아틀라시안 인텔리전스 (2024)

2024년 늦가을 현재 컨플루언스를 기반으로 동작하는 아틀라시안 인텔리전스는 생산성에 긍정적인 도움을 줍니다.

아틀라시안 인텔리전스 (2024)

2023년 5월에 아틀라시안 클라우드의 중요한 세 가지 새 기능 소개를 통해 아틀라시안 팀 23 행사에서 발표된 아틀라시안 클라우드 제품에 추가될 세 가지 기능에 대해 이야기했습니다. 특히 컨플루언스에는 화이트보드, 데이터베이스, 그리고 아틀라시안 인텔리전스의 세 가지 굉장히 중요한 기능이 추가될 예정이라는 발표를 보았고 이들 모두는 컨플루어스 사용 경험을 꽤 많이 바꿀 수 있을 것이 확실했기에 기대를 많이 했습니다. 일단 화이트보드는 싼 맛에 사용하기는 하지만 썩 훌륭하지는 않으면서도 어쨌든 필요한 용도에는 거의 다 적용 가능한 draw.io의 일부 기능을 대신하기에 나쁘지 않아 종종 사용하게 됩니다. 특히 지라 태스크를 플로우차트에 바로 추가할 수 있고 플로우차트에서 지라 태스크 사이를 연결한 다음 관계를 정의하면 이 관계가 실제 지라 태스크 사이에 그대로 반영된다는 점은 지금에 과서는 그렇게까지 대단하거나 놀라운 기능이 아니지만 여러 지라 태스크 사이의 관계를 살펴보고 이를 시각화 하는 과정에서 업무 진행 방식을 파악할 수 있게 도와준다는 점에서 의미 있다고 생각합니다. 하지만 이와 경쟁하는 여러 드로잉 도구들이 아주 빠르게 발전하면서 컨플루언스 화이트보드는 그저 컨플루언스를 구입하면 무료로 사용할 수 있다는 점 정도가 거의 유일한 장점인 수준을 아직 벗어나지 못하고 있습니다. 데이터베이스는 노션이 처음 도입하는 것을 보고 굉장히 부러워했는데 컨플루언스는 노션 데이터베이스와 거의 똑같이 동작하는 서드파티 앱을 아틀라시안이 인수해 개발하기 시작하면서 아틀라시안 데이터베이스로 브랜드가 바뀝니다. 사실 노션 데이터베이스와 똑같이 돌아가기 때문에 딱히 대단할 건 없지만 컨플루언스에서도 구조화된 데이터를 만들고 관리할 수 있으며 여러 페이지에 걸쳐 같은 데이터베이스에 기반한 데이터를 표시할 수 있는 점은 굉장히 유용합니다.

개인적으로 컨플루언스 데이터베이스가 노션 데이터베이스에 비해 가지는 강력한 장점은 노션 데이터베이스와 달리 컨플루언스 데이터베이스는 이를 기반으로 태스크 매니징을 할 수 있다는 헛소리를 절대 하지 않는다는 점입니다. 노션은 마치 데이터베이스를 이용해 지라를 대신할 수 있을 것처럼 굴어 실제로 몇몇 멍청한 관리부서가 실제로 이게 가능한지 살펴보고 이런 기능이 있음에도 지라를 따로 구입해 사용하는 이유를 물어 그 대화를 듣던 제 혈압을 미친듯이 오르게 만들었습니다. 이건 멍청한 관리 부서 탓이 아닙니다. 애초에 노션이 마치 그게 실제로 가능할 것처럼 광고했기 때문에 생긴 결과라고 생각합니다. 관리 부서는 멍청했고 노션은 나빴습니다. 반면 컨플루언스는 이를 개발한 아틀라시안이 이미 거의 전 세계적으로 사실상 표준에 가깝게 사용되고 있는 태스크 관리 서비스인 지라를 개발하고 있기 때문에 컨플루언스 데이터베이스가 지라를 대신할 수 있다는 헛소리를 절대 하지 않습니다. 실제로 이 말이 노션 자기 스스로가 검증한 헛소리이기도 하고 굳이 멀쩡한 지라를 놔두고 컨플루언스 데이터베이스를 사용해 태스크 관리를 할 필요가 전혀 없기 때문이기도 합니다. 하지만 노션 데이터베이스는 IFTTT나 Zapier를 통해 자동화가 가능해 외부 이벤트에 의해 노션 데이터베이스에 읽고 쓸 수 있어 데이터베이스가 빠른 입출력을 필요로 하지 않는다면 실제 데이터베이스를 대신하는 용도로도 활용할 여지가 있습니다. 이에 비해 컨플루언스 데이터베이스는 심지어 컨플루언스 자기 자신의 오토메이션 기능에도 아직 포함되지 않아 데이터베이스 입출력은 항상 사람이 수동으로 해야만 하고 이런 한계 때문에 컨플루언스 데이터베이스의 활용도는 아직까지는 제한적입니다. 컨플루언스 화이트보드, 컨플루언스 데이터베이스 양쪽 모두 가능성은 충분하지만 아직 갈 길이 멉니다.

