Back to Blogs

AI Insight

Meta Muse의 등장, 개인화 AI 경쟁이 바뀌고 있다

#MetaMuse#개인화AI#개인화에이전트#AIAgent#에이전트메모리#개인화하네스#AgenticWeb#AgenticCommerce#OnlineAdvertising#DelegationEconomy
Dongha Lee
Dongha Leedonalee@yonsei.ac.kr
Sep 25, 2026•10 min read
Meta Muse의 등장, 개인화 AI 경쟁이 바뀌고 있다

2026년 9월, Meta가 새로운 AI 앱 Muse를 공개했습니다.

출발은 꽤 인상적이었습니다. Muse는 출시 직후 미국 앱스토어 1위에 올랐고, 시장조사업체 Apptopia의 추정에 따르면 첫 12일 동안 약 280만 건이 설치됐습니다. 출시 조건이 달라 단순 비교는 어렵지만, 미국과 캐나다의 iOS만 놓고 같은 기간을 비교하면 Muse는 약 180만 건, ChatGPT의 초기 모바일 앱은 약 130만 건이었습니다.

Meta가 가진 Facebook, Instagram, WhatsApp이라는 거대한 배포 채널을 생각하면 다운로드 숫자만으로 성공을 이야기하기는 어렵습니다. 그럼에도 Muse가 주목할 만한 이유는 따로 있습니다.

Muse는 단순히 질문에 답하는 챗봇을 표방하지 않습니다.

이메일을 보내고, 여행을 예약하고, 쇼핑을 하고, 장기적인 목표를 실제 행동으로 옮기는 personal AI agent를 목표로 합니다. 그리고 이를 위해 Meta는 사용자마다 Muse Secure VM이라는 별도의 가상 컴퓨터를 제공합니다. 이 안에는 브라우저가 있고, 사용자가 연결한 서비스의 데이터와 인증 정보가 저장되며, Muse는 이 환경에서 사용자를 대신해 실제 작업을 수행합니다. Meta는 이 VM을 Muse가 “사는 곳”이라고 설명합니다.

최근 빠르게 확산된 OpenClaw도 묘하게 비슷한 표현을 사용합니다. OpenClaw의 공식 문서는 agent workspace를 “the agent's home”이라고 부릅니다. 그 안에 사용자의 정보와 파일, 에이전트가 따라야 할 지침과 장기적인 작업 맥락이 남습니다.

왜 갑자기 AI에게 자기만의 ‘공간’이 필요해진 걸까요? 이 질문에서 시작하면 최근 개인화 AI 경쟁에서 무엇이 달라지고 있는지 조금 더 잘 보입니다.

AI가 나를 아는 방법이 달라지고 있다

우리는 이미 ChatGPT나 Claude를 꽤 개인적으로 사용하고 있습니다.

처음에는 새로운 대화를 시작할 때마다 필요한 정보를 다시 알려줘야 했습니다.

“나는 대학에서 AI를 연구하고 있어.”
“메일을 쓸 때는 너무 딱딱하게 쓰지 마.”
“지난번 여행에서는 이런 호텔을 좋아했어.”

하지만 최근의 AI 서비스는 이런 정보를 대화 한 번에만 사용하고 버리지 않습니다.

  • ChatGPT는 과거 대화뿐 아니라 사용자가 허용한 파일이나 Gmail 같은 연결된 앱에서 관련 정보를 가져와 답변을 개인화할 수 있습니다. Projects 안에서는 특정 주제의 대화와 파일을 지속적인 context로 사용할 수도 있습니다.
  • Claude 역시 memory와 project 단위의 context를 강화하면서, 한 번의 질문에 답하는 챗봇에서 장기간 함께 일하는 assistant로 이동하고 있습니다.

연구에서도 비슷한 변화가 있었습니다.

