능동형 에이전트 – 캐스 코레벡, 구글 랩스

AI Engineer 구독자 99,800명

요약

캐스 코레벡은 Google Labs ADA팀의 ‘Jewels’ 프로젝트를 통해 비동기 에이전트가 남기는 인지 부하를 줄이고 진정한 협업자로 거듭나는 방법을 제시합니다. 인간이 직렬 처리자로서 문맥 전환 비용으로 생산성의 절반가량을 잃는 문제를 짚고, 관찰·개인화·시의적절성·워크플로우 통합이라는 네 가지 핵심 요소를 통해 능동형 시스템을 구현하는 로드맵을 보여줍니다. 이어 Jewels의 세 단계 능동성 레벨부터 메모리·크리틱·검증·환경 에이전트 등 구체 기능을 설명하며, 개발자가 창의적 업무에 집중하도록 지원하는 사례를 공유합니다. 마지막으로 기존 Git·IDE 중심의 개발 패턴을 넘어 다중 에이전트 평행 협업이라는 미래 비전을 함께 그려볼 것을 제안합니다.

주요 키워드

능동형 에이전트 비동기 에이전트 인지 부하 맥락 전환 비용 관찰(Observation) 개인화(Personalization) Jewels 집단 지성 즉시 맥락(JIT Context)

하이라이트

🔑 식기세척기 비유로 비동기 에이전트를 관리하며 발생하는 인지 부하를 직관적으로 설명합니다.
⚡️ 인간은 직렬 처리자며, 작업 간 전환 비용으로 생산성의 최대 40%를 손실한다고 경고합니다.
🌟 개발자가 에이전트를 돌보지 않아도 스스로 문맥을 이해하고 개입하는 능동형 에이전트의 필요성을 강조합니다.
🚀 관찰·개인화·시의적절성·워크플로우 통합이라는 네 가지 핵심 요소로 능동형 시스템 구현 로드맵을 제시합니다.
📌 Jewels의 3단계 능동성(주방 어시스턴트·관리자·집단 지성) 모델을 통해 진화 과정을 시각화합니다.
🔍 메모리, 크리틱, 검증, to-do 봇, 베스트 프랙티스, 환경 에이전트, 즉시 맥락 등 Jewels의 기능 확장 사례를 공유합니다.
🎯 에이전트가 버그 수정·환경 설정·테스트 자동화를 수행해 개발자의 창의적 작업 집중을 돕는 비전을 제안합니다.
💡 Git·IDE 중심의 전통적 개발 패턴을 재고하고, 다중 능동형 에이전트의 평행 협업으로 소프트웨어 미래를 함께 설계하자고 독려합니다.

용어 설명

비동기 에이전트(Asynchronous Agents)

개발자가 명령하면 작업을 수행하지만 직접 관리와 모니터링이 필요한 기존 AI 도구 모델입니다.

능동형 에이전트(Proactive Agents)

스스로 문맥을 관찰·예측해 필요한 시점에 개입하고 작업을 처리하는 AI 협업 도구입니다.

인지 부하(Mental Load)

작업 진행 상황을 추적·관리하는 과정에서 인간에게 가해지는 정신적 부담을 뜻합니다.

맥락 전환 비용(Context Switching Cost)

서로 다른 작업 사이 전환할 때 소요되는 시간과 집중력 손실로, 생산성 저하를 유발합니다.

집단 지성(Collective Intelligence)

여러 능동형 에이전트가 협력해 시스템 전체의 상태와 결과를 종합적으로 분석·개선하는 개념입니다.

가정에서 식기세척기 고장 시 설거지를 맡기고도 매일 잔소리하며 인지 부하를 경험한 화자는 이를 비동기 에이전트 관리에 빗대며, 개발자가 에이전트를 돌보느라 정작 핵심 작업에 집중하지 못하는 문제를 제기합니다.

[00:21] 구글 랩스의 캐스 코벡이 Jewels 프로젝트에 대해 소개합니다. 그녀는 개인적인 경험을 통해 현재 비동기 에이전트의 한계를 설명합니다.

[00:37] 식기세척기 고장 사례를 통해 정신적 부담의 개념을 설명합니다. 남편이 설거지를 하겠다고 했지만 매일 상기시켜야 했던 경험을 개발자와 에이전트 관계에 비유합니다.

인간은 진정한 멀티태스커가 아닌 직렬 처리자로, 작업 간 전환 시 최대 40% 생산성을 잃는다는 과학적 근거를 제시하며, 대기·문맥 전환의 틈에서 모멘텀이 사라지는 문제를 설명합니다.

[01:23] 인간은 병렬 처리가 아닌 순차 처리를 하는 존재라고 설명합니다. 멀티태스킹이라고 생각하지만 실제로는 빠른 작업 전환이며, 이는 생산성의 40%까지 소모시킬 수 있다고 말합니다.

개발자가 에이전트를 감독하는 오늘날의 비동기 모델을 벗어나기 위해, 문맥을 이해하고 예측해 스스로 개입하는 신뢰 기반의 협업 에이전트가 필요함을 강조합니다.

[02:15] 비동기 에이전트의 성공을 위해서는 개발자가 에이전트를 돌봐줄 것으로 기대해서는 안 된다고 주장합니다. 16개의 터미널을 관리하는 복잡한 개발 환경을 예시로 들며, 작업 관리가 아닌 코딩에 집중하고 싶다고 표현합니다.

