요약. 회사 기억은 맥락(결정, 문서 및 그 배경이 되는 이유)을 저장하고 검색합니다. 회사 두뇌는 그 맥락을 바탕으로 행동합니다. 즉, 다음 움직임을 결정하고, 우선순위를 정하고, 실행합니다. 기억은 질문하면 답합니다. 두뇌는 스스로 움직입니다. AI COO는 기억 위에 있는 운영 계층입니다.
회사 메모리와 회사 브레인의 차이점은 무엇인가요?
회사 메모리는 컨텍스트를 저장하고 검색하는 인프라입니다. 회사 브레인은 해당 컨텍스트를 기반으로 작동하는 레이어입니다. 이 둘의 차이점은 저장과 작동입니다. 메모리는 사람이나 에이전트가 나중에 찾아볼 수 있도록 사실, 문서, 결정을 보관합니다. 브레인은 동일한 컨텍스트를 읽고 다음 행동을 선택하여 실행합니다.
"메모리"로 판매되는 대부분의 도구는 검색 시스템입니다. 이들은 채팅 로그, 문서, 과거 결정을 색인화한 다음 쿼리 시 관련 구절을 반환합니다. 이는 유용하지만 수동적입니다. 누군가 요청하기 전까지는 아무것도 일어나지 않습니다. 브레인은 능동적입니다. 데이터를 관찰하고, 변경 사항을 감지하며, 누군가 묻기 전에 결정합니다.
3개에서 20개의 라이브 게임 또는 앱을 운영하는 스튜디오의 경우, 이 격차는 비용이 많이 듭니다. 컨텍스트가 부족한 것이 아닙니다. 모든 제품에서 매주, 각 제품에 창업자가 개입하지 않고 컨텍스트를 다음 행동으로 전환하는 것이 부족합니다.
회사 메모리 레이어는 무엇을 하나요?
메모리 레이어는 요청 시 컨텍스트를 캡처하고 반환합니다. 이는 실제 문제를 해결합니다. 컨텍스트는 증발합니다. 사람들이 떠납니다. Slack 스레드는 스크롤되어 사라집니다. 3월에 팀이 기능을 중단한 이유는 6월이 되면 사라집니다. 메모리 인프라는 회상을 고정합니다. 기록을 저장하고 관련 부분을 낮은 지연 시간으로 다시 제공합니다.
카테고리 예시는 두 그룹으로 나뉩니다. 첫째, AI 에이전트를 위한 메모리 인프라: mem0, Zep, Letta. mem0은 AI 에이전트 및 앱을 위한 메모리 레이어로 포지셔닝합니다. Zep은 시간적 지식 그래프를 기반으로 구축된 장기 메모리를 중심으로 포지셔닝합니다. Letta는 MemGPT 연구에서 성장했으며 세션 간에 기억하는 상태 저장 에이전트를 중심으로 포지셔닝합니다. 둘째, 지식 기반: 팀이 기록한 내용을 담는 위키, 문서, 내부 검색입니다.
두 그룹 모두 동일한 핵심 작업을 수행합니다. 컨텍스트를 유지하고 잘 반환합니다. 이것이 저장 및 검색 기능이며 중요합니다. 기관 메모리는 다른 모든 것이 서 있는 기반입니다. 이 레이어가 과거 호출 뒤에 있는 "이유"를 어떻게 담고 있는지에 대한 기관 메모리 정의를 참조하십시오.
한계는 구조적이며 버그가 아닙니다. 검색 시스템은 질문에 답합니다. 운영을 실행하지 않습니다. 쿼리를 기다린 다음 구절을 반환합니다. 판단, 우선순위 결정, 후속 조치는 사용자에게 남아 있습니다.
회사 브레인은 무엇을 하나요?
회사 브레인은 결정하고 행동합니다. 모든 제품의 데이터를 읽고, 옵션을 평가하고, 다음 행동을 선택하며, 에이전트를 통해 실행합니다. 기본적으로 사람이 개입합니다. 메모리가 "우리가 아는 것은 여기 있습니다"에서 멈춘다면, 브레인은 "우리가 해야 할 일은 여기 있고, 제가 취한 첫 번째 단계는 여기 있습니다"로 계속됩니다.
