채팅 세션 대신 '봇'을 소유하는 Grok Bot의 정체성 설계

Grok Bot은 인터페이스의 기본 단위를 일회성 채팅 세션에서 지속되는 봇으로 전환했다. 사용자가 매번 새로운 대화를 시작하며 설정을 반복하는 대신, 고유한 정체성을 가진 에이전트를 소유하고 관리하는 구조다. 사용자는 특정 목적에 맞게 설정된 봇을 지속적으로 활용하며 협업한다.

기존 AI 인터페이스는 사용자가 조작하는 채팅 세션 중심으로 작동한다. 세션은 초기 설정으로 시작해 사용자가 지켜보는 가운데 전개되며, 대화가 멈추면 종료된다. 이 방식은 세션이 끝나는 순간 맥락이 단절되어, 새로운 문제 해결을 위해 동일한 배경 정보를 다시 입력해야 하는 비효율을 초래한다. {{IMG:https://x.ai/_next/static/media/wallpaper-light-noon.27_hyf9uycov-.png?dpl=b542f0a51fdbb354684e4e23c9b14ce95dbf39f7}}

Grok Bot은 이를 해결하기 위해 봇, 대화, 작업, 도구, 컴퓨터라는 다섯 가지 핵심 개념을 설계했다. 최상위 객체는 대화가 아니라 봇이다. 봇은 이름, 아바타, 타이틀로 시각적 정체성을 가지며, 모든 대화 내용을 기억하는 메모리를 내장한다. 특히 봇은 전용 컴퓨터와 도구를 할당받아 사용자의 개입 없이도 독립적인 환경에서 연산을 수행하고 도구를 활용한다. {{IMG:https://x.ai/_next/static/media/wallpaper-dark-night.2tq8j5y-604e-.png?dpl=b542f0a51fdbb354684e4e23c9b14ce95dbf39f7}}

사용자가 다음 날 다시 접속했을 때 마주하는 대상은 빈 채팅창이 아니라 어제 함께 작업했던 봇이다. 봇이 보유한 메모리와 전용 컴퓨터 덕분에 사용자는 세션마다 컨텍스트를 재구축할 필요 없이 중단된 지점부터 작업을 즉시 재개할 수 있다.

아바타 모션으로 구현한 6가지 상태 표시와 시각적 식별 체계

봇 목록이 늘어나도 사용자가 이름을 읽지 않고 주변시(peripheral vision)만으로 봇을 구분하도록 설계했다. 기본적인 기하학적 도형과 눈의 형태를 유지하되, 봇마다 고유한 액세서리를 추가해 개별 정체성을 부여했다. 사용자는 인터페이스를 빠르게 훑어보며 필요한 봇을 즉각적으로 찾아낼 수 있다.

아바타는 봇의 현재 상태를 나타내는 시각적 지표다. 상태는 대기(idle), 사고(thinking), 작업(working), 기다림(waiting), 차단(blocked), 완료(done)의 6가지로 구분한다. 이를 별도의 UI 인디케이터나 텍스트 레이어 대신 아바타의 움직임과 외형 변화로 통합해, 사용자가 별도의 해석 과정 없이 현재 상황을 알 수 있게 했다.

아바타 위에 마우스 커서를 올리는 호버(hover) 동작으로 구체적인 작업 내용을 확인한다. 예를 들어 'Acme 사에 보낼 후속 메일 초안 작성', '가격 안내 페이지 수정', '8개의 소개글 초안을 작성해 CRM에 저장'과 같은 구체적인 작업명과 결과 보고가 표시된다.

사용자는 봇의 외형과 움직임만으로 봇이 사고 중인지 혹은 외부 요인으로 작업이 차단되었는지를 즉시 판단한다. 텍스트 기반의 상태 보고 대신 시각적 신호를 우선 배치해, 사용자가 제어권은 유지하면서도 봇을 감독하는 수고를 줄였다.

전용 컴퓨터 접근 권한을 3단계로 나눈 제어 모델

시각적 식별을 통해 봇의 상태를 파악했다면, 실제 작업이 이루어지는 내부 환경에 대한 제어는 별도의 권한 모델을 통해 관리한다. 봇이 수행하는 작업의 가시성과 사용자의 제어권을 확보하기 위해 컴퓨터 작업 공간의 노출 수준을 세 단계로 세분화했다.

첫 번째 단계인 '접근 불가' 상태에서는 봇이 백그라운드에서 작업을 처리하고 사용자는 최종 결과물만 전달받는다. 두 번째 단계인 '훑어보기(Glance)'는 사용자가 봇의 화면을 잠시 확인해 작업 맥락을 파악하는 수준이다. 세 번째 단계인 '전체 제어(Full control)'는 사용자가 봇의 컴퓨터에 직접 접속해 조작하거나 오류를 해결하는 상태다. 사용자는 작업의 중요도나 봇의 숙련도에 따라 이 세 가지 권한 중 하나를 선택해 감독 강도를 조절한다.