[02:45] 신뢰할 수 있는 협력자로서의 에이전트가 필요하다고 강조합니다. 컨텍스트를 이해하고 필요를 예측하며 적절한 시점에 개입할 수 있는 에이전트, 그리고 이를 가능하게 하는 신뢰의 중요성을 설명합니다.

[03:20] AI 개발 도구의 현재 한계와 미래 비전을 설명합니다. 현재 대부분의 AI 도구는 사용자의 명령에 반응하는 방식이지만, 미래에는 여러 능동형 에이전트가 병렬로 작업하며 사용자가 요청하기 전에 필요한 작업을 미리 처리할 것입니다.

관찰(observation), 개인화(personalization), 시의적절성(timeliness), 워크플로우 통합(seamless integration)의 네 가지 핵심 요소를 통해 에이전트가 자연스럽게 개발 환경에 녹아들어야 함을 제시합니다.

[04:32] 능동형 시스템의 네 가지 핵심 요소를 설명합니다. 관찰(지속적인 모니터링과 맥락 파악), 개인화(사용자 패턴과 선호도 학습), 시기적절성(적절한 타이밍), 그리고 워크플로 통합(자연스러운 작업 환경에 스며들기)이 필요합니다.

[05:25] 능동형 AI의 궁극적 목표와 현실적 예시를 제시합니다. 워크플로를 방해하지 않고 정확한 순간에 개입하는 것이 목표이며, 구글 네스트 같은 스마트 홈 기기가 이미 이런 능동형 시스템의 좋은 예시라고 설명합니다.

구글 Nest와 인체 반사 신경을 예로 들어, 이미 친숙한 능동형 시스템을 설명하며, AI가 협업자로 느껴질 때 비로소 ‘마법처럼’ 작동한다고 정의합니다.

[06:05] AI 시스템이 사람의 습관을 학습하여 자동으로 집안 환경을 제어하고, 심지어 넘어질 것을 예측해 몸이 의식보다 먼저 반응하는 예시를 들어 AI의 능동성이 실제로는 매우 인간적이고 친숙한 개념임을 설명합니다.

[06:29] Google Labs의 Jules라는 능동적 코딩 에이전트를 소개하며, 이것이 명령줄 도구가 아닌 협력자처럼 행동하는 도구라고 설명합니다. 세 가지 수준의 능동성으로 구현되고 있다고 언급합니다.

수준1(주방 어시스턴트): 코드 결함 자동 수정, 수준2(주방 관리자): 프로젝트 전체 문맥 이해·예측, 수준3(집단 지성): 사용자·성능 결과까지 고려해 종합 개선 제안 단계를 소개합니다.

[06:51] 레벨 1에서는 Jules가 누락된 테스트, 사용되지 않는 종속성, 안전하지 않은 패턴을 감지하고 자동으로 수정하며, 이를 세심한 부요리사가 주방을 깨끗하게 유지하는 것에 비유합니다.

[07:21] 레벨 2에서는 에이전트가 전체 프로젝트를 맥락적으로 인식하여 개발자의 작업 방식을 관찰하고, 백엔드 엔지니어에게는 React 도움을, 디자이너에게는 데이터베이스 스키마 작성을 지원하는 주방 매니저 역할을 합니다.

[07:51] 레벨 3는 12월 출시 예정으로, 에이전트가 맥락과 결과를 모두 이해하여 사용자와 성능에 미치는 영향을 파악합니다. Jules, Stitch(디자인), Insights(데이터) 에이전트가 협력하여 애플리케이션 전반의 집단 지능을 구축합니다.

[08:44] 시스템이 성능 개선과 UX 향상, 디자인 변경을 통한 회귀 방지 등을 실시간 데이터 기반으로 수행하며, 인간이 에이전트를 관찰하고 필요시 개입하여 방향을 조정할 수 있다고 설명합니다.

[09:07] 레벨 3는 자율성이 아닌 프로젝트 정렬에 관한 것으로, 에이전트와 인간이 프로젝트 전 생명주기에 걸쳐 협력하는 단계라고 설명합니다.

Jewels에 메모리 기능, 크리틱 에이전트, 자동 검증(playwright 스크립트), to-do 봇, 베스트 프랙티스 제안, 환경 에이전트, 즉시 맥락(Cheat Sheet) 등을 추가해 자율성을 높여가는 과정을 설명합니다.

[09:23] Jules는 현재 코드 인식에 집중하여 환경과 프레임워크, 프로젝트 구조를 이해하며, 시스템 인식으로 발전하고 있다고 소개합니다.

[09:33] Jules에 새로 추가된 메모리 기능을 설명하는데, Jules가 자체 메모리를 작성하고 편집할 수 있으며, 프로젝트에 대한 맥락과 지식을 구축한다고 합니다.

[09:51] 크리틱 에이전트가 Jules와 적대적으로 작동하여 코드 품질을 보장하고 전체 코드 리뷰를 수행하며, 검증 기능으로 playwright 스크립트와 스크린샷을 활용한다고 설명합니다.

[10:09] 할 일 봇이 코드와 저장소에서 TODO 항목들을 찾아 사전에 작업하고, 모범 사례 제안과 환경 설정 기능도 추가하고 있다고 설명합니다.

