Jeffrey Lai, IrisGo의 설립자 및 CEO – 인터뷰 시리즈

Jeffrey Lai, IrisGo의 설립자 및 CEO는 인공지능 기업가이자 제품 리더로서 지능형 어시스턴트와 언어 기술에 깊은 뿌리를 가지고 있습니다. IrisGo를 2025년에 설립하고 AI Fund의 설립자로 활동하기 전에, Lai는 12년 이상 애플에서 일했으며, Siri를 구축하고 확장하는 데 도움을 주었으며, 궁극적으로 Siri 언어 엔지니어링 매니저로 활동했습니다. 그의 업무는 다국어 대화형 인공지능을 발전시키는 데 중점을 두었으며, 이는 중국어 버전의 Siri 개발을 포함합니다. 애플 이전에 그는 시스코 시스템즈에서 엔지니어 역할을 맡았으며, NASA 에임스 연구 센터의 지능형 로봇틱스 그룹에서 인턴십을 완료했습니다. 로봇틱스, 엔터프라이즈 소프트웨어, 소비자 인공지능을 아우르는 경력 동안, Lai는 복잡한 기술을 더 쉽게 접근할 수 있게 만들고 일상적인 워크플로우에서 유용하게 만드는 데 일관되게 초점을 맞추어 왔습니다.

(AAPL ) (CSCO )

IrisGo는 새로운 세대의 인공지능 개인 컴퓨터를 위한 인공지능 운영 체제를 개발 중입니다. 단독 채팅봇으로 작동하는 대신, 플랫폼은 사용자가 애플리케이션 전체에서 작업을 수행하는 방식을 관찰하고, 이러한 워크플로우를 학습하고, 지능형 온디바이스 어시스턴트를 통해 자동화합니다. 핵심 접근 방식은 사용자가 작업을 한 번 演示하고, 그 과정을 재사용 가능한 워크플로우로 변환하여 반복적인 디지털 작업을 줄이는 것을 중심으로 합니다. 현대적인 AI PC에서 발견되는 전용 AI 처리 기능을 활용하여, IrisGo는 더 개인적인, 반응성이 뛰어난, 상황에 맞춘 자동화를 가능하게 하여, 사용자 대신 작업을 실행하는 데 능동적으로 참여하는 에이전트 시스템이 성장하는 시장에서 자리 잡고 있습니다.

애플에서 Siri를 구축한 후, IrisGo를 시작하기로 결정한 구체적인 경험은 무엇입니까? 그리고 사용자와의 상호작용에서 해결되지 않은 주요 문제는 무엇입니까?

Siri를 구축할 때, 우리는 자연어 이해에 매우 집중했습니다. 그러나 Siri는 상황을 다루는 데 어려움을 겪었습니다. 이는 도전적입니다. 왜냐하면 사람들이 실제로 일하고 의사소통하는 방식은 암시적인 상황으로 가득 차 있기 때문입니다. 동료에게 “그 보고서를 보내주세요”라고 묻는 경우, 그들은 어느 보고서인지 알고, 공유된 기록, 현재 프로젝트, 논의한 내용을 알고 있습니다. Siri는 그런 상황을 알지 못했습니다.

수년 동안, 인공지능은 사용자에게 반응하도록 설계되었습니다. 입력하면 응답을 받는 것입니다. 이것이 우리가 검색 엔진과 채팅봇에서 물려받은 상호작용 모델입니다. 그러나 컴퓨터에서 실제로 하는 대부분의 작업은 질문이 아닙니다. 워크플로우입니다. 보고서를 컴파일하세요. 스프레드시트를 교차 참조하세요. 세 가지 다른 앱에서 데이터를 가져와 문서로 형식화하세요. 그런 작업은 프롬프트에 맞지 않습니다.

IrisGo를 시작하도록 설득한 것은 산업이 일상적인 사용 사례를 위해 구축하지 않았다는 것을 깨달았을 때였습니다. 모든 사람이 더 똑똑한 모델, 더 나은 언어 이해, 더 빠른 응답을 구축했습니다. 그러나 인공지능이 요청에 응답하는 것이 아니라 실제 작업을 수행하는 근본적인 차이는 여전히 존재했습니다. 그것이 우리가 해결하려고 하는 문제입니다.

Siri에서 일한 годы 동안, 특히 상황, 의도, 사용자 행동을 이해하는 것과 관련하여 보이스 어시스턴트의 한계에 대해 무엇을 배웠나요?

