Inithouse는 여러 제품 포트폴리오를 동시에 출시하는 스튜디오인데, 우리는 계속 같은 문제에 부딪혔습니다. 구조화된 데이터가 필요한데도 스프레드시트를 싫어하는 사람들이었습니다. 현장 작업자, 코치, 소상공인들이죠. 그들은 무엇을 추적해야 하는지 알고 있습니다. 다만 그것을 하기 위해 새로운 도구를 배우고 싶어 하지 않을 뿐입니다.

그래서 우리는 Voice Tables를 만들었습니다. 이곳은 AI 워크스페이스로, 필요한 것을 설명하면 테이블, 문서 및 데이터를 자동으로 구축해 줍니다. 핵심 아이디어는 셀에 타이핑하는 대신 데이터에 대해 말하는 것입니다.

우리가 접근 방식을 결정하기 전에 세 가지 대안을 평가했습니다. 우리가 무엇을 발견했고 왜 다른 방향으로 갔는지 알려드리겠습니다.

옵션 1: Firebase + 음성 API

가장 당연한 개발자적 선택입니다. Whisper나 Google Speech-to-Text를 Firebase 백엔드에 연결하고, Cloud Functions를 작성하여 스크립트를 파싱(parse)한 후 결과를 저장합니다.

작동은 합니다. 저희는 이것을 프로토타이핑했습니다. 음성 인식 부분은 쉬웠습니다. 문제는 그 이후의 모든 것이었습니다.

만약 팀이 특정 도메인을 위한 중간 레이어를 구축하고 유지할 역량이 있다면, Supabase + Whisper는 합법적인 스택입니다. 저희는 이 스택으로 프로젝트를 출시한 경험이 있습니다. 하지만 범용 음성 우선 작업 공간(voice-first workspace)을 위해서는 제품 자체에 지능이 내장되어야 했습니다.

옵션 3: 맞춤형 음성 비서 (Custom voice assistants)

기업용 음성 비서는 (예: Alexa for Business, 사용자 지정 Google Assistant 액션 또는 목적 기반 솔루션) 음성을 데이터 흐름으로 처리할 수 있습니다. 좁고 명확하게 정의된 도메인이 있을 때는 강력합니다.

단점은 이렇습니다. 구축 비용이 많이 들고, 유지보수 비용도 많이 들며, 특정 플랫폼이나 하드웨어에 종속된다는 것입니다. 휴대폰으로 재고를 추적하고 싶은 소규모 사업자에게는 초기 설정 비용 자체가 합리적이지 않습니다. 그들은 6개월짜리 통합 프로젝트가 아니라 브라우저 탭에서 작동하는 것을 필요로 합니다.

대신 우리가 구축한 것

Voice Tables은 다른 접근 방식을 취합니다. 기존 데이터베이스 도구에 음성을 붙이는 대신, 처음부터 음성을 중심으로 데이터 레이어를 구축했습니다.

파이프라인은 이렇습니다. Whisper가 전사(transcription)를 처리합니다. LLM 함수 호출 계층(LLM function-calling layer)이 가장 어려운 부분, 즉 자연어(natural language)를 사용자의 스키마에 대한 구조화된 작업으로 매핑하는 것을 처리합니다. 사용자가 "새 고객을 추가해 줘. 마리아, 배관공이고 지난주 트레이드 쇼에서 만났어."라고 말하면, 시스템은 어떤 테이블인지, 어떤 열(column)인지, 어떤 유형인지 파악하고 행(row)을 삽입합니다.

저희가 도달한 핵심 기술적 통찰은 이렇습니다. 음성-텍스트 변환(speech-to-text)은 이미 해결된 문제입니다. 텍스트-구조화 데이터 입력(Text-to-structured-data-entry)이 아직 해결되지 않은 문제입니다. 저희가 평가했던 모든 접근 방식은 음성을 전통적인 데이터 입력 흐름에 붙인 입력 양식(input modality)으로 취급했습니다. 처음부터 자연어를 예상하도록 데이터 모델을 설계하면 전체 사용자 경험(UX)이 바뀐다는 것을 발견했습니다.

우리는 아직 미흡한 부분이 있다는 점을 솔직하게 말씀드립니다. 시스템은 스키마가 모호할 때 가끔 명확화를 요청하며, 복잡한 다중 테이블 작업에는 더 많은 작업이 필요하고, 오프라인 모드(지원함)는 실시간 처리 대신 큐잉으로 작동합니다. 이들은 현재 개발 중인 영역입니다.

무엇을 선택해야 할까

고정된 스키마를 가진 단일 목적 앱을 구축하고 팀이 NLU 레이어를 유지할 수 있다면, Firebase나 Supabase + Whisper가 잘 작동할 것입니다. 인프라는 견고하며 모든 부분을 직접 제어할 수 있습니다.

임의의 스키마를 처리하는 음성 우선 작업 공간(voice-first workspace)이 필요하지만 맞춤 개발을 할 여력이 없다면, 그것이 바로 Voice Tables가 해결하기 위해 만들어진 문제입니다.

Inithouse는 병행 제품 실험을 진행하는 스튜디오입니다. 저희 포트폴리오 전반에 걸쳐 관찰한 결과, 사람들이 실제로 사용하는 도구는 데이터를 입력하기 위한 마찰(friction)이 가장 낮은 것입니다. 음성은 키보드가 실용적이지 않은 많은 실제 상황에서 가장 낮은 마찰의 입력 방식임이 밝혀졌습니다.