00:00:00(업비트 음악) - 안녕하세요, 저희를 초대해주셔서 감사합니다.
00:00:11저는 Jack이고,
00:00:12곧 나올 동료 Nikita와 함께 AI 네이티브 CRM인 Lightfield를 만들었습니다.
00:00:19우리는 올해 1월부터 AI SDK V4를 사용하기 시작했고,
00:00:226월 알파 버전이 나왔을 때 V5를 바로 도입했습니다.
00:00:26오늘은 AI 에이전트가 고객 데이터에 대한 안전한 읽기-쓰기 액세스를 갖춘 프로덕션 시스템을 어떻게 구축했는지,
00:00:33인간 개입 워크플로우를 어떻게 처리하는지,
00:00:35그리고 이 모든 것을 가능하게 한 아키텍처 결정에 대해 공유하고 싶습니다.
00:00:40우리가 발견한 패턴,
00:00:41내린 결정,
00:00:42그리고 AI SDK가 우리가 빠르게 움직이면서도 막다른 골목에 빠지지 않도록 어떻게 도왔는지 설명하겠습니다.
00:00:49그 전에 먼저 CRM이 왜 망했는지, 그리고 왜 이것이 중요한지 얘기해봅시다.
00:00:54CRM에 대해 아무도 들어본 사람 있나요?
00:00:59혹시?
00:01:00개발자들?
00:01:01네, 그럼 실제로는 이렇게 되는 거거든요.
00:01:03고객들과 대화를 시작합니다.
00:01:05창업자라면 직접 영업을 하고 있을 수도 있죠.
00:01:07아니면 영업팀에 속해 있을 수도 있습니다.
00:01:10처음엔 관리가 될 것 같아요.
00:01:11모두를 기억하니까요.
00:01:13모든 대화가 생생하게 떠올라요.
00:01:16그러다 고객이 10명, 20명, 50명이 되면, 어느 날 영업팀 동료가 묻습니다.
00:01:20'야, Acme의 Sarah가 우리 가격 책정에 대해 뭐라고 했더라?
00:01:23엔터프라이즈 요금제에 대해 걱정하긴 했어?'?
00:01:26그럼 Slack을 검색해봅니다.
00:01:31이메일을 검색하고,
00:01:32Google Docs를 검색하고,
00:01:34아직 서재도 안 된 Zoom 녹화본도 찾아봅니다.
00:01:38결국 2주 전 스레드에 묻혀 있던 걸 찾긴 하는데,
00:01:40그 와중에 스프레드시트를 업데이트한 적이 없다는 걸 깨닫게 돼요.
00:01:44그래서 CRM을 구매합니다.
00:01:47제품은 진실의 유일한 원천이 될 거라고 약속하지만, 결국 또 다른 업데이트를 잊을 공간이 되어버려요.
00:01:52문제가 뭔지 압니다.
00:01:54전통적인 CRM은 수십 년 전에 인간이 수동으로 데이터를 입력할 거라는 근본적인 가정 하에 만들어졌어요.
00:02:01고정된 필드와 미리 정의된 스키마를 제공했지만,
00:02:05실제 맥락,
00:02:06대화의 뉘앙스는 이메일,
00:02:08Slack,
00:02:09회의 노트 등 여러 곳에 흩어져 있습니다.
00:02:13그래서 CRM은 영업 부사장을 위한 리포팅 도구일 뿐이지, 실제로 판매를 돕는 도구가 아니에요.
00:02:20우리는 더 나은 방법이 있어야 한다고 생각했어요.
00:02:22만약 시스템이 모든 것을 기억할 수 있다면 어떨까요?
00:02:25모든 것을 지능적으로 캡처하고 실제로 당신을 대신해서 행동할 수 있다면요?
00:02:30그것이 바로 Lightfield입니다.
00:02:31Lightfield는 CRM이 어떻게 되어야 하는지를 다시 정의했어요.
00:02:35스타트업을 위한 기억과 행동의 시스템입니다.
00:02:39자동으로 캡처합니다.
00:02:41대화, 회의, 이메일 등이 모두 수동 입력 없이 캡처되고 정렬됩니다.
00:02:50손실 없는 메모리를 갖추고 있어요.
00:02:52우리는 스키마 리스트와 커스터마이징 가능한 스키마를 지원합니다.
00:02:54미리 뭘 추적할지 알 필요가 없고, 컨설턴트를 고용해서 설정할 필요도 없어요.
00:02:58그리고 기억을 행동으로 바꿉니다.