[10:39] 적시 맥락 기능을 소개하는데, 이는 Jules 치트시트 같은 것으로 구체적인 작업에서 막혔을 때 사용자에게 연락하는 대신 즉시 참조할 수 있는 기능이라고 합니다.

[10:57] 이 모든 기능들이 Jules를 단순한 반응형 어시스턴트가 아닌 사전 능동적 팀원으로 만들고 있다고 강조합니다.

Jewels가 코드베이스 전체를 인덱싱해 잠재 작업을 분류(높은·중간·낮은 신뢰도)하고, 클릭 한 번으로 자동 실행하거나 불필요한 제안을 삭제하며 개발자의 인지 부하를 줄이는 UI 기능을 소개합니다.

[11:04] 라이브 데모를 계획했지만 기술적 문제로 인해 대신 설명으로 진행하게 되었고, Jed의 코드를 고쳐보는 것을 시연할 예정이라고 말합니다.

[11:24] Jed의 코드 수정을 통해 proactivity 기능을 시연하며, Jules가 코드베이스를 자동으로 인덱싱하고 수행 가능한 작업들을 찾아 화면에 표시하는 과정을 설명합니다.

[11:52] 시스템이 발견한 to-do 항목들과 모범 사례들을 신뢰도별(높음, 중간, 낮음)로 구분하여 표시하며, 사용자가 프롬프트 작성 없이 간편하게 작업을 선택할 수 있는 기능을 소개합니다.

[12:20] 사용자가 작업을 시작한 후 코드 세부사항을 확인하고, 작업 근거와 맥락을 파악할 수 있는 기능을 설명하여 시스템에 대한 신뢰를 구축하는 방법을 제시합니다.

[13:09] Proactivity 기능이 12월 출시 예정임을 발표하고, 개인적인 하드웨어 프로젝트 이야기로 전환하여 샌프란시스코에서의 할로윈 장식 제작 프로젝트를 소개합니다.

할로윈 장식을 위해 애니매트로닉 헤드를 제작하면서 버그 수정과 라이브러리 교체에 대부분 시간을 빼앗겨 창의적 LED 애니메이션 작업이 지연된 경험을 공유하며, 에이전트가 반복적·지루한 과제를 대신해주길 바랐던 과정을 풀어냅니다.

[13:55] 6피트 크기의 애니매트로닉 머리를 제작한 과정을 설명하며, 남편이 조각 작업을 하는 동안 자신은 Jules를 활용해 펌웨어 업데이트와 하드웨어 제어 작업을 담당했다고 언급합니다.

[14:14] 개발자가 LED 애니메이션과 창의적 작업에 집중하고 싶었지만, 대부분의 시간을 버그 수정과 라이브러리 교체 같은 기술적 문제 해결에 보냈다고 설명합니다.

[14:32] 줄스에게 프롬프트를 주고 10분 기다리는 반복적인 과정이 매우 지겨웠으며, AI가 리서치와 디버깅을 대신 해주기를 원했다고 토로합니다.

[14:54] 할로윈 프로젝트에서 눈이 움직이고 레이저가 나오는 창의적인 기능을 구현하고 싶었지만, 기술적 제약으로 인해 원하는 만큼 완성하지 못했다고 설명합니다.

[15:17] 도구의 불편함과 창의적 자유 사이의 격차를 해결하는 것이 프로액티브 에이전트의 목표라고 강조합니다.

현재의 AI 개발 도구가 6개월이나 1년 후에는 사라질 수도 있음을 지적하며, 기존 패턴을 과감히 재고하고 다중 능동 에이전트 협업으로 소프트웨어 제작의 미래를 함께 설계하자고 독려합니다.

[15:28] 현재 만드는 제품이 미래의 제품과는 다를 것이라고 조언하며, AI와 함께 일하는 모든 사람들이 큰 변화의 걸음을 내딛을 수 있기를 바란다고 말합니다.

[15:51] Git, IDE, 코드에 대한 사고방식 등 현재 의존하는 패턴들이 1년 후, 심지어 6개월 후에도 존재하지 않을 수 있다고 예측합니다.

[00:13] [음악]

[00:21] 여기 와서 정말 기뻐요. 뉴욕을 좋아하고

[00:23] 여기서 모든 분들을 만나는 것도 좋아해요.

[00:26] 저는 구글 랩스의 캐스 코벡입니다.

[00:29] ADA라는 작은 팀에서 일하고 있고,

[00:31] 오늘은 Jewels라는 프로젝트에서

[00:32] 저희가 진행하고 있는 작업들에 대해

[00:33] 이야기해보려고 합니다.

[00:37] 몇 달 전 우리 집에서 식기세척기가 고장났어요.

[00:39] 수리하는 동안 남편이

[00:41] 모든 설거지를 하겠다고 결정했습니다.

[00:44] 그래서 그는 제게 그렇게 하겠다고 말했어요.

[00:45] 하지만 매일 밤마다

[00:47] 설거지를 하라고 상기시켜야 했습니다.

[00:49] 그것이 얼마나 빨리 짜증나게 되었는지

[00:51] 상상하실 수 있을 거예요.

[00:54] 그리고 깨달았습니다. 비록 제가

[00:56] 직접 설거지를 하지 않았지만

[00:58] 여전히 정신적 부담을 지고 있었다는 걸요.

