Alexander Wang이 말하는 Meta Muse 제작기: 망가진 AI 프로토타입을 출시한 방법

• 원문 제목: The Making of Meta’s Muse According to Alexander Wang: How a Broken AI Prototype Was Launched
• URL: https://www.youtube.com/watch?v=6gakvEF9m20
• Video ID: 6gakvEF9m20
• 채널: Tech Bridge
• 발행일: 2026-10-14

📌 핵심 질문 / Muse가 고장 나는 시제품에서 일상용 에이전트로 바뀐 과정

==사람들이 실제로 맡길 만큼 믿을 수 있는 개인 에이전트를 만들려면, 거대한 기능 하나보다 일상 행동을 세밀하게 정의하고 각각을 반복 평가해야 한다.==

• Meta Muse는 메시지로 부탁한 일을 받아 브라우저를 열고 처리하는 개인 AI 에이전트다.
• Alexander Wang과 팀은 코딩 에이전트 경쟁에 편승하지 않고, Instagram과 WhatsApp 같은 일상 서비스의 빈틈을 이어 주는 개인 에이전트를 출발점으로 삼았다.
• 일곱 달 동안 고장 나는 프로토타입을 실제 제품으로 다듬으면서 행동별 평가, 초보 사용자 관찰, 권한 확인, 작은 부탁에서 큰 부탁으로 이어지는 신뢰 설계를 함께 구축했다.

Muse의 출발점은 처음부터 완성된 기술이 아니라 자주 실패하는 시제품이었다. 팀은 “무엇이든 하는 AI”라는 추상적 약속 대신 개인 에이전트가 수행해야 할 구체적인 행동과 능력을 하나씩 정의하고, 각 행동을 별도로 측정하고 훈련했다. 출시 시점은 모든 평가 항목이 완벽해진 때가 아니라, 핵심 행동에서 신뢰를 무너뜨릴 정도의 빨간 항목이 사라지고 실제 사용자가 다음 부탁을 더 큰 부탁으로 확장할 수 있을 때로 판단했다.

1. Muse의 출발점: 상황을 이해하고 실제 행동까지 하는 AI

Muse의 핵심 변화는 대화형 답변에서 멈추지 않고 사용자의 맥락을 이해한 뒤 외부 서비스에서 행동을 완료하는 데 있다.

1.1. 메시지에서 브라우저 행동으로 이어지는 개인 에이전트

1. Muse가 맡는 역할

   1. 메시지로 시작하는 요청: 사용자가 메신저에서 자연어로 일을 부탁하면 Muse가 요청의 맥락을 파악하고 다음 행동을 준비한다.
   2. 브라우저에서의 실행: Muse는 별도의 가상 컴퓨터에서 브라우저를 열고 웹사이트를 조작해 요청을 처리한다. 단순히 방법을 설명하는 챗봇과 달리 실제 작업 흐름을 이어 간다.

2. 일상 서비스와 연결되는 사례

   1. 저장한 요리 영상의 재활용: Instagram에 저장해 둔 요리 영상을 장보기 목록으로 바꾼다.
   2. 식사 계획의 확장: 함께 먹을 사람을 고려해 적절한 식당을 찾는 등, 하나의 콘텐츠를 구매와 약속이라는 다음 행동으로 연결한다.
   3. 메타 서비스의 유통 기반: Meta는 Instagram과 WhatsApp을 통해 이미 많은 사람의 일상적인 접점을 갖고 있으므로, 그 안에서 생기는 작고 반복적인 일을 에이전트가 이어받는 방향을 택했다.

1.2. 강력한 자율성보다 사용자 통제를 함께 설계하다

1. 확인 절차가 필요한 행동

   1. 이메일과 구매: Muse가 이메일을 보내거나 구매를 진행하기 전에는 사용자에게 확인을 요청한다.
   2. 최종 결정권: 에이전트가 일을 대신 처리하더라도 외부 세계에 돌이키기 어려운 결과를 만드는 순간의 결정권은 사용자에게 남긴다.

