Randall Newman, CPTO 및 Satisfi Labs 공동 창립자 – 인터뷰 시리즈

Randall Newman, CPTO 및 Satisfi Labs 공동 창립자는 AI 플랫폼, 금융 기술 및 고성능 시스템 구축에 풍부한 경험을 가진 기술 및 제품 리더입니다. Satisfi Labs를 공동 설립한 이후, Newman은 회사의 대화형 AI 기술을 구상·설계·확장하는 데 핵심 역할을 수행했으며, 제품 개발, 아키텍처, 엔지니어링 팀 및 전략적 통합을 총괄했습니다. Satisfi Labs에 합류하기 전에는 Satisfi Inc.에서 제품 책임자를 역임했으며 모바일 마케팅 회사 Right On Mobile을 공동 설립했습니다. 경력 초기에 Newman은 CIBC World Markets에서 17년 이상 근무하면서 전략적 위험, 고빈도 거래 및 주식 차익거래 등 다양한 고위 리더십 역할을 맡아 정량적 거래 전문성과 실무 기술 개발을 결합했습니다.

Satisfi Labs는 스포츠, 엔터테인먼트, 관광, 어트랙션 및 기타 라이브 경험 비즈니스를 위한 특화된 AI 에이전트를 배포하는 데 중점을 둔 AI 기업입니다. 2016년에 설립된 이 회사는 대화형 AI와 그 Answer Engine에서 시작해 조직이 고객 지원을 자동화하고 티켓 및 상거래 전환을 높이며 고객 대화에서 인사이트를 추출하도록 돕는 에이전시 플랫폼으로 진화했습니다. AI 에이전트는 50개가 넘는 언어로 작동할 수 있으며 티켓팅, CRM, 콘텐츠 관리 및 기타 비즈니스 시스템과 연동해 티켓 판매, 대화를 인간 직원에게 에스컬레이션, 고객 정보 수집, 맞춤형 응답 제공 등의 작업을 수행합니다. Satisfi Labs에 따르면 자사의 기술은 현재 775개가 넘는 브랜드에서 신뢰받고 있으며, Ticketmaster, Simpleview, MappedIn, Ventrata, Vozzi와 같은 기업과의 통합 및 파트너십을 보유하고 있습니다.

당신은 CIBC에서 저지연 트레이딩 시스템을 구축하고 고빈도 트레이딩 전략을 이끌며 거의 20년 가까이 금융 시장에서 활동한 후, 기술 창업으로 전향하고 궁극적으로 Satisfi Labs를 공동 설립했습니다. 속도, 신뢰성, 위험 관리가 핵심이었던 운영 시스템에서 얻은 교훈 중 어떤 것이 오늘날 프로덕션 수준 AI 에이전트를 구축하는 방식에 가장 큰 영향을 미쳤나요?

거래를 통해 좋은 아이디어와 좋은 비즈니스는 별개의 것이라는 것을 배웠습니다. 기회를 정확히 파악하더라도 실행이 느리거나 비용이 과도하거나 위험 가정이 잘못되면 손해를 볼 수 있습니다. AI도 마찬가지입니다. 모델의 역량은 하나의 입력일 뿐이며, 비즈니스는 그 역량을 허용 가능한 비용과 위험 수준에서 반복 가능한 결과로 전환할 수 있느냐에 달려 있습니다.

인덱스 차익거래 포트폴리오를 운영하면 개별 결정 너머를 바라보는 법을 배우게 됩니다. 작은 오류가 포트폴리오 전반에 반복되면 매우 큰 노출 위험으로 이어집니다. AI에서는 수천 개의 에이전트가 각각 합리적인 결정을 내리지만 전체적으로는 문제를 야기할 수 있습니다. 이들은 모두 동일한 부정확한 데이터에 의존하거나 동일한 실패 서비스를 재시도하게 됩니다. 개별 응답만이 아니라 시스템 전체를 관리해야 합니다.