[01:00] 많은 분들이 이에 공감하실 것 같아요.

[01:01] 저는 그 일이 완료되었는지 추적하고,

[01:03] 후속 조치를 취하며,

[01:06] 일이 계속 진행되도록 확인하고 있었어요.

[01:09] 그 순간 깨달았습니다.

[01:10] 바로 그것이 현재 비동기 에이전트와

[01:13] 함께하는 우리의 현실이라는 걸요.

[01:15] 에이전트들이 일부 작업을 처리할 수 있지만

[01:17] 개발자인 우리가 여전히 정신적 부담을 지고

[01:19] 모니터링하고 있습니다. 진실을 말씀드리면,

[01:23] 인간은 병렬 처리가 아닌

[01:26] 순차 처리를 하는 존재입니다.

[01:29] 여러 목표를 저글링할 수 있지만

[01:32] 한 번에 모든 것이 아닌 순서대로 실행합니다.

[01:34] Jewels에서 작업을 수동으로 시작할 때

[01:36] 보통 다음 단계로 넘어가기를 기다리게 됩니다.

[01:40] 바로 그 일시정지, 주의력의 틈이

[01:41] 우리가 추진력을 잃는 지점입니다.

[01:44] 이는 실제로 과학적으로 뒷받침되는데

[01:47] 인간은 자신이 멀티태스커라고 생각하지만

[01:49] 실제로는 여러 작업을

[01:51] 매우 빠르게 실행하고 있을 뿐입니다.

[01:55] 하지만 이러한 작업 간 전환에는

[01:57] 큰 비용이 따릅니다. 생산적인 시간의

[02:00] 최대 40%까지 소모될 수 있어요.

[02:02] 컨텍스트 전환과 재로딩으로

[02:05] 반나절을 잃는 셈이죠.

[02:11] 인간이 유니터(단일 처리자)라면

[02:13] 에이전트의 해결책은 무엇일까요?

[02:15] 비동기 에이전트가 성공하려면

[02:18] 개발자가 그들을 돌봐줄 것으로

[02:21] 기대해서는 안 됩니다.

[02:23] 16개의 서로 다른 클라우드 코드 작업이

[02:26] 16개의 다른 터미널에서 병렬로 실행되는

[02:28] 세 개의 큰 브라우저나 모니터에서의

[02:31] 그 트위터 게시물을 모두 봤을 거예요.

[02:33] 처음 그것을 봤을 때 생각했어요.

[02:35] '제발, 그것이 미래의 개발자 경험이

[02:38] 되지 않기를'. 저는 작업을 관리하거나

[02:40] 에이전트를 관리하고 싶지 않아요.

[02:42] 코더가 되고 싶고 구축하고 싶습니다.

[02:45] 그래서 우리 시스템에서 신뢰할 수 있는

[02:48] 협력자가 필요합니다.

[02:50] 컨텍스트를 진정으로 이해하고

[02:53] 우리의 필요를 예측할 수 있으며

[02:55] 언제 개입해야 하는지 아는 에이전트 말이에요.

[02:59] 그리고 마침내 우리는 모델들이

[03:00] 점점 더 나아지고 있는 지점에

[03:02] 도달하고 있다고 생각합니다.

[03:05] 우리의 목표가 무엇인지 명확히 이해한다면

[03:08] 종단 간 실행에서 말이죠.

[03:09] 그리고 바로 그곳이 신뢰가

[03:12] 진정한 해결책이 되는 지점입니다.

[03:14] 무엇이 누락되었는지 알고 빈틈을 채우며

[03:17] 당신이 다른 일에 집중하는 동안

[03:19] 진행상황을 계속 앞으로 밀고 나갈 수 있는

[03:20] 가장 중요한 것에 집중할 수 있게 해줍니다. 그리고

[03:22] 본질적으로 우리는 줄이 시키지 않아도

[03:24] 설거지를 하길 원합니다.

[03:26] 현재 대부분의 AI 개발 도구는

[03:28] 근본적으로 반응형입니다. CLI나 IDE를 열고

[03:31] 에이전트에게 무언가를 요청하면 응답하거나

[03:33] 사용자가 타이핑을 시작할 때까지 기다렸다가

[03:35] 자동완성을 제안합니다. 그리고

[03:37] 이 모델에는 장점이 있습니다.

[03:39] 매우 효율적이죠. 명시적으로

[03:41] 요청했을 때만 연산을 사용합니다. 하지만 제가

[03:44] 스스로에게 던지는 진짜 질문은

[03:46] 이것이 제가 AI를 관리하고 싶은 방식인가 하는 것입니다.

[03:48] 미래를 생각해보면, 연산이 더 이상

[03:50] 제약 요소가 아닌 세상을 상상해보세요.

[03:52] 명령을 위한 단일 반응형 어시스턴트 대신

[03:55] 수십 개의 작은 능동형

[03:57] 에이전트들이 당신과 병렬로 작업하며

[04:00] 조용히 패턴을 찾고

[04:02] 마찰을 감지하고, 당신이

[04:04] 요청하기도 전에 지루한 작업들을

[04:07] 대신 처리하는 것이 가능할 것입니다.

