OTT에 붙일 AI 에이전트, 에이전트코리아에서는 챗봇보다 문제 정의와 ROI를 먼저 묻는 답이 이어졌다

저녁 7시, 에이전트코리아에 한 기획자가 질문을 올렸다. 넷플릭스나 티빙 같은 OTT(온라인 동영상 서비스)에서 RAG 챗봇(검색 결과를 붙여 답하는 대화형 도구)보다 나은 AI 에이전트를 기획한다면 무엇을 할 수 있겠느냐는 것이다. 이 주제에는 18명이 144건을 주고받았다. 10월 1일 저녁부터 2일 새벽까지 469건이 오간 이번 창에서 가장 길게 이어진 흐름이다.

첫 답은 기능이 아니라 목적을 묻는 쪽이었다. 한 참가자는 챗봇은 수단이지 목표가 아니라고 했고, 다른 참가자는 투자 대비 ROI(투자수익률)가 나오는지, 기존 알고리즘과 무엇이 다른지부터 따지라며 데이터 근거를 요구했다. 또 다른 참가자는 이 문제를 AI 에이전트가 아니라 사용자 행동 이벤트 기반 알고리즘으로 풀어야 한다고 봤다.

모든 비즈니스의 해답은 문제의 본질을 명확히 정리하는 데에서 다 끝납니다

AI를 붙이는 일 자체에 대한 경계도 나왔다. 한 참여자는 AI가 오히려 문제를 더 어렵게 만드는 경우도 많다고 짚었다. 질문자의 구상이 틀렸다는 지적이라기보다, 에이전트가 새 가치를 만든다는 전제부터 증명하라는 요구로 읽힌다. 이미 쌓인 행동 데이터와 추천 알고리즘이 있는 서비스라면 에이전트는 그 위에서 무엇을 더하는지를 보여야 한다는 것이다.

답변을 갈라 보면 세 갈래다. 챗봇이라는 수단보다 목표를 먼저 세우라는 입장, 수익과 기존 방식 대비 차이를 숫자로 보이라는 입장, 알고리즘으로 풀 문제에 에이전트를 얹지 말라는 입장이다. 세 입장 모두 기획자의 질문을 막지 않고 기준을 되물었다는 점에서 닮았고, 그 기준이 곧 에이전트 기획서에 들어가야 할 항목처럼 읽힌다.

논의는 반대만으로 끝나지 않았다. 한 참가자는 검색은 원하는 것을 알 때, 채팅은 모를 때, 추천은 대신 골라 줄 때라고 쓰임새를 나눴고, 이어 채팅을 능동적으로 시작하게 하자는 의견이 나왔다.

검색과 채팅은 완전 다릅니다

이 구분은 대화형 접근의 자리를 좁히면서 동시에 열어 준다. 사용자가 무엇을 원하는지 모를 때가 채팅의 몫이라면, 에이전트의 가치는 사용자가 말을 건 뒤가 아니라 먼저 말을 거는 순간에 걸릴 수 있다. 다만 이는 대화에서 나온 한 갈래의 정리이고, 실제 서비스에서 효과가 확인된 것은 아니며, 대화에 구체적인 설계안이 오가지도 않았다.

이 스레드에서는 에이전트 기획의 첫 질문이 어떤 모델을 쓰느냐보다 어떤 문제를 무엇으로 증명하느냐에 놓였다. 질문 하나에 데이터 근거와 ROI, 기존 알고리즘과의 차이가 줄줄이 따라붙었다는 점에서, 적어도 이 대화에 참여한 사람들은 에이전트를 기술 시연보다 사업 논리로 따져 보려 했다고 볼 수 있다. 같은 질문에 쏟아진 되물음은 에이전트가 만능 해법으로 받아들여지기보다 증명 대상으로 다뤄지고 있음을 보여 준다.