사람 연구May 31, 2026

AI 대화 기억 서비스 5BY.AI가 사람의 기억과 판단을 연구하는 이유

5BY.AI는 겉으로 보면 AI 대화를 기억하고 다시 이어주는 서비스처럼 보입니다.

하지만 5BY가 장기적으로 연구해야 하는 대상은 대화 데이터나 기능 목록만이 아닙니다.

더 근본적인 연구 대상은 사람입니다.

사람은 무엇을 중요하다고 판단하는가
중요한 생각도 시간이 지나면 왜 잊는가
과거에 해결한 문제를 왜 다시 처음부터 고민하는가
같은 실수를 반복하면서도 이전 판단을 떠올리지 못하는 이유는 무엇인가
긴 대화 속에서 어떤 순간을 다시 찾고 싶어 하는가
새로운 AI 대화를 시작할 때 어떤 맥락이 있어야 생각을 이어갈 수 있는가

이 질문에 답하지 못하면 AI 대화를 아무리 많이 저장해도 사용자가 실제로 다시 생각을 이어가도록 돕기 어렵습니다.

5BY가 연구해야 하는 것은 소프트웨어가 사람의 기억을 대신하는 방법이 아닙니다.

사람이 자신의 과거 생각과 판단을 더 잘 발견하고, 이해하고, 다시 사용할 수 있게 만드는 방법입니다.

AI 대화를 저장하는 것과 생각을 이어가는 것은 다릅니다

AI 대화 원문을 저장하는 일은 기술적으로 구현할 수 있습니다.

대화 제목, 날짜, 질문과 답변을 데이터베이스에 넣고 검색 기능을 제공할 수도 있습니다.

하지만 대화가 저장되어 있다는 사실만으로 사용자가 과거의 사고 상태로 돌아갈 수 있는 것은 아닙니다.

사용자가 실제로 필요로 하는 것은 다음과 같은 정보일 수 있습니다.

당시 무엇을 해결하려 했는가
어떤 조건을 중요하게 봤는가
여러 제안 중 무엇을 선택했는가
어떤 선택지는 왜 제외했는가
판단이 바뀐 계기는 무엇이었는가
아직 해결하지 못한 문제는 무엇이었는가
다음에는 어디에서부터 이어가야 하는가

긴 대화 원문 안에는 이 모든 정보가 섞여 있습니다.

그러나 사용자는 대화 전체를 다시 읽는 것이 아니라, 자신의 생각이 멈춘 위치와 판단의 기준을 빠르게 찾고 싶어 합니다.

그래서 5BY의 문제는 단순한 저장 문제가 아닙니다.

사람이 과거의 생각을 다시 이해하는 방식에 관한 문제입니다.

사람은 모든 경험을 같은 중요도로 기억하지 않습니다

사람은 하루 동안 수많은 정보와 대화를 접합니다.

하지만 그 모든 내용을 같은 수준으로 기억하지는 않습니다.

감정적으로 강했던 순간, 반복해서 사용한 정보, 자신의 기존 생각과 연결된 내용, 실제 행동으로 이어진 판단은 비교적 오래 남을 수 있습니다.

반대로 당시에는 중요했지만 다시 떠올릴 계기가 없는 판단은 빠르게 희미해질 수 있습니다.

AI 대화에서도 비슷한 문제가 발생합니다.

한 대화 안에서 중요한 결정을 내렸더라도 다음 날 다른 대화를 시작하면 그 판단을 바로 떠올리지 못할 수 있습니다.

며칠 뒤에는 결정했다는 사실은 기억하지만 왜 그렇게 판단했는지 잊을 수 있습니다.

시간이 더 지나면 그 대화가 어느 AI 서비스에 있었는지조차 찾기 어려워집니다.

기억은 단순히 데이터가 남아 있는가의 문제가 아닙니다.

필요한 순간에 다시 떠올리고 사용할 수 있는가의 문제입니다.

중요한 판단은 왜 쉽게 사라질까

중요한 판단이 사라지는 이유는 판단 자체가 짧은 문장으로만 존재하지 않기 때문입니다.