00:03:02Lightfield는 캡처한 모든 맥락,
00:03:04즉 정형 데이터와 대화 데이터를 모두 사용해서 팔로업을 작성하고,
00:03:08인사이트를 제시하고,
00:03:09워크플로우를 자동화해줍니다.
00:03:11전통적으로 CRM은 영업팀이 영업 딜을 추적하기 위해 만들어졌지만,
00:03:16Lightfield는 모든 대화 데이터를 캡처하고 정렬하기 때문에,
00:03:21고객 맥락을 기억하고 행동해야 하는 누구에게나 정말 강력합니다.
00:03:26지난주 온보딩에서 가장 많이 요청받은 기능이 뭐였나요?
00:03:31고객 성공 팀들은 지원 대화에서 패턴을 이해하려고 합니다.
00:03:35같은 시스템, 다른 질문들이지만, 모두 같은 메모리 계층으로 구동됩니다.
00:03:40이게 우리 제품입니다.
00:03:41실제로 어떻게 생겼는지 보여드릴게요.
00:03:43여기서 Lightfield 에이전트에 질문하는 예시입니다.
00:03:48멈춘 기회 5개를 찾아서 각각에 맞춤형 이메일을 작성해달라고 하고 있습니다.
00:03:55AI SDK로 만들어진 에이전트를 사용해서 모든 고객 정보를 검색할 수 있어요.
00:04:02어떤 기회가 멈춰 있는지 이해하고,
00:04:05그 정보를 사용해서 그 사람들 모두에게 커스터마이징된 이메일을 작성할 수 있습니다.
00:04:23여기가 예시입니다.
00:04:25그런 다음 사용자가 우리를 위해 그 이메일을 보낼 수 있어요.
00:04:29이 모든 것이 어떻게 작동하는지 궁금하시죠?
00:04:34뒤에서 어떤 일이 일어나고 있는지 함께 살펴봅시다.
00:04:37사용자가 행동을 취합니다.
00:04:39채팅 메시지를 보내는 것일 수도 있어요.
00:04:41이메일이나 회의 종료 같은 외부 이벤트, 트리거일 수도 있습니다.
00:04:47에이전트는 즉시 맥락을 파악합니다.
00:04:50사용자가 앱 어디에 있나요?
00:04:52최근에 뭘 하고 있었나요?
00:04:54그리고 의도가 뭔가요?
00:04:55어떤 도구를 사용할 수 있나요?
00:04:57그럼 Lightfield가 시작합니다.
00:04:59관련 데이터를 검색하고, CRM에서 행동을 취하고, 레코드를 업데이트하고 응답합니다.
00:05:05이 모든 일이 UI를 구동하는 같은 통합 데이터 계층을 통해 일어납니다.
00:05:10이것을 어떻게 하는지 보여드릴게요.
00:05:11이게 이 모든 것을 가능하게 하는 아키텍처입니다.
00:05:15세 가지 다른 인터페이스가 있습니다.
00:05:19사람을 위한 UI, 자연어를 위한 에이전트, 자동화를 위한 워크플로우 작업입니다.
00:05:26핵심은 여기입니다.
00:05:27모두 같은 통합 계층, 즉 도메인 객체를 통해 상호작용합니다.
00:05:32같은 권한을 가지고 있어요.
00:05:33에이전트는 에이전트를 실행하는 사용자와 같은 권한을 가집니다.
00:05:37같은 비즈니스 로직, 같은 데이터 액세스 패턴입니다.
00:05:41다른 규칙이나 제한된 액세스를 가진 별도의 에이전트 API는 없어요.
00:05:46우리는 여기서 다양한 시스템의 스토리지를 모읍니다.
00:05:51정형 데이터, 객체 스토리지, 그리고 다양한 검색 플랫폼에 인덱싱됩니다.
00:05:57우리는 같은 기능과 같은 인터페이스를 제공합니다.
00:06:01우리가 플랫폼을 구축하는 데 사용하는 한 가지 원칙은 에이전트-UI 패리티입니다.
00:06:10사용자가 액세스할 수 있으면 에이전트도 액세스할 수 있어요.
00:06:14모든 데이터에 대한 완전한 읽기, 생성, 업데이트 기능을 갖춰야 해요.
00:06:19같은 권한, 같은 가시성, 같은 작업들이죠.
00:06:24이건 우리가 첫 날부터 내린 제품과 아키텍처 선택입니다.
00:06:28이것이 처음부터 AI 네이티브로 구축하는 것이 기존 시스템에 에이전트를 덧붙이는 것보다 나은 이유입니다.