  • Generative Agents는 에이전트가 경험을 memory에 저장하고, 필요한 기억을 다시 꺼내 reflection과 planning에 활용하는 구조를 보여줬습니다.
  • MemGPT는 LLM의 제한된 context window 밖에 별도의 장기 memory를 두고 필요한 정보를 오가는 방식을 운영체제의 memory management에 비유했습니다.

최근의 personalization 연구는 한 단계 더 나아갑니다. 사용자가 누구인지 한 번 정의해두는 것이 아니라, 실제 interaction과 feedback을 통해 계속 변화하는 선호를 학습하려는 방향입니다. 즉 개인화는 더 이상 단순히 prompt 앞에 “이 사용자는 커피보다 차를 좋아한다.” 라는 한 문장을 추가하는 문제가 아닙니다.

AI가 나를 얼마나 잘 이해하는가는 점점 모델 밖에 무엇이 쌓이고 있는가에 의해 결정됩니다.

모델보다 ‘Personalization Harness’가 중요해진다면

이 글에서는 이 모델 주변의 시스템을 편의상 Personalization Harness라고 불러보겠습니다. 학계에서 하나의 표준 용어로 합의된 개념이라기보다는, 최근의 개인화 AI들을 비교하기 위해 사용할 수 있는 하나의 관점입니다. 예를 들어 personalization harness에는 이런 것들이 포함됩니다.

  • AI가 이전 대화에서 무엇을 기억하는지,
  • 사용자의 파일과 진행 중인 작업이 어디에 남아 있는지,
  • 이메일이나 캘린더 같은 어떤 서비스에 접근할 수 있는지,
  • 사용자를 대신해 어디까지 행동할 수 있는지,
  • 그리고 그 행동에 대한 사용자의 반응을 다음번에 어떻게 반영하는지입니다.

같은 foundation model을 사용하더라도 이 harness가 다르면 실제 AI의 경험은 상당히 달라질 수 있습니다. 그리고 이 관점에서 ChatGPT, Claude, OpenClaw, Muse를 보면 흥미로운 차이가 하나 보입니다.

세부 기능을 하나씩 비교하는 것보다 더 중요한 차이는 "개인화가 어디에 쌓이는가", "그리고 누가 그것을 발전시키는가"입니다.

개인화는 어디에 쌓이는가

ChatGPT나 Claude에서는 AI 서비스를 제공하는 회사가 personalization의 구조를 주로 설계합니다.

  • OpenAI가 memory를 개선하면 ChatGPT가 과거의 나를 더 잘 이해할 수 있게 되고, 새로운 connector를 추가하면 더 많은 서비스와 연결됩니다. 사용자는 그 안에서 계속 자신의 context를 제공하지만, 무엇을 기억할지, 어떤 도구와 어떻게 연결할지, 기억을 어떻게 사용할지에 대한 기본적인 harness는 서비스와 함께 발전합니다.
  • OpenClaw은 출발점이 조금 다릅니다. OpenClaw에서는 workspace 자체가 agent의 작업 공간이자 memory입니다. 모델과 workspace가 상대적으로 분리되어 있기 때문에 모델 provider가 바뀌더라도 사용자가 오랫동안 쌓아온 파일과 지침, 작업 방식은 남을 수 있습니다.

즉 모델은 전 세계 사용자에게 공통적으로 발전하지만, workspace는 한 사용자와 함께 발전합니다.

Muse는 또 다른 형태입니다.

Muse에도 persistent한 개인 환경이 있지만, OpenClaw처럼 사용자가 직접 운영하는 대신 Meta가 사용자마다 별도의 Secure VM을 만들어 관리합니다. Muse는 이 안의 전용 브라우저를 통해 외부 서비스를 이용하고, 사용자가 허용한 범위 안에서 이메일을 보내거나 구매 같은 행동을 수행할 수 있습니다. 민감한 행동에는 사용자 확인이 필요하고, 별도의 Sentinel agent가 외부 행동을 감시합니다.