하나의 결정에는 여러 맥락이 함께 들어 있습니다.

당시의 목표
사용할 수 있었던 정보
시간과 비용의 제약
다른 선택지의 장단점
이미 경험한 실패
반드시 지켜야 할 조건
사용자가 중요하게 생각한 가치

시간이 지나면 최종 결론만 남고 이러한 배경은 먼저 사라질 수 있습니다.

예를 들어 사용자는 과거에 특정 기능을 만들지 않기로 결정했을 수 있습니다.

하지만 몇 달 뒤에는 만들지 않기로 했다는 사실만 기억하고, 그 이유였던 보안 위험이나 유지 비용, 사용자 혼란 문제는 떠올리지 못할 수 있습니다.

그러면 같은 논의를 다시 처음부터 반복하게 됩니다.

5BY가 남겨야 하는 것은 결론 하나가 아니라, 그 결론을 다시 이해할 수 있는 판단의 좌표입니다.

사람은 왜 같은 실수를 반복하는가

사람이 같은 실수를 반복하는 이유를 단순히 기억력이 부족해서라고 설명할 수는 없습니다.

이전 경험이 현재 상황과 연결되지 않기 때문일 수도 있습니다.

과거에 비슷한 문제가 있었어도 다음과 같은 이유로 같은 경험이라고 인식하지 못할 수 있습니다.

사용한 표현이 달라졌습니다.
프로젝트와 담당자가 달라졌습니다.
다른 AI 서비스에서 대화했습니다.
과거 기록이 오래된 대화 아래에 묻혔습니다.
당시의 실패 원인이 명확하게 정리되지 않았습니다.
최종 결과만 남고 판단 과정은 사라졌습니다.

사람은 과거 경험을 가지고 있어도 현재 문제와 연결하지 못하면 그 지식을 사용하기 어렵습니다.

따라서 반복 실수를 줄이려면 단순히 과거 기록을 보관하는 것보다, 현재 문제와 관련된 과거의 판단을 발견할 수 있어야 합니다.

Graph View와 생각의 연결 구조가 필요한 이유도 여기에 있습니다.

좋은 생각을 다시 찾기 어려운 이유

AI와 대화하다 보면 예상하지 못한 좋은 아이디어가 나올 때가 있습니다.

그러나 그 순간에는 아이디어의 장기적인 가치를 정확히 판단하기 어렵습니다.

사용자는 대화를 계속 진행하거나 다른 작업으로 이동합니다.

나중에 그 아이디어가 필요해졌을 때는 다음과 같은 문제가 생깁니다.

어떤 AI와 대화했는지 기억나지 않습니다.
정확한 표현을 기억하지 못해 검색하기 어렵습니다.
대화 제목이 실제 내용과 다릅니다.
비슷한 대화가 너무 많습니다.
아이디어가 긴 답변 중간에 포함되어 있습니다.
다른 대화에서 발전시킨 내용과 연결되어 있지 않습니다.

검색은 기억하고 있는 단어가 있을 때 강합니다.

하지만 사람은 종종 문장보다 의미와 느낌만 기억합니다.

‘예전에 이와 비슷한 좋은 생각을 했는데’라는 기억은 남아 있지만, 어떤 단어로 검색해야 하는지는 모를 수 있습니다.

5BY는 이런 상황에서 사용자가 다시 돌아갈 수 있는 기준점과 관계를 제공해야 합니다.

여러 LLM을 사용할수록 사람의 맥락은 더 쉽게 흩어집니다

사용자는 하나의 AI만 사용하지 않습니다.

Copilot에서 구현 방법을 확인하고, Gemini에서 긴 자료를 검토하며, Perplexity에서 근거를 찾을 수 있습니다.

Mistral이나 DeepSeek에서 다른 분석 방향을 비교하고, ChatGPT나 Claude에서 아이디어와 문서를 발전시킬 수도 있습니다.

Grok에서 새로운 관점이나 최근 논의를 살펴볼 수도 있습니다.

각 AI는 서로 다른 강점과 사용 경험을 제공합니다.