속도는 결과를 개선할 때만 의미가 있습니다. 거래에서는 마이크로초가 중요한 순간이 있었습니다. AI에서는 잘못된 결과를 즉시 제공하기보다 거래를 한 번 더 확인하는 데 1초를 더 투자하는 것이 낫습니다. 중요한 점은 속도가 가치를 창출하는 경우와 단순히 실수를 가속화하는 경우를 구분하는 것입니다.

마지막 교훈은 전체 비즈니스를 시작하게 만든 교훈입니다. 경쟁 우위는 다른 사람보다 먼저 가격 오류를 포착하는 데서 옵니다. 현재의 가격 오류는 대부분의 기업이 AI 에이전트를 지원 비용 절감 수단으로만 바라본다는 점이라고 생각합니다. Satisfi Labs에서는 이를 수익 창출 채널로 보고 있습니다. 우리 스포츠 시설에서는 에이전트 대화의 약 40%가 티켓과 관련됩니다. 이 팬들은 불평하러 온 것이 아니라, 손에 현금을 들고 좌석을 묻는 것입니다. 시장이 잘못 가격 매긴 부분을 찾아내어 잡아야 합니다. 이는 차익거래 비즈니스와 동일한 본능입니다.

Satisfi Labs는 2017년에 설립되어 현재의 생성 AI 붐보다 훨씬 이전에 시작했으며, 컨텍스트 기반 자연어 처리와 대화형 AI에서 에이전시 플랫폼으로 진화했습니다. 질문에 답변하는 데 주로 설계된 시스템에서 사용자를 대신해 행동을 수행할 수 있는 에이전트로 전환하기 위해 필요했던 가장 큰 아키텍처 변화는 무엇이었나요?

우리는 10년 동안 MLB/NFL 팀, 엔터테인먼트 시설, 관광 조직 등을 포함한 800개 이상의 기업 고객을 위해 수천 개의 AI 에이전트를 구축해 왔습니다. 가장 큰 변화는 시스템에 단순히 정보를 제공하는 것이 아니라 권한을 부여한다는 점입니다.

어시스턴트가 어떤 티켓이 가능한지 알려주면 이는 답변을 제공하는 것입니다. 티켓을 교환해 주면 재고와 고객 기록, 그리고 경우에 따라 금액까지 변경하는 것이 됩니다. 이제는 누가 해당 행동을 승인했는지, 실제로 무슨 일이 일어났는지, 그리고 프로세스가 중간에 중단될 경우 어떻게 복구할지 알아야 합니다.

따라서 우리는 모델의 판단과 실행 권한을 분리합니다. 모델은 요청을 해석하고 다음 단계를 제안할 수 있지만, 그 아래 시스템이 권한, 비즈니스 규칙 및 거래 한도를 강제합니다. 모델의 설득력 있는 설명이라도 이러한 제어를 무시할 수는 없습니다.

또한 “에이전트가 작업을 완료했다고 말했다”와 “비즈니스 시스템이 완료를 확인했다” 사이에 명확한 구분이 필요합니다. 이는 동일한 의미가 아닙니다. 구매 요청이 시간 초과될 경우, 다시 시도하기 전에 구매가 실제로 이루어졌는지 확인하는 것이 좋습니다.

전략적으로, 더 나은 모델이 비즈니스 제어를 다시 구축하도록 강요해서는 안 됩니다. 새로운 모델이 출시될 때마다 시스템이 할 수 있는 일을 재협상하지 않고도 추론 능력의 모든 향상을 활용하고 싶습니다.

\”agentic AI\”라는 용어가 이제 다양한 제품에 적용되고 있습니다. 엔지니어링 관점에서 고급 챗봇, AI 코파일럿, 그리고 진정으로 자율적인 AI 에이전트 사이의 경계를 어디에 두나요?

제가 한 가지 질문을 드리자면: 그 사람이 실제로 위임한 책임은 무엇인가요?

