개인화된 AI 아이덴티티 플랫폼 Honcho 둘러보기: LLM 애플리케이션이 초개인화 경험을 가능하게 하는 방법
TechFlow 선정TechFlow 추천
개인화된 AI 아이덴티티 플랫폼 Honcho 둘러보기: LLM 애플리케이션이 초개인화 경험을 가능하게 하는 방법
플라스틱 랩스(Plastic Labs)가 출시한 혼초(Honcho) 플랫폼은 '즉시 사용 가능한(plug-and-play)' 방식을 통해 개발자들이 일일이 기반 기술을 재개발하지 않고도 심층적인 사용자 프로파일링 정보를 확보할 수 있도록 목표로 하고 있다.
Web3 심층 보도에 집중하고 흐름을 통찰작가: Daniel Barabander, Variant 수석 고문 겸 투자 파트너
번역: Zen, PANews
한국시간으로 4월 11일, AI 스타트업 Plastic Labs는 Variant, White Star Capital, Betaworks가 주도하고 Mozilla Ventures, Seed Club Ventures, Greycroft, Differential Ventures 등이 참여한 프리시드(Pre-Seed) 라운드에서 535만 달러를 조달했다고 발표했다. 앵젤 투자자로는 Scott Moore, NiMA Asghari, Thomas Howell이 포함된다. 동시에 이 회사의 개인화된 AI 정체성 플랫폼 'Honcho'가 조기 접근을 위한 오픈 베타 서비스를 시작했다.
프로젝트가 초기 단계에 있기 때문에 암호화 커뮤니티 대부분은 Plastic Labs에 대해 거의 알지 못한다. Plastic이 X를 통해 위와 같은 투자 및 제품 소식을 발표한 동시에, 주요 투자사인 Variant의 수석 고문이자 투자 파트너인 Daniel Barabander가 이 프로젝트와 Honcho 플랫폼에 대한 심층적인 분석을 게재했다. 다음은 원문 내용이다.
대규모 언어 모델(LLM) 기반 애플리케이션이 확산되면서, 소프트웨어의 개인화 필요성은 그 어느 때보다도 커지고 있다. 이러한 앱들은 자연어에 의존하는데, 자연어 자체가 대화 상대에 따라 달라진다. 예를 들어, 당신이 할아버지, 부모님 또는 아이에게 수학 개념을 설명할 때 사용하는 표현 방식이 서로 다름과 마찬가지다. 사람들은 직관적으로 청중에 맞춰 말투를 조정하며, LLM 앱 역시 자신이 누구와 대화하고 있는지를 '이해'해야 비로소 더 효과적이고 적절한 사용자 경험을 제공할 수 있다. 치유 보조 도구이든, 법률 어시스턴트이든, 쇼핑 동반이든, 어떤 앱이든 사용자를 진정으로 이해하지 못하면 가치를 실현하기 어렵다.
그러나 개인화가 매우 중요함에도 불구하고, 현재 시장에는 LLM 앱이 바로 호출해 사용할 수 있는 완성된 솔루션이 존재하지 않는다. 개발자들은 종종 사용자 데이터(주로 대화 기록 형태)를 저장하고 필요 시 검색하는 산발적인 시스템을 각자 구축해야 하는 실정이다. 결과적으로 모든 팀이 사용자 상태 관리를 위한 인프라를 일일이 다시 만들어야 하는 중복 작업이 발생한다. 더 큰 문제는, 사용자 상호작용을 벡터 데이터베이스에 저장하고 검색 강화(RAG)를 수행하는 등의 방법들조차 과거 대화 내용을 되새기는 데 그치며, 사용자의 관심사, 의사소통 선호도, 어조 감도 등 본질적인 특성을 진정으로 파악하지는 못한다는 점이다.
Plastic Labs는 개발자들이 어떤 LLM 앱이든 쉽게 개인화를 구현할 수 있도록 해주는 플러그앤플레이형 플랫폼인 Honcho를 출시했다. 개발자들은 더 이상 사용자 모델링을 처음부터 구축할 필요 없이, Honcho를 통합하기만 하면 즉시 풍부하고 지속 가능한 사용자 프로필을 얻을 수 있다. 이 프로필은 인지과학에서 유래한 첨단 기술 덕분에 전통적인 방법보다 훨씬 섬세하며, 자연어로 조회 가능하여 LLM이 사용자 프로필에 기반해 유연하게 행동을 조정할 수 있다.