2024년이 시작되면서 거대 언어 모델을 사용한 제품이 늘어났지만 대체로 여전히 거대 언어 모델을 잘 활용했다고 보기는 어려운 제품이 많았습니다. 최근에 사용하기 시작한 퍼플렉시티는 구글에 하던 것과 비슷한 자연어 모양으로 질문하면 구글이 그 결과 링크를 나열하는데 비해 직접 그 링크 각각을 눌러 들어가 읽어본 다음 그 결과를 모아 간단한 보고서 모양으로 만들어줘 긴요하게 사용하고 있습니다. 여전히 보고서에 작성된 결론과 출처 따위를 사람이 점검할 필요는 있지만 이는 인간에게 같은 일을 시켜도 똑같이 해야 하는 일이기에 딱히 문제라고 생각하지 않습니다. 특히 레딧의 질문과 수많은 답글을 하나하나 살펴보고 상황을 파악하는데 걸리는 시간을 거의 몇 초 정도로 단축해 주기 때문에 시간을 크게 절약하고 또 제 궁금증의 대략적인 분위기를 파악하는데 아주 큰 도움을 주고 있습니다. 아마도 이 검색 서비스가 자기 스스로 거대 언어 모델 기술을 가지고 비즈니스를 영위하고 있지 않을 가능성이 높으니 백그라운드에서는 아마도 다른 유명한 회사의 거대 언어 모델이 돌고 있겠지만 이를 단순히 채팅 모양이 아닌 검색 모양으로 변경해 제공하고 있는 모습은 인상적이었습니다. 이런 사례가 나타나고 있지만 여전히 어지간한 앱들 대부분은 그냥 Chat GPT와 똑같은 프롬프트만 덜렁 걸어 놓은 모양을 하고 있어 ‘이전 프롬프트를 모두 초기화하고’로 시작하는 프롬프트에 취약하게 반응해 서비스 개발자가 의도한 동작을 완전히 무시한 이상한 답변을 내놓는 GPT 인터페이스로 전락 시킬 수 있을 지경입니다.

그러다가 문득 1년 반 전 기능이 추가되었다는 사실을 알고 있고 또 컨플루언스 클라우드에서 즉시 사용 가능한 아틀라시안 인텔리전스는 어떤 상태일지 궁금해졌는데 마침 이전에 비해 아틀라시안 인텔리전스가 컨플루언스 인터페이스 곳곳에 나타나고 있는 중이어서 어쩌면 이제는 슬슬 쓸모 있게 동작할지도 모른다는 생각이 들었습니다. 개인 위키로 컨플루언스 추천해요 (2024)에 또 한번 이야기한 대로 저는 개인 기록 도구에 컨플루언스를 사용하고 있고 이 도구가 애초에 기업 단위의 사용을 염두해 두고 개발된 것이 사실이지만 개인이 사용하기에도 충분히 훌륭하며 특히 완전관리되고 위지윅으로 동작하는 점은 오직 기록에만 집중하고 싶은 사람들에게 최적이라고 주장하는 입장입니다. 아틀라시안 인텔리전스의 약자는 애플 인텔리전스의 약자와 같은 A.I.인데 애플 인텔리전스를 발표하기 한참 전에 이미 아틀라시안 인텔리전스를 발표한 터라 애플이 뒷북을 치며 아틀라시안을 고소하는 멍청한 짓을 할 일은 없었으면 좋겠습니다. 그건 그렇고 컨플루언스에 탑재된 아틀라시안 인텔리전스는 다른 도구에 차용된 거대 언어 모델에 비해 아주 큰 장점이 있습니다.

