Susan AI
                       │
       ┌───────────────┼────────────────┐
...```

# 핵심 아이디어

대부분의 AI 비서는 다음으로 시작합니다:

**질문 → 답변**

저는 더 광범위한 것을 탐구하는 데 관심이 있습니다:

**목표(Goal) → 맥락(Context) → AI 추론(AI reasoning) → 도구(Tools) → 출력(Output) → 워크플로우(Workflow)**

예를 들어, AI에게 단순히 묻는 대신:

> 

사용자에게 더 유용한 비서를 제공할 수 있습니다:

1. 주제 이해하기
2. 관련 정보 조사하기
3. 문서 요약하기
4. 노트 정리하기
5. 보고서 생성하기
6. 학습 자료 만들기
7. 결과물로 작업 계속 이어가기

이러한 변화, 즉 **대화(conversation)에서 워크플로우(workflow)로**의 전환은 Susan AI의 주요 아이디어 중 하나입니다.

# 현재 기능

Susan AI는 여러 실용적인 사용 사례를 중심으로 개발되고 있습니다.

## 1. AI 채팅

기반이 되는 것은 AI 대화 인터페이스입니다.

사용자는 질문을 하거나, 아이디어를 브레인스토밍하거나, 개념을 탐색하고, AI가 생성한 답변을 받을 수 있습니다.

이는 다른 기능들이 구축될 수 있는 기본적인 대화 계층을 제공합니다.

## 2. 학습 및 연구

제가 가장 중요하게 생각하는 영역 중 하나는 AI를 학습 동반자(learning companion)로 사용하는 것입니다.

Susan AI는 다음 용도로 사용될 수 있습니다:

- 어려운 개념 설명하기
- 복잡한 주제를 더 단순한 섹션으로 나누기
- 학습 자료 생성하기
- 연구 아이디어 브레인스토밍하기
- 정보 요약하기
- 개념 비교하기
- 후속 질문 하기

목표는 단순히 답변을 제공하는 것이 아니라, 사용자가 **왜 그 답변이 타당한지 이해하도록** 돕는 것입니다.

## 3. 작문 지원

생성형 AI(Generative AI)는 작가 파트너로서 매우 유용합니다.

Susan AI는 다음 분야에서 도움을 줄 수 있습니다:

- 기사
- 보고서
- 이메일
- 문서화
- 아이디어
- 재작성(Rewriting)
- 요약본
- 콘텐츠 기획

저의 목표 중 하나는 인간 저자가 통제권을 유지함으로써 AI가 생성한 콘텐츠를 더 유용하게 만드는 것입니다.

AI는 작가를 대체하는 것이 아니라, 작가를 지원해야 합니다.

# 4. 코딩 지원

또 다른 주요 영역은 소프트웨어 개발입니다.

저는 웹 애플리케이션을 탐색하고 구축하는 동안 AI를 광범위하게 사용하기 때문에, 코딩 지원이 자연스럽게 Susan AI의 일부가 되었습니다.

잠재적인 워크플로우는 다음과 같습니다:

이는 이 비서를 숙련된 개발자뿐만 아니라 프로그래밍을 배우는 사람들에게도 유용하게 만듭니다.

# 5. 문서 및 지식 작업

실제 업무는 채팅창 안에서만 이루어지는 경우는 드뭅니다.

중요한 정보는 종종 다음 곳에 저장됩니다:

-   PDF 파일
-   텍스트 파일
-   CSV 파일
-   JSON 데이터
-   보고서
-   노트
-   문서

따라서 유용한 AI 비서는 사용자가 제공하는 정보로 작업할 수 있어야 합니다.

이는 Susan AI에게 중요한 방향입니다: **일반적인 AI 지식**에서 **상황 인지형 지원(context-aware assistance)**으로 이동하는 것입니다.

# 6. AI + 웹 리서치

제가 탐구하고 있는 또 다른 영역은 AI와 웹 기반 리서치를 결합하는 것입니다.

