네이밍(Naming)은 쉽게 되돌릴 수 없는 결정이며, 우리 대부분이 가장 서둘러 결정하는 것이기도 합니다. 10분 동안 고민하다가 처음 떠오른 단어를 덥석 잡았다가, 한 달 뒤 그 이름이 기억하기 어렵거나 이미 누군가 사용 중이라는 사실을 알고 후회하곤 합니다.

직업으로서 이름을 짓는 스튜디오들은 그런 식으로 일하지 않습니다. 그들은 신중한 프로세스를 실행합니다. 먼저 전략을 확정하고, 폭넓게 아이디어를 생성하며, 상표권(Trademark) 및 언어적 문제를 엄격하게 스크리닝한 다음, 남은 후보들에 점수를 매깁니다. 문제는 그 대가로 수천 달러를 요구한다는 점입니다.

저는 그 비용 없이도 그런 프로세스를 경험하고 싶었고, 그래서 이를 Nomira라는 이름의 Claude Code 스킬로 구축했습니다. 이 스킬은 무료이며 오픈 소스(Open source)이고, 스스로의 이름을 지을 수 있을 정도로 충분히 잘 작동합니다. 여기 어떻게 사용하는지, 그리고 내부적으로 어떻게 작동하는지 설명하겠습니다.

설치 (Install)

Claude Code가 필요합니다. 그 다음, 아래의 한 줄 명령어를 입력하세요:

npx skills add bazingga08/nomira

Claude Code를 열고 /nomira를 입력한 뒤, 무엇의 이름을 지으려 하는지 설명하세요.

사용해보기 (Try it)

/nomira

스프레드시트를 싫어하는 프리랜서를 위한 예산 관리 앱.
...

몇 가지 질문을 거치고 나면, 각 이름에 대한 이유, 음성적 특징(Sound notes), 상표권 위험 플래그(Trademark risk flag)가 포함된 순위가 매겨진 최종 후보 명단(Shortlist)을 받게 됩니다.

실제로 하는 일 (What it actually does)

이 스킬은 스튜디오가 수행하는 것과 동일한 단계를 거칩니다:

1. 전략 우선 (Strategy first). 무엇인가를 생성하기 전에 이름이 담아야 할 단 하나의 아이디어를 확정합니다. 모호한 브리프(Brief)는 대부분의 네이밍이 실패하는 원인입니다.
2. 폭넓은 생성 (Wide generation). 수백 개의 후보를 생성하며, 좋은 기발한 아이디어가 살아남을 수 있도록 의도적으로 판단력을 끄고 진행합니다.
3. 빠른 선별, 그 후의 토론 (A quick cut, then a debate). 약하거나 모방한 듯한 이름은 탈락시키고, 남은 후보들에 대해 몇 가지 전문가적 관점(전략, 음성, 상표권)이 논쟁을 벌입니다.
4. 스크리닝 및 점수 매기기 (Screening and scoring). 살아남은 후보들은 상표권 및 교차 언어(Cross-language) 문제를 점검받으며, 숫자가 논리와 일치하도록 결정론적 프로그램(Deterministic program)에 의해 점수가 매겨집니다.

제대로 구현하기 어려웠던 두 가지

점수 산정(Scoring)은 기계적이어야 하며, 그렇지 않으면 은밀하게 거짓말을 합니다. 저의 첫 번째 버전은 좋은 규칙들을 명시해 두고는, 실제 수치 계산에서는 그 규칙들을 무시했습니다. 한 번은 어떤 이름이 스스로의 발음 및 상표권 체크를 통과하지 못했다고 인정하면서도, 정작 순위는 1위로 매긴 적이 있었습니다. 해결책은 이렇습니다. 플래그(Flagged)가 지정된 규칙이 실제로 점수를 낮추도록 만드는 것입니다. 만약 LLM(Large Language Model)을 사용하여 순위를 매기는 무언가를 만든다면, 정확히 이 함정을 주의하십시오.

생성기(Generator)보다 브리프(Brief)가 더 중요합니다. 모호하거나 자기모순적인 브리프는 영리해 보이지만 알맹이 없는 언어유희를 만들어냅니다. 날카로운 브리프는 동일한 엔진으로부터도 실제로 출시할 만한 이름을 만들어냅니다. 브리프는 취향(Taste)을 대체하는 것이 아니라, 취향을 발휘하는 속도를 높여줍니다.

작동 증명

이를 테스트하기 위해, 시스템이 스스로 작성한 브리프를 대상으로 실행해 보았습니다. 첫 번째 라운드는 실패했습니다. 저는 브리프를 더 날카롭게 다듬어 다시 실행했고,