다중 모드 협업 상거래 에이전트 설계

Nidhi Kaushik Vyas는 다중 모드 협업 에이전트를 모호한 사용자 의도를 이해하고 그에 따라 행동하도록 설계된 시스템으로 소개했습니다. 특히 사용자가 특정 키워드를 가지고 있지 않은 쇼핑 시나리오에서 더욱 그렇습니다. 이러한 에이전트는 높은 에이전시 실행과 사용자 선호도에 대한 사전 예고를 특징으로 합니다.

이러한 프레임워크는 상거래에만 국한되지 않고, 사용자의 초기 쿼리가 불명확한 상황에 초점을 맞춰 금융 및 교육과 같은 분야에도 적용될 수 있습니다.

현재 검색 에이전트는 사용자가 잘 정의된 의도를 가지고 있다고 가정하고 검색창을 감싸는 단순한 래퍼로 작동하는 경우가 많습니다. 그러나 사용자들은 모호한 느낌이나 '분위기'로 쇼핑 여정을 시작하여 상당한 표현 격차를 초래합니다.

효과적인 에이전트는 이 격차를 해소하여 사용자가 모호한 아이디어를 실행 가능한 구체적인 선호도로 전환하도록 도와야 합니다.

제안된 에이전트 프레임워크는 발견, 연구, 응답의 3단계 쇼핑 루프를 통해 작동합니다. 발견 단계는 사용자 입력을 기반으로 컨텍스트를 수집하고 초기 전략을 형성하는 데 중점을 둡니다.

연구 단계는 사용자로부터 더 자세한 선호도를 이끌어내고 그들의 요구를 이해하기 위해 필요한 '힘든 작업'을 수행하는 것을 포함합니다. 마지막으로 응답 단계는 에이전트가 사용자 경험을 최적화하기 위해 정보를 적응적으로 제시된 형식으로 전달하는 단계입니다.

텍스트 기반 선호도 도출의 한계를 극복하기 위해 에이전트는 사용자와 소통하는 방식에 있어 더 창의적이어야 합니다. 여기에는 사용자가 주관적인 선호도를 표현하는 데 도움이 되는 시각적 참조 및 영감 보드를 사용하는 것이 포함됩니다.

시각적 도구를 사용함으로써 에이전트는 사용자의 욕구에 대한 이해를 더 잘 기반으로 하여 복잡한 절충안을 처리하고 정보를 효과적으로 요약할 수 있습니다.

많은 기존 시스템은 종종 텍스트 위주의 응답을 기본으로 하여 사용자에게 부담을 줄 수 있습니다. 대신 지능형 에이전트는 사용자 특정 쿼리 및 기본 의도에 따라 응답 형식을 조정해야 합니다.

이러한 조정은 명확한 정보를 위한 글머리 기호 목록, 상세한 분석을 위한 비교표 또는 스타일 영감을 위한 시각적 보드를 사용하는 것을 의미하며, 따라서 더 스마트한 프레젠테이션 기술을 보여줍니다.

발견 단계에서 에이전트는 다양한 신호에서 컨텍스트를 집계하는 것으로 시작합니다. 이러한 신호에는 과거 대화, 사용자가 제공한 참조 이미지 및 외부 링크가 포함됩니다.

에이전트는 또한 사용자에게 관련 있는 개인 컨텍스트를 통합하여 후속 작업을 알려주는 포괄적인 '작업 상태'를 구성합니다.

에이전트의 내부 작업 상태에는 상호 작용 흐름을 추적하기 위한 상세한 세션 기록 유지가 포함됩니다. 또한 사용 가능한 모든 입력에서 관련 사용자 컨텍스트를 추출하는 것도 포함됩니다.

또한 에이전트는 사용자가 쿼리에서 제공했을 수 있는 하드 제약 조건(협상 불가능한 요구 사항)과 소프트 제약 조건(유연한 선호도)을 식별하고 구별합니다.

실시간으로 변수를 관리하는 것은 에이전트가 관련 정보를 추출하고 표시하는 데 매우 중요합니다. 이러한 변수는 사용자에게 제시되는 결과에 직접적인 영향을 미치기 때문입니다. 이 동적 관리는 정보가 최신 상태이고 정확한지 확인합니다.

재고 및 기타 동적 데이터를 자주 새로 고침으로써 오래된 정보를 피하고, 표시되는 결과의 품질과 관련성에 영향을 미칩니다.

에이전트 지능의 핵심 측면은 에이전트가 최상의 답변을 제공하는 것을 방해하는 알려지지 않은 변수를 의미하는 '의도 격차'를 발견하는 것입니다. 종종 사용자는 자신의 요구 사항을 완전히 표현할 정확한 용어나 지식이 부족합니다.

에이전트의 임무는 이 누락된 정보를 식별하고 이러한 알려지지 않은 변수를 효율적으로 관리하여 최소한의 사용자 노력으로 정보 획득을 최대화하는 것입니다.

에이전트는 협업 전략을 개발해야 하며, 어떤 알려지지 않은 변수에 우선순위를 부여할지 결정하기 위해 가능한 모든 다음 단계를 평가해야 합니다. 여기에는 더 많은 정보를 이끌어내기 위해 에이전트가 취할 수 있는 다양한 질문이나 작업을 비교하는 것이 포함됩니다.