챗봇은 정보를 제공합니다. 코파일럿은 작업을 수행하도록 돕지만, 중요한 단계는 여전히 사용자가 지시하고 승인합니다. 자율 에이전트는 목표를 추구하면서 일부 결정을 스스로 내릴 수 있는 권한을 가집니다.

인터페이스는 당신이 어떤 것을 보고 있는지 알려주지 않습니다. 대화형 제품은 실제 자율성을 가질 수 있습니다. 에이전트로 마케팅된 제품이라도 모든 유용한 행동을 승인할 사람은 여전히 필요할 수 있습니다.

기업 차원에서 자율성은 구체적인 합의여야 합니다: 이 시스템은 특정 사용자에게, 정해진 한도 내에서 이러한 행동을 수행할 수 있으며, 이러한 조건이 충족되면 중단해야 합니다. 이는 실제로 테스트하고 관리할 수 있는 사항입니다.

저는 또한 최대 자율성을 목표로 삼지 않을 것입니다. 때때로 최고의 제품은 적절한 시점에 한 가지 질문을 던지고 나머지는 스스로 처리합니다. 그 질문을 없애면 데모는 더 인상적이지만 비즈니스는 덜 안전해집니다. 목표는 불필요한 인간 작업을 없애는 것이지, 필요한 인간 판단을 없애는 것이 아닙니다.

Satisfi Labs는 최근 Satisfi Forward라는 현장 배치 엔지니어링 실무를 시작했습니다. 강력한 AI 플랫폼을 구축하는 것과 실제 고객 환경에서 에이전트가 안정적으로 작동하도록 만드는 사이에 어떤 격차를 보았으며, 그 때문에 이 모델을 만들게 되었나요?

마지막 단계가 병목 현상이 되고 있었습니다. 플랫폼은 많은 부분을 표준화할 수 있지만, 모든 고객의 비즈니스가 동일하게 작동한다는 가정은 할 수 없습니다. 그들의 티켓팅 시스템에는 특정 제한이 있습니다. 승인 프로세스는 세 부서를 거칩니다. 그들이 정의하는 적격 리드가 다음 고객과 다릅니다. 이러한 세부 사항이 배포가 실제로 유용한지를 결정합니다.

즉시 사용할 수 있는 플랫폼을 구매해 사람들을 감동시키는 데모를 만들 수 있습니다. 이를 실제 사용자에게 견고한 경험으로 상용화하는 것은 별개의 일입니다. 바로 여기에서 현장 배치 엔지니어가 필요합니다. Satisfi Forward 팀의 역할은 결과를 이해하고, 무엇이 방해되는지 파악한 뒤, 플랫폼 위에 워크플로와 통합을 구축해 이를 실현하는 것입니다.

하지만 우리는 모든 참여에 명확한 경계를 설정합니다. 구축하기 전에 성공이 무엇을 의미하는지, 비즈니스 프로세스의 소유자는 누구인지, 고객에게 의존하는 부분은 무엇인지, 출시 후 누가 유지 관리할지를 합의합니다. 그렇지 않으면 마지막 단계 프로젝트가 무한한 의무가 됩니다. 또한 코드를 전달했다고 해서 참여가 끝나는 것이 아니라, 워크플로가 고객 운영에서 제대로 작동하고, 이를 지속적으로 유지할 책임자가 있을 때 비로소 완료됩니다.

코드를 제작하는 비용도 크게 낮아져 이 모델이 이전보다 훨씬 실용적이 되었습니다. 하지만 저는 Satisfi Forward를 SaaS 제품에 부착된 서비스 부문으로 보지 않습니다. 각 참여는 다음 제품이 어떤 모습이어야 할지 알려줍니다. 세 명의 고객이 동일한 워크플로를 요구한다면 이는 지원 부담이 아니라, 유료 고객이 붙은 로드맵 자체를 작성하는 것입니다. 기존 SaaS 모델은 기능을 추측하고 증거를 기다렸지만, 우리는 먼저 증거를 확보하고 그 과정에서 수익을 창출합니다. 이것이 AI 시대에 제품 기업이 성장하는 방식이라고 생각합니다.