세 가지 기능이 브레인을 메모리 레이어와 구분합니다. 결정합니다: 신호를 이유가 첨부된 권장 조치로 전환합니다. 우선순위를 정합니다: 전체 포트폴리오에 걸쳐 행동의 순위를 매겨, 한 앱의 이탈 급증이 다른 앱의 사소한 테스트보다 우선하도록 합니다. 실행합니다: 전문 에이전트를 통해 변경 사항을 초안하고, 티켓을 열거나, 변형을 출시한 다음 보고합니다.
브레인은 여전히 메모리에 기록합니다. 모든 호출은 결정 기록을 생성합니다. 무엇을 결정했는지, 이유, 그리고 무엇을 예상했는지. 이 기록은 최종 목표가 아닌 행동의 부산물로 생성된 메모리입니다. 브레인은 컨텍스트를 읽고 또한 공급합니다. 이것이 우리가 공유 포트폴리오 브레인이라고 부르는 의미입니다. 제품당 파일 캐비닛이 아니라 제품 전반에 걸쳐 하나의 운영 마인드입니다.
회사 메모리 vs 회사 브레인: 나란히 비교
두 레이어는 다른 질문에 답하고 다른 작업을 미완성으로 남깁니다. 이 표는 분할을 매핑합니다.
| 차원 | 메모리 레이어 (저장 / 검색) | 운영 레이어 (결정 / 행동) |
|---|---|---|
| 무엇을 담고 있는가 | 사실, 문서, 과거 결정 및 그 이유 | 모든 제품의 실시간 모델과 다음 단계 및 그 근거 |
| 기능 | 컨텍스트를 유지하고 요청 시 올바른 구절을 반환합니다. | 데이터를 읽고, 다음 단계를 결정하고, 우선순위를 정하고, 실행합니다. |
| 누가 누구에게 묻는가 | 당신이 질문하면, 그것이 답합니다. | 데이터를 관찰하고 행동한 다음, 승인하거나 조정하도록 요청합니다. |
| 미완성된 부분 | 판단, 우선순위 지정, 후속 조치는 당신에게 달려 있습니다. | 거의 없음: 인간이 가드레일을 설정하고 승인하며, 레이어가 나머지를 수행합니다. |
테이블을 경쟁이 아닌 스택으로 읽으십시오. 운영 레이어는 그 아래에 메모리 레이어가 필요합니다. 기억이 없는 뇌는 어제 왜 그런 결정을 내렸는지 잊어버립니다. 뇌가 없는 기억은 당신이 쿼리할 때까지 조용히 있습니다.
AI COO는 어디에 위치합니까?
AI COO는 메모리 위에 있는 운영 레이어입니다. Qualia는 게임 퍼블리셔, 스튜디오 및 다중 제품 회사를 위한 AI COO입니다. 포트폴리오 전반에 걸쳐 하나의 운영 마인드를 제공합니다. 각 제품의 데이터를 읽고, 다음 단계를 결정하고, '이유'에 대한 결정 기록을 유지하며, 기본적으로 인간이 개입하는 전문 AI 에이전트를 통해 작동합니다.
메모리는 스택 내의 종속성이지, 당신이 구매하는 제품이 아닙니다. Qualia는 잘 결정하기 위해 컨텍스트가 필요하기 때문에 컨텍스트를 캡처합니다. 인간 COO가 결정을 내리기 전에 숫자를 읽는 것과 같은 방식입니다. 결과물은 더 나은 검색 상자가 아닙니다. 결과물은 당신이 승인할 수 있는 다음 단계입니다.
이것이 '이유를 포착하는' 도구와 AI COO가 같은 선상에서 경쟁자가 아닌 이유입니다. 메모리 도구는 당신의 기록을 검색 가능하게 만듭니다. AI COO는 당신의 운영을 실행하게 만듭니다. 이미 메모리 인프라를 사용하고 있다면, 그 위에 뇌가 앉아 저장된 컨텍스트를 주간 행동으로 전환합니다. 읽어보세요. AI COO란 무엇인가 역할에 대한 전체 그림을 보려면.
2인에서 10인 규모의 스튜디오의 경우, 이는 월요일에 10개 앱의 대시보드를 읽는 창업자와, 각각 이유와 이미 취해진 첫 단계가 있는 10가지 권장 조치를 읽는 창업자 간의 차이입니다.
