안녕하세요 HN! 저희는 Vivek, Sreejith, Arpit이며, Jupyter 및 Metabase를 위한 데이터 과학 어시스턴트인 MinusX (https://minusx.ai)를 만들고 있습니다. MinusX는 분석 앱에 AI 사이드챗 (sidechat)을 추가해 주는 Chrome 확장 프로그램 (https://minusx.ai/chrome-extension)입니다. 지시 사항이 주어지면, 저희 에이전트는 (사용자가 하는 것처럼 클릭하고 타이핑하며) 앱을 조작하여 데이터를 분석하고 질의에 답변합니다. 크게 세 가지 유형의 작업을 수행할 수 있습니다: 가설을 요청하고 데이터를 탐색하거나, 기존 노트북/대시보드를 확장하거나, 특정 영역을 선택하고 질문하는 것입니다. 간단한 영상 가이드는 여기에서 확인할 수 있습니다:

. 핵심 아이디어는 새로운 플랫폼을 구축하는 대신, 사람들이 이미 대부분의 데이터 작업을 수행하고 있는 기존 도구들을 "업그레이드"하는 것입니다.

저(Vivek)는 1,000명 이상의 직원을 보유한 차량 호출 기업에서의 데이터 분석부터, 대부분의 메트릭 (metrics) 및 대시보드 인프라를 담당했던 comma.ai에서의 연구에 이르기까지 데이터 스택 (data stack)의 다양한 분야에서 6년 동안 근무했습니다. 놀랍게도 데이터와 관련된 문제들은 거의 동일했습니다. 개발자와 프로덕트 매니저 (product managers)들은 그저 정답을 원하거나, 자신이 신경 쓰는 특정 메트릭을 빠르게 확인할 수 있는 뷰 (view)를 설정하고 싶어 합니다. 그들은 종로종 어떤 테이블에 어떤 정보가 들어 있는지, 또는 깨끗한 데이터를 얻기 위해 어떤 특정 비밀 필터 (filters)를 염두에 두어야 하는지 모르는 경우가 많습니다. 대기업에서는 분석가/과학자들이 천 번 이상의 피드백 과정을 거치며 이러한 요청의 대부분을 처리합니다. 소규모 기업에서는 대부분의 데이터 프로젝트가 일회성 노력으로 끝나며, 많은 프로젝트가 중간에 중단됩니다.

저는 시중에 나온 모든 화려한 새로운 분석 앱들을 시도해 보았지만, 그중 어느 것도 이 핵심적인 문제를 완전히 해결하지 못했습니다. 새로운 도구들은 또한 막대한 비용을 수반합니다. 주변의 모든 사람을 설득하여 이동하게 만들어야 하고, 모든 워크플로 (workflows)를 변경해야 하며, 새로운 도구가 기존에 믿고 사용하던 도구의 모든 기능을 갖추고 있기를 바라야 합니다. 현재 대부분의 사람들은 실제 배경 컨텍스트 (context)가 거의 없는 상태로 ChatGPT를 사용하며, 모델이 유용한 코드, SQL 또는 가설을 내뱉을 때까지 꾸짖곤 합니다. 이것이 바로 저희가 도우려고 하는 사용자 유형입니다.

MinusX의 철학은 comma와 닮아 있습니다. comma가 "당신의 자동차를 위한 AI 업그레이드"를 목표로 하는 것처럼, 저희는 LLM (Large Language Models)이 해금하기 시작한 능력들을 분석 소프트웨어에 소급 적용(retrofit)하고자 합니다. 또한 저희는 인간이 사용하는 것과 동일한 API(클릭 및 타이핑)를 사용한다는 점에 즐거움을 느낍니다. 덕분에 저희는 그 어떤 분석 앱으로부터도 "허가"를 받을 필요가 없습니다 (마치 comma.ai가 Toyota Corolla 씨로부터 허가를 받을 필요가 없는 것과 마찬가지입니다) :)