일단 여느 뻔한 서비스에 채용된 거대 언어 모델은 애초에 그들이 채용된 서비스가 구축한 데이터량이 그리 많지 않은 덕분에 초라한 결과를 보여주는 경우가 많았습니다. 이에 비해 컨플루언스에 채용된 아틀라시안 인텔리전스는 컨플루언스가 근본적으로 여러 사람들이 기록을 만들고 문서를 작성하고 문서 사이에 연결을 만드는 등 온갖 방식으로 컨텐츠를 생산하는데 사용되는 제품이라는 큰 장점이 있습니다. 여느 서비스로부터 생산된 데이터가 의미 있는 양에 도달하지 못해 초라한 결과를 내놓는 여러 케이스와 달리 컨플루언스는 각 고객들이 오로지 자신들이 작성한 사이트에 있는 컨텐츠만을 대상으로 아틀라시안 인텔리전스를 사용하더라도 충분히 엄청난 양의 데이터를 확보할 수 있습니다. 이미 컨플루언스 위키를 개인적으로 사용하기 시작한 다음 오랜 시간이 흐르면서 개인 위키에 꽤 많은 정보가 쌓였고 어떤 주제들은 구글에 검색하기에 앞서 제 개인 위키에 먼저 검색할 때 의미 있는 결과를 찾아낼 때가 늘어나기 시작하는 마당에 컨플루언스 컨텐츠에 접근할 수 있는 거대 언어 모델의 존재는 굉장히 크게 다가올 수 있습니다.

그리고 결론부터 말하면 한국어 화자 입장에서도 2024년 늦가을 현재 컨플루언스에 적용된 아틀라시안 인텔리전스는 실제 컨플루언스 사용 경험을 크게 끌어올립니다. 작게는 페이지 단위, 스페이스 단위, 그리고 사이트 단위에 이르기까지 각기 다른 범위에 걸쳐 사용 가능한 아틀라시안 인텔리전스 기능은 거대 언어 모델이 컨플루언스 사이트를 읽고 학습했을 때 어떤 시너지를 낼 수 있는지 잘 보여주는 사례라고 생각합니다. 일단 페이지 단위에서는 여느 거대 언어 모델을 채용한 서비스들이 하는 것과 별 다를 것 없는 기능을 제공합니다. 문장의 톤 변경, 요약, 쓰기 개선, 액션 아이템 찾기, 제목 추천, 문법 검사, 브레인스토밍, 더 짧은 표현, 번역 같은 기능은 거대 언어 모델을 채용한 노션 같은 도구에서도 거의 똑같이 사용할 수 있는 기능입니다. 이 기능들은 그냥 기본적으로 잘 동작합니다. 개인적으로 즐겨 사용하는 기능은 요약, 액션 아이템 찾기, 더 짧은 표현의 세 가지 기능인데 이들은 컨플루언스를 완결된 문서를 작성하는 용도 이외에도 생각의 멱살에 소개한 생각을 진행해 나가는 수단 그 자체로 활용하는 입장에서 굉장히 긴요합니다. 일단 요약 기능은 이 프롬프트 위쪽에 작성한 전체 텍스트를 대상으로 글을 요약해 몇 줄 짜리 글을 만들어 주는데 이 요약을 전적으로 신뢰하고 다른 사람들에게 공유하는데 사용할 수 있을 정도의 수준인지는 아직 확신이 부족하지만 생각하는데 페이지를 사용하다가 중간에 어떤 이유로든 페이지를 저장하고 다른 작업으로 전환했다가 다시 이 작업으로 돌아올 때 이전에는 이전에 무슨 생각을 했었는지 몇 줄, 또는 몇 문단 위로 돌아가 읽어 내려오며 기억을 되살리는 과정을 거쳐야 했습니다. 그런데 아틀라시안 인텔리전스의 요약 기능을 사용하면 그냥 이전에 작성하던 페이지를 연 다음 위쪽에 작성한 텍스트 전체를 요약해 한 문단으로 줄인 다음 그 문단을 읽으면 거의 이전에 여러 문단 위로 올라가 읽어 내려오던 것과 거의 같은 효과를 얻을 수 있습니다. 긴 문서를 작성할 때 중간에 작성을 멈추고 저장하면 다음에 이 문서를 열어 일단 위쪽을 요약 시킨 다음 이를 읽어보고 문서를 이어서 작성하면 긴 문서를 여러 번에 걸쳐 작성할 때 겪는 어려움을 크게 줄일 수 있습니다.

