EncBird의 대화 데이터를 복습 기능으로 이어가기 — GenAI 플라이휠

2026.03.12

TL;DR

최근 GenAI 기반 서비스를 설계하면서, 사용자에게서 얻은 정보를 다른 기능에서도 쓸 수 있게 연결하는 일에 관심이 생겼다.

내가 만드는 AI 영어 학습 서비스 EncBird(잉크버드)¹에서는 표현사전을 중심으로 이 구조를 잡았다.

사진으로 대화하는 픽토챗, AI 코치와 영어 일기를 쓰는 다이어리챗, 비즈니스 상황을 연습하는 프리챗에서 사용자의 표현을 모은다. 표현사전에 쌓인 데이터는 플래시카드와 영작 퀴즈가 다시 사용한다.

각 대화 기능에 별도의 복습 체계를 만드는 대신, 공통으로 모인 표현을 여러 학습 기능에 연결한 것이다.

GenAI 플라이휠은 다음과 같은 순환 구조다.

GenAI Flywheel

고객 경험 → 상세한 선호도 → 잠재적 수요 → 맞춤형 기능 → (다시) 고객 경험

사용자가 대화 중 남긴 정보로 다음 경험을 개선하고, 그 경험에서 다시 정보를 얻는 순환을 플라이휠이라고 부른다.

EncBird에서는 대화에서 모인 표현으로 복습을 개인화하고, 더 유용해진 학습 경험이 다음 대화로 이어지기를 기대하며 설계했다. 아래에서 말하는 효과도 이런 개인화가 중요한 서비스를 전제로 한다.

수집한 정보가 다음 경험에 반영되지 않으면 대화를 많이 쌓아도 개인화가 나아지지는 않는다. 그래서 기능을 만들기 전에 두 가지를 먼저 확인하려 한다.

첫째, 어떤 기능이 개인화될 때 가장 큰 가치를 만드는가?

예를 들어 같은 검색 기능이라도 사용자의 취향이 결과를 크게 바꾸는 경우와, 누구에게나 같은 사실을 전달해야 하는 경우는 다르게 봐야 한다.

둘째, 개인화에 어떤 사용자 정보가 필요한가?

EncBird에서는 사용자가 대화한 표현이 복습에 돌아오게 했다. 어떤 정보를 모으는지와 그 정보로 무엇을 제공할지가 연결되어 있어야 한다.

이 연결을 먼저 정해야 데이터를 쌓은 뒤에 쓸 곳을 찾는 일을 줄일 수 있다고 생각한다.

로그와 클릭, 구매 이력에서는 사용자의 행동을 보고 의도를 추정한다. 대화에서는 왜 검색하는지, 무엇을 중요하게 여기는지 직접 물어볼 수도 있다.

다만 대화가 늘었다고 해서 필요한 정보를 얻었다고 볼 수는 없다. 실제로 모인 표현이 복습과 퀴즈에 쓰이는지, 사용자가 그 결과를 유용하게 느끼는지 확인해야 한다.

EncBird에서 나눈 역할은 다음과 같다.

대화 기능을 추가해도 모은 표현을 같은 복습 기능에 연결할 수 있다. 반대로 새로운 복습 방식을 만들 때도 이미 모인 표현을 사용할 수 있다.

GenAI로 초기 기능을 빠르게 만들 수 있어도, 실제 사용자가 어떤 정보를 남기고 어떤 결과를 원하는지는 운영하며 확인해야 한다.

출시 전에 어떤 입력을 모으고 어디에 반영할지 정해둔다. 이후에는 입력이 수집·정제되어 다음 기능까지 전달되는지 확인한다.

그 연결이 동작한 뒤에도 학습 경험이 나아졌는지는 별도로 봐야 한다. 데이터가 늘었다는 사실만으로 사용자가 더 자주 돌아오거나 더 잘 배우게 됐다고 결론 내릴 수는 없다.

EncBird를 설계하면서, 대화에서 모은 표현을 복습과 퀴즈가 함께 쓰게 한 구성이 유용하다고 생각하게 됐다.

다음 기능을 만들 때도 어떤 정보를 새로 모을지와 함께, 이미 표현사전에 남은 데이터를 어떻게 다시 쓸지 먼저 보려 한다. 그 연결이 실제 학습 경험을 개선하는지는 운영하면서 확인할 일이다.