최후의 병목

30년 전, 소프트웨어는 수축 포장된 디스크 형태로 출시되어 소매점 선반에서 판매되는 물건이었습니다. 고객에게 제품을 공급한다는 것은 제조, 포장 및 유통을 포함하는 거래였죠. 이 모든 과정의 복잡성 덕분에, 제작자의 손을 떠난 제품이 구매자에게 도달하는 길은 장애물로 가득했습니다.

그 이후로 제품 개발에 있어 중요한 변화는 모두 병목 현상을 하나씩 제거하는 것이었습니다. 인터넷은 유통을 없앴습니다. 클라우드와 지속적인 배포는 반복에서 생기는 마찰 요소를 제거하여 연 1회 출시하던 제품 주기를 매일 1회까지 줄였습니다. 오늘날 Lovable 및 Cursor와 같은 AI 도구는 남은 기술적 복잡성을 더 없애고 있습니다. 이러한 도구는 코딩 언어의 제약을 제거하여 보유한 기술적 전문 지식에 관계없이 더 많은 사람이 프로토타입을 만들고 더 빠르게 구축할 수 있게 되었습니다. 이제는 한 팀이 몇 시간 안에 새로운 기능을 출시할 수 있으며, 실제로 그렇게 하고 있습니다. 그것도 계속해서 말입니다.

그러나 이러한 변화 중 어느 것도 가장 중요한 질문을 해결하지 못했습니다. 그것은 바로 '올바른 제품을 만들고 있는지'입니다.

개발 속도가 학습 속도를 능가하다

오늘날의 개발팀은 점심 식사 전에 새로운 기능 하나를 출시하고 저녁 시간이 되기 전에 다음 빌드로 넘어가곤 합니다. 캠페인을 아침에 시작할 수 있지만, 월간 지표 보고서가 나올 때까지는 성과를 가늠하기 어렵습니다. 우리가 개발한 기능의 사용자 경험을 실제로 이해하려면 여전히 데이터 시스템을 연결하고, 애널리스트가 시간이 나기를 기다리며, 다음 스프린트가 시작되기 전에 올바른 질문에 답할 수 있기만을 바라야 합니다.

이해 없이 속도만을 중시한다면 스프린트나 캠페인 하나를 낭비하는 것으로 끝나지 않습니다. 잘못된 결정마다 비용은 배수로 돌아오게 됩니다. 결함이 있는 가정을 기반으로 개발된 모든 기능이 이제 더 빠르게 출시되고, 잘못된 지표에 맞추어 최적화된 모든 캠페인이 더 빠르게 확장됩니다. 사용자 행동에 대한 명확한 인사이트 없이 시작한 모든 실험은 고객을 끌어들이는 속도보다 훨씬 빠르게 밀어낼 수 있습니다. 출시 속도를 우선시하기 전에, 우리가 올바른 방향으로 나아가고 있는지 확인할 수 있는 워크플로가 필요합니다.

출시 속도가 그냥 빨라진 것이 아니라, 눈이 먼 상태로 빠르게 출시하고 있는 것이 문제입니다. 출시가 완료된 것과 실제로 효과가 있는 것 사이의 연결 고리를 파악할 수 있는 방법이 없다면, 속도는 본질적인 가치 창출 없이 오히려 성장을 방해할 뿐입니다.

보고에서 추론으로

이 제품 평가의 병목 현상은 데이터 부족으로 인해 발생하는 것이 아닙니다. 팀은 그 어느 때보다 많은 데이터를 보유하고 있습니다. 도구가 부족한 것도 아닙니다. 어마어마한 분석 도구 시장의 규모를 보세요. 문제는 대부분의 분석 프로세스가 여전히 AI가 모든 것을 바꾸기 전과 같은 방식으로 작동한다는 것입니다. 누군가가 질문을 떠올립니다. 애널리스트에게 티켓을 제출합니다. 며칠 또는 몇 주가 지나고 질문자는 대시보드를 받게 되지만, 이는 애초에 올바른 질문을 한 경우에만 유용합니다.