00:06:34Lightfield의 에이전트들은 같은 권한으로,
00:06:37UI를 구동하는 같은 데이터 계층을 통해 당신을 대신해서 행동합니다.
00:06:42그냥 데이터의 또 다른 인터페이스일 뿐입니다.
00:06:44Lightfield를 만들기 위해 도구를 선택할 때,
00:06:48우리는 에이전트 대 사용자 아키텍처를 다르게 강요하지 않을 기본 요소가 필요했습니다.
00:06:54그 제약이 우리 전체 스택, 선택한 AI 프레임워크까지 영향을 미쳤어요.
00:06:58그리고 2025년에 AI 제품을 만드는 것의 핵심은 아무도 완벽한 플레이북을 가지고 있지 않다는 거예요.
00:07:10우리는 완벽함보다 학습 속도를 최적화하려고 하고 있어요.
00:07:14실제로 우리는 Lightfield로 이 개념을 직접 사용해보고 있습니다.
00:07:19우리 엔지니어링 팀이 고객 이슈를 이해해야 할 때, CRM을 헤매며 찾아다닐 필요가 없어요.
00:07:25그냥 물어보면 돼요.
00:07:26자연언어가 우리가 원하는 진정한 인터페이스입니다.
00:07:35AI SDK는 우리에게 전부를 다시 작성하지 않고도 반복할 수 있는 유연성을 줬어요.
00:07:41하지만 핵심은 마인드셋이었어요.
00:07:43우리는 기능을 구축하고 실제 문제를 푸는 데 집중했지,
00:07:46프레임워크와 싸우거나 추상화를 과도하게 엔지니어링하지 않았어요.
00:07:50여기서 핵심은 빠르게 움직이고 빠르게 배운다는 것입니다.
00:07:53우리는 계속 이 문구로 돌아왔어요.
00:08:02'중복은 잘못된 추상화보다 훨씬 저렴하다'는 Sandy Metz의 말이에요.
00:08:08이게 요즘 AI 제품을 만드는 데 정말 흔한 거 같아요.
00:08:13소프트웨어를 빠르게 만드는 건 정말 빨라요.
00:08:171년 전보다 훨씬 빠르죠.
00:08:19올바른 프레임워크가 존재하는지 확인하는 것이 정말 중요합니다.
00:08:23잘못된 추상화는 더 비용이 많이 들 수 있거든요.
00:08:27실제로 이것에 대해 더 얘기해봅시다.
00:08:34Lightfield를 구축하면서 올해 1월부터 AI SDK를 개발하기 시작했어요.
00:08:43우리는 모델 전환을 지원하도록 채택했고 streamText 같은 기본 요소를 사용하기 시작했어요.
00:08:54그래서 우리는 몇 주 안에 특정 에이전트에 초기 작업을 배포할 수 있었어요.
00:08:58우리는 더 많고 더 많은 에이전트를 구축하기 시작했고 더 많은 채팅 기능을 만들었어요.
00:09:04그리고 2025년 6월에 우리는 useChat API 채택을 시작했는데,
00:09:11특히 공개된 커스텀 트랜스포트 옵션 때문이었어요.
00:09:16여기서 중요한 점은 우리가 AI SDK를 V4에서 알파 V5로 채택할 수 있었다는 거예요.
00:09:25그러면 V6이 곧 나올 것 같은데, 빠르게 움직이는 것만큼 꽤 매끄럽게 말이에요.
00:09:34우리는 내부적으로 이런 농담이 있어요.
00:09:38AI SDK에서 필요한 기능을 찾으면 다음 날 AI SDK 팀의 트윗이 보인다고요..
00:09:46그리고 오늘 아침에 배운 건데, Nico가 그 트윗들을 만드는 에이전트를 가지고 있다고 하네요.
00:09:51그래서 그걸 보는 게 정말 재미있어요.
00:09:53이게 정말 프레임워크에서 원하는 거예요.
00:09:57당신과 함께 성장하는 것이지, 다시 작성하거나 느려지도록 강요하지 않습니다.
00:10:00여기 Lightfield가 실제로 작동하는 예시입니다.
00:10:05여기 채팅에서 저는 질문을 입력하고 있어요. '이 계정의 다음 단계가 뭐지?
00:10:16Jordan Lee가 마지막 통화에서 뭐라고 했더라?'
00:10:19사용자가 할 필요가 없었던 게 뭔지 주목하세요.