작동 방식: 명령(instruction)이 주어지면, MinusX 크롬 확장 프로그램은 먼저 DOM (Document Object Model)과 일련의 애플리케이션 특정 단서들을 사용하여 호스트 애플리케이션 상태의 단순화된 표현을 구축합니다. 또한 에이전트가 호스트 애플리케이션과 상호작용하는 데 사용할 수 있는 (현재) 사전 정의된 일련의 액션(예: 클릭 및 타이핑)을 보유하고 있습니다. 모든 "복잡한 액션(complex action)"은 이러한 액션 프리미티브(action-primitives)의 조합으로 설명될 수 있습니다. 저희는 이 전체 컨텍스트(context), 명령, 그리고 액션들을 LLM에 전달합니다. LLM은 일련의 액션 시퀀스를 응답하며, 이 액션들이 실행되면 수정된 상태가 계산되어 다시 LLM으로 전송됩니다. 이 루프는 LLM이 원하는 목표가 달성되었다고 판단할 때 종료됩니다. 저희의 아키텍처(architecture)는 사용자가 새로운 액션을 액션 프리미티브의 조합으로 지정함으로써 에이전트의 기능을 확장할 수 있도록 합니다. 현재 저희는 사용자가 확장 프로그램 자체를 통해 이를 수행할 수 있도록 작업 중입니다.

소프트웨어에 있어 "소급 적용(Retrofitting)"은 생소한 개념이며, 사람들이 이것이 실제로 무엇을 의미하는지 파악하는 데 시간이 걸린다는 것을 발견했습니다. 저희는 AI와 함께라면 이것이 더 보편적인 현상이 될 것이라고 생각합니다. 우리가 사용하는 대부분의 소프트웨어는 "업그레이드"될 것이며, 그 주체가 항상 원래 소프트웨어를 만든 사람들이 되지는 않을 것입니다.

저희 자신은 데이터 분석 (Data Analytics)에 집중하고 있습니다. 왜냐하면 저희는 스타트업, Google, Meta 등에서 근무하며 커리어 내내 데이터 과학 (Data Science), 데이터 분석 (Data Analysis), 데이터 엔지니어링 (Data Engineering) 분야의 안팎에서 일해왔고, 이를 상당히 잘 이해하고 있기 때문입니다. 하지만 이러한 "레트로피팅 (Retrofitting, 기존 시스템에 맞게 개조)" 방식은 다른 수많은 특정 분야 소프트웨어에도 똑같이 유용할 수 있으므로, 가까운 시일 내에 전체 확장 프로그램과 관련 배관 (Plumbing) 기술을 오픈 소스로 공개할 예정입니다.

또한, 솔직히 말해서, 결정 트리 (Decision Tree)를 통해 강제로 밀어 넣은 일련의 함수 호출 (Function Calls)이 모든 for-loop를 "에이전트적 (Agentic)"으로 만들어주는 것은 아닙니다. 현실은 저희와 같은 작업을 수행하는 데 필요한 루프 내 데이터 (In-the-loop data)의 상당 부분이 아직 존재하지 않는다는 것입니다! 이 데이터 플라이휠 (Data Flywheel)을 가동하는 것 또한 매우 흥미로운 축입니다.

제품은 현재 무료로 사용할 수 있습니다. 향후에는 아마도 월간 구독료를 부과하고, 로컬 모델 (Local Models) 지원 및 사용자의 API 키를 직접 사용하는 방식 (Bring-your-own-keys)을 도입할 예정입니다. 하지만 이 부분은 아직 논의 중입니다.

여러분이 MinusX를 꼭 사용해 보셨으면 좋겠습니다! 확장 프로그램은 여기에서 찾을 수 있습니다: https://minusx.ai/chrome-extension. 또한 Jupyter와 Metabase 모두를 위한 데이터 플레이그라운드 (Playground)를 만들어 두었으니, 확장 프로그램을 설치한 후 직접 체험해 보세요: https://minusx.ai/playground

이 아이디어에 대한 여러분의 생각과 공유하고 싶은 다른 의견들을 듣고 싶습니다! 다음에 어떤 도구를 지원하면 좋을지에 대한 제안도 언제나 환영합니다 :)