이러한 워크플로는 출시 주기가 분기별로 돌아갈 때는 괜찮았습니다. 출시 주기가 매일일 때는 이렇게 일하는 것은 불가능합니다. 제품과 캠페인 및 실험이 AI의 속도로 진행되는 세상에서는 분석이 선제적으로 그 속도를 따라잡아야 합니다. 지속적으로 작동하며 실시간으로 일어나고 있는 일에 대해 추론하고, 누군가 물어보기 전에 중요한 것이 무엇인지 찾아내야 합니다. 과거에 대한 보고는 실패의 원인이 됩니다. 오늘날의 분석 도구는 팀이 현재를 이해하고 다음 단계를 결정하는 데 적극적으로 도움을 주어야 합니다.

이러한 진화를 위해서는 근본적으로 다른 기반이 필요합니다.

AI 규모의 분석에는 완전한 행동적 맥락이 필요합니다

우리가 제대로 된 제품을 개발했는지 확인하려면 데이터 웨어하우스와 쿼리 계층보다 더 많은 것이 필요합니다. 행동 데이터와 퍼널, 사용자 행동 리플레이, 설문조사 피드백, 고객지원 대화 내용 등을 포함해 사용자 경험에 대한 전체적인 그림이 있어야 합니다. 사용자의 행동 방식, 느낌, 문제가 발생하는 부분에 대한 실시간 데이터를 조합해야 하죠.

하지만 사용자에게서 오는 신호는 전체 그림의 절반에 불과합니다. AI는 여러분의 팀에 대한 맥락도 이해해야 합니다.

• 지금 팀은 어떤 질문을 던지고 있나요?
• 최근에 생성된 차트와 지표는 무엇인가요?
• 분류 체계는 어떻게 발전해 왔나요?
• 제품과 캠페인의 변화에 따라 우선순위는 어떻게 바뀌고 있나요?

이와 같이 살아있는 맥락이 없으면 강력한 AI조차도 심도가 없거나 잘못된 결론으로 이끄는 답변을 생성하게 됩니다. 이것이 데이터 웨어하우스에 LLM을 넣어 놓는 것만으로는 의미 있는 인사이트가 도출되리라 기대할 수 없는 이유입니다. 무슨 일이 일어났는지 더 빨리 질문하는 것은 가능하겠지만, 가장 중요한 부분인 원인을 진단하고 다음 단계의 행동을 결정하는 것을 놓치게 됩니다. 진정한 이해를 위해서는 사용자 경험의 전체 맥락과 해당 사용자를 위한 팀의 개발 의도를 결합해야 합니다.

똑똑한 분석을 넘어 에이전트적인 분석이 필수

오늘날 분석의 운영 부담은 여전히 사람의 몫입니다. 누군가는 제품 변화에 따른 분류 체계를 유지 보수해야 하며, 다른 누군가는 아무도 모르는 사이 시스템 성능이 저하되지 않도록 낡았거나 손상된 데이터를 정리해야 합니다. 또 누군가는 행동 패턴과 사용자 피드백을 연결하여 다음에 수정, 테스트 또는 개발할 사항에 대한 구체적인 아이디어를 도출해야 합니다. 이 모든 작업은 필수적이지만, 확장할 수 있는 것은 거의 없습니다.

에이전트 분석은 이러한 작업에 대한 솔루션입니다. 이는 작업의 기반이 되는 토대를 유지하고 발전시키며, 요청 없이도 맥락을 최신 상태로 유지하고, 팀이 인계를 기다릴 필요 없이 인사이트를 바탕으로 액션을 취할 수 있도록 지원합니다. 분석은 더 이상 사용자의 쿼리를 기다리는 수동적인 시스템이 아니라 제품 개발, 배포 및 성장에 적극적으로 참여하는 시스템이 됩니다.