00:10:21계정이 streamlined protocol이라고 말할 필요도 없고,
00:10:26특정 회의에 대해 구체적으로 묻을 필요도 없었어요.
00:10:30우리는 AI SDK를 사용해서 우리가 Adaptive Context Building이라고 부르는 기능을 만들었어요.
00:10:37사용자의 신호와 지능형 검색을 결합해서 실제로 중요한 게 뭔지 알아내요.
00:10:45SDK를 사용해서 어떻게 이걸 하는지 예시를 몇 가지 공유해드릴게요.
00:10:49SDK는 Data Parts라고 하는 API가 있어요.
00:10:53우리는 이것을 사용해서 클라이언트에서 서버로 신호를 보내는데, 서버는 맥락을 구축하고 있어요..
00:11:01우리는 클라이언트에서 다양한 엔티티를 사용하고 Data Parts API를 사용해서 다양한 신호를 제공한 다음 서버에서 이를 완전히 수화합니다.
00:11:11이제 제 동료 Nikita가 Data Parts를 어떻게 사용해서 더 많은 기능을 만드는지에 대해 더 얘기해드릴 거예요.
00:11:19(업비트 음악)
00:11:24(업비트 음악) - 감사합니다, Jack.
00:11:28Adaptive Context Building과 유사한 다른 예시는 파일을 채팅 스레드에 삽입하는 방법이에요.
00:11:35AI SDK는 이 작업을 정말 쉽게 할 수 있는 방법을 제공해요.
00:11:39useChat 훅에서 send message 함수를 사용해서 사용자의 쿼리와 파일 리스트를 제공하면 되는데,
00:11:48바로 어떤 제공자와도 작동해요.
00:11:50하지만 이는 확장성 주변의 실질적인 우려를 야기합니다.
00:11:54예를 들어, 파일을 직접 인코딩하면 데이터를 직접 데이터베이스에 유지하지 않도록 어떻게 확인하나요?
00:12:01S3 URL을 사용하고 있다면, 실수로 개인 사용자 데이터를 공개에 노출하지 않도록 어떻게 확인하나요?
00:12:09우리 해결책은 대신 클라이언트가 우리 자체 데이터 저장소 내에서 업로드된 파일을 참조하는 내부 ID를 백엔드에 보내게 하는 거예요.
00:12:21백엔드에서, 우리는 모든 파일 부분을 반복하고 그 내부 식별자를 서명된 S3 URL로 대체합니다.
00:12:30이는 외부 LM 제공자들이 첨부된 파일을 볼 수 있게 하지만,
00:12:36서명된 URL의 만료 시간이 무단 액세스를 방지합니다.
00:12:41우리가 Lightfield에서 사용자 데이터를 보호하는 또 다른 예시는 상황별 도구 컬렉션이라는 개념을 통해서입니다.
00:12:50사용자가 Lightfield의 채팅 제품과 상호작용할 때마다,
00:12:55우리는 사용자에게 특정한 도구 세트를 동적으로 구성합니다.
00:13:00우리는 도구에 직접 의존성을 주입합니다.
00:13:03예를 들어, 이 데이터 검색 도구에서, 우리는 사용자의 ID를 도구 자체에 직접 주입해요.
00:13:11LLM은 직접 데이터베이스에 쿼리를 발행하지 않습니다.
00:13:15항상 사용자가 CRM의 나머지 인터페이스를 통해 액세스할 수 있는 같은 통합 데이터 계층을 통합니다.
00:13:23우리는 CRM UI와 에이전트 기능 사이의 패리티를 유지하는 설계 철학을 가지고 있어요.
00:13:34사용자가 UI의 이 모달 인터페이스를 통해 계정,
00:13:37기회,
00:13:38연락처 같은 CRM 엔티티를 만들 수 있을 때,
00:13:41우리는 그들이 채팅 기반 인터페이스를 통해 같은 일을 할 수 있기를 원해요.
00:13:48LLM은 이 계정을 만들기 위해 도구를 호출할 수 있고 사용자 인터페이스 내에 표시되는 같은 입력으로 폼을 렌더링할 거예요.
00:13:57우리는 AI SDK의 인간-루프 추상화를 활용해서 이를 만들었어요.
00:14:03기본적으로 작동하는 방식은 LLM이 확인이 필요한 도구 호출을 발행하면,
00:14:09프론트엔드 클라이언트로 그 도구 호출을 전달합니다.
00:14:13클라이언트가 인터페이스를 렌더링하고 사용자의 행동에 따라 도구 결과를 추가해요.
