한 증거를 보존하는 것입니다.

규정 준수를 넘어 이것이 중요한 이유

시간적 정확성(Temporal correctness)은 감사(audits)보다 더 많은 것을 개선합니다. 또한 다음에도 도움이 됩니다:

• 재현 가능한 평가 (reproducible evaluations)
• 미래 예측 편향 없는 백테스트 (backtests without lookahead bias)
• 메모리 수정 후 동작 디버깅
• 사고 복구 (incident reconstruction)
• 정책 버전 마이그레이션
• 변경되는 공유 상태를 사용하는 다중 에이전트 워크플로우

창업자 공개: 저는 AI 에이전트를 위한 오픈 소스 이변시점 메모리 및 기록 계층인 Lians을 구축하고 있습니다. 쿼리 모델과 평가 체크를 포함한 전체 가이드는 Bitemporal AI Memory: Event Time, System Time, and Historical Recall에서 확인할 수 있습니다.

저는 특히 다른 팀들이 지연 도착하는 사실(late-arriving facts)을 어떻게 처리하는지에 관심이 많습니다. 역사적 버전을 보존합니까, 아니면 현재 메모리 스택이 최신 상태에 주로 최적화되어 있습니까?