귀하의 에이전트는 티켓팅 시스템, 고객 관계 관리 플랫폼, 콘텐츠 관리 시스템 및 기타 실시간 정보 소스와 연결될 수 있습니다. 에이전트가 거래 및 행동 트리거 기능을 갖추게 되면서, 실시간 데이터 접근과 저지연을 기반성, 보안, 그리고 잘못된 행동에 대한 방지와 어떻게 균형을 맞추시겠습니까?

첫째, 속도가 보안 실패를 보완하도록 절대 허용하지 않을 것입니다. 일부 요구사항은 제약 조건이며, 그 안에서 최적화해야 합니다.

그 다음 작업 유형을 구분합니다. 주차 문의에 답하는 것과 티켓 구매를 완료하는 것은 동일한 데이터 신선도나 동일한 제어가 필요하지 않습니다. 안정적인 정보는 캐시할 수 있습니다. 금전이 오갈 때는 가격, 가용성 및 완료를 확인할 권한 있는 거래 시스템이 필요합니다.

위험한 경우는 시스템이 무슨 일이 일어났는지 모르는 상황입니다. 백엔드가 구매를 수락했지만 응답이 도착하지 않을 때, 에이전트가 실패로 간주하고 재시도하면 두 번의 구매가 발생합니다. 이는 언어 문제가 아니라 거래 복구 문제입니다.

그리고 실제로 중요한 조건 하에서 경험을 측정해야 합니다. 조용한 화요일의 평균 지연 시간은 거의 아무 것도 알려주지 않습니다. 만약 행사가 비로 인해 취소되면, 수천 명이 한 번에 티켓이 어떻게 되는지 묻게 됩니다. 분당 평균 트래픽만을 기준으로 계획하면 그 폭발적인 수요에 필요한 용량을 놓치게 됩니다. 저는 이 점을 거래 시스템에서 직접 배웠습니다.

여기에도 비용 결정이 포함됩니다. 모든 요청이 가장 비싼 모델이나 여러 에이전트 체인을 필요로 하는 것은 아닙니다. 요구 사항을 충족하는 가장 간단한 경로를 사용하고, 결정에 실질적으로 도움이 되는 경우에만 추가 시간이나 계산을 사용하십시오. 사용자는 결과가 정직해야 하며, 확인할 수 없는 사항에 대해서도 정직하게 언급되어야 합니다.

Satisfi Labs는 특화된 에이전트들이 AI 인력으로 함께 작동할 수 있는 모델을 설명합니다. 여러 특화된 에이전트를 조정하는 데 있어 가장 어려운 기술적 문제는 무엇이며, 특히 라우팅, 공유 컨텍스트, 상충되는 결정, 그리고 어떤 에이전트가 행동해야 하는지 결정하는 부분이 어렵습니다.

작업을 분산시킬 때 책임성을 유지하는 것이 가장 어려운 부분입니다.

먼저 추가 에이전트가 정말 필요한지 물어보세요. 때로는 전문가가 필요합니다. 때로는 도구 호출이나 단순 워크플로만 필요합니다. 추가하는 각 에이전트는 요청에 대한 또 다른 해석이며, 또 다른 의존성, 또 다른 오류 발생 지점이 됩니다. 그리고 백그라운드에서 실행되는 에이전트 수는 사용자에게 보이지 않아야 합니다.

여러 에이전트가 정당화될 때, 나는 하나의 에이전트가 상호작용을 담당하기를 원합니다. 전문가들은 정보를 제공하거나 제한된 작업을 수행할 수 있습니다. 티켓팅 에이전트는 재고와 교환을 담당하고, 고객 서비스 에이전트는 정책을 담당합니다. 그러나 결과를 조정하고 사용자가 실제로 원하는 것을 얻었는지 판단하는 사람은 필요합니다.