세 접근은 구조적으로 완전히 분리되어 있는 것은 아닙니다. ChatGPT와 Claude도 점점 workspace와 tools를 강화하고 있고, OpenClaw 역시 외부 모델 provider에 의존합니다. 다만 출발점은 다릅니다.

  • ChatGPT와 Claude는 assistant가 점점 더 많은 개인 context를 가지는 방향에 가깝고,
  • OpenClaw은 지속적인 workspace 위에서 여러 모델과 도구를 사용하는 방향에 가깝고,
  • Muse는 플랫폼 사업자가 사용자 한 명마다 관리되는 personal computing environment를 제공하는 방향을 택했습니다.

그래서 앞으로 개인 AI를 비교할 때는 “어떤 모델을 쓰는가?” 만큼이나 “그 AI는 나에 대해 무엇을 축적하고, 그 정보와 환경을 누가 관리하는가?”가 중요한 질문이 될 수 있습니다.

AI가 나를 잘 아는 것만으로 충분할까?

여기까지는 AI 제품 안에서의 변화입니다. 하지만 personal agent가 실제로 유용해지려면 결국 인터넷을 사용해야 합니다. 예를 들어 이런 요청을 생각해볼 수 있습니다.

“다음 달 학회 출장 호텔 좀 예약해줘. 학회장이랑 가까워야 하고, 지난번처럼 너무 시끄러운 곳은 싫어. 1박 25만 원 정도이고 취소 가능한 방이면 좋겠어.”

지금은 사람이 검색 결과를 보고 여러 호텔 사이트를 돌아다니며 위치와 가격, 후기를 직접 비교합니다. 하지만 충분히 개인화된 agent라면 다릅니다.

내 일정과 예산을 이미 알고 있고, 지난 여행에서 어떤 호텔을 좋아했는지 기억하고 있으며, 검색과 결제까지 할 수 있다면 수십 개의 후보를 먼저 비교할 수 있습니다. 사용자에게 세 곳만 보여줄 수도 있고, 충분히 신뢰를 얻은 뒤에는 한 곳을 골라 예약까지 할 수도 있습니다.

이 순간 꽤 중요한 변화가 생깁니다. 인터넷 서비스를 실제로 이용하는 주체가 항상 사람이 아닐 수도 있습니다.

  • 기존의 웹이 대체로 Business → Website / App → Human 이었다면,
  • 앞으로 일부 영역에서는 Business → AI Agent → Human 이라는 구조가 더 자주 등장할 수 있습니다.

추천 시스템도 “누구에게 추천하고 있는가?”를 다시 묻기 시작했다

이 문제는 recommender systems 연구에서도 이미 논의되기 시작했습니다.

Spotify 연구진은 RecSys 2026의 position paper “Who Are We Recommending To?”에서 그동안 추천 시스템에는 거의 당연하게 받아들여진 가정이 하나 있었다고 지적합니다. 추천을 받아보는 주체가 사람이라는 것입니다. 하지만 AI agent가 여행 상품을 받아보고, 여러 서비스를 비교한 뒤 사용자를 대신해 예약한다면 처음 recommendation을 소비하는 주체는 사람이 아니라 agent가 됩니다.

물론 모든 선택이 agent에게 넘어가지는 않을 것입니다. 음악이나 영화처럼 결과를 객관적으로 평가하기 어렵고 경험 그 자체가 중요한 선택에서는 사람이 계속 직접 결정할 가능성이 큽니다. 반면 가격, 시간, 거리, 배송 조건처럼 preference를 비교적 명확하게 표현할 수 있는 반복적인 task는 agent에게 위임하기 쉽습니다.

Spotify 연구진은 이를 delegation spectrum이라고 설명합니다. 무엇을 얼마나 agent에게 위임할지는 preference를 얼마나 명확하게 표현할 수 있는지, 결과를 검증할 수 있는지, 그리고 잘못된 결정의 비용이 얼마나 큰지에 따라 달라집니다.

