AI에서 빠진 해자: 당신의 평가 데이터

이 글은 AI 에이전트의 진짜 해자는 더 나은 모델이나 UI가 아니라, 실제 사용자 행동에서 얻는 독점적 eval 데이터라고 주장한다.

채팅과 워크플로우에서의 승인, 수정, 거절은 에이전트를 개선하고 조용한 실패를 잡아내는 피드백 신호를 만든다.

Google I/O의 광범위한 사용자 접근 전략은 모델만으로는 부족하며, 워크플로우가 스스로 교정하려면 정답에 가까운 평가 데이터가 필요하다는 점을 보여준다.

이 데이터를 수집하고 활용하는 기업이 더 신뢰할 수 있는 엔터프라이즈 에이전트를 만들고, 데이터가 없는 경쟁사보다 더 강한 경쟁우위를 확보할 수 있다.