라우팅이 어려운 이유는 사람들이 질문을 깔끔한 카테고리로 구분하지 않기 때문입니다. 하나의 요청이 세 개의 에이전트와 연관될 수 있습니다. 시스템은 다음을 결정해야 합니다: 하나의 에이전트가 처리할 수 있는가, 여러 에이전트를 순차적으로 실행해야 하는가, 아니면 아무 작업을 수행하기 전에 사용자에게 추가 질문을 해야 하는가.

컨텍스트도 마찬가지입니다. 모든 정보를 모든 에이전트에 전달하지 않습니다. 이는 지연을 증가시키고 잡음을 만들며, 에이전트가 필요하지 않은 정보를 노출시킬 수 있습니다. 또한 에이전트의 가정이 다음 에이전트에 전달되었다고 해서 사실이 되어서는 안 됩니다.

두 에이전트가 의견이 다를 경우, 하나가 더 설득력 있게 들릴 때까지 논쟁하길 원하지 않습니다. 명확한 권한 모델이 필요합니다. 티켓팅 시스템이 가용성을 정의하고, 비즈니스가 교환 정책을 설정합니다. 실시간 데이터가 캐시 데이터를 능가하고, 비즈니스 규칙이 모델 판단을 능가합니다. 그래도 해결되지 않으면 사용자에게 묻거나 사람을 투입합니다. 어려운 부분은 에이전트가 서로 대화하도록 하는 것이 아니라, 정확히 어떤 에이전트가 무엇을 했고 책임이 어디에 있었는지를 재구성할 수 있는 능력입니다.

Satisfi Labs는 대화량과 같은 지표보다 목표와 비즈니스 결과에 대한 에이전트 측정에 점점 더 집중하고 있습니다. 기업이 AI 에이전트의 성과를 판단하기 위해 실제로 측정해야 할 것은 무엇이며, 에이전트에게 더 큰 자율성을 부여하기 전에 신뢰성을 어떻게 평가해야 할까요?

먼저 비즈니스 결과를 확인하고, 그 결과 중 에이전트가 실제로 차지한 비율을 물어보세요.

누군가 에이전트와 대화한 후 티켓을 구매한다 해도, 그것이 자동으로 에이전트가 판매를 만든 것이라고는 할 수 없습니다. 그들은 어쩌면 이미 구매했을 수도 있습니다. 가능한 경우, 마지막 상호작용에만 공을 돌리는 것이 아니라 통제된 비교나 신뢰할 수 있는 기준을 원합니다. 티켓팅 고객에게는 팬이 실제로 좌석을 확보했는지를 측정하는 것이며, 에이전트가 정중하게 응답했는지는 측정 대상이 아닙니다. 매표소에서 대기열을 줄이려는 장소에서는, 누구도 줄을 서야 하는 상황이 되기 전에 에이전트가 해결한 내용을 측정하는 것을 의미합니다.

그 다음 성공적인 결과의 경제성을 살펴보세요: 모델 비용, 인프라, 인간 검토, 에스컬레이션, 그리고 실수 수정 비용입니다. 작업을 복구하는 인력을 고려하기 전까지는 저렴해 보이는 에이전트도 실제로는 저렴하지 않습니다.

신뢰성은 별도의 평가지표가 필요합니다. 완료율, 정확성, 무단 행동, 장애 복구, 에스컬레이션 품질 등이 포함됩니다. 심각한 개인정보 침해 사건을 좋은 전환율에 평균화해서는 안 됩니다.

더 큰 자율성을 부여하려면 위임되는 특정 행동 유형에 대한 증거가 필요합니다. 테스트하고, 감독하에 관찰하며, 제한된 범위 내에서 확장하고, 중단할 수 있는 방법을 유지하세요. 전반적인 높은 정확도 점수가 시스템이 모든 거래에 준비되었다는 것을 증명하지는 않습니다. 또한 인센티브에 주의해야 합니다. 때로는 사람을 투입하는 것이 올바른 결과일 수 있습니다. 에이전트에게 전환을 피하는 것만 보상한다면, 에이전트가 에스컬레이션해야 할 문제를 그대로 유지하는 상황에 놀라지 마세요.