배운 가장 큰 교훈은 상황이 모든 것이라는 것입니다. 사람들은 거의孤立된 명령으로 의사소통하지 않습니다. 그들의 요청은 그들이 작업하고 있는 것과 무엇을 성취하려고 하는지에 의해 형성됩니다. 초기 보이스 어시스턴트는 개별 요청에 답변하도록 설계되었습니다. 이는 많은 작업에 잘 작동하지만, 여러 애플리케이션과 워크플로우에 걸쳐있는 지속적인 작업에는 덜 효과적입니다. 그 경험은 상황을 이해하는 것이 의도를 이해하는 데 필요하다는 것을 가르쳐주었고, 이는 IrisGo 뒤에 있는 기본적인 아이디어 중 하나가 되었습니다.

우리가 배운 것은 의도가 종종 계층적으로 구성되어 있다는 것입니다. 누군가가 한 가지를 말하고 다른 것을 의미하며, 그것을 올바르게 얻으려면 사람을 이해해야 하며, 단지 단어만이 아닙니다. 이러한 이해는 IrisGo의 처음부터 구축되었습니다.

IrisGo는 종종 AI 어시스턴트가 아닌 AI 운영 체제로 설명됩니다. 차이는 무엇이며, 왜 산업은 AI PC 시대에 새로운 소프트웨어 계층이 필요하다고 생각하시나요?

AI 어시스턴트는 사용자를 기다립니다. 열면, 입력하면, 응답하고, 완료됩니다. 상호작용 모델은 본질적으로 검색 엔진과 동일합니다. 사용자가 요청을 하면, AI는 응답을 생성합니다.

IrisGo, 즉 AI 운영 체제는 사용자가 하는 모든 작업을 지속적으로 관찰하고, 워크플로우를 학습하고, 지능형 온디바이스 어시스턴트를 통해 자동화합니다. 파일, 애플리케이션, 브라우저, 이메일에 액세스할 수 있습니다. 사용자가 작업하는 방식을 이해합니다. 사용자의 허가로 관찰했습니다. 그리고 중요하게는, 조언만 하는 것이 아니라 행동할 수 있습니다.

개인 컴퓨팅을 위해 Windows가 한 일을 생각해보세요. 그 전에, 컴퓨터를 사용하려면 기술적인 지식이 필요했습니다. Windows는 사람들과 소프트웨어 사이에 보편적이고 직관적인 계층을 만들었습니다. AI PC 시대는 자신의 버전의 계층이 필요합니다. 인공지능 모델의 원시적인 힘을 가져와 실제로 사람들에게 일상적인 작업에서 유용하게 만드는 것입니다.

그것이 IrisGo입니다. AI PC의 지능 계층입니다. AI PC를 소프트웨어 계층 없이 출하하면, 단지 유휴 상태의 강력한 칩만 있습니다. 필요한 것은 그것을 사람을 위해 일하게 만드는 소프트웨어입니다.

사용자가 시스템에 작업을 한 번 시연함으로써 IrisGo의 핵심 아이디어 중 하나입니다. 프롬프트나 수동으로 워크플로우를 구축하는 것보다 “시청 및 학습” 모델이 더 자연스러운 이유는 무엇입니까?

‘Watch and Learn’ 기능이 इतन 강력한 이유는 우리가 실제로 서로에게 가르치는 방식과 동일하기 때문입니다. 새로운 직원을 온보딩할 때, 40단계의 프롬프트를 작성하지 않습니다. 어떻게 하는지 보여줍니다. 시청합니다. 배우고, 그것을 tiếp tục합니다. 그것은 직관적입니다. 자연스럽습니다.

프롬프트의 문제는 사용자가 정확히 무엇을 원하는지, AI가 이해할 수 있는 형식으로 명시하도록 사용자에게 부담을 준다는 것입니다. 간단한 쿼리에는 잘 작동하지만, 특정 파일과 특정 방식으로 하는 것과 같은 복잡한 다단계 워크플로우에는 빠르게 중단될 수 있습니다. 대부분의 사람들은 워크플로우를 충분히 정밀하게 설명하여 AI가 올바르게 수행하도록 프롬프트할 수 없습니다.

보여주는 것이 말하는 것보다 쉽습니다. 새로운 통찰력이 아닙니다. 공통된 감각입니다. Watch and Learn이 하는 일은 이 논리를 자동화에 적용하는 것입니다. 작업을 한 번 수행합니다. 일반적으로 하는 방식으로. IrisGo는 패턴을 학습합니다. 그리고 그 시점부터 작업을 대신 처리합니다.

오늘날 많은 AI 에이전트는 여전히 상당한 설정 및 감독이 필요합니다. 진정한 자율 에이전트와 단순히 지침을 따라하는 채팅봇을 구별하는 것은 무엇입니까?

