다중 Agent
브레인스토밍：여러 AI를 토론시키기
사람들의 회의와 같습니다：혼자 죽도록 생각하는 것보다 여러 사람이 독립적으로 생각한 후 합치는 것이 낫습니다. 브레인스토밍 모드는 같은 질문을 여러 Agent에게 던져 각각 답변하게 하고, 마지막에 사회자가 합의와 의견 차이를 통합하는 것입니다.
브레인스토밍 과정 시뮬레이션
❓ 「사용자 유지율을 어떻게 높일까？」
A
제품 관점
B
데이터 관점
C
사용자 관점
Agent A · 제품 관점
온보딩 플로우를 최적화해 첫날 이탈을 줄이세요. 개인화 추천을 추가해 사용자가 빠르게 가치를 찾을 수 있도록 하세요.
Agent B · 데이터 관점
이탈 지점 데이터를 분석하면 3일차와 7일차가 핵심입니다. 이 두 지점을 겨냥한 재유입 전략 설계를 권장합니다.
Agent C · 사용자 관점
사용자 피드백 중 가장 많은 것은 「뭘 할 수 있는지 모르겠다」입니다. 기능이 부족한 게 아니라, 핵심 문제는 가치 전달이 미흡한 것입니다.
사회자 요약
세 Agent가 독립적으로 생각한 후 사회자가 정리한 내용：
합의：핵심 문제는 가치 전달 - 사용자가 제품이 자신에게 무엇을 해줄 수 있는지 느끼지 못함
합의：온보딩이 최우선 개선 포인트
⚡ 의견 차이：데이터 드리븐(B) vs 사용자 인터뷰 드리븐(C)으로 개선 방향 결정
⚡ 의견 차이：개인화 추천 먼저(A) vs 핵심 플로우 단순화 먼저(C)
시작 버튼을 클릭해 3개의 Agent가 독립적으로 생각하는 과정을 관찰하세요
왜 하나의 Agent가 끝까지 생각하는 것보다 나은가
고정관념 회피
하나의 Agent는 한 방향으로만 생각합니다. 여러 Agent가 다른 역할에서 출발하면 자연스럽게 다양한 시각이 생깁니다.
맹점 발견
Agent A가 생각하지 못한 것을 Agent B는 잘 알 수도 있습니다. 다각도 커버리지로 맹점이 줄어듭니다.
⚖️ 의견 차이가 곧 가치
세 Agent가 의견이 같다면 방향이 명확한 것입니다. 의견 차이가 있다면 그 문제는 더 깊은 논의가 필요한 것입니다.
⚡ 병렬 처리 효율
세 Agent가 동시에 생각하면 총 시간 = 가장 느린 것의 시간. 세 배가 되지 않습니다. 사고 태스크는 본질적으로 병렬 처리 가능합니다.
실전 포인트：각 Agent는 반드시 독립적으로 생각해야 하며 다른 Agent의 답변을 볼 수 없습니다. 사람의 브레인스토밍 규칙과 같습니다：「먼저 각자 작성하고, 함께 논의하세요」. Agent B가 A의 답변을 볼 수 있다면 편향되어 브레인스토밍의 의미가 없어집니다.
사람들의 회의와 같습니다：여러 명이 독립적으로 생각하고 합치는 것이 한 사람이 끝까지 생각하는 것보다 낫습니다。브레인스토밍 모드의 핵심은 독립성과 합산입니다：각 Agent가 독립적으로 답변하고, 사회자가 합의를 추출하고 의견 차이를 표시하는 역할을 담당합니다.