다음으로 액션 아이템을 찾아 주는 기능 역시 긴요합니다. 문서 중간에 ‘이런 일을 해야 함’과 비슷한 자유로운 형식으로 이 문단의 결과에 의해 해야 할 일을 문장 중간에 섞어서 적어 둔다면 나중에 이를 다시 찾아내는 일은 꽤 귀찮습니다. 그래서 종종 문서를 타이핑 할 때 이어서 해야 할 일이 생기면 개인 할일관리에 지라 사용에 소개한 대로 옆에 지라를 열어 놓고 그때 그때 새로운 할 일을 지라에 추가해 놓고 했고 문서를 끝까지 작성한 다음에 문서 작성 중에 만들어 놓은 지라 링크를 문서 매 위나 맨 아래에 모아 놓곤 했습니다. 그런데 액션 아이템을 찾아 주는 기능을 사용하면서부터는 중간에 의식적으로 할 일을 지라에 중간 중간 등록할 필요가 없어졌습니다. 아틀라시안 인텔리전스에게 액션 아이템을 찾으라고 말하면 문장에서 나중에, 혹은 다음에 할 일을 설명한 부분을 찾아내 이를 할 일 목록으로 만들어 줍니다. 아직까지는 이들을 바로 지라에 등록해 달라고 해본 적이 없긴 한데 액션 아이템 각각을 한번에 지라로 옮기는 일은 이를 수동으로 하는 지금도 굉장히 효율적인 상태입니다. 이전에는 문서를 작성하는 중간 중간에 지라 태스크를 만들었기 때문에 이 때마다 생각의 흐름이 끊겼다면 이제는 아예 신경 쓰지 않고 그냥 한 번에 텍스트를 쭉 타이핑한 다음 액션 아이템을 찾으라고 하면 빠짐 없이 제가 지라 태스크로 만들어 관리해야 할 일을 정리해 주기 때문에 굳이 문서를 작성하는 중간에 할 일을 따로 정리하기 위해 신경을 쓸 필요가 완전히 없어졌습니다.

