인터뷰

Clairvoyance AI 창립자 겸 CEO Brad Wardell – 인터뷰 시리즈

Antoine Tardif
Unite.AI를 Google의 선호 소스에 추가
Brad Wardell, Founder and CEO of Clairvoyance AI
핵심 포인트워델은 로컬 하드웨어와 클라우드 하드웨어 사이에서 작업을 라우팅하는 것이 원시 모델 크기보다 더 중요하다고 주장한다.
더 보기
  • 워델은 로컬 하드웨어와 클라우드 하드웨어 사이에서 작업을 라우팅하는 것이 원시 모델 크기보다 더 중요하다고 주장한다.
  • 클레어보이언스는 에이전트 기억을 그래프에 저장하여 업데이트가 전파되고 최신 상태로 유지되도록 한다.
  • 워델은 18개월 이내에 AI 작업의 90~95%가 로컬에서 실행될 것으로 예측한다.

Brad Wardell은 Clairvoyance AI의 창립자 겸 CEO이자 Stardock의 창립자 겸 CEO입니다. Fences와 Galactic Civilizations를 비롯한 제품을 개발하며 30년 넘게 데스크톱 소프트웨어와 전략 게임을 만들어 왔습니다. 게임 개발 파이프라인, 창작 자산, 일상적인 업무 보고를 다루면서 쌓은 경험은 로컬 파일과 애플리케이션을 직접 다룰 수 있는 상시 가동형 AI 에이전트에 관심을 갖게 된 계기가 됐습니다.

Clairvoyance AI는 이름이 지정된 AI 직원에게 지속적인 업무와 기억 기능을 제공하는 작업 공간을 개발합니다. 로컬 파일과 개발 도구를 클라우드 서비스 및 사용자 자신의 하드웨어에서 실행되는 모델과 연결합니다. Stardock에서 인큐베이팅된 이 제품은 재사용할 수 있는 메모, 보고서 및 기타 산출물을 만드는 워크플로를 지원합니다. 이번 인터뷰에서 Wardell은 게임 개발 경험이 제품에 어떤 영향을 미쳤는지, 로컬 모델이 일상 업무에서 어떤 역할을 하는지, 그리고 에이전트를 유용하게 만드는 데 필요한 작업 라우팅, 기억 및 권한 제어에 관해 이야기합니다.

Stardock에서 Fences와 Galactic Civilizations 같은 제품을 개발하며 30년 넘게 데스크톱 소프트웨어와 전략 게임을 만들어 오셨습니다. 자체 사업에서 어떤 문제를 해결하려고 Clairvoyance AI를 만들게 됐으며, 이 제품이 독립적인 기업으로 성장할 수 있다고 언제 깨달으셨나요?

실질적인 계기가 된 건 Stardock이 Microsoft와 Oxide Games의 Ara: History Untold 완성을 도운 일이었습니다. 창작 자산을 게임에 옮기는 데만 엄청난 시간이 들어가고 있었습니다. 원고는 .DOCX 파일로 전달됐고, 이를 XML이나 CSV로 일일이 공들여 변환해야 했습니다. 3D 자산도 엔진에 세심하게 넣어야 했습니다. 밸런스를 한 번만 조정해도 서로 다른 파일 열두 개를 수정해야 했습니다. 현지화 작업에서는 번역된 문자열을 올바른 파일의 해당 키와 일일이 대조해야 했습니다. Clairvoyance AI 덕분에 이 모든 작업이 수월해졌고, 정해진 일정에 맞춰 출시할 수 있었습니다.

2025년 말 무렵, 이 제품을 공개할지 말지를 두고 내부적으로 논의했습니다. OpenClaw 같은 도구보다 훨씬 더 많은 기능을 1년 먼저 갖춘 것과 같은, 실질적인 경쟁 우위였기 때문입니다. 공개하기로 마음을 굳힌 계기는 더 나은 도구만 있었다면 일자리를 지킬 수도 있었던 친구와 동료들이 AI 자동화로 일자리를 잃는 모습을 본 것이었습니다. 그때 우리는 Clairvoyance AI를 대중에게 공개하기로 했습니다.