이 모델은 사용자가 필요할 때만 화면을 엿보거나 결정적인 순간에 개입하는 협업 방식을 구현한다. 봇의 자율성을 보장하면서도 즉시 개입할 수 있는 경로를 단계별로 열어두어, 봇을 완전히 맡기거나 일일이 간섭해야 하는 극단적인 선택지 사이의 간극을 메웠다.

사용자의 데스크톱과 봇의 전용 컴퓨터를 구분하기 위해 배경화면(wallpapers)의 밝기가 실제 시간대별로 변하도록 설계했다. 사용자는 시간의 흐름이라는 물리적 요소를 통해 자신의 메인 화면과 봇의 전용 화면이 서로 다른 독립된 영역임을 직관적으로 인지하며, 두 작업 공간 사이의 혼선을 방지한다.

텍스트를 넘어 위젯과 카드로 구성된 이기종 트랜스크립트

모든 응답을 줄글로 처리하던 방식에서 벗어나, 정보 성격에 맞춰 인라인 카드와 위젯을 혼용하는 응답 체계로 전환했다. 맥락 설명이 필요한 서술형 답변은 줄글(prose)로, 정형화된 데이터는 구조화된 UI인 인라인 카드와 위젯으로 출력한다. 사용자가 텍스트 뭉치에서 수치나 항목을 다시 찾아 정리해야 하는 수고를 제거했다.

대화 내용뿐만 아니라 루틴 생성, 설정 변경, 봇 간 메시지 전송 같은 시스템 이벤트(system event)도 타임라인에 직접 표시한다. 사용자는 별도의 설정 메뉴나 로그 창을 열지 않고도 대화창 내에서 봇이 백엔드에서 수행한 작업 흐름을 즉시 파악할 수 있다.

이러한 구성 요소가 합쳐진 형태를 이기종 트랜스크립트(heterogeneous transcript)라고 정의한다. 여기에는 일반 대화, 시스템 이벤트, 인터랙티브 객체, 데이터 시각화 요소가 하나의 타임라인에 공존한다. 텍스트 기반의 채팅창이 단순한 메시지 교환 도구를 넘어, 작업 진행 상태와 결과물이 실시간으로 업데이트되는 통합 작업 기록지로 기능한다.

봇은 출력 단계에서 정보의 성격을 판단해 적절한 UI 컴포넌트를 선택한다. 중요 정보는 위젯으로, 보조 설명은 prose로 구분해 정보 밀도를 높였으며, 여러 단계의 추론과 도구 사용이 결합된 복잡한 작업의 중간 상태 변화를 명확하게 추적할 수 있게 했다.

비서장 봇을 통한 멀티 에이전트 협업 및 오케스트레이션

봇의 수가 늘어남에 따라 특정 봇이 다른 전문 봇들을 조정하고 관리하는 비서장 봇(Chief of Staff Bot) 패턴을 도입했다. 비서장 봇은 상위 계층의 오케스트레이터(Orchestrator)로서, 사용자가 개별 전문 봇의 상태를 일일이 확인하고 작업을 배분하는 수고를 덜어준다. 사용자가 비서장 봇에게 전체적인 방향을 제시하면, 비서장 봇은 목표를 분석해 적절한 전문 봇에게 작업을 할당하고 결과를 취합해 보고한다.

이 구조에서 사용자의 역할은 개별 작업 배분자에서 상위 전략을 결정하는 관리자로 전환된다. 사용자가 모든 전문 에이전트를 직접 제어하는 대신 단일 접점인 비서장 봇을 통해 명령 체계를 단순화함으로써, 봇의 수가 증가해도 사용자가 감당해야 할 인지 부하를 낮췄다.

봇 간 협업을 위한 맥락 공유 메커니즘도 작동한다. 여러 전문 봇의 작업 영역이 겹칠 때, 비서장 봇은 각 봇의 정보와 진행 상황을 동기화해 작업 중복을 막는다. 예를 들어 리서치 봇이 찾은 자료를 분석 봇이 이어받을 때, 비서장 봇이 중간에서 필요한 데이터만 정제해 전달함으로써 정확도를 높인다. 사용자는 최종 결과물만 확인하거나 비서장 봇이 요청하는 결정적인 판단 지점에서만 개입한다.

자율 에이전트 인터페이스 설계의 핵심은 봇의 상태를 아바타 모션으로 통합해 시각화하고, 작업 공간인 컴퓨터에 대한 제어 권한을 3단계로 구분하여 사용자가 미시적 감독에서 벗어나 전략적 제어에 집중하게 만드는 것이다.