또한 더 짧은 표현은 요약과 비슷하면서도 약간 다른데 요약은 기본적으로 문서의 형식에 관계 없이 내용을 요약한 한 문단을 만들어주는데 비해 더 짧은 표현을 사용하면 대체로 문서의 형태를 유지한 채로 더 짧은 모양의 문서를 만들어 줍니다. 실제로 제출할 문서에 이 기능을 사용하고 있지는 않지만 일단 문서를 제 스타일로 작성한 다음 이를 요약해 내용을 살펴보고 이 문장을 아주 조금만 만져 실제 문서에 요약문을 포함하는데 사용합니다. 더 짧은 표현은 문서의 형식을 유지한 상태로 문서 길이를 줄여 주기 때문에 혹시 비슷한 내용을 여러 문단이나 챕터에 걸쳐 반복했거나 비슷한 설명을 반복했을 때 이를 줄이면 어떤 모양이 되는지를 미리 살펴볼 수 있게 해 줍니다. 사실 문서에 반복해서 설명하는 부분은 실수가 아닌 이상 어느 정도 의도할 때가 많습니다. 이는 위에서 설명했지만 아래에서 다른 요구사항을 설명할 때 앞서 위에서 설명한 내용을 함께 비교하며 설명하면 더 효율적일 것 같을 때 의도를 가지고 같은 내용을 반복하곤 하는데 누군가에게는 이런 표현 방법이 긴요하겠지만 또 다른 누군가에게는 쓸모 없이 같은 내용을 반복한 너절한 일본식 글쓰기가 될 위험이 있습니다. 이 때 만약 중복된 내용을 제거하고 핵심에 집중해 문서를 축약하면 어떤 모양이 외는지 미리 살펴보고 만약 이 모양이 더 마음에 든다면 이를 직접 적용하는 대신 제가 그 문서를 참고해 문서를 수정해 제출하는 방식으로 활용하고 있습니다.

다음으로 스페이스나 사이트 범위에서는 검색에 자연어를 사용할 수 있습니다. 일단 컨플루언스 검색은 단어 단위의 검색과 날짜, 단어의 등장 빈도, 다른 페이지와 연결 관계 따위를고려해 결과를 표시하는 어떻게 생각하면 굉장히 고전적인 형태입니다. 그런데 똑같은 검색 텍스트박스 한 편에는 아틀라시안 인텔리전스 기반의 검색을 수행하는버튼이 달려 있습니다. 이 버튼을 사용하기로 마음 먹었다면 일반적인 검색어 대신 자연어로 된 질문을 할 수 있습니다. 아틀라시안 인텔리전스를 발표하면서 아틀라시안은 이 개념을 ‘버추얼 팀메이트’라고 설명했는데 이는 마치 어떤 절차에 따라 작업을 수행하다가 뭔가 잘 안 될 경우 주변의 누군가에게 ‘이거 어떻게 해요?’ 라고 묻는 행동을 아틀라시안 인텔리전스가 대신 해줄 수 있다고 주장합니다. 사실 이 발표를 본 직후에 사용할 때는 그리 잘 작동하지 않는다고 생각했습니다. 그도 그럴 것이 자연어로 된 질문을 검색을 통해 스페이스나 사이트 단위에 걸친 검색을 한 다음 답변하려면 제 아무리 거대 언어 모델 할아버지가 오더라도 위키 전체의 기록을 살펴보고 이를 기반으로 학습한 다음 답변 해야 할 것 같았기 때문입니다. 그래서 첫 사용과 실망 다음에는 별 관심을 가지지 않았는데 최근 다시 시험해 본 아틀라시안 인텔리전스 기반의 검색 기능은 상당히 향상되었습니다. 가령 한 가지 과업을 달성하는 여러 스텝이 여러 문서에 걸쳐 분산되어 있는 것은 컨플루언스를 여러 사람이 사용하다 보면 쉽게 일어납니다. 처음 누군가가 그 시점을 기준으로 매뉴얼을 작성하고 그 다음 사람이 매뉴얼을 따라 같은 작업을 수행하다가 그 사이에 변경된 항목을 별도 메모로 남기기를 반복하다 보면 결국 한 가지 과업을 수행하기 위한 절차가 여러 문서에 흩어져 있게 됩니다.