이 변화가 현실화된다면 추천 시스템만 달라지는 것은 아닙니다. 온라인 광고도 상당히 재미있는 문제를 만나게 됩니다.

광고는 사람의 관심을 끄는 것에서, 에이전트에게 선택받는 것으로?

지난 20년 동안 온라인 비즈니스의 핵심 자원 중 하나는 attention이었습니다. 검색 결과의 위쪽에 나오거나, Instagram 피드에서 눈에 띄거나, YouTube 영상 사이에 광고를 보여줍니다. 그리고 대체로 다음과 같은 흐름을 기대합니다.

Impression → Click → Landing Page → Conversion

그래서 광고주는 오랫동안 더 많은 사람의 눈에 띄고, 클릭을 유도하는 방법을 최적화해왔습니다.

그런데 앞의 호텔 예약을 agent가 대신한다면 상황이 조금 달라집니다. 사용자는 호텔 30개의 광고를 볼 필요가 없습니다. Agent가 먼저 가격과 위치, 취소 조건, 후기, 사용자의 과거 선호를 읽고 후보를 세 개로 줄일 수 있기 때문입니다.

이 경우 기업에게 중요한 문제는 “어떻게 사람의 눈에 띌 것인가?” 뿐 아니라 “어떻게 사용자를 대신하는 agent의 후보에 들어갈 것인가?”가 됩니다.

Spotify의 논문에서는 이를 기존 attention economy와 나란히 나타나는 agent attention economy라고 표현합니다. 서비스와 콘텐츠 사업자가 사람의 클릭뿐 아니라 agent에게 선택되고 호출되기 위해 경쟁하기 시작한다는 의미입니다. 개인적으로는 이를 조금 넓게 보면 Delegation Economy라는 표현도 가능하다고 생각합니다.

사용자가 어떤 일을 AI에게 맡기고, 그 AI가 어떤 서비스를 선택하느냐가 새로운 경제적 가치를 만드는 구조입니다.

Meta는 이미 ‘말하지 않은 취향’을 추론하고 있었다

여기서 Meta는 조금 특별한 위치에 있습니다. 물론 사용자의 명시적인 intent를 이해하는 것은 Muse만의 강점은 아닙니다. ChatGPT나 Claude 같은 personal AI도 사용자가

“다음 달 출장 호텔을 찾아줘. 조용하고, 학회장에서 가까우며, 1박 25만 원을 넘지 않았으면 좋겠어.”

라고 말하면 목적과 조건을 직접 이해할 수 있습니다. 장기 memory까지 있다면 과거에 어떤 호텔을 좋아했는지, 가격과 위치 중 무엇을 더 중요하게 생각하는지도 추천에 반영할 수 있습니다.

Meta의 차이는 여기에 한 가지가 더 있다는 점입니다. Meta는 personal AI가 등장하기 훨씬 전부터 Facebook과 Instagram에서 사용자가 직접 말하지 않은 취향과 관심사를 행동으로부터 추론해왔습니다.

사용자는 Instagram에 “최근 러닝에 관심이 생겼고 러닝화를 살 가능성이 높다”고 입력하지 않습니다. 대신 러닝 영상을 오래 보고, 관련 계정을 팔로우하고, 비슷한 Reels를 반복해서 보거나 특정 광고를 클릭합니다. Meta의 recommendation과 advertising system은 이런 행동의 긴 sequence를 바탕으로 사용자의 preference와 다음 행동을 예측해왔습니다.

최근 Meta가 공개한 광고 recommendation 모델 GEM 역시 organic content와 광고에서 발생하는 장기적인 interaction sequence를 학습해 사용자의 preference와 purchase journey를 더 잘 모델링하는 것을 목표로 합니다.

Personal AI가 여기에 더해지면 새로운 종류의 signal이 생깁니다.

