최근 LLM의 발전과 기존의 프로그래밍 by demonstration(시연을 통한 프로그래밍) 연구 덕분에 최종 사용자가 자신의 행동을 LLM에게 명시적으로 시연하여 자동화를 만들 수 있게 되었습니다. 하지만 이러한 접근 방식들은 사용자가 무엇을 자동화해야 하는지, 그리고 무엇이 자동화될 수 있는지 알고 있다는 가정에 의존합니다. 게다가, LLM 에이전트를 통한 자동화는 프로그램과 비교했을 때 비용이 많이 드는 경우가 많습니다. 저희는 Motif라는 시스템을 소개합니다. 이 시스템은 일상적인 브라우저 활동을 수동적으로 관찰하여 프로그래밍 가능한 반복적인 상호작용 패턴을 발견하고, 패턴이 발견될 때마다 사용자에게 추천하며, 사용자 확인 후 설치할 프로그램을 생성합니다. 사용자는 자연어를 사용하여 프로그램 검토 및 개선 작업을 할 수 있습니다. 저희는 다일(multi-day) 연구에서 Motif를 평가했으며, 이 시스템의 주변적 발견(ambient discoveries)을 사용자가 'vibe coding'을 통해 구축하려 시도한 자동화와 비교했습니다. 8명의 참가자를 대상으로 한 결과, Motif가 사용자들보다 더 많은 자동화 가능한 패턴을 발견했습니다. 그중 대부분은 참가자들의 루틴과 일치했으며 유용했습니다. 후속 설문조사에서는 대부분의 사용자가 Motif가 생성한 프로그램을 계속 사용할 것이라고 나타났습니다.