Amplitude AI 분석 플랫폼 업그레이드

Cursor는 소프트웨어 개발에서 가능성을 재정의하여 엔지니어의 작업 속도를 최대 10배까지 높이고 코드를 한 줄도 작성한 적이 없는 사람도 제품 개발에 접근할 수 있도록 했습니다. 이제 그 혁신의 순간이 분석 분야에도 도래했습니다.

우리는 AI 분석 플랫폼에 Amplitude 에이전트를 추가하고 있습니다. 이는 더 많은 사람과 팀이 행동 데이터와 사용자 경험의 전체 맥락을 이해할 수 있는 문을 열어주는 에이전트 시스템입니다.

Amplitude 에이전트는 고객 여정 전반에 걸쳐 무엇이 발생하고 있는지 지속적으로 감지합니다. 무엇이 중요한지, 그리고 그 이유를 파악하고 결정합니다. 그리고 실험, 개인화 등 다양한 방식으로 실행에 옮깁니다. AI 분석을 통해 팀은 몇 주가 아닌 몇 분 만에 제품 구축에서 영향력 평가로 넘어갈 수 있습니다. 이는 수동 분석에 비해 10배의 생산성 향상을 의미합니다.

AI 분석의 작동 방식은 다음과 같습니다.

Amplitude 글로벌 에이전트

Amplitude 글로벌 에이전트는 행동 데이터, 여정, 실험, 사용자 행동 리플레이, 피드백 등 전체 Amplitude 플랫폼을 분석하고 조치를 취할 수 있는 권한을 가집니다. 최근의 질문, 새 차트, 지표 변화, 변경된 우선순위 등 팀이 중점을 두는 사항의 맥락을 통합하기도 합니다. 질문에 답하기 위해 차트를 만드는 것에 그치지 않고, 누구나 쉽게 이해할 수 있는 언어로 대화를 나누며 후속 질문을 유도해 분석 과정을 탐색할 수 있도록 안내합니다.

글로벌 에이전트는 전체 조사를 실행하여 여러 데이터 소스 사이의 패턴을 연결하고 구체적인 다음 단계를 준비합니다. 이전에 며칠 또는 몇 주가 걸리던 근본 원인 분석이 이제 몇 분이면 가능하며, 수동 조사보다 높은 정확도를 보여줍니다. 이 모든 분석 과정을 거친 후에는 다음에 취해야 할 올바른 단계에 대한 권장 사항을 제시할 수도 있습니다. 또한 이 기능은 팀이 대부분의 시간을 보내는 도구인 Slack 및 Teams에서 액세스할 수 있습니다.

전문 에이전트

글로벌 에이전트가 팀의 조사 및 결정을 돕는다면, 전문 에이전트는 애초에 중요한 사항을 놓치지 않도록 돕습니다. 전문 에이전트는 단일 도메인 또는 워크플로 전용으로 특별히 제작되었으며, 예약된 일정에 따라 실행되어 현재 상황을 분석하고 요약, 기회 및 권장 조치를 Amplitude 에이전트 페이지, 이메일 또는 Slack으로 전송합니다.

현재 사용할 수 있는 전문 에이전트에는 4가지가 있습니다.

• 대시보드 모니터링 에이전트: 어느 대시보드에서든 인사이트를 자동 생성하고, 흥미로운 추세와 이상 징후를 심층적으로 분석하며, 일정에 따라 사전 예방적 모니터링을 실행하여 문제가 될 수 있는 부분을 미리 파악합니다.
• 사용자 행동 리플레이 에이전트: 예약된 일정에 따라 수백 개의 세션을 검토하여 전환율을 낮추는 마찰 요소 및 패턴을 식별합니다. 정량화된 영향을 미치는 구체적인 수정 방안을 추천합니다.
• 웹사이트 전환 에이전트: 실험을 제안하고 변형된 버전을 생성하며 실험 구성안을 만듭니다. 사용자의 허락을 받아 출시를 실행하고 롤아웃 결정과 함께 결과를 공유합니다.
• 피드백 에이전트: 비정형 피드백(예: 설문조사, 티켓)에서 상위를 차지한 주제의 요약을 일정에 따라 생성하고, 알림이 없다면 놓치고 지나갈 수도 있는 실행 가능한 인사이트를 표시합니다.

