User as Code: Executable Memory for Personalized Agents
이 논문은 개인화된 에이전트 메모리를 비정형 텍스트가 아닌 실행 가능한 파이썬 코드로 표현하는 패러다임인 User as Code (UaC)를 소개하며, 이를 통해 이력 데이터의 집계, 모순 해결, 그리고 결정론적 계산을 통한 선제적 안전 규칙 강제 측면에서 탁월한 성능을 구현한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
핵심 아이디어: "메모가 담긴 신발 상자"에서 "살아있는 소프트웨어 앱"으로
당신이 친구인 제시카에 대해 모든 것을 기억하려고 노력하고 있다고 상상해 보세요.
기존 방식 (현재의 AI 메모리):
현재 대부분의 AI 에이전트는 포스트잇이 가득 담긴 신발 상자처럼 메모를 저장합니다.
- 당신은 사실들을 적습니다: "제시카는 고수를 좋아함", "제시카는 고수를 싫어함", "제시카는 페니실린에 알레르기가 있음."
- 당신이 AI에게 *"제시카는 무엇에 알레르기가 있지?"*라고 물으면, AI는 상자를 뒤져서 페니실린에 관한 쪽지를 찾아내어 다시 읽어줍니다.
- 문제점: 만약 당신이 *"제시카가 작년에 해외 여행을 몇 번 갔지?"*라고 묻는다면, AI는 모든 쪽지를 하나하나 읽고 머릿속으로 계산하며 숫자를 세어야 합니다. 이 과정에서 길을 잃거나, 쪽지 하나를 빠뜨리거나, "아모시실린"이 "페니실린"의 일종이라는 사실을 놓칠 수 있습니다. 두 단어가 같은 쪽지에 등장하지 않았기 때문입니다. 이는 마치 영수증 더미를 그냥 읽으면서 복잡한 회계 처리를 하려는 것과 같습니다.
새로운 방식 (User as Code):
저자들은 **User as Code (UaC)**라고 불리는 새로운 시스템을 제안합니다. AI가 단순히 메모를 보관하는 것이 아니라, 제시카만을 위한 살아있는 소프트웨어 앱을 구축하는 것입니다.
- 상태 (데이터베이스): AI는 단순한 메모 대신, 타입이 지정된 "객체(object)"(디지털 폴더와 같은 형태)를 생성합니다.
여권폴더,여행폴더,의료폴더가 존재합니다. 의료 폴더 안에는 단순히 "페니실린 알레르기"라고 적는 대신,약물 계열: 페니실린,심각도: 심각과 같이 구조화된 항목을 생성합니다. - 규칙 (로직): AI는 또한 자동으로 실행되는 작은 컴퓨터 프로그램(함수)을 작성합니다. 하나의 프로그램은 다음과 같이 작동할 수 있습니다: "새로운 약이 처방되면, 해당 약물의 계열이 기존 알레르기와 일치하는지 확인하라."
작동 원리: 2단계 공장
이 논문은 무질서한 대화를 어떻게 이 깨끗한 소프트웨어로 변환하는지에 대한 2단계 과정을 설명합니다.
1단계: 기록자 (기억하기 - Scribe)
제시카가 AI와 대화할 때마다 "기록자"가 경청하며 모든 사실을 편집되지 않은 가공되지 않은 리스트 형태로 적습니다. 절대 삭제하지 않습니다. 만약 제시카가 *"알레르기 때문에 박 박사님을 만났어"*라고 말하면, 기록자는[날짜] 사용자가 알레르기 문제로 박 박사를 만남.이라고 적습니다.- 비유: 이것은 법정 속기사가 재판 내용을 그대로 타이핑하는 것과 같습니다. 아무것도 누락되지 않고, 아직 요약되지도 않은 상태입니다.
2단계: 설계자 (구조화하기 - Architect)
주기적으로 "설계자"(똑똑한 AI)가 전체 가공되지 않은 사실 리스트를 읽고, 이를 깨끗한 소프트웨어 앱으로 다시 작성합니다. 설계자는 사실들을여권및의료폴더로 정리하고, 충돌을 확인하기 위한 작은 프로그램(제약 조건)을 작성합니다.- 비유: 이것은 사서가 분류되지 않은 책 더미를 가져다가, 즉시 검색 가능하고 통계 계산이 가능한 완벽한 카탈로그와 컴퓨터 시스템으로 정리하는 것과 같습니다.
이것이 왜 모든 것을 바꾸는가
이 논문은 이러한 전환이 기존의 "신발 상자" 방식이 어려워하는 세 가지 작업을 가능하게 한다고 주장합니다.
1. "수학" 문제 (분석적 추론)
- 시나리오: 당신이 *"제시카가 2025년에 해외 여행을 몇 번 갔지?"*라고 묻습니다.