최근에 음성 AI는 기존 챗봇의 또 다른 인터페이스로 다루기보다 측정 가능한 결과를 중심으로 설계되어야 한다고 주장했습니다. 음성 에이전트가 복잡하고 실시간 상호작용의 주요 인터페이스가 되기 위해, 특히 경기장, 관광지, 라이브 이벤트와 같은 환경에서 아직 필요한 기술적 돌파구는 무엇인가요?

많은 고객이 채팅 애플리케이션에 음성을 바로 연결할 수 있냐고 묻습니다. 우리는 할 수 있습니다. 하지만 그것이 좋은 경험을 보장하는 것은 아닙니다. 다음 실질적인 개선점은 더 인간적인 목소리가 되는 것이 아니라, 사람들이 실제로 사용하는 환경을 견디는 상호작용입니다.

경기장에서는 사람이 관중 소음 속에서 말하고, 익숙하지 않은 선수 이름을 사용하며, 문이 열리기 전에 구매를 마치려다 중간에 마음을 바꾸는 등 다양한 상황이 발생합니다. 시스템은 이러한 방해, 불확실성, 백엔드 지연을 작업을 놓치지 않고 처리해야 합니다.

중요한 세부 사항에 특히 주의를 기울이세요. 일상적인 문장을 잘못 듣는 것은 한 가지 문제이고, 티켓 수량이나 행사 날짜를 잘못 듣는 것은 또 다른 문제입니다. 에이전트는 대화를 지루하게 만들지 않으면서 행동의 결과에 영향을 미치는 세부 정보를 확인해야 합니다.

음성에 모든 일을 강요해서는 안 됩니다. 20가지 좌석 옵션을 비교하는 것은 화면에서 하는 것이 더 좋습니다. 어떤 사람은 타이핑으로 시작해 차에 타고, 말로 대화를 이어가고 싶어 할 수 있습니다. 시스템은 그 맥락을 유지하고 상황에 가장 적합하게 음성, 텍스트, 시각을 활용해야 합니다.

이 중 일부는 더 나은 모델이 필요합니다. 대부분은 더 나은 통합과 인터랙션 디자인이 필요합니다. 돌파구를 기다는다고 텍스트 기반으로 설계되고 음성으로 읽히는 워크플로우가 해결되지 않습니다. 저는 진행 상황을 이렇게 판단하고 싶습니다: 사람들이 실제 상황에서 더 적은 노력으로 정확하게 작업을 완료하는가?

에이전트가 정보 제공에서 티켓 판매, 고객 데이터 수집, 맞춤형 경험 제공, 운영 시스템과의 상호작용으로 이동함에 따라, 기업은 어떤 결정을 에이전트가 자율적으로 내릴 수 있고 어떤 결정은 항상 인간의 감독이 필요할지 어떻게 판단해야 할까요?

이는 위험 관리입니다. 상황이 틀어지면 어떤 피해가 발생할 수 있을까요? 에이전트가 닫을 수 없는 문을 열게 되는 건가요?

가역성은 유용한 첫 번째 테스트이지만 전체 노출도 고려해야 합니다. 하나의 환불은 작고 가역적일 수 있습니다. 그러나 아무도 눈치채지 못한 채 1만 건의 잘못된 환불이 발생한다면 이는 다른 문제입니다. 개별 행동과 시스템 전체 활동에 대한 제한이 필요합니다.

행동이 위험이 낮고 가역적이라면 더 많은 자율성을 부여하세요: 선호도를 업데이트하고, 주문을 확인하고, 항목을 보류하는 등. 결과가 커질수록 확인이나 승인을 추가합니다. 구매의 경우 고객이 가격을 확인해야 할 수도 있고, 큰 환불은 직원의 승인(서명)이 필요할 수 있습니다. 안전 위협은 즉시 에스컬레이션됩니다. 그리고 일부 결정은 사람에게만 남겨두어야 합니다.