기본 개념은 다음과 같습니다:

도전 과제는 단순히 정보를 검색하는 것이 아닙니다.

진짜 도전 과제는 흩어져 있는 정보를 **이해하기 쉽고, 유용하며, 실행 가능한** 무언가로 바꾸는 것입니다.

# 7. 에이전트 스타일 워크플로우

Susan AI에게 가장 흥미로운 방향 중 하나는 AI 에이전트입니다.

기존의 채팅봇은 사용자 메시지를 기다렸다가 응답을 반환합니다.

에이전트 스타일 시스템은 잠재적으로 다음 작업을 수행할 수 있습니다:

저는 차세대 AI 애플리케이션이 단순히 텍스트 생성보다는 **작업 완료(task completion)**에 점점 더 초점을 맞출 것이라고 믿기 때문에 이 방향을 실험하고 있습니다.

# 기술

Susan AI는 **Vercel**에 배포된 최신 웹 애플리케이션입니다.

이 프로젝트는 브라우저에서 직접 접근할 수 있도록 설계된 웹 기반 아키텍처를 사용합니다.

현재 AI 레이어는 **Google Gemini Flash-Lite**를 사용합니다.

전반적인 아키텍처는 새로운 기능을 실험함에 따라 진화하고 있습니다.

간소화된 개념적 아키텍처는 다음과 같습니다:

             ┌─────────────────┐
             │      사용자       │
             └────────┬────────┘

이 프로젝트가 상당히 발전할 것으로 예상하기 때문에 아키텍처는 의도적으로 유연하게 유지되고 있습니다.

# 제가 직접 구축하기로 한 이유

이미 훌륭한 AI 비서들이 많이 있습니다.

그럼 왜 또 다른 것을 만들까요?

무언가를 스스로 구축하는 것은 단순히 제품을 사용하는 것만으로는 배울 수 없는 것을 가르쳐주기 때문입니다.

Susan AI를 개발하면서, 저는 다음을 탐구할 기회를 얻습니다:

AI API 통합
-   프롬프트 엔지니어링 (Prompt engineering)
-   AI 사용자 경험 (UX)
-   웹 애플리케이션 아키텍처
-   인증 개념 (Authentication concepts)
-   상태 관리 (State management)
-   API 설계 (API design)
-   오류 처리 (Error handling)
-   AI 응답 스트리밍 (AI response streaming)
-   파일 처리 (File processing)
-   에이전트 워크플로우 (Agent workflows)
-   배포 (Deployment)
-   성능 (Performance)
-   제품 디자인 (Product design)

따라서 이 프로젝트는 **제품 실험이자 학습 연구소**입니다.

# 제가 배운 것들

가장 큰 교훈 중 하나는 AI 애플리케이션을 구축하는 것이 단순히 LLM API를 연결하는 것에 그치지 않는다는 것입니다.

모델은 단지 하나의 구성 요소일 뿐입니다.

유용한 AI 제품에는 다음도 필요합니다:

### 1. 좋은 UX (Good UX)
사용자는 매뉴얼을 읽지 않고도 AI가 무엇을 할 수 있는지 이해해야 합니다.

### 2. 좋은 컨텍스트 (Good Context)
AI는 적절한 시점에 올바른 정보를 필요로 합니다.

### 3. 좋은 프롬프트 (Good Prompts)
부실한 지침은 강력한 모델을 사용하더라도 부실한 결과를 초래할 수 있습니다.

### 4. 좋은 오류 처리 (Good Error Handling)
AI 시스템은 예상치 못한 방식으로 실패할 수 있습니다. 따라서 애플리케이션에는 다음 사항에 대한 우아한 처리가 필요합니다:
-   API 장애
-   잘못된 입력
-   속도 제한 (Rate limits)
-   네트워크 문제
-   예상치 못한 응답

### 5. 신뢰 (Trust)
AI 애플리케이션은 한계를 명확하게 전달해야 합니다.

자신감 있는 답변이 반드시 정확한 답변을 의미하지는 않습니다. 이는 특히 AI가 연구, 정부 업무, 교육 또는 의사 결정 지원에 사용될 때 중요합니다.

