The New Primitives: Building AI Native Software — Kwindla Kramer, Daily

1. 핵심 주장

• Kwindla Kramer는 1945년 Vannevar Bush의 "As We May Think"를 인용하며, 우리가 지능 시대(Intelligence Age)의 출발점에 서 있다고 주장한다.
• 현재 우리가 만드는 에이전트(Agents)는 1995년의 웹 페이지처럼 중요하지만 과도적인 단계이며, 앞으로 완전한 AI-native 소프트웨어로 진화할 것이다.
• 역사적으로 컴퓨팅은 아바쿠스 → 저장 프로그램 컴퓨터 → 개인용 컴퓨터 → 글로벌 클라우드 컴퓨터 → AI 에이전트 시대로 발전해왔다.
• 새로운 시대를 열기 위해서는 프로그래밍 언어, GUI, 데이터베이스, 웹, 모바일, 클라우드에 이어 새로운 프리미티브가 필요하다.
• AI-native 소프트웨어는 멀티모달, 실시간, 음성, 장기 실행, 서브 에이전트, 동적 UI, 지속적 학습을 하나로 결합한 차세대 플랫폼이다.
• 에이전트를 만드는 것은 훌륭한 시작점이지만, 궁극적으로는 그 다음 단계, 즉 AI-native 소프트웨어를 상상하고 구축해야 한다.

2. 근거와 사례

• Bush의 1945년 에세이는 화면 문서 표시, OCR, 음성 인식/합성, 프로그래밍 언어, 하이퍼텍스트, 검색 엔진, 데이터 네트워크, 액션 카메라, 전자책 스토어, 음성 인터페이스, 뇌-컴퓨터 인터페이스까지 예측했다.
• Bush의 타임라인(아바쿠스 → 기계식 계산기 → 산술 기계 → Memex)을 현대에 맞게 수정하면: 아바쿠스 → 저장 프로그램 컴퓨터 → PC → AI 에이전트 시대가 된다.
• 1950년대: 인간의 의도를 컴퓨터에 전달하기 위해 프로그래밍 언어와 컴파일러가 등장했다.
• 1960년대: 대화형 컴퓨팅과 그래픽 프로그래밍(스케치패드)이 탄생했고, 스타트랙의 음성 컴퓨터와 2001의 HAL 9000이 대중의 상상력을 자극했다.
• 1970년대: 관계형 데이터베이스, 선언형 언어, 객체지향 프로그래밍(Smalltalk)이 대규모 데이터와 복잡한 추상화를 지원했다.
• 1980년대: 매킨토시(1984)와 Windows 1.0(1985)이 출시되며 "모든 책상과 가정에 컴퓨터"라는 비전이 실현됐다.
• 비지캘크(VisiCalc)는 전문 회계사 없이도 복잡한 수치 계산과 분석을 가능하게 한 보편적 도구이며, Google Sheets/Excel의 직접적인 선조이다.
• 비지캘크가 회계사를 대체하지 않고 더 많은 회계 업무와 새로운 직업을 창출한 것처럼, AI도 단순히 일자리를 빼앗기보다 일의 총량을 확장할 수 있다.
• 1987년 Apple의 Knowledge Navigator 영상은 접히는 태블릿, 음성 비서, 실시간 영상 생성, 컴퓨터 비전, 화상 통화, 복잡한 업무 자율 위임, 지속적 학습을 예견했다.
• 1990년대 웹은 처음부터 텍스트·음성·영상·데이터를 하나로 통합하려는 의식적인 시도였으며, 본질적으로 Knowledge Navigator의 실현을 향한 움직임이었다.
• 2000년대에는 모바일, 카메라, 저렴한 디스플레이가 결합되어 마이너리티 리포트(2002)와 아이언맨의 JARVIS 같은 영화 상상이 기술적으로 가능해졌다.
• Kramer는 2006년 마이너리티 리포트의 제스처 인터페이스를 상용화하는 스타트업을 공동창업했고, 2012년 데모 릴을 공개했다.
• 2010년대 클라우드는 AI 학습과 추론에 필요한 대규모 인프라와 데이터 용량을 확보했다.
• Satya Nadella는 GitHub Copilot, 보안 Copilot, 과학 탐색 등 모든 제품이 모델·데이터·도구를 루프로 연결하는 멀티모달 하니스가 되어야 한다고 말했다.
• Nadella는 도구를 점진적으로 공개(progressive disclosure)하고 토큰 효율적으로 풍부한 컨텍스트를 제공해야 한다고 강조했다.
• Tavus 팀이 2025년에 실제 기술로 재현한 Knowledge Navigator 영상은 4분 한 번에 촬영된 실제 데모이며, 1987년 상상과 2025년 기술의 간극을 보여준다.
• Gradient Bang은 LLM을 모든 상호작용의 핵심으로 삼은 멀티플레이어 게임이며, 수백 번의 추론 호출이 실시간으로 발생하는 AI-native 소프트웨어의 사례이다.
• Gradient Bang은 비동기 논블로킹 컨텍스트 압축, 장기 실행 서브 에이전트, 공유 컨텍스트, 점진적 스킬 로딩, 동적 UI 생성, 음성 대화 패턴을 보여준다.