  • 기존에는 What the user does → infer what the user may want 였다면,
  • personal AI에서는 What the user says they want → understand the goal and constraints가 추가됩니다.

예를 들어 사용자가 Muse에게 “10월 말에 부모님과 일본에 가려고 해. 많이 걷지 않아도 되고 온천이 있는 곳이면 좋겠어.” 라고 말한다면 여행의 목적, 시점, 동행자와 제약조건을 직접 알 수 있습니다. 여기에 Instagram에서 사용자가 어떤 숙소와 음식, 여행 콘텐츠에 오래 머물렀는지 같은 행동 정보까지 더해진다면 이야기가 달라집니다.

첫 번째는 사용자가 지금 무엇을 원하는지 알려주고, 두 번째는 사용자가 굳이 말하지 않아도 평소 무엇을 좋아하는지에 대한 단서를 줍니다. 즉 Meta의 잠재적인 강점은 단순히 사용자의 intent를 직접 알 수 있다는 데 있지 않습니다. Personal agent가 얻는 explicit intent에, Meta가 오랫동안 발전시켜온 behavior-based latent preference modeling을 더할 수 있다는 점이 더 중요합니다.

Personal agent는 사용자가 말한 것을 이해합니다. Meta의 잠재적 강점은 사용자가 굳이 말하지 않은 취향까지 행동에서 추론해왔다는 데 있습니다.

ATT 이후, 이 강점은 더 중요해졌다

이러한 역량은 Apple의 App Tracking Transparency(ATT) 이후 Meta에게 더욱 중요해졌습니다.

ATT 도입 이후 다른 앱과 웹사이트에서 얻을 수 있는 tracking signal이 제한되면서 Meta의 광고 targeting과 measurement도 영향을 받았습니다. Meta 역시 SEC 보고서에서 이러한 iOS 변화가 광고 사업에 부정적인 영향을 미쳤다고 밝혔습니다. 이후 Meta는 자사 서비스 안에서 발생하는 interaction을 더 잘 이해하고, AI를 통해 어떤 콘텐츠와 광고가 사용자에게 relevant할지 예측하는 방향에 강하게 투자해왔습니다.

Muse와 같은 personal AI는 여기에 지금까지와는 다른 signal, 즉 사용자가 직접 표현한 goal과 constraint를 추가할 수 있습니다. 결국 흥미로운 점은 단순합니다.

이미 latent preference를 잘 추론하던 회사가, explicit intent를 이해하는 personal agent까지 갖게 된 것입니다.

다만, 현재 Muse의 데이터가 광고에 쓰이는 것은 아니다

여기에는 중요한 구분이 필요합니다.

현재 Meta는 Muse의 대화와 Secure VM 내부 데이터를 광고 시스템과 공유하지 않는다고 명시하고 있습니다. 따라서 위에서 이야기한 결합은 Meta가 가진 기술적·플랫폼적 가능성을 설명하는 것이지, 현재 Muse에서 이러한 데이터가 광고 targeting에 사용되고 있다는 뜻은 아닙니다. 오히려 앞으로 더 중요한 질문은 이것일 수 있습니다.

Personal agent가 사용자를 더 잘 이해할수록, 그 개인적인 context와 상업적 추천 사이의 경계는 어디에 그어져야 할까요?

개인화 AI의 경쟁은 결국 사용자를 얼마나 잘 이해하느냐뿐 아니라, 그 이해를 어디까지 활용하고 어떻게 신뢰를 유지할 것인가의 경쟁이기도 할 것입니다.

광고 자체도 달라질 수 있다

Personal agent가 가진 데이터를 광고에 직접 사용하지 않더라도, agent가 상품 탐색과 구매 과정의 중간에 들어오기 시작하면 광고의 형태 자체는 달라질 수 있습니다. 광고의 목표가 사람의 클릭을 얻는 것뿐 아니라, agent에게 정보를 제공하고 다음 행동으로 이어지게 만드는 것으로 확장될 수 있기 때문입니다. 실제로 이런 변화는 이미 시작되고 있습니다.