그런데 아틀라시안 인텔리전스에게 자연어로 이 과정을 수행하는 방법을 정리해 달라고 요청하면 종종 실패할 때도 있지만 대체로 같은 작업을 수행하는데 필요한 여러 작업이 여러 문서에[ 분산되어 있더라도 이들을 각각 확인한 다음 마치 이들을 사람이 병합한 것 같은 최신 결과를 요약해서 보여줄 뿐 아니라 앞서 잠깐 언급한 퍼플렉시티처럼 자신이 정리한 인스트럭션이 각각 어떤 페이지의 내용을 기반으로 해서 작성한 것인지 함께 표시해 줍니다. 그래서 아틀라시안 인텔리전스가 제안한 인스트럭션을 직접 시도해볼 수도 있고 이 인스트럭션을 구성하는데 사용한 각각의 페이지를 직접 방문해 내용을 확인한 다음 이 과정을 또 다른 페이지에 기록해 둘 수도 있습니다. 이런 사용 행태는 컨플루언스 전체 관점으로 볼 때 비슷한 정보가 계속해서 서로 분리된 다른 페이지에 반복해서 그 일부만 작성되어 조각 조각 흩어져 있게 되므로 컨플루언스를 오래 사용하다 보면 정보를 찾기 점점 더 힘들어진다는 평가를 받게 만들기도 합니다. 하지만 근본적으로 그 정보가 여러 페이지에 걸쳐 좀 흩어져 있을 뿐 그 정보가 컨플루언스 안에 있는 것이 확실하기 때문에 아틀라시안 인텔리전스가 이들을 알아서 병합해 결과를 보여주는 기능을 사용할 수 있게 되면서 정보가 흩어져 있든 말든, 또 위키 스타일로 여러 사람이 같은 페이지를 수정하는 식으로 사용하든 말든 어쨌든 검색을 통해 결과를 찾을 수 있게 되었습니다.

결정적으로 이 모든 과정에 한국어가 지원됩니다. 개인적으로는 영어 인터페이스를 사용하고 있지만 한국어 페이지를 요약하고 한국어 페이지를 검색하는데 아무 문제가 없습니다. 종종 한국어 페이지를 요약하는데도 영어로 답할 때가 있는데 그럴 때는 바로 다음 프롬프트에 이 문장을 한국어로 번역해 달라고 말하면 문제 없이 한국어로 번역해 줍니다. 사실 이건 아틀라시안 인텔리전스의 특징이라기 보다는 거대 언어 모델에 기반한 서비스들이 공통으로 가지고 있는 특징이라고 봐야 합니다. 거대 언어 모델의 다차원 언어 관계망은 서로 다른 언어 사이에도 유사한 의미의 단어들이 여러 차원에 걸쳐 가까운 위치에 위치한다는 사실을 알게 해 주었고 이는 서로 다른 언어 사이의 번역에 획기적인 발판을 마련합니다. 아틀라시안 인텔리전스가 본격적인 번역 기능을 갖추고 있지 않더라도 그저 영문으로 출력된 결과를 한국어로 번역해 달라고 하면 영문으로 구성된 문장과 가까이 있는 한국어 단어들을 선택해 구성한 문장은 꽤 자연스러운 한국어가 됩니다. 대체로 한국어 문장에 대해서는 한국어 결과를 말하므로 한국어로 번역해 달라고 말할 일이 그리 많지는 않지만 프롬프트에 한국어로 말하는 것도 잘 동작하니 언어 문제로 걱정할 일도 없습니다.

2024년 늦가을 현재 컨플루언스를 기반으로 동작하는 아틀라시안 인텔리전스는 비슷한 상용 거대 언어 모델을 채용한 여느 서비스에 비해 굉장히 유용한 모습으로 동작합니다. 가장 큰 이유는 컨플루언스 자체가 여러 문서와 메모를 쌓아 놓는 곳이기 때문에 거대 언어 모델이 읽어보고 학습할 문서가 굉장히 많기 때문이 아닐까 싶습니다. 한국어 화자 입장에서 한국어 입출력에 아무 문제가 없고 버추얼 팀메이트 개념에 기반해 검색에 자연어를 사용하면 답변을 위해 여러 문서에 분산된 정보를 긁어 모아 한 가지 결과를 표시해 줍니다. 또한 다른 서비스에도 자주 볼 수 있는 요약, 짧게 쓰기, 액션 아이템 찾기 같은 기능은 컨플루언스를 단순 기록이 아니라 실제로 수행해야 할 일로 연결하는 일종의 통로로써 역할을 원활하게 수행하도록 해 줍니다. 그런 의미에서 컨플루언스 쓰세요.