[04:10] 하기 싫어하는 일들을 말이죠. 당신이

[04:12] 피해왔던 인증 버그 수정이나

[04:15] 설정 업데이트, 잠재적 오류 플래그,

[04:17] 마이그레이션 준비 등의 작업들이

[04:20] 모두 백그라운드에서 처리될 수 있고

[04:23] 이 모든 것이

[04:25] 자연스러운 워크플로의 트리거로

[04:27] 발생할 수 있습니다. 그래서

[04:30] 능동형 시스템을 구성하는 네 가지

[04:32] 핵심 요소가 있다고 생각합니다.

[04:33] 첫 번째는 관찰입니다.

[04:36] 에이전트는 지속적으로

[04:37] 무슨 일이 일어나는지, 코드 변경사항이

[04:40] 무엇인지, 패턴이 무엇인지,

[04:42] 워크플로가 어떤지

[04:43] 등을 이해해서 전체 프로젝트에 대한

[04:45] 맥락을 파악해야 합니다. 그리고

[04:47] 개인화가 있습니다. 이것은

[04:48] 어렵습니다. 당신이 어떻게 일하는지,

[04:50] 무엇을 중요하게 여기는지, 무엇을

[04:52] 무시하는 경향이 있는지, 선호도가 무엇인지,

[04:54] 절대 건드리고 싶지 않은

[04:55] 코드가 무엇인지를 학습해야 합니다. 그리고 시기적절해야 합니다.

[04:57] 너무 일찍 오면 방해가 되고

[04:59] 너무 늦으면

[05:01] 순간을 놓치게 됩니다. 그리고

[05:03] 워크플로 전반에 걸쳐 원활하게 작동해야 합니다.

[05:05] 터미널, 저장소,

[05:08] IDE 등 이미 자연스럽게 작업하는

[05:10] 공간에 스스로 통합되어야 하며

[05:12] 다른 곳이나 비밀스럽거나

[05:15] 잊어버린 애플리케이션으로

[05:16] 강제로 이동시키면 안 됩니다.

[05:18] 이 모든 도구들을 결합하는 것은

[05:20] 간단하지 않다는 것을 상상할 수 있을 것입니다.

[05:25] [웃음]

[05:26] 이 프레젠테이션을 진행하는 것도 그렇고요.

[05:29] 에이전트가 워크플로를 이해하고

[05:32] 필요를 예측한 다음

[05:34] 워크플로를 중단하지 않고

[05:37] 정확한 순간에 개입하도록

[05:39] 할 수 있기를 원합니다.

[05:41] 그때 정말로

[05:43] 마법 같은 느낌이 들기 시작합니다. 흥미로운 점은

[05:46] 이런 능동형 시스템들이

[05:47] 오늘날 우리 주변에 있다는 것입니다.

[05:48] 제가 좋아하는 예시 중 하나는 구글 네스트인데

[05:51] 집에 설치하고 구성한 다음

[05:53] 집을 나가고 돌아오고

[05:56] 잠들고 아침에 일어나는

[05:58] 습관을 학습하기 시작합니다.

[06:00] 그러면 곧 집의

[06:02] 온도 조절에 대해

[06:04] 생각할 필요가 없어집니다

[06:05] 집 안의 기후 제어에 대해 더 이상 신경 쓸 필요가 없어집니다. 왜냐하면 시스템이

[06:06] 당신의 습관을 학습했기 때문이죠. 또 다른 예는 당신의 몸입니다.

[06:09] 달리기를 하거나 운동을 시작할 때 심박수가 올라가거나

[06:11] 넘어질 것을 미리 예측해서

[06:14] 의식적으로 '손을 내밀어야지'라고 생각하기 전에

[06:16] 몸이 먼저 반응합니다.

[06:18] 이렇게 생각해보면

[06:20] 능동성은 사실 그렇게

[06:22] AI의 능동성은 사실 그렇게

[06:24] 미래적이지 않습니다. 매우 친숙하고

[06:26] 매우 인간적입니다. 그리고 그것이 바로 핵심입니다.

[06:29] 우리가 만들고 있는 것은

[06:32] 좋은 협력자처럼 행동하는 도구이며

[06:34] 명령줄 유틸리티보다는 덜 기계적인 것입니다.

[06:37] 우리는 이미 Jules라는 도구에서

[06:40] 이것을 구현하고 있습니다. Jules는

[06:42] 능동적이고 비동기적이며 자율적인

[06:44] Google Labs의 코딩 에이전트입니다.

[06:45] 그리고 우리는 이것을 세 가지 수준의

[06:49] 능동성으로 구현하고 있습니다.

[06:51] 레벨 1은 협업이 실제로 시작되는 단계입니다.

[06:54] 그리고 이것이 현재 Jules가 작동하는 방식으로

[06:56] 누락된 테스트, 사용되지 않는 종속성,

[06:58] 안전하지 않은 패턴 같은 것들을 감지할 수 있습니다.

[07:01] 그리고 당신이 요청한 다른 작업을 수행하면서

[07:03] 그런 문제들을 자동으로 수정하기 시작합니다.

[07:05] 이것은 일종의 세심한 부요리사 같은 것으로

[07:07] 당신의 워크플로우에서 주방을 깨끗하게 유지하고

[07:09] 칼을 날카롭게 하며

[07:11] 주방을 잘 준비해두어서 당신이

[07:13] 다음에 할 일에 집중할 수 있게 해줍니다.

[07:14] 그리고 이것이 능동적 소프트웨어의 시작입니다.

