최근 AI 코딩 에이전트의 발전으로 제품 구현 비용은 크게 낮아지고 있지만, 정작 '무엇을 만들어야 할지'에 대한 고민은 더욱 깊어지고 있습니다. 이러한 문제에 주목하여, 런던정경대(LSE) 행동 과학 박사 과정생인 줄리안(Julian)이 공동 창업한 Dipio AI는 사용자 연구와 행동 과학 방법론을 결합한 '증거 루프(Evidence Loop)'를 선보였습니다. 이 시스템은 사용자 대화와 행동 데이터를 기반으로 AI 에이전트가 직접 제품 사양(spec)을 도출하고, 이를 바탕으로 실제 사용자가 원하는 기능을 개발하도록 안내합니다.
Dipio AI의 증거 루프는 다섯 가지 핵심 단계로 구성됩니다. 첫째, AI 인터뷰어가 실제 사용자 또는 '합성 트윈(synthetic twins)'과 심층 음성 대화를 진행하여 사용자 니즈를 파악합니다. 합성 트윈은 실제 사용자의 행동 모델로, 연구에 따르면 실제 인간 반응과 높은 상관관계(r=.81~.91)를 보였습니다. 둘째, 행동 과학 기반의 진단(diagnose)을 통해 사용자의 문제점과 다음에 구축해야 할 기능을 정확히 찾아냅니다. 셋째, 이 진단 결과를 바탕으로 코딩 에이전트가 바로 활용할 수 있는 구현 준비 완료 사양(spec)을 작성합니다. 넷째, 코딩 에이전트와 엔지니어는 이 사양을 통해 제품을 개발하고 배포합니다. 마지막으로, 배포된 제품의 성과를 측정하고 그 결과를 다음 연구 질문으로 삼아 루프를 지속적으로 반복하며 학습합니다. 이 모든 과정은 인간의 개입 없이 AI가 주도하며, 인간은 최종 검토 및 발행 역할만 수행합니다.
이러한 '증거 루프'는 제품 개발의 시간과 비용을 획기적으로 단축시키는 동시에, 사용자 중심의 제품을 만들 수 있도록 돕는다는 점에서 큰 의미를 가집니다. 기존에는 사용자 연구, 제품 기획, 개발, 배포에 이르는 과정이 몇 주에서 몇 달까지 소요되었지만, Dipio AI는 이 과정을 몇 분에서 며칠로 단축시킵니다. 특히, 행동 과학적 진단을 통해 사용자가 실제로 겪는 문제의 근본 원인을 파악하고 해결책을 제시함으로써, 단순히 기능을 추가하는 것을 넘어 사용자의 행동 변화를 유도하는 제품 개발이 가능해집니다. 이는 프로덕트 매니저, 엔지니어, 연구원 등 다양한 팀이 사용자에게 가치를 제공하는 데 걸리는 시간을 대폭 줄여줄 것으로 기대됩니다.