기본 콘텐츠로 건너뛰기

Google Buzz 와 Google Docs - 색다른 경험의 세계

며칠 전 인터넷을 다시 한번 후끈 달아오르게 만든 서비스의 런칭 행사가 있었다.

그것은 바로

"Google Buzz!!!"

머 웬만한 분들은 이미 다른 블로그나 매체들을 통해서 정보를 접하셨거나 이미 사용중이실 것이기 때문에 서비스에 대한 소개는 하지 않겠습니다.

그런데 막상 이 서비스를 사용하려고 하니 기존에 지메일의 주소록이 빈약했던 사람들은 막상 사용하려고 해도 얘기를 나눌 사람이 없어서 처음 트위터를 시작할 때 허연 화면의 그 뻘쭘한 기억과 별반 차이가 없는 경험을 또 한번 해야하는 슬픈 결험을 해야 합니다.

그래서 과감하게 구글 문서도구에 문서를 하나 열어버렸습니다.

이름하여..

'한국 구글 버즈 프로필'

사실 이런 시도는 이전에도 트위터 상에서 구글 웨이브가 런칭 되었을 때 있었던 시도를 그대로 따라한 것입니다.

하지만 제가 직접 주체가 되어 문서를 열고 그 문서가 완성되어가는 과정을 지켜보고 있으려니 느낌이 사뭇 다릅니다.

그리고 반짝 반짝 여러 사람들의 커서가 여기 저기 움직이면서 하나의 문서를 공동으로 편집하고 만들어 가는 과정은 정말 장관입니다.

화면 녹화 프로그램을 미리 준비하고 있다가 녹화해서 기록으로 남겨두었으면 정말 좋을만한 장관이었지만 이런 뜨거운 반응을 예상하지 못했던 터라 몇장의 스크린샷으로 오늘의 기억을 남겨두고자 합니다.

트위터, 구글 문서 도구 이러한 온라인 상에서의 서비스들로 인해 이전에는 누려보지 못한 새로운 경험을 할 수 있다는 것이 참 좋은 세상인 것 같습니다.

그리고 내 아들이 자라서도 나와 같은 이런 경험들을 꾸준히 할 수 있는 그런 장소로 인터넷이 꾸준히 발전되었으면 하는 소망입니다.


처음 문서를 만들었을 때는 '트위터 ID'와 '구글 프로'필 항목뿐이었는데 어느새 '기타 프로필'과 '실명', '직업' 항목이 생겼습니다.


위 그림과 비교하면 실시간으로 문서가 바뀌고 있음을 알 수 있습니다.


이런 식으로 편집하는 사람과 의견을 주고 받을 수도 있습니다.


의견을 주고 받는 사이에 '친구끼리 한마디~' 라는 항목이 또 생겨버렸습니다.

여담으로 Google Buzz가 런칭되던 시점쯤부터 구글 리더에도 작은 변화가 있었습니다.


내가 구독하고 있는 포스팅을 공유한 다른 사람이 있다면 표시가 되게 바뀌었습니다. 개인적인 생각이지만 구글 버즈가 더 발전한다면 구글 리더는 결국 구글 버즈와 합쳐지지 않을까 생각됩니다.

어쨌든 지금이라도 공동 문서에 참여하고 싶으시다면 얼릉 오시기 바랍니다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...