많은 AI 에이전트 도구에서 소비자용 소프트웨어를 실제로 출시해 본 경험이 부족하다는 점이 드러난다고 말씀하셨습니다. 가장 흔히 보이는 실수는 무엇이며, AI 개발자들은 경력에서 얻은 어떤 교훈을 적용해야 할까요?

가장 두드러지는 건 용어 사용입니다. 버튼에 있는 작은 그래픽을 뜻하는 “글리프” 같은 용어를 미리 모르면 AI와 대화할 때 상당히 불리합니다. AI는 이미 관련 용어를 아는 사람들의 데이터로 학습했기 때문입니다. 이런 도구를 만드는 팀은 대체로 매우 똑똑하지만 경험이 부족한 경우가 많고, 사용성에 관한 선택에서 그 점이 드러납니다. 좋은 예로 Anthropic이 한 터미널 세션에서 다른 세션으로 텍스트를 드래그할 수 있는 기능을 추가했을 때, 그 소식은 수백만 회 조회됐습니다. 우리는 이름 앞에 @를 붙여 부르기만 하면 자동으로 업무를 넘겨받는 에이전트를 이미 갖추고 있었습니다. 아무것도 드래그할 필요가 없습니다. Anthropic의 기능은 AI가 해야 할 일을 사용자가 직접 하게 만듭니다.

데스크톱 소프트웨어를 30년간 출시하며 얻은 교훈은, 회사 밖에 공개하기 전에 실제 마감 일정에 맞춰 매일 직접 제품을 사용해 봐야 한다는 것입니다. 많은 AI 제품은 개발자가 자신이 만든 소프트웨어를 직접 써야 하는 환경을 경험해 보지 않은 채 만든 것처럼 느껴집니다.

AI의 다음 단계는 기기에서 실행할지, 로컬 네트워크에서 실행할지, 클라우드에서 실행할지 결정하는 라우팅 문제라고 말씀하셨습니다. 실제 워크플로를 예로 들어 이러한 결정을 어떻게 내려야 하는지 설명해 주시겠어요?

라우팅은 이제 개인이 내리는 결정이라기보다 기업 차원의 결정으로 바뀌고 있습니다. 이 점을 구체화하는 Hivemind라는 기능을 곧 출시할 예정입니다. 대부분의 기업은 성능이 충분한 기기를 이미 많이 보유하고 있지만, 매일 밤에는 유휴 상태로 둡니다. Hivemind를 사용하면 기업이 자체 기기들의 유휴 GPU를 한데 모아 팀원 누구나 클라우드로 작업을 보내는 대신 그 자원으로 AI 작업을 실행할 수 있습니다. 공급망을 따라 움직이는 수만 건의 화물을 추적하거나 기업 자금의 사용처를 감사하는 경우, 최첨단 클라우드 모델은 필요하지 않습니다. 필요한 것은 충분한 컴퓨팅 자원이며, 대부분의 기업은 업무 시간 이후 사용하지 않는 자원을 이미 보유하고 있습니다.

개인 수준에서도 같은 논리가 적용되지만 규모가 더 작을 뿐입니다. 저는 대시보드, 충돌 보고서, 감정 분석 보고서, 판매 데이터를 매일 밤 클라우드 모델이 아닌 로컬 모델로 처리합니다. 예전에는 같은 작업을 Claude로 처리했고, 토큰 비용으로 한 달에 약 100달러가 들었습니다. 이제는 이미 보유한 하드웨어에서 밤사이 무료로 실행하고, 아침에 결과를 확인합니다.

그러므로 실제로 따져야 할 것은 “로컬이냐 클라우드냐”가 아니라 “누군가 화면을 들여다보는 동안 이 작업을 처리해야 하는가, 그리고 기업이 토큰당 비용을 내지 않고 처리할 수 있는 하드웨어를 이미 갖추고 있는가”입니다.

