메타 뮤즈: 인간 상호작용을 위해 설계된 AI

Muse는 상태 표시기를 사용하여 사용자에게 자신의 행동을 투명하게 전달하고 AI 처리 중 기대치를 관리합니다.

엔지니어는 Muse 내에서 특정 에이전트 작업에 대한 기술 로그에 접근할 수 있지만, 일반 사용자는 화면 상단에 '작동 중입니다'와 같은 간소화된 업데이트를 받아 혼란 없이 명확성을 보장합니다.

시스템 디자인은 AI가 활성화될 때 사용자에게 신호를 보내 백그라운드 처리 문제를 해결하여 대기 시간을 관리하는 데 도움이 됩니다.

선제적인 메시징 기능과 버블 기반 레이아웃은 에이전트 디자인을 근본적으로 변화시켜 인터페이스를 소프트웨어 도구에서 개체 간의 교환으로 전환합니다.

에이전트가 사용자에게 선제적으로 메시지를 보낼 수 있는 능력은 AI 설계 방식을 근본적으로 변화시켜 더욱 역동적인 상호작용을 만듭니다.

버블 기반 메시지 레이아웃은 다중 시간 상호작용을 분리하고, 화면 상단의 시각적 구현은 경험을 인간적으로 만들어 인터페이스가 사람과 대화하는 것처럼 느끼게 합니다.

대부분의 AI 도구는 스레드, 차이점, 커넥터와 같은 소프트웨어 중심의 기본 요소를 강조하지만, Muse는 이 초점을 사용자 중심 개념으로 전환합니다.

Muse는 '캐릭터', '채팅', '아이디어', '피드'를 핵심 개체로 격상시켜 엔터프라이즈 코딩 사고방식보다는 소비자 중심 디자인 접근 방식을 반영하며, 시스템이 광범위한 사용자 의도와 개인적인 사용 사례에 서비스를 제공할 수 있도록 합니다.

디자이너의 어머니와 같은 비기술 사용자에게도 에이전트가 성공적으로 작동한다는 것은 사용자에게 과부하를 주지 않기 위해 점진적인 공개를 통해 복잡성을 관리함으로써 접근성이 향상되었음을 나타냅니다.

깊이를 제공하면서도 깔끔한 채팅 경험을 유지하기 위해 Muse는 업데이트를 단순, 문맥, 기술 로그로 구성합니다.

최상위 레벨은 'Jollybot이 작동 중입니다'와 같은 간단한 업데이트를 제공하며, 중간 레벨은 '호박밭 연구 중'과 같은 문맥 정보를 제공합니다.

더 깊은 통찰력을 원하는 사용자를 위해 깊은 레벨은 로그 및 코드 접근을 포함한 기술적 투명성을 제공하여 모든 사용자가 에이전트의 행동을 이해할 수 있도록 합니다.

많은 디자이너들은 사용자에게 대기 시간을 덜 고통스럽게 만들기 위해 AI 상호작용 중에 얼마나 많은 설명을 해야 하는지 고민합니다.

사고의 사슬 요소가 종종 대기 시간의 임시 해결책으로 작용하지만, 과도한 설명은 사용자를 압도할 수 있고, 불충분한 업데이트는 불안감을 유발할 수 있습니다. Muse는 점진적인 공개와 모델 속도 최적화를 통해 반응적인 상호작용을 유지하여 이를 해결합니다.

오래 실행되는 작업을 처리할 때, 에이전트는 사용자가 무시당하는 느낌을 받지 않도록 반응이나 초기 메시지를 통해 요청을 즉시 인지합니다.

상태 표시는 이러한 작업 동안 간격을 메워 지속적인 업데이트를 제공하고 인간과 유사한 통신 흐름을 유지합니다.

이 접근 방식은 작업에 긴 처리 시간이 필요할 때도 사용자가 에이전트의 진행 상황을 계속해서 알 수 있도록 보장합니다.

제안은 사용자 대화 기록에 맞춰져 열성적인 골프 선수들을 위한 골프 관련 아이디어와 같은 개인화된 콘텐츠를 제공합니다. 피드 표면은 사용자 개인화에 의해 구동되는 선별된 디스플레이 역할을 하여 창의적인 실험을 가능하게 합니다.

Alex Cornell은 Muse를 사용하여 인스타그램 저장물을 분류된 폴더로 정리하며 실제 적용 사례를 보여줍니다.

'Jollybot Sky Mall'이라는 기능은 90년대 카탈로그 스타일로 쇼핑 제안을 렌더링하여 평범한 데이터를 시각적으로 매력적인 형식으로 변환합니다.

