AI의 마지막 마일: 미래는 일괄적이지 않다

과거 50년 동안 대부분의 소프트웨어는 사무실에 앉아 있는 사람들을 위해 개발되었습니다. 전통적인 플랫폼은 본질적으로 정적인 데이터베이스에 인터페이스가 감싸져 있는 것입니다. 그것들은 움직이지 않고, 인간이 정보를 입력하고, 데이터를 입력하고, 엄격한 사전 정의된 논리를 따라야 합니다. 이러한 배열에서 인간은 조용히 수동적인 글루가 되어, 단편적인 도구 사이의 간격을 메우는 데 시간을 보냅니다.

이러한 운영 비용은 모바일 생태계에서 가장 고통스럽습니다. 간단한 회의를 예약하는 것을 상상해 보세요. 캘린더 앱을 열고, 탭하고, 타이핑하고, 탭합니다. 그런 다음 이메일로 이동하여 몇 개의 키워드를 회복하고, 올바른 주소를 검색하고, 복사하고, 캘린더로 돌아갑니다. 이것은 이상하게 비인간적인 경험입니다. 사용자는 소프트웨어의 논리를 따라야 하며, 소프트웨어는 사용자의 의도를 따라야 합니다. 사용자는 손으로 컨텍스트를 붙잡고, 그것을 다시 조립해야 합니다.

인간은 수동적인 글루이다

우리는 구글에서 모바일을 개발하는 동안 이것을 명확히 보았습니다. 세상은 이 문제를 더 날카롭게 만들었습니다. 더 많은 고가의 작업이 정적인 사무실 설정이 아닌 실제 세계에서 발생합니다. 그것은 커피 채팅, 외부 소개, 파트너십에서 발생합니다. 또한 비즈니스 단위는 기업에서 팀으로, 개인으로 점점 줄어들고 있습니다.

데이터는 이것을 뒷받침합니다. 미국 인구 통계국에 따르면, 미국의 1인 사업체 수는 2012년과 2023년 사이에 평균 2.7%의 속도로 증가했으며, 이는 직원을 둔 회사들의 1.1%의 속도의 두 배 이상이며, 이제 미국의 모든 사업체 중 대부분을 차지합니다. 우리는 슈퍼 개인의 시대에 진입하고 있습니다. 한 명의 운영자가 소규모 에이전트를 통해 글로벌 운영을 수행할 수 있는 시대입니다. 작업 단위가 개인으로 축소되면 도구의 설계도 반드시 뒤집어야 합니다. 인간이 소프트웨어를 따라가야 하는 것이 아니라, 소프트웨어가 인간을 따라가야 합니다.

AI의 마지막 마일

ChatGPT와 Gemini와 같은 일반적인 어시스턴트는真正한 도약입니다. 그것들은 사람們이 더 많은 것을 더 빠르게 수행할 수 있도록 합니다. 그러나 일반적인 모델과 실제로 당신의 삶에 맞는 도구 사이에는 간격이 있습니다. 그리고 이 간격은 AI의 마지막 마일입니다. 여기서 대부분의 실제 가치가 존재하며, 이것은 거의 아무도 해결하지 못한 부분입니다.

일반적인 모델은 첫날에 새로운 직원이 도착하는 것과 같습니다. 그것은 유창하고, 빠르며, 광범위하게 읽었습니다. 그러나 그것은 당신의 고객, 당신의 선호도, 당신이 사용하는 약어, 또는 당신이 작업을 수행하는 방식을 모릅니다. 강력한 것은 당신의 것이 아닙니다. 일반적인 모델은 모든 사용자에게 동일합니다. 사람들이 실제로 필요한 것은 그 반대입니다. 즉, 한 사람에게 맞춤화된 것입니다. 그것은 사용자가 사용할수록 더 많이 당신의 것이 됩니다.