  • 2026년 9월 OpenAI는 ChatGPT 광고에서 Sponsored Agents를 테스트하기 시작했습니다. 기존 광고처럼 링크를 눌러 landing page로 이동하는 것에서 끝나는 것이 아니라, 광고를 클릭하면 그 기업의 AI representative와 바로 대화할 수 있습니다. 상품에 대해 질문하고 자신의 상황에 맞는지를 확인할 수 있는 광고입니다.
  • Google도 비슷한 방향으로 움직이고 있습니다. Direct Offers는 구매 의도가 높은 사용자에게 일반적인 광고 대신 해당 상황에 맞는 할인이나 bundle 같은 offer를 제안합니다. 2026년에는 AI Mode 안에서 상품별 promotion을 만들고 native checkout까지 연결하는 방향으로 확대되고 있습니다.

기존 광고의 단위가 "배너, 이미지, 영상, 링크" 였다면 앞으로는 "대화 가능한 agent, 개인화된 offer, 실시간 가격과 재고, 바로 실행할 수 있는 transaction" 자체가 광고의 일부가 될 수 있습니다.

그리고 user agent가 중간에 있다면 광고의 메시지도 달라질 수 있습니다. 사람에게는 “당신을 위한 최고의 호텔"이라는 문구가 효과적일 수 있습니다. 하지만 agent 입장에서는 "학회장 도보 7분 / 21만 원 / 무료 취소 / 조식 포함 / 평점 4.6"이라는 정보가 훨씬 유용합니다.

Agent는 멋진 광고 문구보다는 사용자의 constraint와 얼마나 잘 맞는지를 먼저 볼 가능성이 높기 때문입니다.

웹사이트도 사람만을 위해 만들어지지 않을 수 있다

이 변화는 이미 commerce infrastructure에서도 나타나고 있습니다.

  • Google은 2026년 Universal Commerce Protocol(UCP)을 공개했습니다. UCP는 AI agent와 retailer, payment provider가 상품 탐색부터 구매, 구매 이후의 지원까지 공통된 방식으로 통신할 수 있도록 만든 open standard입니다. Shopify, Etsy, Wayfair, Target, Walmart 등이 개발에 참여했고 여러 payment 및 commerce 기업도 이를 지원하고 있습니다.
  • OpenAI 역시 Agentic Commerce Protocol(ACP)을 통해 merchant가 자신의 상품 catalog와 inventory를 구조화된 형태로 ChatGPT에 제공할 수 있도록 하고 있습니다.

이런 protocol들이 흥미로운 이유는 단순히 결제를 편하게 만들기 때문만은 아닙니다. 현재의 웹은 기본적으로 사람이 보기 위해 설계돼 있습니다. 좋은 사진을 배치하고, 클릭하고 싶은 제목을 만들고, 버튼을 눈에 띄게 만듭니다.

하지만 agent가 서비스를 탐색하기 시작하면 또 다른 interface가 필요합니다. 가격, 재고, 배송, 취소 조건, 상품 옵션, payment 등의 정보를 agent가 안정적으로 읽고 행동할 수 있어야 합니다.

웹사이트가 사라진다는 뜻은 아닙니다. 사람을 위한 visual interface와 함께, agent를 위한 machine-readable interface가 중요해지는 것입니다.

검색 시대에 기업들이 SEO를 고민했다면, agentic web에서는 자연스럽게 “우리 서비스가 agent에게 얼마나 잘 이해되고 선택될 수 있는가?”라는 새로운 최적화 문제가 생길 수 있습니다.

결국 가장 중요한 자산은 ‘함께 쌓아온 시간’일지도 모른다

다시 personalization으로 돌아가보겠습니다.