00:14:20백엔드에서, 우리가 그 출력을 LLM에 제출하기 직전에, 사용자가 제출한 것에 따라 함수를 실행해요.
00:14:31우리가 이를 한 방식을 설명하는 스키마가 여기 표시됩니다.
00:14:37그래서 사용자의 초기 입력이 이 도구 호출입니다.
00:14:43LLM이 입력 값들의 세트를 제안해요. 이 경우 계정 이름과 도메인을 나타내는 항목의 배열입니다.
00:14:51사용자가 값을 편집한 후,
00:14:53출력은 사용자의 편집된 값과 그들이 그 특정 항목을 승인했는지를 나타내는 추가 필드가 됩니다.
00:15:03실제 함수가 실행된 후, 우리는 그 결과를 LLM으로 보내지기 전에 도구 출력에 추가해요.
00:15:11예를 들어, 계정 생성이 성공했나요?
00:15:14아니면 어떤 이유로든 실패했나요?
00:15:16예를 들어 계정이 이미 CRM에 존재할 수도 있어요..
00:15:19이는 LLM에게 상호작용 이력에 대한 완전한 가시성을 제공해요.
00:15:26전체 흐름, 원래 제안된 값과 결과를 볼 수 있어요.
00:15:33이는 적절히 다음 단계를 제안할 수 있는 능력을 제공해요.
00:15:38우리는 또한 사용자가 CRM을 자신의 필요에 맞게 변형할 수 있게 하는 설계 원칙이 있어요.
00:15:45모든 비즈니스는 고유한 측면을 가지고 있고 고유한 판매 프로세스를 가지고 있어요.
00:15:52우리는 당신이 CRM을 커스터마이징하고 에이전트와의 경험을 당신의 특정 필요에 맞게 커스터마이징할 수 있기를 원해요.
00:16:00Lightfield 내에서, 각각의 CRM 엔티티에 대한 커스텀 데이터 모델을 구성할 수 있어요.
00:16:08예를 들어,
00:16:09당신이 B2B 생산성 도구라면 스타트업에 코딩 도구를 팔려고 할 때,
00:16:15고객의 기술 스택,
00:16:16엔지니어링 팀의 규모,
00:16:18그리고 아마도 당신과 함께 가지고 있는 공동 투자자를 추적하는 데 특히 관심이 있을 거예요.
00:16:26Lightfield 내에서, 이 모든 타입이 정해진 필드를 지정할 수 있어요.
00:16:30그리고 에이전트가 이런 필드들을 어떻게 사용해야 하는지 지정할 수 있어요.
00:16:38이 필드들의 의미와 다양한 백그라운드 워크플로우에서 업데이트할 때 어떻게 사용해야 하는지에 대한 추가 지침을 제공할 수 있어요.
00:16:48예를 들어,
00:16:49필드를 만들면,
00:16:50에이전트가 웹에서 깊은 연구를 해서 백필할 수 있도록 요청할 수 있고,
00:16:56시스템의 모든 계정에 대해 이 필드를 풍부하게 할 수 있어요.
00:17:03아니면 당신의 CRM 레코드,
00:17:05회의 녹음본,
00:17:06이메일,
00:17:06그리고 계정과의 다른 상호작용을 포함한 것을 검색해서 백필할 수 있어요.
00:17:13백엔드에서 이게 어떻게 보이는지는 우리가 런타임에 이 도구를 만드는데,
00:17:20당신의 회사의 특정 설정을 기반으로 하는 스키마를 가지고 말이에요.
00:17:28실제 도구 스키마 자체는 그 데이터베이스에서 유도되어요.
00:17:32그리고 LLM이 값을 제안할 때, 우리는 타입을 검증해서 그것이 스키마와 맞는지 확인해요.
00:17:38이는 우리가 정말 유연하고 매우 안정적인 도구들을 만들 수 있게 해줘요.
00:17:42Lightfield 내에서,
00:17:44당신은 또한 이 knowledge 섹션을 설정할 수 있는데,
00:17:48여기서 LLM에 당신의 비즈니스에 대한 추가 맥락을 제공할 수 있어요.
00:17:53당신의 회사 제품에 대한 정보를 제공할 수 있고,
00:17:57또한 회의 준비 같은 백그라운드 워크플로우를 LLM이 어떻게 실행해야 하는지에 대한 지침을 제공할 수 있어요.
00:18:06매 회의 전에, Lightfield는 당신을 위한 문서를 준비할 거고, 당신을 그 논의에 준비시켜줄 거예요.