일상적인 에이전트 작업의 상당 부분은 이미 로컬 하드웨어에서 실행할 수 있다고 보셨습니다. 어떤 작업을 어떤 하드웨어에서 시연하셨으며, 모델이 그럴듯한 답변을 내놓는지를 넘어 성공 여부를 어떻게 측정하시나요?

로컬 AI를 활용해 파일에 메타데이터를 추가하는 작업에서 큰 성과를 거두었습니다. 많은 기업과 마찬가지로 저희도 네트워크에 페타바이트 규모의 데이터를 보유하고 있습니다. Stardock은 소프트웨어와 게임을 모두 개발하는데, 게임 분야에는 수십 년간 축적된 3D 및 2D 아트 에셋과 동영상, 작업 결과물 등이 있습니다.

회사 곳곳에서 AMD와 NVIDIA의 꽤 성능 좋은 그래픽 카드를 많이 사용하고 있습니다. 저희가 확인한 바로는 8B~12B 파라미터 모델이면 필요한 작업을 모두 처리하기에 충분하며, 비교적 구형 하드웨어에서도 실행할 수 있습니다. 현재 Qualcomm Snapdragon X2 노트북 한 대가 저녁 시간에 백그라운드로 이런 작업 일부를 처리하고 있습니다.

로컬 AI는 파일을 천천히 훑어보고 검토하면서 메타데이터를 추가하는 작업에 정말 뛰어납니다. 덕분에 필요한 자료를 검색해 빠르게 찾을 수 있죠. 그 결과 저희가 늑대 3D 모델을 16개나 보유하고 있다는 사실을 알게 됐습니다. 하아.

소형 로컬 모델에서 더 성능이 뛰어난 클라우드 모델로 전환해야 하는 상황은 어떻게 판단해야 할까요? 중대한 오류가 발생하기 전에 로컬 모델이 제대로 작동하지 않고 있다는 사실을 어떻게 감지하시나요?

현재로서는 정답이 정해져 있지 않은 판단이 필요한 작업은 클라우드로 보내는 편이 좋습니다. 최첨단 모델에서는 환각 문제가 대체로 해결됐습니다. 하지만 소형 로컬 모델을 사용하면 환각이 다시 나타납니다. 그래서 로컬 모델을 사용할 때는 안전장치를 많이 마련해 두어야 합니다.

Clairvoyance는 에이전트를 지속적인 기억과 장기 과제를 갖춘 AI 직원으로 구성합니다. 오래된 지시나 잘못된 가정, 서로 충돌하는 기억이 쌓이지 않도록 하면서 유용한 맥락을 장기간 유지하는 방법에 관해 어떤 점을 배우셨나요?

Clairvoyance는 내부적으로 기억을 그래프 구조에 저장합니다. 따라서 한 항목이 업데이트되면 다른 노드에도 연쇄적으로 업데이트가 발생하는 경향이 있습니다. 이렇게 하면 기억을 체계적으로 정리하고 최신 상태로 유지할 수 있습니다.

지난 몇 년간 시행착오를 많이 겪으며 무한 재귀를 막는 것이 과제였습니다.

에이전트가 파일, 애플리케이션, 개발 도구에 접근할 수 있으면 유용성이 커지지만, 오류가 초래하는 결과도 더 심각해집니다. 에이전트가 잘못된 작업을 수행했을 때 권한 설정과 사람의 승인 절차, 복구 방식을 어떻게 마련하시나요?

저희가 구체적으로 마련한 기능은 파일 보호입니다. Clairvoyance는 에이전트가 우회할 수 있는 후크를 사용하는 대신 애플리케이션 수준에서 작동해 에이전트가 디렉터리를 통째로 삭제하지 못하도록 차단할 수 있습니다.

워크플로에서 로컬 실행과 클라우드 추론을 함께 사용하면 ‘로컬 우선’이라는 말은 여러 의미로 해석될 수 있습니다. 사용자 컴퓨터에서 어떤 정보가 외부로 전송되며, 사용자는 그 경계를 어떻게 파악하고 제어할 수 있나요?