하지만 사용자의 생각은 서비스의 경계를 따르지 않습니다.

사용자에게는 하나의 프로젝트와 하나의 고민이지만, 실제 기록은 여러 대화창에 나뉩니다.

문제 정의는 한 AI에 남습니다.
자료 조사는 다른 AI에 남습니다.
최종 판단은 또 다른 AI에서 이루어집니다.
실제 구현 과정은 별도의 도구에 남습니다.
사용자가 선택한 이유는 어디에도 정리되지 않을 수 있습니다.

5BY가 해결해야 하는 것은 여러 AI의 답변을 한곳에 복사하는 문제가 아닙니다.

여러 서비스 사이에서도 한 사람의 생각이 어떻게 이어졌는지를 이해할 수 있게 하는 문제입니다.

기술 중심의 서비스가 놓치기 쉬운 것

기술 중심으로 제품을 설계하면 측정하기 쉬운 항목에 집중하게 됩니다.

저장된 대화 수
생성된 요약 수
검색 결과 수
그래프 노드 수
자동 분류 정확도
사용자가 클릭한 횟수

이 수치는 제품을 운영하는 데 필요합니다.

하지만 수치가 높다고 사용자가 자신의 생각을 더 잘 이어가고 있다는 뜻은 아닙니다.

대화를 많이 저장했지만 다시 사용하지 않을 수 있습니다.

요약이 많이 생성됐지만 무엇이 중요한지 더 알기 어려울 수 있습니다.

그래프에 많은 노드가 표시되지만 사용자가 어디에서 시작해야 할지 모를 수 있습니다.

자동화가 늘어났지만 사용자가 자신의 판단과 AI의 제안을 구분하기 어려워질 수도 있습니다.

따라서 5BY는 기능의 양뿐 아니라 사람에게 실제로 어떤 인지적 도움이 발생하는지를 연구해야 합니다.

5BY가 연구해야 할 핵심 질문

5BY가 사람을 연구한다는 것은 추상적인 철학을 말하는 데서 끝나면 안 됩니다.

제품 설계와 직접 연결되는 구체적인 질문을 다뤄야 합니다.

사람은 언제 대화를 중요하다고 판단하는가

대화가 길다고 중요한 것은 아닙니다.

짧은 질문 하나가 프로젝트의 핵심 방향을 바꿀 수 있습니다.

사용자는 어떤 순간에 ‘이 대화는 다시 봐야 한다’고 느끼는지 살펴봐야 합니다.

사용자는 무엇을 기억하고 무엇을 잊는가

사용자는 결론은 기억하지만 근거를 잊을 수 있습니다.

문제를 기억하지만 해결한 대화를 찾지 못할 수도 있습니다.

기억의 형태에 따라 검색, Anchor와 Graph View의 설계도 달라져야 합니다.

다시 시작할 때 얼마나 많은 맥락이 필요한가

맥락이 너무 짧으면 중요한 조건이 빠집니다.

반대로 너무 길면 새로운 대화가 복잡해지고 사용자가 핵심을 이해하기 어렵습니다.

Handoff에는 다음 작업을 시작하는 데 필요한 만큼의 맥락이 담겨야 합니다.

사용자는 자동화와 직접 선택 중 무엇을 더 신뢰하는가

모든 중요한 대화를 AI가 자동으로 선택하면 편리할 수 있습니다.

하지만 사용자의 실제 판단과 다를 수 있습니다.

반대로 모든 것을 직접 선택하게 하면 사용 부담이 커집니다.

어디까지 자동화하고 어디에서 사용자의 명시적 선택을 받아야 하는지 연구해야 합니다.

사람은 과거의 판단을 어떻게 수정하는가

과거에 옳았던 결정이 지금도 옳다는 보장은 없습니다.

5BY는 오래된 판단을 그대로 권위화하는 것이 아니라, 당시 조건과 현재 조건을 비교해 다시 판단할 수 있도록 도와야 합니다.

Anchor는 사람의 선택을 존중하는 기능이어야 합니다

Anchor는 단순한 북마크가 아닙니다.