모델 컨텍스트 프로토콜(MCP) 서버

MCP를 사용하면 이미 사용 중인 AI 워크플로 내에서 Amplitude의 행동 인텔리전스를 바로 사용할 수 있습니다. 작업 중인 워크플로에서 벗어나지 않고도 질문하고, 문제를 조사하고, 찾은 내용에 따라 액션을 취할 수 있습니다. 인사이트는 사실을 파악한 후가 아닌 결정의 순간에 나타납니다.

AI 어시스턴트: Claude 또는 ChatGPT에 Amplitude 데이터를 사용하여 사용자 행동을 요약하고, 차트를 불러오고, 제품 또는 캠페인 관련 질문에 답하도록 요청하세요.

개발: Cursor 또는 Claude Code 내에서 제품 맥락을 고려하여 검증, 디버깅 및 영향 추적을 실행하세요. GitHub 풀 리퀘스트에 행동 맥락을 추가하고, AWS Kiro에서 통합된 제품 인사이트를 사용하여 AI 기능을 구축하고 배포하세요.

디자인 및 프로토타입 제작: 제품 성과 및 피드백을 사용하여 Lovable에서 생성한 콘셉트를 검증하고 개선하세요. 사용자 마찰 요소를 식별하고 Figma Make에서 데이터 기반 프로토타입을 생성하세요.

제품 및 협업: Notion 에이전트를 통해 제품 기회를 분석하고 파악하세요. Atlassian Rov로 Amplitude 차트와 분석을 검색 가능하도록 처리하세요.

영업 및 참여도 제고: 행동 신호를 사용하여 Outreach에서 메시지 및 타겟팅을 개인화하세요.

별도의 여러 기능이 아닌 하나의 시스템

글로벌 에이전트, 전문 에이전트 및 MCP는 세 가지의 개별 제품이 아닙니다. 이들은 행동 데이터, 살아 있는 맥락, 에이전트형 추론이라는 공통된 기반 위에 구축된 하나의 시스템입니다. 글로벌 에이전트는 실시간으로 조사를 수행합니다. 전문 에이전트는 중요한 워크플로를 자동화합니다. MCP는 팀이 이미 작업 중인 공간에 이 모든 것을 배치합니다. 이들은 함께 업계의 나머지 부분이 완성하지 못한 제품 구축과 학습 사이의 연결 고리에 빠진 부분을 채웁니다.

출시 속도만큼 빠르게 배울 수 있는 팀이 미래를 지배할 것

개발 속도는 더 이상 경쟁 우위를 줄 수 없습니다. AI 덕분에 모든 팀이 제품을 대단히 빠르게 출시할 수 있는 능력을 갖추게 되었기 때문이죠. 대신 무엇을 구축해야 하는지 얼마나 빨리 이해하고 그 지식을 일관된 행동으로 전환할 수 있는지가 중요해졌습니다.

인간의 속도로 작동하는 분석 도구는 뒤처질 것입니다. 행동 맥락에 기반을 두고, 지속적으로 추론하고, 인사이트에 따라 행동하며, 팀의 기존 작업 공간에 통합된 AI 규모의 분석 도구가 미래를 지배할 것입니다.

이것이 Amplitude가 만들어가는 미래이며, 지금 바로 사용할 수 있습니다.

3월 5일 목요일, Amplitude 플랫폼 내부의 작동 모습과 실제 사용 사례를 직접 확인해 보세요. 플랫폼을 직접 만든 개발자들이자, 이를 가장 잘 아는 사람들이 직접 투어를 진행할 예정입니다. 지금 바로 등록하세요.