짧은答案은 진정한 자율 에이전트가 자신의 상황을 가지고 있으며, 자신의 판단을 내리고, 사용자가 관찰하지 않을 때에도 계속 작동한다는 것입니다.

채팅봇은 설계에 따라 반응형입니다. 프롬프트에 살고 죽습니다. 지침을 제공합니다. 실행합니다. 그리고 중지합니다.何か가 변경되거나, 단계가 실패하거나, 적응해야 하는 경우,迷惑됩니다. 다음에 무엇을 해야 하는지 묻습니다.

진정한 자율 에이전트는 지침이 아닌 목표를 가지고 있습니다. 작동하는 환경에 대한 상황을 가지고 있습니다. 예외를 처리할 수 있습니다. 계속 진행할지, 다시 시도할지, 또는 사람의 검토를 위해 플래그를 설정할지 결정할 수 있습니다. 그리고 중요하게는, 사용자가 다른 작업을 수행하는 동안 백그라운드에서 실행할 수 있습니다.

오늘날 판매되는 ‘AI 에이전트’ 대부분은 본질적으로 고급 채팅봇에 불과하며, 추가 단계가 있습니다. 이러한 제품과 실제 자율성 사이의 격차는 엄청납니다. IrisGo를 다르게 만드는 것은 사용자가 작업하는 방식을 관찰하여 학습한 모델에서 출발하며, 지침을 따르는 것이 아니라 올바른 판단을 내린다는 것입니다.

지속적인 메모리와 로컬 상황의 중요성에 대해 말했습니다. 인공지능이 질문에 답변하는 것을 넘어 사용자의 대신 행동하기 시작할 때, 이러한 기능이 왜 필수적인지 설명해 주시겠습니까?

매일 아침, 메모리가 없고, 사용자에 대한 지식이 없고, 현재 프로젝트에 대한 지식이 없고, 어떻게 하는지에 대한 지식이 없는 보조를 고용하는 상상을 해보십시오. 하루의 절반을 상황을 재설명하는 데 보내고, 매우 실망하게 됩니다. 그것이 대부분의 인공지능 도구가 오늘날 사용자에게 요청하는 것입니다.

지속적인 메모리는 시스템이 사용자를 알고, 프로젝트를 알고, 워크플로우를 알고, 선호도를 알고, 시간이 지남에 따라 어떻게 진화했는지 알고 있다는 것을 의미합니다. 매번 세션을 시작할 때 상황을 재설정할 필요가 없습니다. 인공지능은 이를 전달합니다.

로컬 상황은同樣히 중요합니다. 왜냐하면 작업이 클라우드에 존재하지 않으며, 컴퓨터, 파일, 애플리케이션, 이메일, 브라우저 탭에서 존재하기 때문입니다. IrisGo는 디바이스에서 실행되므로, 사용자의 전체 작업 환경에 액세스할 수 있으며, 모든 작업에서 사용자를 대신하여 작동할 수 있습니다.

이 두 가지 – 메모리와 로컬 액세스 – 는 인공지능이 도구에서 시스템으로 전환하여 사용자를 위해 작동할 수 있도록 하는 것입니다. 우리는 기술 산업의 많은 부분이 이러한 접근 방식의 중요성을 인식하기 시작하고 있음을 보며, 이는 우리의 접근 방식에 대한 명확한 검증입니다.

개인정보 보호는 인공지능을 둘러싼 가장 큰 우려 중 하나입니다. 사용자 기대와 보안 및 데이터 소유권에 대한 균형을 어떻게 맞추시나요?

개인화와 개인정보 보호가 긴장関係에 있다는 가정은 첫 번째로 도전해야 할 것입니다. 우리는 IrisGo를 개인화가 디바이스에서 발생할 수 있도록 구축했습니다. 클라우드에서만이 아닙니다.

IrisGo의 대부분의 처리는 로컬에서, 사용자의 컴퓨터에서 발생합니다. 워크플로우, 파일, 상황은 모두 사용자와 함께 유지됩니다. 클라우드 처리는 사용자가 명시적으로 승인할 때만 발생하며, 발생할 때는 종단 간으로 암호화됩니다. 사용자는 무엇이 어디로 가는지 제어합니다.

이 모델은 IrisGo를 더 강력하게 만듭니다. 전체 작업 환경의 상황에 액세스할 수 있기 때문입니다. 그리고 사용자가 유용한 AI와 안전한 AI 사이에서 선택할 필요가 없습니다.

사람들은 민감한 작업과 관련하여 개인 컴퓨터를 신뢰합니다. 우리의 목표는 IrisGo가 그 같은 신뢰를 받을 만하도록 만드는 것입니다. 이것은 제품이 설계된 방식의 기본입니다.