왜 '이유'를 포착하는 것이 필요하지만 충분하지 않은가
이유를 포착하는 것은 필요합니다. 그것이 없으면 모든 결정은 0에서 시작하고, 같은 논쟁이 매 분기마다 반복됩니다. 결정 기록은 그러한 손실을 막습니다. 그것은 추론을 결과에 연결하여, 미래의 결정이 과거의 결정을 잊는 대신 그 위에 구축되도록 합니다.
그것은 충분하지 않습니다. 기록은 행동하지 않기 때문입니다. 기능을 일시 중지한 이유를 안다고 해서 다시 시작되는 것은 아닙니다. 지난달 이탈률이 증가한 이유를 안다고 해서 이번 달에 재활성화 테스트를 실행하는 것은 아닙니다. 검색은 질문을 받으면 답변합니다. 다음에 무엇을 해야 할지에 대한 의견이 없고, 그것을 할 방법도 없습니다.
충분한 버전은 기록 위에 세 가지를 추가합니다. 결정: 레이어가 다음 단계를 제안합니다. 우선순위: 포트폴리오 전반에 걸쳐 다른 모든 것과 비교하여 해당 단계의 순위를 매깁니다. 행동: 에이전트를 통해 실행하고 결과를 보고합니다. 메모리 + 결정 + 우선순위 + 행동은 뇌입니다. 메모리만으로는 아카이브입니다.
이것이 전체 논지입니다. 이유를 저장하세요, 네. 그런 다음 그것을 읽고, 결정하고, 움직이는 레이어를 그 위에 놓으세요. 저장은 기본입니다. 움직임이 핵심입니다.
자주 묻는 질문
회사 메모리와 회사 브레인은 같은 것인가요?
아닙니다. 회사 메모리는 결정, 문서 및 그 배경과 같은 컨텍스트를 저장하고 검색합니다. 회사 브레인은 해당 컨텍스트를 기반으로 다음 단계를 결정하고, 우선순위를 정하고, 실행합니다. 메모리는 수동적이며 요청 시 응답합니다. 브레인은 능동적이며 스스로 움직인 다음 승인을 요청합니다.
AI COO가 있다면 여전히 메모리 도구가 필요한가요?
네, 기능적으로는 그렇습니다. AI COO는 메모리 위에 있으며, 올바른 결정을 내리기 위해 저장된 컨텍스트가 필요합니다. 그 메모리가 mem0 또는 Zep과 같은 전용 도구에 있든, 지식 기반에 있든, COO 자체 내에 있든, 운영 계층은 이를 읽고 결정을 추가하며 행동하면서 새로운 기록을 작성합니다.
회사 메모리 도구의 예시는 무엇인가요?
메모리 인프라의 예시로는 mem0, Zep, Letta가 있으며, 이들은 AI 에이전트의 세션 간 컨텍스트를 유지합니다. 지식 기반과 내부 위키는 다른 일반적인 형태입니다. 이들 모두 기록을 저장하고 요청 시 올바른 구절을 반환합니다. 이들 중 어느 것도 다음 단계를 결정하거나 실행하지 않습니다.
이 비교에서 "운영 계층"은 무엇을 의미하나요?
운영 계층은 저장하고 검색하는 메모리 계층과 달리 결정하고 행동하는 부분입니다. 모든 제품의 데이터를 읽고, 포트폴리오 전반의 다음 단계를 순위를 매기고, 에이전트를 통해 실행합니다. Qualia와 같은 AI COO는 메모리 위에 작동하는 이 운영 계층입니다.
"이유"를 포착하는 것만으로는 왜 충분하지 않나요?
결정 기록은 추론을 결과에 연결하여 반복되는 논쟁을 막습니다. 하지만 행동하지는 않습니다. 이탈률이 왜 증가했는지 아는 것이 재활성화 테스트를 실행하지는 않습니다. 기록을 읽고, 다음 단계를 결정하고, 우선순위를 정하고, 실행하는 계층이 필요합니다. 메모리는 필요하지만 충분하지 않습니다.
포트폴리오에서 작동하는 것을 확인하세요
메모리는 요청하면 응답합니다. Qualia는 제품 전반에 걸쳐 다음 단계를 수행합니다. 데모 예약 운영 계층이 데이터를 읽고 다음 단계를 추천하는 것을 이유와 함께 확인하세요.
작성자 Doğan Turan, Qualia 공동 창립자 ·