사용자 상태 관리의 복잡성을 추상화함으로써 Honcho는 LLM 앱에 새로운 수준의 초개인화 경험을 열어준다. 그러나 그 의미는 이에 머무르지 않는다. Honcho가 생성하는 풍부하고 추상화된 사용자 프로필은 오랫동안 실현되지 못했던 '공유 사용자 데이터 계층(Shared User Data Layer)'의 실현 가능성도 열어준다.
과거 공유 사용자 데이터 계층이 실패한 주된 이유는 두 가지다.
-
상호 운용성 부족: 전통적인 사용자 데이터는 특정 애플리케이션 맥락에 매우 의존적이어서 앱 간 이전이 어렵다. 예컨대 소셜 플랫폼 X는 당신이 팔로우하는 사람들을 기반으로 사용자 모델을 만든다 하더라도, 이러한 데이터는 LinkedIn에서의 직업 네트워크에는 전혀 도움이 되지 않는다. 반면 Honcho는 더 상위 수준의 보편적인 사용자 특성을 포착하므로, 어떤 LLM 앱에서도 매끄럽게 활용할 수 있다. 예를 들어, 한 교육 앱이 당신이 비유 학습 방식에 가장 잘 반응한다는 것을 발견했다면, 전혀 다른 맥락의 치료 보조 도구도 이를 활용해 더욱 효과적으로 소통할 수 있다.
-
즉각적인 가치 부족: 과거의 공유 데이터 계층은 초기 단계에서 앱들의 참여를 유도하기 어려웠다. 왜냐하면 초기 참여자들에게 실질적인 이득을 제공하지 못했기 때문이다. 그런데 초기 참여자들이야말로 유의미한 사용자 데이터를 생성하는 데 핵심적인 역할을 한다. 반면 Honcho는 다르다. 먼저 각 앱의 사용자 상태 관리라는 '1차 과제'를 해결함으로써 입지를 다진 후, 충분히 많은 앱이 접속하게 되면 자연스럽게 네트워크 효과를 통해 '2차 과제'인 공유 계층을 실현한다. 즉 신규 앱은 개인화를 위해 Honcho를 사용할 뿐 아니라, 이미 구축된 공유 사용자 프로필을 즉시 활용함으로써 냉시작(cold start) 문제를 근본적으로 해결할 수 있다.
현재 Honcho에는 금단 상담 코치, 교육 보조, 독서 도우미, 전자상거래 도구 등 다양한 분야의 수백 개 앱이 폐쇄 테스트 대기 명단에 올라 있다. 팀의 전략은 우선 앱의 핵심 과제인 사용자 상태 관리 문제를 집중적으로 해결한 후, 참여를 원하는 앱들에 대해 점진적으로 공유 데이터 계층을 출시하는 것이다. 이 공유 계층은 암호화 기반 인센티브를 도입할 예정이다. 초기에 참여한 앱에는 해당 계층의 소유 지분이 배분되어 성장 수익을 공유받을 수 있게 된다. 동시에 블록체인 메커니즘을 통해 시스템의 탈중앙화된 신뢰성을 확보함으로써, 중앙 기관이 가치를 착취하거나 경쟁 제품을 개발하는 우려를 제거한다.
Variant는 Plastic Labs 팀이 LLM 기반 소프트웨어에서의 사용자 모델링 과제를 해결할 역량을 갖추고 있다고 믿는다. 이 팀은 개인화된 채팅 튜터링 앱 Bloom을 개발하면서, 앱이 학생과 그들의 학습 방식을 진정으로 이해하지 못하는 문제를 직접 경험했다. Honcho는 바로 이러한 통찰에서 비롯되었으며, 모든 LLM 앱 개발자가 반드시 직면하게 될 고통점을 해결하고 있다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
Variant