역사적으로, 이 마지막 마일은 비용이 많이 들었습니다. 한 사람에게 맞춤화된 것을 의미하는 것은 개인 비서 또는 수석을 고용하거나, 맞춤형 소프트웨어를 개발하는 것을 의미합니다. 이러한 선택은 대규모 회사와 부유한 사람들에게만 예약되어 있었습니다. 그래서 우리는 모두 일반적인, 대량 생산된 도구에 만족해야 했습니다. 그리고 조용히 우리 자신을 그 도구에 맞추는 방법을 배웠습니다. 맞춤화의 비용은 대부분의 사람들이 그것을 가질 수 없는 이유입니다. 그러나 이제 이것이 변하고 있습니다. 비용이 떨어지면서, 사람들이 항상 조용히 원했던 것이 가능해졌습니다.人们들은 더 많은 일반적인 능력을 갈망하지 않습니다. 그들은 자신만의 것을 갈망합니다.

이것은 단순한 취향의 문제가 아닙니다. 증거는 더 날카롭습니다. AI의 가치는 작업에 걸쳐서 균일하게 분산되지 않습니다. 하버드 비즈니스 스쿨과 보스턴 컨설팅 그룹이 수행한 대규모 필드 실험에서, 758명의 컨설턴트가 GPT-4를 사용하여 작업을 수행했으며, 작업은 약 12% 더 많았으며, 약 25% 더 빠르며, 품질이 더 높았습니다. 그러나 이것은 작업이 기술적인 전선 안에 위치할 때만 가능했습니다. 기술적인 전선 밖에 위치한 작업에서는 AI를 사용하는 사람들이 정답에 도달할 가능성이 약 19% 더 낮았습니다. 이득은 도구가 실제 작업의轮廓에密接하게 맞물릴 때 나타납니다. 그리고 그것은 맞지 않을 때, 또는 역전될 때 사라집니다. 맞춤화는 완성의 터치가 아닙니다. 그것은 가치가 살아있는 곳입니다.

또한 두 가지 유형의 역량을 구별하는 것이 중요합니다. 하나는 당신이 이전에 할 수 없었던 것을 수행하도록 도와줍니다. 다른 하나는 당신의 시간이 너무贵해지도록 만들었습니다. 일반적인 모델은 첫 번째 것에 매우 좋습니다. 두 번째 것은 맞춤화的问题입니다. 이것은 당신을 더 능력 있게 만드는 도구와 당신을 확장하는 도구 사이의 차이입니다.

목적지에서 사이드카로

맞춤화가 속성이라면, 형태는 무엇일까요? 여기서 소프트웨어 아키텍처의 용어를 빌려올 수 있습니다. 분산 시스템에서 사이드카 패턴은 기본 서비스에 헬퍼 프로세스를 연결하여 교차 작업을 처리합니다. 로깅, 구성, 네트워킹, 관찰 가능성입니다. 핵심 서비스는 실제 작업에 집중할 수 있습니다. 사이드카는 조용히 옆에서 운영 복잡성을 흡수합니다.

私は 同じ 패턴이 사람들에게도 적용될 것이라고 믿습니다. 다음 세대의 개인 소프트웨어는 방문하는 도구가 아닌, 이미 살고 있는 앱 안에서 프로액티브하게 작동하는 사이드카처럼 행동할 것입니다. 그것은 목적지가 아닌 동료입니다. 그리고 그것은 본질적으로 맞춤화되어 있습니다. 왜냐하면 그것은 한 사람에게 첨부되어 있고, 오직 그 사람만을 배우기 때문입니다. 유용한 사이드카는, 매일 아침부터 다시 시작하는 채팅봇과는 달리, 하루에 한 번 가르치면 기억합니다. 그것은 개인의 기억을 축적하며, 개인이 어떻게 작업하는지에 대한 세부를 캡처합니다.

개인 사이드카의 세 가지 기둥

가르치기와 지속적인 기억. 사이드카는 매일 다시 설명해야 하는 도구가 아닙니다. 그것은 한 번 가르친 후 기억하는 것입니다. 개인의 작업 방식에 대한 세부를 캡처하며, 개인의 컨텍스트를 이동하며, 프로젝트의 스레드를 잡아줍니다.

관찰과 에이전시. 사이드카는 관찰하고, 생각하고, 행동합니다. 그것은 사실을 알고 있는 것에서 작업을 수행하는 것으로 이동합니다. 노イズ를 필터링하고, 점을 연결하고, 응답을草案하고, 프로젝트의 스레드를 잡아줍니다.