사용자가 지금까지의 대화에서 다시 사용할 가치가 있는 흐름을 직접 선택하는 기준점입니다.

Anchor가 필요한 이유는 AI가 사용자의 중요도를 완벽하게 대신 판단할 수 없기 때문입니다.

AI는 긴 답변이나 반복된 주제를 중요하다고 판단할 수 있습니다.

하지만 사용자에게 중요한 순간은 전혀 다를 수 있습니다.

오래 고민한 문제를 처음 정확히 표현한 순간
잘못된 가정을 발견한 순간
여러 선택지 중 하나를 포기한 순간
앞으로 반드시 지켜야 할 원칙을 정한 순간
아직 완성되지 않았지만 가능성을 느낀 아이디어
다음 대화에서 반드시 이어가고 싶은 질문

Anchor는 사용자의 이러한 판단을 제품 구조에 반영해야 합니다.

Saved는 사람이 실제로 다시 찾고 싶은 대화를 보여줍니다

Saved는 사용자가 특정 질문과 답변을 다시 확인할 가치가 있다고 판단했을 때 남기는 선택입니다.

Saved 기록을 살펴보면 사람이 어떤 종류의 정보를 반복해서 필요로 하는지 이해할 수 있습니다.

예를 들면 다음과 같습니다.

복잡한 개념을 이해하기 쉬운 방식으로 설명한 답변
중요한 오류를 막아준 경고
실제 업무에 바로 사용할 수 있는 절차
사용자가 자신의 생각을 정확하게 표현했다고 느낀 문장
새로운 아이디어의 출발점
이후 판단에서 반복해서 확인할 기준

5BY는 Saved를 단순한 즐겨찾기 수로만 보지 않아야 합니다.

사람이 무엇을 유용하고 중요하다고 판단하는지 이해하는 단서로 봐야 합니다.

Handoff는 인간의 작업 기억을 보완해야 합니다

새로운 AI 대화를 시작하면 이전 대화의 맥락은 자동으로 이어지지 않습니다.

사용자는 이전 상황을 다시 설명해야 합니다.

하지만 사람도 이전 대화의 모든 조건을 정확히 기억하지 못합니다.

일부 조건을 빼먹거나 최신 결정을 오래된 결정과 혼동할 수 있습니다.

Handoff는 사용자가 새로운 대화를 시작할 때 필요한 맥락을 전달하는 기능입니다.

좋은 Handoff는 단순한 대화 요약이 아닙니다.

다음과 같은 내용을 구분할 수 있어야 합니다.

현재의 목표
이미 확인한 사실
사용자가 확정한 결정
유지해야 할 조건
제외한 선택지
해결되지 않은 문제
다음 AI에게 요청할 작업

Handoff는 사람의 기억을 대신하려는 기능이 아니라, 사람이 놓치기 쉬운 작업 맥락을 보완하는 기능이어야 합니다.

Graph View는 기억의 구조를 탐색하게 해야 합니다

사람의 생각은 폴더처럼 완전히 분리되어 있지 않습니다.

하나의 아이디어가 여러 프로젝트와 연결되고, 과거의 실패가 새로운 판단에 영향을 줄 수 있습니다.

Graph View는 이런 관계를 보여주는 기능입니다.

그러나 그래프에 많은 정보를 표시하는 것만으로는 충분하지 않습니다.

사용자가 다음 질문에 답할 수 있어야 합니다.

이 생각은 어디에서 시작됐는가
어떤 판단 이후 방향이 바뀌었는가
서로 다른 대화가 어떤 기준으로 연결되는가
과거의 어떤 경험이 현재 판단에 영향을 줬는가
지금 다시 이어갈 가치가 있는 흐름은 무엇인가

Graph View의 성공은 노드 수가 아니라, 사용자가 자신의 생각을 더 잘 이해하고 다음 행동을 선택할 수 있는지로 판단해야 합니다.

사람을 연구한다는 것은 모든 행동을 수집한다는 뜻이 아닙니다

사람을 연구한다는 표현은 잘못 사용하면 위험할 수 있습니다.