Agent가 나를 대신해 여행을 예약하거나 물건을 구매하려면 reasoning을 잘하는 것만으로는 부족합니다. 무엇을 좋아하는지 알아야 합니다. 그리고 좋은 사용자 모델은 한 번의 대화로 만들어지지 않습니다.

지난번 어떤 호텔을 골랐는지, 추천한 식당 중 어디를 실제로 좋아했는지, 어떤 가격에서는 구매했고 어떤 가격에서는 포기했는지, 어떤 추천을 계속 무시했는지, 이런 정보가 오랫동안 축적되어야 합니다. 그래서 personal AI에서는 모델의 intelligence만큼 accumulated context가 중요한 자산이 될 수 있습니다.

즉 AI 서비스의 switching cost 역시 “어느 모델의 benchmark 점수가 더 높은가”만으로 결정되지 않을 수 있습니다. 새로운 AI로 옮겼을 때 "몇 년 동안 쌓아온 나에 대한 이해를 얼마나 같이 가져갈 수 있는가"가 더 중요해질 수도 있습니다.

모델의 성능은 모든 사용자에게 동시에 좋아집니다. 하지만 한 사용자와 함께 쌓인 context는 그 사용자에게만 존재합니다.

개인화 AI 경쟁은 이제 모델만의 경쟁이 아니다

지금까지 AI 경쟁을 설명하기 가장 쉬운 기준은 모델 성능이었습니다. 더 높은 benchmark 점수, 더 좋은 reasoning, 더 긴 context, 더 낮은 inference cost. 물론 앞으로도 foundation model의 발전은 중요합니다. 하지만 AI가 실제 생활 안으로 들어올수록 그것만으로는 제품의 차이를 설명하기 어려워질 것 같습니다.

AI가 나에 대해 무엇을 기억하는지, 내가 하던 일을 얼마나 자연스럽게 이어서 할 수 있는지, 어떤 서비스와 연결되어 있는지, 내가 과거에 어떤 선택을 했는지 알고 있는지, 필요한 순간 실제 행동까지 할 수 있는지가 점점 함께 중요해지고 있습니다.

Muse의 등장이 흥미로운 것도 그래서입니다. Meta가 가장 좋은 foundation model을 만들었기 때문만은 아닙니다. Meta는 이미 수십억 명이 일상적인 관계와 관심사를 표현하는 social platform을 가지고 있고, 강력한 광고 및 recommendation infrastructure를 운영하고 있습니다. 그리고 이제 그 위에 사용자를 장기간 기억하고 실제 행동까지 대신하는 personal agent를 올리고 있습니다.

현재 Muse의 개인 데이터와 광고 시스템 사이에는 명확한 경계가 있습니다. 하지만 더 넓게 보면 Meta는 사람의 행동을 관찰해 관심을 추론하던 회사에서, AI를 통해 사용자의 목표와 의도를 직접 이해할 수도 있는 회사가 되고 있습니다.

이 변화는 Meta만의 이야기도 아닙니다. Personal agent가 인터넷의 새로운 사용자로 등장하면, 추천 시스템은 “누구에게 추천하고 있는가?”를 다시 고민해야 하고, 커머스 기업은 사람뿐 아니라 agent가 읽을 수 있는 interface를 만들어야 하며, 광고주는 사람의 attention을 사는 것과 함께 agent가 선택할 이유를 제공해야 할 수도 있습니다.

지난 인터넷의 중요한 interface가 검색창과 피드였다면, 다음 인터넷의 중요한 interface 중 하나는 나를 계속 기억하고, 대신 행동하는 AI가 될 수 있습니다.

그렇다면 개인화 AI의 다음 경쟁은 누가 가장 똑똑한 모델을 만드는가 뿐 아니라, 누가 사용자를 가장 오래, 가장 잘 이해하면서도 그 context를 신뢰할 수 있게 관리하는가를 두고 벌어질 가능성이 큽니다.

Muse는 아마 그 경쟁이 본격적으로 시작됐다는 신호 중 하나일 것입니다.

References