목표는 사용자에게 과도하게 질문하지 않고 최대 정보 이득을 제공하는 쿼리에 우선순위를 부여하는 것입니다. 이는 각 잠재적 질문의 유용성을 측정하여 달성됩니다.

에이전트는 주어진 순간에 어떤 정보가 가장 중요한지 동적으로 평가하여 사용자의 모호한 의도에 대한 이해를 점진적으로 정제하는 원활하고 효율적인 상호 작용 흐름을 보장합니다.

에이전트의 중요한 초기 단계는 사용자 제약과 지식 기반의 일부를 구성하는 제품 카탈로그 사이에 임시 다리를 놓는 것입니다. 여기에는 탐색된 제약 조건을 기본 온톨로지에 실시간으로 매핑하는 것이 포함됩니다.

이 프로세스는 사용자가 표현한 의도와 데이터베이스 내에서 사용 가능한 제품 및 서비스 간의 연결성과 일관성을 보장합니다.

에이전트는 정보를 도출하는 최상의 방법을 지능적으로 결정합니다. 특히 주관적인 사용자 제약을 다룰 때 그렇습니다. 이러한 선호도에 대해서는 순전히 텍스트 기반 도출이 종종 불충분하고 덜 효과적입니다.

대신 에이전트는 사용자의 참여를 더 잘 유도하고 텍스트만으로는 포착할 수 없는 미묘한 통찰력을 수집하기 위해 시각적 선호도 보드 또는 기타 상호 작용 형식을 선택할 수 있습니다.

에이전트는 마이크로 신호를 통해 사용자 반응을 지속적으로 관찰하여 신뢰 모델을 개선합니다. 이러한 마이크로 신호에는 특정 요소 위에 마우스를 올리거나 특정 방향으로 클릭하는 것과 같은 작업이 포함됩니다.

이러한 행동 신호를 추적함으로써 에이전트는 내부 신뢰 모델을 업데이트하여 실시간 사용자 상호 작용을 기반으로 이해와 응답을 조정할 수 있습니다.

마지막 단계는 모델 인텔리전스를 사용하여 사용자 의도 및 컨텍스트 메타데이터를 기반으로 최적의 응답 형식을 결정하는 것입니다. 이는 정보가 가장 소비하기 쉽고 효과적인 방식으로 제시되도록 합니다.

예를 들어, 정책 또는 검토 정보는 글머리 기호 목록으로 가장 잘 전달될 수 있으며, 절충 분석은 비교표에서 이점을 얻습니다. 창의적인 스타일 탐색의 경우 시각적 영감 또는 분위기 보드가 더 적절합니다.

이러한 적응형 접근 방식은 사용자가 일반적인 텍스트 응답을 넘어 자신의 요구 사항을 직접적으로 해결하고 의사 결정 프로세스를 용이하게 하는 형식으로 정보를 수신하도록 보장합니다.

효과적인 AI 상거래 에이전트는 여러 핵심 지표를 기반으로 평가됩니다. 첫째, 정보 가시성은 매우 중요합니다. 데이터는 사용자가 쉽게 찾고 이해할 수 있어야 하며, 빠른 결정을 내리고 구매 여정을 진행할 수 있도록 합니다.

둘째, 에이전트가 신뢰할 수 있는 정보를 제공하도록 '환각' 또는 부정확성을 방지하기 위해 데이터 충실도가 가장 중요합니다. 마지막으로 사용자 행동 가능성은 응답 구조가 사용자의 상호 작용에서 다음 논리적 단계를 본질적으로 유도하여 목표를 향해 원활하게 안내해야 함을 의미합니다.

이 시스템은 검색을 구조화하고 공정성을 보장하기 위해 상인의 도메인 전문 지식을 적극적으로 활용합니다. 여기에는 상인과 협력하여 사용자 제약을 제품 온톨로지 내의 특정 메타데이터에 매핑하는 것이 포함됩니다.

UCP(Universal Commerce Protocol)를 통해 상인은 에이전트와 공통 언어를 공유하여 사용자 선호도 및 상인 데이터를 기반으로 제품을 정확하고 공정하게 검색할 수 있습니다.

특히 응답 형식에 관한 에이전트의 인텔리전스는 에이전트 자체가 중앙 집중식으로 제어하며, 상인이 통제하지 않습니다. 상인 입력은 에이전트에게 정보를 제공하지만, 에이전트는 모든 상인에 걸쳐 일관되고 수평적인 사용자 경험을 보장하기 위해 프레젠테이션에 대한 최종 결정을 내립니다.

사용자는 쇼핑 여정의 발견 및 영감 단계(종종 '상위 퍼널' 상호 작용이라고 함)에서 적극적인 참여를 선호하는 경향이 있습니다. 이러한 단계에서 사용자는 자동화된 에이전트 간 상호 작용에만 의존하기보다 시스템과 직접 상호 작용하는 것을 선호합니다.

이는 자동화가 더 환영받을 수 있는 순전히 거래적인 작업과 달리 탐색 및 미묘한 의사 결정에 있어 인간과 유사한 상호 작용이 여전히 높은 가치를 가지고 있음을 시사합니다.