[07:17] 레벨 2에서 에이전트는 전체 프로젝트에 대해

[07:19] 더욱 맥락적으로 인식하게 됩니다.

[07:21] 당신이 어떻게 일하는지, 어떤 코드를 작성하는지 관찰합니다.

[07:24] 만약 당신이 백엔드 엔지니어라면

[07:26] React에 대한 도움이 필요할 수 있습니다.

[07:28] 만약 당신이 디자이너라면

[07:30] 데이터베이스 스키마 작성을 도와줄 수 있습니다.

[07:33] 그리고 당신이 사용하는 프레임워크가 무엇인지

[07:36] 배포 스타일이 어떤지 등을 학습합니다.

[07:38] 이것이 바로 주방 매니저입니다.

[07:41] 당신의 워크플로우에서 리듬을 유지하고

[07:42] 다음에 필요한 것을 미리 예측하는 역할을 하는

[07:44] 사람입니다.

[07:46] 그리고 레벨 3가 옵니다.

[07:48] 이것이 우리가 지금 12월을 향해

[07:50] 열심히 작업하고 있는 것입니다.

[07:53] 12월에 출시할 예정인 것을

[07:54] 조금 보여드리겠습니다.

[07:56] 하지만 레벨 3는

[07:57] 상황이 그 맥락 주변에서

[07:59] 수렴하기 시작하는 곳입니다.

[08:00] 에이전트가 맥락뿐만 아니라

[08:03] 결과까지 이해하기 시작하는 곳입니다.

[08:05] 이러한 선택들이 실제로 당신 제품의 사용자들에게

[08:08] 성능과 결과에 어떤 영향을 미치는지 말이죠.

[08:10] 그리고 그 수준에서 우리는

[08:12] Jules를 가지고 있습니다. 또한 Stitch라는

[08:14] 디자인 에이전트도 있습니다.

[08:16] 그리고 우리가 만들고 있는

[08:18] Insights라는 데이터 에이전트도 있고

[08:20] 이들이 모두 함께 모여서 당신의 애플리케이션 전반에 걸쳐

[08:23] 집단 지능을 구축하고 있습니다.

[08:25] Jules는 소프트웨어에서 무엇이 망가지고 있는지 볼 수 있습니다.

[08:27] Stitch는 사용자들이 어떻게

[08:29] 상호작용하는지 이해하고

[08:31] Insights는 분석, 텔레메트리, 전환율과 같은

[08:34] 실제 세계 신호들로부터의 행동을 연결합니다.

[08:37] 그리고 함께 그들은 시스템 전체가 어떻게

[08:39] 경계를 넘나들며 개선사항을 제안할 수 있습니다

[08:42] 모든 것이 함께 작동하는 방식으로

[08:44] 함께 작동합니다. 성능 개선을 통해

[08:46] 사용자 경험을 향상시키고

[08:48] 회귀를 방지하기 위한 디자인 변경을 수행하죠

[08:50] 그리고 이 모든 것이 실시간 데이터를 기반으로

[08:53] 체계화됩니다. 여기서 핵심은

[08:56] 인간이 확실히 루프에 남아있다는 것입니다.

[08:58] 에이전트가 무엇을 하고 있는지 관찰하고

[09:00] 개입이 필요할 때 정제하며

[09:02] 잘못된 방향으로 갔을 때

[09:04] 재지시하는 것입니다.

[09:07] 레벨 3는 더 이상 자율성에 관한 것이 아닙니다.

[09:09] 실제로는 프로젝트와의 정렬에 관한 것이죠.

[09:12] 에이전트와 인간이

[09:14] 프로젝트의 전체 생명주기에 걸쳐

[09:17] 함께 협력하는 것입니다.

[09:19] 현재 Jules는 이 코드 인식 부분에 집중하고 있습니다.

[09:23] 환경, 프레임워크, 프로젝트 구조를 이해하고

[09:25] 시스템 인식 쪽으로 발전하고 있습니다.

[09:27] 우리가 Jules에 도입하고 있는 기능들 중

[09:28] 메모리라는 기능을 추가했는데

[09:30] 여러분이 많이 익숙하실 거라 생각합니다.

[09:33] Jules가 자신만의 메모리를 작성할 수 있는

[09:34] 능력이고 여러분이 편집하고 상호작용할 수 있습니다.

[09:36] Jules도 편집할 수 있고 이를 이해하여

[09:39] 여러분과 함께 작업하면서

[09:43] 프로젝트에 대한 메모리와 맥락,

[09:44] 지식을 구축합니다.

[09:46] 또한 Jules와 적대적으로 작동하는

[09:48] 크리틱 에이전트를 추가하여

[09:51] 코드가 고품질이 되도록 하면서

[09:53] 전체 코드 리뷰도 수행합니다.

[09:55] 그리고 Jules가 playwright 스크립트를 작성하고

[09:57] 스크린샷을 찍어서

[10:00] 검증할 수 있도록

[10:02] 궤적에 다시 넣는

[10:04] 검증 기능도 추가했습니다.

[10:06] 또한 코드와 저장소를 살펴보고

[10:09] 할 일 봇을 추가하여

[10:12] 나중에 해야 할 일이라고

[10:14] 표시한 것들을 찾아내서

[10:16] 해당 맥락으로

[10:18] 사전에 작업을 시작합니다.