사용자의 모든 행동과 대화를 감시하거나, 가능한 많은 개인 데이터를 모아야 한다는 의미가 아닙니다.

5BY가 연구해야 하는 것은 개인을 분석하고 평가하는 방법이 아니라, 사람들이 공통적으로 겪는 기억과 맥락의 문제입니다.

다음 원칙이 필요합니다.

사용자가 무엇을 남길지 직접 선택해야 합니다.
불필요한 원문과 개인정보를 수집하지 않아야 합니다.
사용자의 생각을 임의로 평가하거나 등급화하지 않아야 합니다.
사람의 행동을 조종하기 위한 설계를 피해야 합니다.
자동화의 판단 근거와 한계를 명확히 해야 합니다.
사용자가 자신의 기록과 연결을 통제할 수 있어야 합니다.

5BY의 사람 연구는 더 많은 데이터를 얻기 위한 연구가 아니라, 더 적은 정보로도 사용자가 자신의 생각을 더 잘 이어가도록 돕는 연구여야 합니다.

5BY의 원본 저장 안 함 원칙도 사람 연구에서 출발합니다

모든 AI 대화 원문을 저장하면 언젠가 필요한 내용을 찾을 가능성은 높아질 수 있습니다.

하지만 원문 전체 저장에는 다른 비용도 따릅니다.

민감한 개인 정보가 불필요하게 남을 수 있습니다.
중요한 생각과 일상적인 대화가 섞입니다.
기록이 많아질수록 다시 읽는 비용이 커집니다.
사용자가 무엇을 중요하게 선택했는지 알기 어렵습니다.
저장된 기록 자체가 새로운 부담이 될 수 있습니다.

5BY의 ‘원본 저장 안 함, 의미만 저장’ 방향은 단순히 저장 공간을 줄이기 위한 기술 선택이 아닙니다.

사람이 실제로 다시 필요로 하는 것이 모든 문장의 복사본인지, 아니면 판단과 맥락을 복원할 수 있는 좌표인지에 대한 질문에서 출발합니다.

사람을 연구하면 기능의 우선순위도 달라집니다

사람의 행동과 기억을 중심으로 생각하면 제품의 우선순위도 달라집니다.

기능을 많이 추가하는 것보다 다음 문제가 더 중요해질 수 있습니다.

Anchor를 언제 남겨야 하는지 사용자가 쉽게 이해하는가
Saved와 Anchor의 차이가 행동으로 구분되는가
Handoff가 너무 길거나 너무 짧지 않은가
Graph View에서 사용자가 길을 잃지 않는가
오래된 판단과 최신 결정을 구분할 수 있는가
다른 AI로 이동해도 계정과 맥락이 섞이지 않는가
사용자가 선택하지 않은 정보가 임의로 남지 않는가
기록을 다시 보는 일이 새로운 작업으로 자연스럽게 이어지는가

이 질문에 대한 답은 코드만 읽어서 얻을 수 없습니다.

실제 사용자가 어디에서 멈추고, 무엇을 오해하며, 어떤 순간에 가치를 느끼는지 관찰해야 합니다.

사용자의 실수도 제품 연구의 중요한 증거입니다

사용자가 기능을 잘못 사용했을 때 단순히 설명을 읽지 않았다고 판단해서는 안 됩니다.

제품의 개념과 화면이 사람의 기대와 맞지 않을 수 있습니다.

예를 들어 사용자가 Anchor와 Saved를 반복해서 혼동한다면 다음 가능성을 검토해야 합니다.

두 기능의 목적이 충분히 다르게 보이지 않습니다.
이름은 다르지만 실제 행동은 비슷하게 느껴집니다.
사용자가 기능을 선택해야 하는 순간이 불명확합니다.
결과 화면에서 두 기능의 차이가 드러나지 않습니다.

사람을 연구하는 제품은 사용자의 실수를 사용자 탓으로만 돌리지 않습니다.

그 실수가 어떤 기대와 설계의 불일치에서 발생했는지 찾아야 합니다.

5BY가 사람을 대신 판단해서는 안 됩니다

사람의 기억과 판단을 돕는 서비스는 사용자를 대신해 결론을 내리고 싶은 유혹을 받을 수 있습니다.