고객 동의와 회사 승인은 별개의 개념입니다. 고객이 구매를 확인했다고 해서 에이전트가 회사 정책을 우회할 권한이 부여되는 것은 아닙니다. 직원이 예외를 승인했다고 해서 고객이 요금에 동의한 것은 아닙니다.

제한은 행동을 실행하는 시스템에 의해 강제되어야 하며, 단순히 프롬프트에만 기술해서는 안 됩니다. 에이전트에게 광범위한 접근 권한을 부여하고 프롬프트에 조심하라고만 의존해서는 안 됩니다. 사람이 필요할 때는 실제 결정을 내릴 수 있도록 충분한 맥락을 제공해야 합니다. 정보 없이 수백 건의 승인을 맡기면 감시가 아닌 고무 도장에 불과합니다. 의미 있는 위험을 줄일 수 있는 곳에 인간의 주의를 집중하세요. 모든 상호작용에 얇게 퍼뜨리지 마세요.

앞으로 Model Context Protocol 및 에이전트 간 통신과 같은 기술이 기업 AI 시스템 구축 방식을 근본적으로 바꾸어, 고립된 에이전트에서 에이전트가 도구를 발견하고, 컨텍스트를 교환하며, 기업 및 플랫폼 전반에 걸쳐 행동을 조정할 수 있는 생태계로 이동하게 될 것으로 예상하십니까?

저는 프로토콜이 목적을 달성하기 위한 수단이라고 생각합니다. MCP는 AI 애플리케이션에 도구와 컨텍스트에 접근할 수 있는 공통 방식을 제공합니다. 에이전트 간 프로토콜은 에이전트 간 협업을 처리합니다. 이는 가치가 있습니다. 에이전트가 도구가 필요할 때마다 맞춤형 통합을 구축할 필요는 없습니다. 이는 API가 소프트웨어 통합을 가능하게 했던 것과 유사합니다.

하지만 공통 형식이 두 기업이 행동의 의미, 누가 승인할 수 있는지, 실패 시 어떻게 처리할지를 합의한다는 뜻은 아닙니다. 에이전트가 도구를 발견한다고 해서 사용할 수 있어야 하는 것은 아닙니다. 여전히 신원, 권한, 신뢰, 책임을 파악해야 합니다. 한 에이전트가 다른 에이전트에게 작업을 요청했는데 문제가 발생하면, 그 결정에 대한 책임은 누구에게 있나요?

제가 생각하기에 실제로 변하는 부분은 다음과 같습니다. 현재는 공연장이 웹사이트와 앱을 보유하고 있습니다. 몇 년 후에는 다른 에이전트와 협상할 수 있는 에이전트를 갖게 될 것입니다. 팬의 개인 비서는 특정 가격 이하의 두 좌석과 주차권을 요청하기 위해 공연장 에이전트에 문의하고, 전체 거래가 두 에이전트 간에 이루어집니다. 적절한 기능을 찾는 것은 쉬운 단계입니다. 고객의 지출 권한을 파악하고, 총 가격을 확인하며, 티켓은 성공했지만 주차가 실패하는 경우를 처리하는 것이 실제 문제입니다.

저는 에이전트를 운영한다고 해서 자동으로 고객 관계를 얻게 된다고 믿지 않습니다. 이는 반드시 획득해야 하는 것입니다. 또한 공연장이 이러한 거래를 검색 회사나 티켓 마켓플레이스에 넘겨줄 것이라고도 생각하지 않습니다. Satisfi Labs의 목표는 그 경제에서 공연장을 대변하는 에이전트가 되는 것으로, 기업이 자신의 이름을 걸 만큼 신뢰할 수 있는 존재가 되는 것입니다. 우리가 신뢰성, 권한, 책임성을 중심으로 구축한 모든 것이 그 자리를 확보하게 합니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶은 독자분들은 Satisfi Labs를 방문하시기 바랍니다.