사람마다 튜닝되는
워크플로우
이 5단계 틀(입력 → 상태 → 정책 → 실행 → 학습)은 한 사람을 위해 만들었지만, 같은 구조 위에서 사람마다 다르게 튜닝될 수 있어요. 가까운 존재가 누구인지, 어느 정도 개입을 받아들일 수 있는지, 어떤 순간에 시스템이 개입해야 하는지가 사람마다 다르거든요.
5단계 틀은 그대로
금동이봇이 따르는 5단계 틀은 사람이 바뀌어도 그대로 유지될 수 있어요. 자연어로 던진 raw 데이터가 들어오고, 상태가 계산되고, 정책에 따라 응답하거나 침묵하고, 패턴이 누적된다는 골격은 변하지 않거든요. 다만 그 안에서 어떤 결정을 내리느냐는 사람마다 달라집니다.
1. 입력 (Input) : 사용자가 자연어로 던진 raw 데이터
2. 상태 (State) : 최근 N일 데이터로 현재 상황 계산
3. 정책 (Policy) : 언제 말하고 언제 침묵할지 룰
4. 실행 (Execution) : 상태 + 정책 조합으로 개입 수행
5. 학습 (Learning) : 주기적 패턴 분석 후 정책 조정구조는 같고 결정만 달라진다는 게 핵심이에요. 다음 세 가지 층위가 사람마다 가장 크게 튜닝되는 부분입니다. 어떤 정체성으로 다가갈지, 어느 정도 강도로 개입할지, 어떤 룰로 판단할지.
사람마다 다른 가까운 존재
금동이봇은 제 반려묘 금동이의 정체성을 빌려 만들었어요. 가까운 존재가 건네는 말은 방어기제를 낮추고, 사용자가 시스템을 도구가 아니라 환경으로 받아들이게 합니다. 같은 데이터라도 누가, 어떤 자격으로 전달하는가가 몰입의 질을 결정하거든요.
다른 사람에게 적용한다면 출발점은 그 사람에게 가장 가까운 존재의 정체성을 빌리는 데 있어요. 누군가에게는 또 다른 반려동물일 수 있고, 누군가에게는 어린 시절 친구, 돌아가신 가족, 자기만의 캐릭터일 수도 있어요. 정체성 자체는 사람마다 완전히 다르지만, '가깝고 익숙한 대상'이라는 원칙은 같습니다.
가설은 단순해요. 가까운 존재가 누구인지에 따라, 같은 메시지의 해석도 그 메시지를 받아들이는 태도도 달라질 거라는 것. 다음 실험에서 직접 다른 사람의 가까운 존재를 정체성 레이어로 얹어 보면서 이 가설을 검증해 보려고 합니다.
기호에 따른 개입 강도
금동이봇은 네 단계 개입 레벨을 갖고 있어요. L0 침묵, L1 반영, L2 질문, L3 제안. 저는 사용해보니 L1과 L2 사이가 편했고, L3 제안은 부담스러워서 자주 약하게 줄였어요. 능동형 L4(아침·저녁·주간 자동 말 걸기)도 처음엔 강하게 두었다가 점점 가볍게 다듬었습니다.
다른 사람에게 적용한다면 이 균형은 사람마다 완전히 다를 수 있어요. 어떤 사람은 L0 침묵이 가장 편안할 수 있고, 어떤 사람은 L3 제안을 적극적으로 받고 싶을 수도 있어요. 시스템이 매번 말을 거는 빈도도 사람에 따라 너무 적거나, 너무 많거나 둘 중 한쪽으로 쉽게 기울거든요.
그래서 사용 초기에는 사용자의 기호를 직접 묻고 천천히 조절해가는 단계가 필요할 거예요. 처음엔 가장 약한 강도(L0~L1 위주)에서 시작해, 사용자가 받아들이는 속도에 맞춰 능동 발화나 제안 빈도를 조심스럽게 올려가는 식으로요. 개입 강도 자체가 또 하나의 사용자 입력이 되는 셈입니다.
정책의 개인별 커스텀
정책은 시스템이 언제 말하고 언제 침묵할지 정해둔 룰이에요. 금동이봇에는 "회피와 실행이 동시에 있을 때만 질문한다", "같은 회피가 반복될 때만 제안한다", "실행만 있는 메시지에는 칭찬만 한다" 같은 정책이 들어 있어요. 모두 제 회피 패턴과 받아들이는 톤에 맞춰 다듬은 룰이고요.
사람마다 회피의 모습도, 그것을 마주하는 방식도 다르니 정책도 개인별로 맞춰가야 해요. 어떤 사람은 회피 자체를 더 부드럽게 인정받고 싶을 수 있고, 어떤 사람은 빠른 전환 신호를 원할 수도 있어요. 누군가에게는 "오늘 잘했어"가 부담이고, 누군가에게는 가장 필요한 한 마디일 수 있거든요.
그래서 정책을 사용자가 직접 조정 가능한 룰셋처럼 두고, 시간이 지나면서 함께 다듬어가는 게 다음 단계의 실험이에요. 시스템이 자동으로 정책을 바꾸지는 않지만(자동 정책 변경 금지), 사용자가 "이 부분은 더 부드럽게 / 더 자주 / 더 적게"라고 신호를 주면 함께 조절해가는 구조. 정책이 한 번 정해지면 끝이 아니라, 사용 중에 같이 자라는 룰이 되는 거죠.
같은 5단계 골격 위에서 사람마다 다른 아이덴티티, 다른 개입 강도, 다른 정책이 얹힐 수 있어요. 도구를 환경으로 받아들이게 하는 건 결국 그 사람의 맥락과 기호에 얼마나 가까이 갔는가에 달려 있습니다. 앞으로 다른 사람에게 적용해보면서 이 가설을 직접 확인해 가려고 해요.