AI 음성 에이전트는 제가 상상했던 인공지능 작업의 미래입니다. 영화 '아이언맨'처럼, 주인공이 자신의 시스템에게 말을 걸면 그 시스템이 실시간으로 명령을 수행하는 방식과 같습니다.
그 순간이 도래했습니다. Codex를 사용하면 자체 컴퓨터에서 파일과 코드를 다루고 시스템과의 상호작용을 설정할 수 있습니다. OpenAI의 데스크톱 앱은 폴더, 도구(tools), 태스크(tasks)를 지원합니다. 하지만 도구를 사용할 수 있다는 것이 전체 시스템이 이미 구축되었다는 것을 의미하지는 않습니다.
시스템 자체가 먼저 존재해야 합니다. ChatGPT와의 음성 대화만으로는 완전한 AI 아키텍처가 제공되지 않습니다. 대화 자체만으로도 유용할 수 있습니다. 만약 행동으로 이어지는 지시를 내리고 싶다면, 그 목소리 뒤에서 그것을 수행해 줄 무언가가 필요합니다.
An audio mixing console with sound controls
음성 뒤에 자리하는 것들
이 아키텍처에는 정기적인 작업을 처리하는 에이전트와 반복되는 행동을 위한 코드 및 스크립트가 포함됩니다. 음성 비서가 이들과 연결되어 사용자의 지시를 해당 시스템 부분으로 전달합니다.
대화와 완료된 작업은 다른 것입니다. 음성은 키보드 없이 명령을 표현할 수 있게 해줍니다. 그 명령을 행동으로 전환하려면 관련 프로그램이나 데이터에 대한 접근 권한과 그것을 수행하는 구성 방식이 필요합니다. 마이크만으로는 이것을 제공할 수 없습니다.
반복적인 작업 역시 자체 설정이 필요합니다. 만약 어떤 행동이 반복적으로 실행되어야 한다면, 시스템은 무엇을 언제 시작해야 하는지 알아야 합니다. 매번 같은 지시를 말하는 것은, 그것을 반복되는 태스크로 설정하여 운영하는 것과는 다른 방식의 작업입니다.
Cables connected to networking equipment
대화하고 싶은 시스템을 구축하라
따라서 'AI 음성 에이전트(AI voice agent)'는 매우 다른 구성을 설명할 수 있습니다. 한 가지는 모델과 대화하여 답변을 받는 것입니다. 다른 하나는 동일한 음성이 이미 구성된 에이전트와 액션 시스템에 접근할 수 있게 해주는 경우입니다. 목소리가 얼마나 자연스러운지 듣기만 해서 그 차이를 알 수는 없습니다.
이러한 연결(connection)은 AI 음성 에이전트를 구축할 때 중요합니다. 즉, 어떤 작업을 위임할 수 있으며 실제로 그 작업을 수행하는 것은 무엇인지가 중요합니다. 그러한 연결 없이는 세련된 대화도 단지 '대화'에 머물 뿐입니다.
인프라(infrastructure)가 없는 음성 에이전트는 그저 장난감에 불과합니다. 개발된 다층 시스템에 연결된 음성 비서(voice assistant)는 진지한 도구이며, 미래는 바로 그곳에 있습니다. 어떤 경로를 택할지는 사용자가 선택합니다.