3. 구조화된 시사점

• 기술 발전은 단순히 더 빠른 하드웨어가 아니라 새로운 프리미티브(언어, 인터랙션, 데이터, 네트워크, UI)의 등장으로 재편된다.
• 에이전트는 단순한 챗봇이 아니라, 1995년 웹 페이지처럼 미래 AI-native 애플리케이션의 원형이자 건축 블록이다.
• AI-native 소프트웨어는 음성, 영상, 텍스트, 데이터를 실시간으로 연결하는 멀티모달 시스템이 될 것이다.
• 사용자 경험은 정적 폼에서 동적 생성 UI, 음성 대화, 장기 실행 작업의 자율 위임으로 변화할 것이다.
• 서브 에이전트와 멀티 에이전트 오케스트레이션은 새로운 "운영 체제" 레이어의 핵심 기능이 될 것이다.
• 모델 중심 사고에서 벗어나 맥락, 도구, 지연 시간, 음성, 비전, 지속적 학습을 통합한 시스템 설계가 필요하다.
• AI가 일자리를 대체할까 하는 우려에 대해, 비지캘크 사례는 기술이 전문가를 대체하기보다 보편적 접근성을 높여 시장을 확장할 수 있음을 시사한다.
• 실시간 음성·영상 인프라는 이러한 미래를 구현하는 데 필수적인 기본 레이어가 될 것이다.
• 현재의 "Agents+"는 멀티모달 하니스, 조직 수준 하니스, 임베디드 소프트웨어 코파일럿을 포함하는 중간 단계이다.
• AI-native 소프트웨어는 개인용 컴퓨터나 스마트폰처럼 새로운 보편적 컴퓨팅 패러다임을 만들 가능성이 높다.

4. 실행 포인트

• 에이전트를 지금 당장 구축하면서, 동시에 그 다음 세대인 AI-native 소프트웨어를 상상하고 실험하라.
• 음성과 실시간 멀티모달 인터랙션을 초기 설계에 포함하고, Pipecat, WebRTC, 멀티모달 모델 같은 기술을 검토하라.
• 단일 턴 프롬프트가 아닌, 장기 실행 맥락과 서브 에이전트를 공유하는 아키텍처를 설계하라.
• 도구를 점진적으로 공개하고(progressive disclosure), 토큰 효율적이며 지연 시간이 낮은 컨텍스트 관리 전략을 수립하라.
• Bush, Sketchpad, Knowledge Navigator, Minority Report, Iron Man 등 역사적 HCI 사례를 연구해 현재 UI를 넘어서는 상상력을 키우라.
• 자신의 도메인에서 멀티 에이전트 오케스트레이션 프로토타입을 만들어보라.
• 벤더 중립적이고 오픈소스인 스택을 우선적으로 고려하여 장기적인 유연성을 확보하라.
• Tavus의 재현된 Knowledge Navigator와 Gradient Bang 게임을 직접 분석하며, 실제로 가능한 AI-native 경험의 기준을 갱신하라.
• Daily/Pipecat 같은 실시간 음성·영상 프레임워크를 평가하여 차세대 에이전트의 기반 인프라로 활용하라.
• 팀 내에서 "에이전트 이후" 제품 비전을 논의하고, 단기 실험과 장기 플랫폼 전략을 연결하라.