- 기존 방식: AI는 "여행" 관련 쪽지를 찾고, 어떤 것이 해외 여행인지 추측하고, 숫자를 세고, 실수하지 않기를 바라야 합니다. 이 과정에서 종종 실패합니다 (테스트에서 43%의 정확도만 기록).
- 새로운 방식: AI는 단순히 한 줄의 코드를 실행합니다:
year가 2025이고 is_international이 True인 모든 여행 건수를 계산하라.결과는 즉시 완벽하게 나옵니다 (99% 정확도). 이것은 동전을 손으로 직접 세는 것과 기계가 항아리에 든 개수를 정확히 알고 있는 것의 차이입니다.
2. "선제적 대응" 문제 (능동적 서비스)
- 시나리오: 제시카가 1월에 페니실린 알레르기에 대해 언급합니다. 10월에 그녀는 아모시실린을 복용 중이라고 말합니다. 그녀는 *"이게 안전할까?"*라고 묻지 않았습니다.
- 기존 방식: AI는 질문이 올 때까지 기다립니다. 당신이 *"아모시실린이 내 알레르기에 영향을 줄까?"*라고 묻지 않는 한, AI는 두 사실을 연결하지 못합니다.
- 새로운 방식: "설계자"는 다음과 같은 규칙을 작성했습니다: "의료 리스트가 변경될 때마다 약물 충돌을 확인하라." 10월의 메모가 추가되는 순간, 컴퓨터 프로그램이 실행되어 충돌을 발견하고 즉시 경고를 띄웁니다: "위험: 현재 페니실린 계열의 약물을 복용 중이며, 귀하는 페니실린 알레르기가 있습니다!"
- 비유: 기존 시스템은 수동적인 도서관이지만, 새로운 시스템은 불이 나기 전에 미리 알려주는 스마트 홈 보안 시스템과 같습니다.
3. "모순" 문제
- 시나리오: 제시카가 한 채팅에서는 고수를 좋아한다고 하고, 다른 채팅에서는 싫어한다고 합니다.
- 기존 방식: 신발 상자 안에는 두 개의 상충하는 쪽지가 들어있습니다. AI는 혼란에 빠집니다.
- 새로운 방식: 소프트웨어 앱은 단 하나의
선호도(Preferences)객체를 가집니다. 새로운 사실이 들어오면, 코드는 객체를 업데이트하여 최신 진실을 반영하거나 충돌을 검토 대상으로 표시합니다. 이를 통해 메모를 깨끗하고 일관되게 유지합니다.
결과: 논문의 발견
저자들은 표준 벤치마크를 사용하여 이 시스템을 다른 메모리 시스템들과 비교 테스트했습니다.
- 기본 메모리: *"내 여권 번호가 뭐지?"*와 같은 간단한 질문에 대해, 새로운 시스템은 기존의 가장 우수한 시스템들과 대등한 성능을 보였습니다 (약 79% 정확도).
- 복잡한 수학: 계산이나 평균이 필요한 질문(예: 여행 횟수 질문)에서 새로운 시스템은 거의 완벽한 성능(99%)을 보였으나, 다른 시스템들은 성능이 급격히 떨어졌습니다 (6~43%).
- 안전 경고: AI가 묻지 않아도 위험을 포착해야 하는 테스트(예: 약물 알레르기)에서, 새로운 시스템은 **100%**의 위험을 잡아냈습니다. 다른 시스템들은 질문을 기다리느라 많은 위험을 놓쳤습니다.
- 비용: 처음에 "소프트웨어 앱"을 구축하는 데 비용이 조금 더 들지만, 일단 구축되면 질문을 하는 것은 매우 저렴하고 빠릅니다. 동일한 사용자에게 많은 질문을 할수록, 새로운 방식이 기존 방식보다 훨씬 저렴해집니다.
결론
이 논문은 AI의 메모리를 수동적인 텍스트 저장소로 취급하는 것을 멈추고, 능동적인 소프트웨어 프로젝트로 취급해야 한다고 주장합니다. 사용자의 이력을 실행, 검사, 계산 가능한 '코드'로 변환함으로써, AI는 단순히 고립된 사실을 찾아내는 것을 넘어 수학적 계산, 숨겨진 위험 포착, 그리고 거시적인 맥락 파악에 훨씬 더 능숙해질 수 있습니다.
요약하자면: AI에게 모든 것을 "기억"하라고 시키는 대신, 우리는 사용자의 삶 위에서 돌아가는 프로그램을 부여하는 것입니다. 이 프로그램은 실시간으로 패턴을 확인하고 경고를 보내며 스스로 작동합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.