IrisGo는 이미 에이서의 AI PC에서 출하되고 있으며, 추가 제조업체로 확장할 계획입니다. 분배 파트너십이 궁극적으로 주류 채택에 도달하는 AI 플랫폼을 결정하는 데 얼마나 중요한 역할을 할 것이라고 생각하시나요?

분배는 주류 채택을 위해 절대적으로 중요합니다. 기술의 플랫폼 경쟁 역사만 살펴보세요. Windows는 거의 모든 PC에서 사용할 수 있었기 때문에 승리했습니다. Android는 아이폰이 아닌 모바일 디바이스에서 가장 많이 사용되는 운영 체제였기 때문에 승리했습니다. 순수한 제품 품질만으로 승리하려고 시도했지만, 이를 뒷받침하는 분배가 없는 회사 대부분은 성공하지 못했습니다.

AI PC 시장은 유사한 패턴을 따르고 있습니다. IrisGo가 디바이스에 사전 설치되어 있을 때, 사용자가 박스를 열면 사용할 수 있습니다. 검색하거나, 다운로드하거나, 기회를 주지 않아도 됩니다. 그것은 엄청난 이점입니다.

이번 년도에 출하될 에이서 랩톱 디바이스 300만 대에 이미 포함되어 있으며, 추가 1티어 PC 제조업체와 대화 중입니다. 목표는 기본적으로 PC용 AI 운영 체제가 되는 것입니다. 분배 전략은 우리가 이 범주에서 표준이 되는 방법의 핵심입니다.

AI 에이전트가 청구서, 연구, 보고서 및 기타 비즈니스 워크플로우를 처리할 수 있게 되면, 조직은 오늘날 어떤 새로운 거버넌스, 감독, 신뢰 도전을 준비해야 합니까?

첫 번째 도전은 감사 가능성입니다. AI 에이전트가 워크플로우를 완료할 때, 예를 들어 청구서를 처리하거나 보고서를 생성할 때, 무엇을 했는지, 왜 했는지, 데이터가 어디에서 왔는지 볼 수 있습니까? 그런 прозрач한 감사 트레일은 규정 준수와 오류를 방지하는 데 필수적입니다.

두 번째는 경계를 정의하는 것입니다. 어떤 워크플로우는 자동으로 실행에 적합하고, 어떤 워크플로우는 인간의 검토가 필요한가요? 회사에는明確한 정책이 필요합니다. 경향은 AI가 더 많이 하고, 점진적으로 더 많은 것을 하도록 허용하는 것입니다. 그리고 너무 늦게까지 고위험 결정이 인간의 감독 없이 이루어지고 있다는 것을 깨닫습니다.

세 번째는 신뢰의 보정입니다. 직원들은 AI가 무엇을 할 수 있고, 무엇을 할 수 없는지, 그리고 언제 출력을 검증하는지 이해해야 합니다. 그것은 문화와 교육 문제입니다.

이것을 오늘날 준비하는 조직은 의미 있는 이점을 가지게 될 것입니다. 왜냐하면 인공지능의 능력이 성장함에 따라, 더 많은 거버넌스 프레임워크가 복합될 것이기 때문입니다.

5년 후에는 사용자가 여전히 대부분의 시간을 채팅 인터페이스를 통해 인공지능과 상호작용할 것이라고 생각하시나요? 아니면 인공지능이 점점 더 배경으로 사라지고, 요청하지 않아도 작업을 자동으로 완료할 것이라고 생각하시나요?

트레이젝트는 이미 인공지능이 점점 더 배경으로 이동할 것을 보여주고 있습니다. 우리가 구축하고 있는 모델은 컴퓨터가 사용자의 작업을 이해하고, 루틴적인 부분을 처리하여, 사용자의 주의가 실제로 필요한 일에 자유로워지는 것입니다.

항공에서 자동 조종 장치를 생각해보세요. 조종사는 항공기의 모든 순간에 수동으로 조종하지 않습니다. 시스템은 기준을 처리하고, 인간은 판단과 전문 지식이 필요한 경우에 참여합니다. 그것이 인공지능 지원 지식 작업의 미래입니다. 컴퓨터가 반복적인, 규칙 기반 워크플로우를 처리합니다. 사용자는 전략, 창의성, 실제로 인간의 판단이 필요한 결정에 집중합니다.

5년 후, 가장 생산적인 사람들은 사용자 운영 방식을 이해하는 시스템과 함께 있는 사람들일 것입니다. 과거에는 사람們이 컴퓨터에서 모든 작업을 수행했습니다. 미래에는 컴퓨터도 사용자를 위해 작업할 것입니다.

감사합니다. 더 많은 정보를 원하는 독자는 IrisGo를 방문하십시오.