클라우드 보안은 다른 사람이 접근하지 못하게 막는 문제입니다. 하지만 애초에 모델 제공업체가 회사의 기밀을 보유해도 되는지는 답해 주지 않습니다. Clairvoyance는 설계 단계부터 로컬 우선을 원칙으로 합니다. 메모와 프로젝트, 직원의 기억은 사용자의 컴퓨터에 저장됩니다. 클라우드 모델에 무엇을 보낼지는 직원별로 사용자가 결정하며, 일괄 설정으로 정해지는 것이 아닙니다. 로컬 모델을 실행하면 하드웨어에 있는 어떤 정보도 외부로 보낼 필요가 없습니다. 실제로 기업 고객들은 업무를 처리하기 위해 기밀 워크플로 전체를 Anthropic이나 OpenAI에 업로드해야 하는 상황에 불만을 표하고 있으며, 저희는 이러한 이야기를 직접 듣고 있습니다.

Clairvoyance의 사용자는 40,000명이 넘습니다. 사람들이 실제로 Clairvoyance를 어떻게 사용하는지 살펴보면서 무엇을 알게 되셨나요? 지속적인 가치를 제공한 반복 업무의 측정 가능한 사례를 공유해 주실 수 있나요?

사용자 유지율은 세션을 통해 사용자가 생성하는 데이터의 양에 크게 좌우됩니다.

대부분의 AI 사용자는 AI가 생성한 데이터를 활용해 그 결과물을 발전시키는 단계에 아직 이르지 못했습니다. 여전히 대부분 프롬프트 중심으로 생각합니다. Clairvoyance를 계속 사용하는 사람들은 증빙 자료와 보고서를 많이 생성하며, 이를 바탕으로 후속 작업을 이어갑니다.

앞으로 1년을 내다볼 때, 에이전트가 로컬에서 안정적으로 처리할 수 있는 작업을 가장 크게 늘려 줄 발전은 무엇일까요? 모델 크기보다 라우팅이 더 중요하다는 견해를 재고하려면 어떤 변화가 필요할까요?

18개월 안에 AI 작업의 90~95%가 로컬에서 이뤄지고, 최첨단 작업을 위해 클라우드가 필요한 경우는 어쩌면 5%에 그칠 것이라고 생각합니다. 이는 아직 AI에 위임되는 일이 거의 없기 때문입니다. 이력서를 지역별로 분류하거나 배송 시점을 확인하는 것처럼 간단한 작업조차 여전히 사람이 직접 처리하고 있지만, 4B 모델은 이미 노트북에서 이런 일을 할 수 있습니다. 이를 가능하게 할 요소는 Hivemind 방식의 컴퓨팅 자원 통합(회사의 유휴 GPU를 같은 도메인의 모든 사용자가 활용하도록 하는 것)과, 4B 모델이나 Opus가 무엇인지조차 몰라도 될 만큼 충분히 발전한 라우팅입니다.

멋진 인터뷰에 감사드립니다. 여러 컴퓨터에서 지속적으로 작동하는 AI 에이전트를 관리하는 데스크톱 앱을 사용해 보고 싶은 독자라면 Clairvoyance AI를 방문해 보세요.

앙투안은 Unite.AI의 비전 있는 리더이자 창립 파트너로, AI와 로봇공학의 미래를 만들어 가고 발전시키는 데 변함없는 열정을 쏟고 있습니다. 여러 기업을 창업한 그는 AI가 전기만큼 사회를 크게 변화시킬 것이라고 믿으며, 혁신적인 기술과 범용 인공지능(AGI)의 잠재력에 관해 자주 열정적으로 이야기합니다.

미래학자로서 이러한 혁신이 세상을 어떻게 바꿀지 탐구하는 데 전념하고 있습니다. 또한 미래를 새롭게 정의하고 산업 전반을 변화시키는 첨단 기술에 대한 투자에 초점을 맞춘 플랫폼인 Securities.io의 설립자입니다.