핵심 요약

  • 심일리(Simile)는 사람의 행동과 선호를 모델링해 개인, 집단, 시장의 반응을 시뮬레이션하려 한다.
  • 박 CEO는 미래의 결과만 예측하기보다, 기업이 결정을 바꿨을 때 사람들의 반응이 어떻게 달라지는지 살피는 데 가치를 둔다.
  • 회사는 관찰·거래 데이터에 더해 실험과 A/B 테스트 결과를 수집한다. 다양한 집단을 대표할 수 있는 사람을 확보하는 것도 과제다.
  • 박 CEO는 연구 단계의 시연을 실제 의사결정에 쓸 수 있는 시스템으로 만드는 데 정확도 검증과 규모 확장이 필요하다고 봤다.

발렌타인데이 전날의 작은 마을

심일리의 출발점은 2023년 만든 가상의 마을이었다. 연구진은 NPC(사람이 조작하지 않는 등장인물) 25명에게 일상과 관계를 부여했다. 이들은 아침에 일어나 일하고, 만남을 기억하며, 하루를 계획했다. 발렌타인데이 전날로 설정된 시뮬레이션에서는 등장인물들이 스스로 파티를 계획하고 카페를 꾸미는 모습도 나타났다.

당시 연구진은 언어 모델에 기억·계획·성찰 기능을 결합했다. 만날 때마다 서로를 처음 보는 것처럼 반응하지 않도록 대화를 기억하게 했고, 쌓인 경험에서 더 큰 의미를 찾도록 했다. 박 CEO는 기록을 모두 나열하는 것만으로는 긴 경험을 다룰 수 없어, 성찰 과정이 등장인물의 관점과 성격을 만드는 데 도움이 됐다고 설명했다.

정답보다 사람다운 반응

박 CEO에 따르면 심일리는 코딩이나 수학에 능한 모델을 만드는 데 초점을 두지 않는다. 실제 사람이 특정 상황에서 편향된 판단이나 실수를 한다면 모델도 그런 반응을 재현해야 한다는 것이다. 목표는 사람들의 가치관, 취향, 선호를 표현하는 인간 행동 모델이다.

이를 위해 회사는 웹에 남은 발언만으로 사람을 이해하기 어렵다고 본다. 사람들이 말한 것과 실제로 한 일은 다를 수 있어서다. 심일리는 거래와 관찰 데이터를 수집하고 고객·데이터 제공업체와도 협력한다. 동시에 박 CEO는 관찰 자료만으로는 어떤 선택이 결과를 바꿨는지 알기 어렵다고 설명했다. 회사가 무작위 대조 실험과 A/B 테스트, 즉 서로 다른 선택지를 제시해 반응을 비교하는 실험에 관심을 두는 이유다.

예측에서 선택의 결과로

박 CEO는 프라푸치노 판매가 두 분기 뒤 줄어든다는 예측을 예로 들었다. 기업에는 그 전망 자체뿐 아니라 지금 무엇을 바꾸면 결과가 달라질지가 중요하다. 심일리가 다루려는 반사실적 질문은 한 선택을 했을 때와 다른 선택을 했을 때의 반응을 비교하는 것이다.

현재 회사는 예산과 기술 검증 기회가 있는 기업 고객에게 서비스를 제공한다. 박 CEO는 일부 초기 고객이 첫 통화에서 기존 조사 결과를 심일리 시스템에 다시 물었고, 3~6개월 걸렸던 연구의 결과를 시스템이 2분 안에 예측했다고 말했다. 다만 이는 그가 소개한 고객 사례다. 모든 조사에서 같은 속도와 정확도가 나온다는 뜻은 아니다.

회사가 공개한 별도 연구에 대해서는, 박 CEO가 2024년 말 사람들의 설문 응답·행동·태도를 예측한 결과를 설명했다. 그의 표현에 따르면 예측 정확도는 같은 사람이 자신의 반응을 다시 재현하는 정확도의 85% 수준이었다. 이 수치는 절대 정확도 85%와 구분해야 한다.

대표성과 검증의 문제

박 CEO는 특정한 좁은 집단을 연구할 때는 약 1,000명으로 통계적 유의성을 얻는 경우가 있다고 말했다. 그러나 고객이 즉석에서 여러 조건으로 집단을 잘라 질문하면 필요한 모집단은 훨씬 넓어진다. 심일리는 전문가 집단보다 일상을 사는 다양한 사람을 확보하고, 이들이 실제 인구를 얼마나 대표하는지 살핀다. 성장 과정이나 중요한 선택을 묻는 방식도 데이터 수집에 쓴다.

미래에 대한 시뮬레이션은 결과를 즉시 확인하기 어렵다. 박 CEO는 검증 가능한 가설을 만들고, 시간이 지나 실제 세계에서 어떤 결과가 나왔는지 대조하는 학습 방식을 설명했다. 회사가 운영 중인 한 모델의 실행 비용은 이전보다 약 100분의 1로 줄었다고도 말했다. 그럼에도 복잡한 결정의 파급 효과나 미국 전역의 시장 세분화를 다루는 시뮬레이션은 계산 비용이 더 높다고 했다.

연구실에서 기업으로

박 CEO는 스탠퍼드를 떠날 당시 기업들이 시뮬레이션을 받아들이기까지 1~2년이 걸릴 것으로 예상했다. 실제로는 일부 대형 고객과 약 3개월 만에 계약을 맺었다고 말했다. 그는 빠른 실험에 대한 고객의 수요와 결과를 계속 검증할 기회가 연구와 제품 개발을 연결한다고 봤다.

자금 조달도 빨랐다. 박 CEO의 설명에 따르면 심일리는 앞선 1억 달러 투자 유치 후 약 5개월 만에 2억 달러를 추가로 유치해, 약 6개월 동안 총 3억 달러를 조달했다. 그는 데이터 확보와 계산 자원에 더 투입하면 연구 속도를 높일 수 있다고 판단했다. 동시에 AI 투자 시장의 일부에는 과열이 있다며 고객, 시장 수요, 기술의 진전을 살펴야 한다고 말했다.

남은 간극

박 CEO는 복잡한 다중 에이전트 시뮬레이션의 초기 시연은 이미 만들 수 있다고 본다. 남은 과제는 그 결과를 평가하고, 사람들이 중요한 결정에 의존할 만큼 정확하고 확장 가능한 시스템으로 만드는 일이다. 그는 2~3년 뒤 한 번 실행하는 데 1,000만~2,000만 달러가 들고 고객이 1억 달러를 지불할 시뮬레이션도 가능하다고 전망했지만, 이는 현재의 계약이나 매출을 말한 것이 아니다.

심일리가 제시하는 방향은 더 많은 사람의 관점을 의사결정에 반영하는 것이다. 그 방향이 실제로 작동하는지는 다양한 사람을 대표하는 데이터와 시뮬레이션 결과의 지속적인 검증에 달려 있다.