탐색과 트랜잭션. 시간이 지나면서, 이 동료는 개인의 컨텍스트와 관계를 다른 소프트웨어 조각으로 옮깁니다. 그것은 올바른 소개, 기회, 트랜잭션을 찾아주고, 결국에는 대신에 트랜잭션을 수행합니다.

알기에서 행동으로

이 모든 것 아래에 있는 더 깊은 기술적 전환은 검색에서 행동으로의 이동입니다. 검색 보강 생성, 즉 모델의 출력을 관련 문서에 연결하는 기술은, 오늘날의 어시스턴트가 事実을 알고 있는 것에 좋습니다. 다음 단계는 지속성과 에이전시입니다. 즉, 답변만 하는 것이 아니라, 실행하는 동료를 설계하는 것입니다.

산업은 이미 이 방향으로 전환하고 있습니다. 가트너는 예상합니다. 2026년 말까지, 40%의 기업 애플리케이션이 작업별 AI 에이전트를 포함할 것으로 예상되며, 이는 2025年的 5% 미만에서 상승한 것입니다. 가트너는 이것을 어시스턴트에서 에이전트로의 이동으로 설명합니다.

여기에는 조용한 이익도 있습니다. 즉, 기관의 기억입니다. 고용률이 높은 세계와 유동적인 파트너십에서, 많은 컨텍스트가 역할을 떠날 때마다 문을 나섭니다. 개인에게 첨부된 동료는 전문 지식과 관계를 캡처하며, 컨텍스트를 그대로 유지합니다.

그러나 이 풍부함은 함정을 만들기도 합니다. 에이전트가 사람들에게 더 많은 것을 맡길 수 있게 되면, 사람들은 실제로 더 많은 것을 맡게 됩니다. 더 많은 것을 기억해야 하고, 더 많은 것을 행동해야 하고, 더 많은 것을 전환해야 하며, 더 많은 것을 머릿속에 담아야 합니다. 생물학적인 천장이 있습니다. 사람들은 얼마나 많은 것을 담을 수 있는지에 대한 것입니다. 사이드카의 목적은 그 천장 아래에 앉아 있는 것입니다. 그리고 부담을 흡수하는 것입니다. 그것을 더 많이 쌓는 것이 아닙니다.

작업의 재인간화

真正의 목표는 사람들을 자동화하여 제거하는 것이 아닙니다. 그것은 사람들을 소프트웨어에서 해방시키고, 다시 방으로 돌아가게 하는 것입니다. 맥킨지의 연구에 따르면, 지식 노동자들은 평균적으로 일주일에 약 28%를 이메일에서, 또 약 20%를 내부 정보를 찾거나 올바른 동료를 찾는 데 보내며, 이것은 이미 내부 미팅과 조정을 더하기 전에입니다. 이것은 대부분의 일주일을 작업 그 자체에 쓰지 않고, 운영 비용에 쓰는 것입니다.

만약 동료가 이 정적인 관리 레이어를 흡수할 수 있다면, 반환된 시간은 기계로 흐르지 않습니다. 그것은 커피 채팅, 파트너십, 판단에 다시 흐를 수 있습니다. 여기서 실제 가치가 생성됩니다. 이것은 루프의 일부분에서 인간을 대체하는 것이 아닙니다. 그것은 인간이 결코 良い 사용법이 아니었던 루프의 일부분에서 인간을 제거하는 것입니다.

AI의 미래는 아마도 대화하는 박스가 아닙니다. 그리고 그것은 모든 사람에게 동일한 방식으로 서비스를 제공하는 하나의 모델도 아닙니다. 그것은 더 가능성이 높습니다. 당신의 것이 분명한 동료입니다. 그것은 당신과 함께 걸으며, 당신의 작업 방식을 배우며, 조용히 당신이 처리할 필요가 없는 부분을 처리합니다.

그러므로 앉아 있는 가치 있는 질문은 당신의 AI가 얼마나 聪明하게 들리는지에 대한 것이 아닙니다. 그것은 더 단순합니다. 당신의 일주일에 얼마나 많은 시간을 글루로 보내는지, 그리고 그것을 돌려받았을 때 무엇을 할 것인지에 대한 것입니다.