[10:20] 또한 Jules가 모범 사례를 이해하고

[10:21] 제안하기 시작하는

[10:24] 기능과 환경 설정 기능도 추가하고 있습니다.

[10:25] 내부적으로 평가 실행에 사용하는

[10:28] 환경 에이전트가 있는데

[10:29] 이를 외부로 확장하여

[10:33] 환경이 어떻게 작동하는지 더 잘 이해하고

[10:34] 설정해주는 기능을 제공합니다.

[10:37] 그리고 적시 맥락이라는 것도 추가하고 있습니다.

[10:39] 이는 Jules 치트시트 같은 것으로

[10:40] 매우 구체적인 작업을 하다가

[10:43] 막혔을 때

[10:45] 여러분에게 연락하는 대신

[10:47] 즉시 해당 치트시트를

[10:49] 참조할 수 있습니다.

[10:51] 이 모든 것들이 Jules를

[10:52] 단순한 반응형 어시스턴트가 아닌

[10:54] 사전 능동적 팀원에 매우 가깝게 만들고 있습니다.

[10:57] 자, 오늘 아침 샌프란시스코에 있는

[11:01] 팀과 이야기했는데

[11:04] 라이브 데모를 하려고 했지만

[11:06] 라이브 데모의 신들이

[11:09] 오늘 아침 저와 맞지 않았습니다.

[11:11] 아직 스테이징에

[11:12] 푸시되고 있는 CLS들이 있어서요.

[11:14] 그래서 이것을 조금 설명드리겠습니다.

[11:16] Jed를 아신다면, 아마 내일

[11:17] 이야기할 것 같은데,

[11:19] 우리가 애정을 담아 고쳐보려고 합니다

[11:22] Jed의 코드를요.

[11:24] Jed의 코드를 수정해보겠습니다. 여기서 보시는 것이 proactivity의 한 예시인데요

[11:28] 이것이 Jules입니다. 여기에 프롬프트를 입력하면

[11:31] proactivity를 설정하고 활성화할 때 가장 먼저 하는 일은

[11:33] Jules가 전체 코드베이스를 인덱싱하는 것입니다.

[11:34] 디렉토리를 인덱싱하고 수행할 수 있는 작업들을 찾기 시작합니다

[11:36] 그리고 그 결과가 화면에 나타납니다.

[11:40] 지금 여기서 보고 계신 것은

[11:41] 이 ADK Python 저장소에 대한

[11:43] 좀 더 자세한 내용입니다.

[11:46] 저장소를 인덱싱한 결과

[11:48] 여러 할 일(to-do) 항목들을 찾았습니다.

[11:52] 업데이트할 수 있는 여러 모범 사례들을 발견했고

[11:56] 발견한 내용에 대한 신호를 제공하고 있습니다.

[11:58] 보시면 신호는 높은 신뢰도

[11:59] 중간 신뢰도, 그리고 낮은 신뢰도로 구분됩니다.

[12:01] 실제로 제 코드에 있는 내용과

[12:02] 수행하려는 작업을 바탕으로

[12:04] 달성할 수 있다고 생각하는 정도를 알려주고 있습니다.

[12:07] 높은 신뢰도는 녹색으로

[12:09] 중간은 보라색, 낮은 신뢰도는 노란색으로

[12:11] 아래쪽에 표시됩니다.

[12:14] 이제 이 목록을 살펴보면서

[12:16] 수동으로 클릭해서

[12:18] 시작하고 싶은 작업을 선택할 수 있습니다.

[12:20] 프롬프트를 생각할 필요가 없죠.

[12:21] 코드를 직접 살펴볼 필요도 없고

[12:24] 인지적 부담을 줄일 수 있습니다.

[12:26] 현재 이러한 작업들을

[12:28] 자동으로 시작하는 기능을 개발 중입니다.

[12:29] 조만간 출시될 예정이에요.

[12:31] 물론 이런 항목들을 삭제할 수도 있습니다.

[12:34] '이건 내가 원하는 게 아니야, 좋지 않아'라고 말할 수 있죠.

[12:36] 작업이 시작되면

[12:38] 더 자세히 들여다볼 수 있습니다.

[12:39] 제안하는 코드를 살펴볼 수도 있고

[12:42] 작업할 코드를 찾을 수도 있습니다.

[12:44] 해당 코드의 위치도 확인할 수 있죠.

[12:46] 그리고 왜 그 코드에서 작업하려는지

[12:48] 무엇을 하고 있는지에 대한 근거도 제공합니다.

[12:52] 훨씬 더 많은 맥락을 제공해서

[12:54] 여기서 무엇을 해야 하는지

[12:56] 신뢰할 수 있도록 도와줍니다.

[12:59] 왜 그런 작업을 하는지 등에 대해서 말이죠.

[13:01] 훨씬 더 많은 맥락을 제공하고

[13:03] 여기서 무엇을 해야 하는지 신뢰할 수 있도록 도와줍니다.

[13:06] 이것이 proactivity입니다.

[13:09] 12월에 출시될 예정이고

[13:12] 여기 계신 모든 분들께 제공할 수 있기를 바랍니다.

[13:14] 이에 대해 매우 기대하고 있습니다.

[13:17] 제 남편과 제가 작업했던

[13:19] 프로젝트에 대한 작은 이야기를 들려드리고 싶습니다.

