Use cases
4가지 대표 시나리오로 살펴봅니다. 모든 예시는 자동 캡처된 기억을 MCP로 회상하는 동일한 메커니즘으로 동작합니다.
점심 시간에 ChatGPT에 메뉴를 물어봤다. 저녁이 되어 이번엔 Claude를 쓰는 중인데, 낮에 무엇을 물어봤는지 기억이 안 난다.
유저 → Claude
아까 ChatGPT에서 내가 마지막으로 물었던 질문이 뭐였지?
Claude (Memoria MCP 호출 후)
오늘 12시 14분에 ChatGPT에서 "chatgpt야. 오늘 점심은 뭐 먹는게 좋을까" 라고 물으셨어요. 그때 추천받은 메뉴는 김치찌개였고요.
ChatGPT 세션과 Claude 세션은 원래 서로 모릅니다. Memoria가 둘 사이의 공통 기억이 되어 줍니다.
여자친구 생일이 다가온다. LLM에게 선물 추천을 받고 싶지만, 매번 "내 여자친구는 Jane이고 꽃을 좋아하고…"를 다시 설명하기 귀찮다.
유저
내 여자친구 생일이 다가오는데 무슨 선물이 좋을까?
LLM (Memoria 회상 후)
꽃을 좋아하는 Jane에게 작년에는 장미꽃을 선물해드렸으니, 이번에는 튤립을 선물하는 게 어떠실까요?
유저는 그 어떤 정보도 다시 입력하지 않았습니다. Memoria가 관계 그래프와 선호 이력을 들고 있다가 필요할 때 꺼내 줍니다.
"LLM 작동 원리가 뭐야?" 같은 질문은 보통 교과서식 설명이 돌아옵니다. 토큰, 트랜스포머, 확률 분포… 듣다 보면 더 헷갈리죠. 만약 LLM이 당신의 직업/배경을 이미 알고 있다면?
유저
LLM 작동 원리가 뭐야?
LLM (유저가 요식업 종사자임을 회상한 뒤)
식당 주방으로 비유드릴게요. 손님이 "맛있는 점심 만들어주세요"라고만 하면 기존 손님들이 주로 시켰던 메뉴 — 육류·단백질 위주 — 로 추천하겠죠. 그런데 "저는 비건인데 맛있는 점심 만들어주세요"라고 하면 완전히 다른 결과가 나옵니다. 이미 존재하는 정보로 주어진 조건에 가장 가까운 답을 도출하는 것이 LLM입니다.
같은 질문이라도 Memoria에 저장된 유저 배경에 따라 개발자에게는 코드 비유로, 요식업 종사자에게는 주방 비유로, 교사에게는 학생 비유로 설명이 갈라집니다. 학습 곡선이 훨씬 짧아집니다.
"휴가 신청은 어디서 해요?", "VPN은 어떻게 깔아요?", "지난 분기 OKR 문서 어디 있어요?" — 같은 질문이 매주 반복되고, 그때마다 시니어 한 명의 30분이 사라집니다.
신입 → Claude
휴가 신청 어떻게 해?
LLM (회사 Memoria 회상 후)
사내 포털 → 인사 → 휴가 신청 메뉴에서 신청하시면 되고, 3일 이상이면 매니저 사전 승인이 필요합니다. 작년에 같은 질문에 대한 [HR 가이드 문서 링크]도 있어요.
회사의 반복되는 질문 = 문서화되지 않은 암묵지. Memoria는 한 번 답한 내용을 회사 단위로 축적하여 "Memoria한테 먼저 물어봐"라는 한 줄 규칙으로 인터럽트를 줄입니다.
더 추가 가능한 시나리오