00:18:15핵심 참석자와 그들에 대한 추가 정보를 나열해줄 거예요.
00:18:19당신이 만나려는 특정 계정에 대한 정보뿐만 아니라 다른 중요한 핵심 논의 포인트도 나열해줄 거예요.
00:18:27회의 후, 당신이 논의한 것을 기반으로 팔로업 액션 아이템과 제안된 필드 업데이트를 제안할 거예요.
00:18:35이 모든 기본 구성 요소들이 함께 모여 강력한 새로운 기능을 개방합니다.
00:18:42Lightfield가 모든 판매 상호작용의 전체 맥락을 가지고 있고 높은 수준의 커스터마이징된 지식을 가지고 있기 때문에,
00:18:50당신을 대신해서 빠르게 고품질 이메일을 생성하기 위해 당신과 협력할 수 있어요.
00:18:56예를 들어,
00:18:56회의 후,
00:18:57당신은 이 도구를 사용해서 당신의 Google Calendar에 액세스해서 당신의 가용성을 볼 수 있어요.
00:19:05이 초안 이메일 아티팩트가 생성될 때, 당신의 이전 논의를 기반으로 적절히 팔로업 시간을 제안할 수 있어요.
00:19:14이 초안 이메일들은 여전히 사용자 승인 뒤에 있으니까,
00:19:18LLM 에이전트가 당신의 명시적 승인 없이 행동을 취할 거라는 걱정은 하지 않으셔도 돼요.
00:19:25이 팔로업 액션 아이템과 이메일 초안들이 당신을 위해 준비되어 있고,
00:19:31당신이 작업하고 있는 모든 딜을 최상으로 유지하도록 도와주려고 알림을 보낼 거예요.
00:19:37네, 다시 Jack으로 돌아가서 모든 것을 정리하겠습니다.
00:19:43- 네.
00:19:46(청중 박수) 감사합니다, Nikita.
00:19:53그래서 우리가 AI SDK로 Lightfield를 구축하면서 발견한 핵심 원칙들입니다.
00:19:59첫 번째 원칙, 에이전트 UI 보안 패리티입니다.
00:20:03처음부터 이를 위해 설계했어요.
00:20:05에이전트들은 인간이 사용하는 같은 데이터 계층을 통해 완전한 읽기-쓰기 액세스가 필요해요.
00:20:09별도의 에이전트 API를 만들지 마세요.
00:20:11여러 시스템을 유지하게 되고, 둘 다 불완전해 보일 거예요.
00:20:15두 번째 원칙, 완벽한 추상화보다 빠른 반복입니다.
00:20:19처음부터 완벽함보다 학습 속도를 최적화하세요.
00:20:23우리는 채팅 에이전트, API 기능, 백그라운드 워크플로우 전체에 비슷한 코드를 가지고 있었어요.
00:20:28어느 정도의 중복은 잘못된 추상화보다 훨씬 저렴해요. 특히 관례가 형성되고 있을 때 말이에요.
00:20:35세 번째 원칙, 사용자가 신뢰하는 인간-루프 워크플로우입니다.
00:20:41사람들은 특히 높은 스테이크 상호작용에서 통제권을 유지해야 해요.
00:20:45우리는 도구 계층을 가로챘어요.
00:20:48에이전트는 원래 제안, 사용자의 편집, 실행 결과를 봐요.
00:20:53완벽한 투명성, 완벽한 이력.
00:20:56그게 신뢰를 얻는 거예요.
00:20:58네 번째 원칙, 사용자와 에이전트가 프로그래밍할 수 있는 시스템들입니다.
00:21:02실제 고객들은 커스텀 데이터 모델이 필요해요.
00:21:04모든 비즈니스는 다르게 추적해요.
00:21:07사용자와 에이전트 모두 새로운 필드를 정의할 수 있고, 시스템이 이에 적응할 수 있어요.
00:21:13이는 당신의 제품이 고객이 데이터를 구조화하는 방법에 맞춰진다는 뜻이지, 반대쪽이 아니라는 뜻이에요.
00:21:18구축하기가 더 복잡하지만, 사람들이 참을 수 있는 제품과 없이는 살 수 없는 제품의 차이예요.
00:21:24그래서 우리는 당신이 뭘 만들고 있는지, 그리고 어떤 패턴을 발견하고 있는지 듣고 싶어요.
00:21:28이후에 우리를 찾아주시거나 lightfield.app에 들어와서 이 원칙들이 실제로 어떻게 작동하는지 보세요.
00:21:34감사합니다.
00:21:35(업비트 음악)