[13:22] 이야기를 마무리하는 차원에서 말이죠.

[13:23] 저희는 하드웨어로 이런저런 실험을 많이 하는데

[13:26] 샌프란시스코 한복판 해시베리 지구의

[13:30] 조용한 길에 살고 있습니다.

[13:31] 할로윈 때마다

[13:33] 저희 집 앞으로 많은 사람들이 지나가서

[13:35] 할로윈 장식으로

[13:37] 그 기회를 활용해보려고 했습니다.

[13:38] 그래서 6피트 크기의

[13:41] 애니매트로닉 머리를 만들어서

[13:44] 집 앞에 설치했습니다.

[13:47] 오래된 빅토리안 양식의 집인데

[13:50] 남편이 폼과 에폭시,

[13:52] 그리고 유리섬유로 조각했습니다.

[13:55] 저희 아이들은 이것을

[13:58] 애정을 담아 '대머리 머리'라고 부릅니다.

[14:00] 80년대 피위 허먼을 보셨다면

[14:02] 피위 허먼의 피위의 빅 어드벤처에 나오는

[14:03] 머리를 모델로 했습니다.

[14:06] 남편이 이 작업을 하는 동안

[14:09] 저는 Jules와 함께

[14:11] 펌웨어 업데이트 작업을 했습니다.

[14:12] 스테퍼 모터를 제어하고 LED 작업을 하면서

[14:14] 그리고 센서 작업을 하고 있어요. 저에게는

[14:17] 정말 재미있는 부분이 바로

[14:19] LED로 창의적인 작업을 하는 거예요.

[14:22] 그래서 저는 LED에 집중하고 싶었어요.

[14:24] 애니메이션 말이죠. 하지만 대부분의 시간을

[14:26] 실제로는 버그 수정에 보냈어요.

[14:29] 라이브러리를 교체하고

[14:31] 그런 일들을 하는데 말이죠. 제가 하던 방식은

[14:32] 줄스에게 프롬프트를 주고, 10분 기다리고

[14:35] 그리고 반복하는 거였어요. 이 과정이

[14:38] 정말 정말 지겨웠습니다. 제가 원했던 건

[14:41] 사실 줄스가 리서치를 해주는 거였어요.

[14:43] 복잡한 부분들을 처리해주길 원했죠.

[14:45] 버그를 어떻게 고치는지 연구하는

[14:48] 지저분한 작업들 말이에요. 디버깅 자체를

[14:51] 해주길 원했어요. 그래서 제가

[14:52] 창의적인 부분에 집중할 수 있도록요.

[14:54] 눈이 움직이면서

[14:56] 길을 걸어가는 사람들을 따라가고

[14:59] 눈에서 레이저가 나오고

[15:01] 그런 것들 말이에요. 말씀드렸듯이

[15:02] 할로윈이었거든요. 정말 무서웠죠.

[15:04] 하지만 그런 작업을 많이 할 수 없었어요.

[15:07] 결국

[15:08] 제가 원했던 만큼

[15:10] 이 움직이는 대머리 머리로

[15:13] 완성하지 못했어요. 그래서 우리가

[15:17] 실제로 해결하고 싶은 격차가 바로 그것입니다.

[15:19] 줄스에 있어서는

[15:20] 도구의 불편함과 창의적 자유 사이의

[15:23] 공간을 우리가 해제하려고 하는 거예요.

[15:25] 이런 종류의 프로액티브 에이전트로 말이죠.

[15:28] 제가 여러분들이 꼭 기억해주셨으면 하는 것은

[15:32] 그리고 제가 줄스 팀의

[15:33] 사람들에게 자주 하는 조언이기도 한데

[15:36] 오늘 우리가 만드는 제품이

[15:39] 사실 미래에 우리가 갖게 될

[15:40] 제품과는 다를 거라는 점이에요.

[15:42] 우리 대부분이 알고 있는 사실이지만

[15:44] 실제로는 이 방에 있는 모든 분들과

[15:46] AI와 함께 일하는 모든 사람들이

[15:49] 큰 걸음을 내딛을 수 있기를 바라요.

[15:51] 오늘 우리가 의존하는 패턴들, Git이나

[15:54] 여러분의 IDE들, 심지어 코드 자체,

[15:57] 코드에 대한 우리의 사고방식조차

[15:59] 1년 후에는 존재하지 않을 수도 있어요.

[16:01] 6개월 후에도 없을지 모르죠. 그리고 이게

[16:04] 저에게는 흥미진진한 부분이에요.

[16:06] 우리가 지금 바로 미래를 발명할 수 있어요.

[16:08] 소프트웨어가 어떻게 만들어지고 구축되는지를

[16:11] 설명하고 결정할 수 있죠.

[16:13] 이 방에 있는 모든 분들이 말이에요.

[16:16] 제가 여러분께 드리는 도전은

[16:20] 소프트웨어를 구축하는

[16:22] 기존 방식에 의문을 제기하는 걸 두려워하지 마세요.

[16:25] 정말로 미래는 우리 모두가 아는 것보다

[16:27] 빠르게 다가오고 있어요. 아마도

[16:29] 이미 여기 와 있을 거예요. 그리고 멋진 건

[16:32] 우리가 함께 그것을 만들어갈 수 있다는 거예요.

[16:34] 감사합니다.

[16:42] [음악]

[16:48] [음악]