자동으로 중요한 대화를 선택하고, 과거 기록을 기반으로 다음 행동을 추천하며, 사용자의 성향을 추정할 수도 있습니다.

일부 자동화는 편리할 수 있습니다.

하지만 5BY는 사용자의 판단권을 약화시키지 않아야 합니다.

무엇이 중요한지는 사용자가 최종 선택해야 합니다.
과거 기록은 현재 결정을 강제하는 근거가 되어서는 안 됩니다.
AI의 추천과 사용자의 확정 판단을 구분해야 합니다.
사용자가 자신의 기록을 수정하고 삭제할 수 있어야 합니다.
자동 연결이 잘못됐을 때 쉽게 바로잡을 수 있어야 합니다.

5BY는 사람보다 더 잘 판단하는 시스템을 목표로 하기보다, 사람이 자신의 판단을 더 잘 이어가도록 돕는 시스템을 목표로 해야 합니다.

5BY에 필요한 연구는 여러 분야를 연결해야 합니다

사람이 생각하고 기억하고 판단하는 방식은 하나의 분야로만 설명하기 어렵습니다.

5BY가 장기적으로 살펴봐야 할 분야에는 다음과 같은 영역이 포함될 수 있습니다.

인간의 기억과 망각
의사결정과 판단 오류
문제 해결 과정
메타인지와 자기 성찰
지식 관리와 조직 기억
사람과 AI의 협업 방식
인터페이스와 사용자 경험
개인정보와 데이터 통제
기록의 출처와 신뢰
집단지성과 지식 전수

이 분야의 개념을 제품에 단순히 적용하는 것만으로는 충분하지 않습니다.

실제 5BY 사용자가 여러 AI를 오가며 어떤 문제를 겪고, 어떤 기능에서 도움을 받는지를 함께 확인해야 합니다.

5BY의 성공 기준은 저장량이 아닙니다

5BY의 성공을 저장된 대화 수나 생성된 좌표 수로만 판단해서는 안 됩니다.

더 중요한 질문은 다음과 같습니다.

사용자가 과거의 중요한 판단을 다시 찾았는가
같은 설명을 처음부터 반복하는 시간이 줄었는가
다른 AI로 이동해도 생각을 이어갈 수 있었는가
오래된 아이디어를 현재 문제와 연결했는가
과거의 실패를 반복하지 않도록 도움을 받았는가
자신의 생각이 어떻게 발전했는지 이해하게 되었는가
중요한 노하우를 다음 사람에게 전달할 수 있었는가

이 변화가 실제로 일어난다면 5BY는 단순한 AI 대화 저장 도구를 넘어 사고의 연속성을 돕는 서비스가 될 수 있습니다.

우리 회사의 진짜 연구 대상은 사람입니다

5BY에는 좋은 코드와 안정적인 시스템이 필요합니다.

AI 서비스의 변화에 대응하고, 여러 LLM에서 대화를 연결하며, 사용자의 기록을 안전하게 관리하는 기술도 중요합니다.

하지만 기술은 목적이 아닙니다.

기술은 사람이 자신의 생각을 잃지 않고 더 나은 판단으로 이어가게 만드는 수단입니다.

5BY가 계속 물어야 할 질문은 기능을 몇 개 더 만들 것인가가 아닙니다.

사람은 왜 중요한 생각을 잊는가
다시 떠올리기 위해 어떤 단서가 필요한가
과거의 맥락을 얼마나 보여줘야 이해할 수 있는가
언제 AI가 도와야 하고 언제 사람이 직접 선택해야 하는가
어떻게 하면 기록이 부담이 아니라 다음 생각의 출발점이 되는가

이 질문을 놓치면 5BY는 대화를 많이 저장하는 서비스가 될 수는 있어도, 사람의 생각을 이어주는 서비스가 되기는 어렵습니다.

5BY의 진짜 연구 대상은 소프트웨어가 아닙니다.

사람이 어떻게 생각하고, 기억하고, 잊고, 선택하고, 다시 판단하는가입니다.