이 시스템은 새로운 앨범 출시나 골프 장비 협업과 같은 특정 관심사를 모니터링하여 선별된 업데이트를 제공합니다.

Muse는 가격 비교 및 판매 추적을 처리하는 연구 보조원 역할을 하여 수동 검색 프로세스를 대체합니다.

인스타그램 콘텐츠는 역사적으로 처리하거나 추론하기 어려웠지만, Muse는 이 정적 데이터를 변환합니다.

인스타그램 커넥터를 통해 에이전트는 개인 시각 데이터에서 가치를 추출하여 사용자가 저장된 시각 보드를 기반으로 개념이나 설명 언어를 생성하도록 돕고, 시각 기록 관리를 위해 Pinterest도 활용합니다.

Alex Cornell은 웨어러블 장치를 사용하여 골프 라운드와 개별 샷을 추적하고 이 데이터를 Muse에 입력합니다.

Muse는 표준 종이 스코어카드보다 더 깊은 문맥을 제공하는 '라운드 요약'을 제공하여 특정 홀의 패턴을 식별하고 점수 향상을 위한 조정을 제안합니다.

에이전트는 원시적이고 모놀리식 데이터를 시각적 그래프로 변환하여 성능에 대한 더 명확한 스토리를 전달하며, 연습 세션은 기계 데이터를 사용하여 스윙 메커니즘에 대한 자세한 피드백을 제공합니다.

이 데이터 기반 접근 방식은 단순한 숫자를 실행 가능한 통찰력으로 전환하여 지속적인 운동 능력 향상을 가능하게 합니다.

Alex Cornell은 에이전트의 추적 섹션을 활용하여 한 자릿수 골프 핸디캡 달성과 같은 장기 목표를 모니터링합니다.

사이드 채팅은 특정 작업 범위 지정 또는 정리를 위해 제공되며, 앱보다는 사람에게 메시지를 보내는 것과 유사하게 Muse를 하나의 독립체로 취급하는 철학과 일치합니다.

Alex Cornell은 현재 스레딩이 AI 상호작용 내에서 미개척 영역이라고 생각합니다.

그는 사용자가 메인 스레드와 사이드 스레드를 효과적으로 구분하는 데 도움이 되는 상당한 작업이 남아 있다고 믿습니다.

궁극적인 목표는 다가오는 '에이전트 시대'에 대비하여 인터페이스를 발전시키고 사용자가 AI 에이전트와 상호작용하는 방식을 향상시키는 것입니다.

자연어 요청을 통해 사용자는 Alex가 원시 데이터를 실행 가능한 통찰력으로 전환하기 위해 만든 체스 분석 도구와 같은 맞춤형 대시보드를 생성할 수 있습니다.

예를 들어, Alex Cornell은 단순히 특정 분석 및 시간 경과에 따른 추세를 요청하여 체스 대시보드를 만들었으며, 에이전트 방식은 다양한 소스의 원시 데이터를 실행 가능한 통찰력으로 전환할 수 있습니다.

디자이너는 비결정적 AI 시스템으로 작업할 때 모든 화면 요소를 제어하는 것에서 벗어나 기본 아키텍처에 집중해야 합니다.

AI 경험은 매우 개인적이므로 각 사용자에게 인터페이스가 크게 달라지며, 디자이너는 엄격하고 픽셀 완벽한 레이아웃을 강요하는 대신 '비결정적' 결과를 수용해야 합니다.

개별 구성 요소보다 시스템의 기반을 우선시하는 이러한 전환은 디자인에 대한 해방적인 접근 방식으로 설명됩니다.

실생활의 커뮤니케이션 문제를 되돌아보며, Alex Cornell은 나쁜 지시가 종종 사용자 불만을 유발한다는 점에 주목하므로, Marlo나 Jolly Bud와 같은 에이전트가 도움이 되지 않을 때도 정중한 어조를 유지합니다.

일부 사용자는 AI가 이탈할 때 시스템 재설정을 시작하기 위해 '강제적인' 프롬프트를 사용하지만, 제작자는 사용자 불만이 종종 나쁜 지시에서 비롯되며 이는 실제 커뮤니케이션 문제를 반영한다고 지적합니다.

앱 내에서 직접 제출된 피드백은 개발팀에서 검토하며, 더 깊은 참여를 원하는 사용자는 Alex Cornell의 Threads를 팔로우하여 디자인 논리 및 비하인드 콘텐츠를 확인할 수 있습니다.