# 더 큰 비전 (The Bigger Vision)

Susan AI는 아직 완성되지 않았습니다.

사실 저는 현재 버전을 시작이라고 생각합니다.

저의 장기적인 비전은 다양한 기능들이 함께 작동할 수 있는 개인용 AI 환경을 탐구하는 것입니다. 예를 들면:

          Susan AI
              │
  ┌───────────┼───────────┐

제가 탐구하고 싶은 궁극적인 질문은 다음과 같습니다:

> **개인용 AI 비서가 개인의 일상적인 지적 업무를 위한 유용한 디지털 작업 공간이 될 수 있을까?**

저는 아직 최종 답을 모릅니다. 그것이 바로 제가 이 프로젝트를 구축하는 이유입니다.

# 다음 계획 (What's Next?)

제가 더 탐구하고 싶은 몇 가지 영역에는 다음과 같은 것들이 포함됩니다:

-   향상된 AI 메모리 및 컨텍스트
-   더욱 신뢰할 수 있는 문서 이해
-   고급 AI 에이전트
-   도구 호출 (Tool calling)
-   다단계 워크플로우 (Multi-step workflows)
-   개선된 웹 리서치
-   향상된 코딩 지원
-   개인 지식 관리(Personal knowledge management)
-   더 구조화된 출력물
-   음성 상호작용 (Voice interaction)
-   더 나은 모바일 경험
-   AI 기반 생산성 워크플로우 (AI-powered productivity workflows)

로드맵은 제가 계속 실험하면서 진화할 것입니다.

# 공개 개발 과정 기록하기 (Building in Public)

저는 AI 애플리케이션을 구축하는 과정 자체가 최종 제품만큼 흥미롭다고 믿기 때문에 Susan AI를 공유합니다.

작동하는 실험도 있을 것이고.

실패하는 실험도 있을 것입니다.

둘 다 유용합니다.

저는 개발 과정, 기술적 실험, 디자인 결정 및 배운 교훈들을 계속 기록할 계획입니다.

만약 당신이 개발자, 학생, 연구원, AI 애호가 또는 AI 애플리케이션을 실험하는 사람이라면, 여러분의 피드백에 진심으로 감사하겠습니다.

# Susan AI 사용해 보기 (Try Susan AI)

🌐 **실시간 데모:**  
[https://susan-ai.vercel.app/]

💻 **GitHub:**  
[https://github.com/susankarkarmakar-pixel]

사용해보신다면, 다음을 알려주시면 좋겠습니다:

**현재 AI 챗봇들이 잘 수행하지 못하는, 당신의 개인 AI 비서에게 시키고 싶은 것은 무엇인가요?**

이 질문이 Susan AI의 다음 버전을 형성할 수 있습니다.

## 마지막 생각 (Final Thought)

우리는 소프트웨어가 단순히 지시를 기다리던 시대에서, 소프트웨어가 목표를 점점 더 **이해하고, 작업을 추론하며, 실행을 지원**할 수 있는 시대로 나아가고 있습니다.

Susan AI는 그 방향으로 나아간 저의 작은 실험입니다.

이는 단순한 질문에서 시작되었습니다:

> **나만의 AI 비서가 필요하다면 무엇을 만들까?**

저는 여전히 그 답을 탐구하고 있습니다.

그리고 그것이 가장 흥미로운 부분입니다.

**Susankar Karmakar 제작**

# AI #인공지능 (ArtificialIntelligence) #생성형AI (GenerativeAI) #AIAssistant #AIAgents #GoogleGemini #Gemini #웹개발 (WebDevelopment) #소프트웨어개발 (SoftwareDevelopment) #JavaScript #오픈소스 (OpenSource) #공개개발과정기록하기 (BuildInPublic) #개발자 (Developer) #생산성 (Productivity) #AI엔지니어링 (AIEngineering)