2. 권한과 실행 환경의 분리

   1. 가상 컴퓨터 사용: Muse가 사용하는 브라우저를 별도의 가상 컴퓨터에 두어 개인 환경과 에이전트의 작업 공간을 구분한다.
   2. 앱 접근 권한: 필요한 애플리케이션의 접근 권한을 사용자가 직접 정한다. 자율성의 범위는 모델이 임의로 넓히는 것이 아니라 사용자가 허용한 범위 안에서 결정된다.

2. 아이디어를 제품으로 바꾼 일곱 달

고장 나는 초기 시제품은 실패의 증거가 아니라 어떤 능력을 제품 수준으로 끌어올려야 하는지 알려 주는 시험대가 되었다.

2.1. Nat Friedman의 경험에서 팀의 문제의식으로

1. OpenClaw를 먼저 경험한 동료

   1. Nat Friedman의 사용 경험: Wang이 출발점으로 언급한 동료 Nat Friedman은 OpenClaw를 먼저 사용했다.
   2. 흥분과 불안의 동시 발생: 사람의 상황을 이해하는 AI가 실제로 행동할 수 있다는 점은 매력적이었지만, 익숙한 소프트웨어의 경계를 넘어선다는 점에서 낯설고 불안한 경험이기도 했다.

2. 직접 사용한 뒤 팀을 구성하다

   1. 가능성 확인: Wang은 자신도 직접 사용해 본 뒤 아이디어가 실제로 성립하는지 확인하기 위해 팀을 꾸렸다.
   2. 첫 프로토타입의 공개: 팀은 완성될 때까지 숨기기보다 첫 시제품을 곧바로 사람들에게 보여 주며 어떤 가능성이 전달되는지 확인했다.
   3. 초기 매력과 반복되는 실패: 첫 만남에서 Muse로 이어질 핵심 아이디어는 보였지만, 처음 기대한 방식으로 작동하는 순간보다 고장 나는 순간이 더 많았다.

2.2. 코딩 에이전트가 아닌 일상용 개인 에이전트를 선택하다

1. 당시 시장의 집중점

   1. 코딩 에이전트 경쟁: Wang이 보기에 당시 에이전트 업계의 관심은 코딩 에이전트에 집중되어 있었다.
   2. 다른 출발점: Muse 팀은 같은 경쟁에 들어가기보다 개인의 일상으로 들어가는 개인 에이전트와 개인 AI를 제품의 중심으로 삼았다.

2. 메타가 가진 유통과 사용 맥락

   1. 이미 존재하는 관계망: Instagram과 WhatsApp에는 사람들이 콘텐츠를 저장하고 대화하며 약속을 잡는 흐름이 이미 있다.
   2. 작은 일의 연결: Muse의 기회는 거대한 업무 하나를 자동화하는 것이 아니라, 메시지·콘텐츠·브라우저 작업 사이에 끊어진 작은 단계를 이어 주는 데 있다.

2.3. 기능 목록이 아니라 행동별 평가 체계를 만들다

1. 필요한 능력을 구체적으로 쪼개다

   1. 행동과 능력의 정의: 이상적인 개인 에이전트가 되려면 모델이 어떤 구체적인 행동과 능력을 갖춰야 하는지 하나씩 정했다.
   2. 세밀한 설계: 팀은 이 작업을 매우 꼼꼼하게 진행했다. “개인 에이전트가 된다”는 선언만으로는 품질을 측정할 수 없기 때문에 실제 사용 흐름 단위로 요구사항을 분해했다.

2. 평가와 훈련을 행동 단위로 반복하다

   1. 행동별 평가 구축: 정의한 각각의 능력과 행동에 대해 평가 기준과 평가 사례를 만들었다.
   2. 모델 훈련: 모델이 각 평가 항목에서 충분히 잘 작동하도록 훈련 방법을 조정했다.
   3. 일곱 달의 의미: 일곱 달은 아이디어를 떠올리는 기간이 아니라, 고장 나는 시제품을 사람이 실제로 사용할 수 있는 제품으로 바꾸고 행동별 품질을 끌어올린 기간이었다.

3. 출시 판단: 평가표와 실제 사용감의 교차점

출시는 “대체로 작동한다”는 인상만으로 결정되지 않았다. 핵심 행동을 항목별로 확인하고, 사람이 직접 써서 느끼는 신뢰의 변화까지 함께 봤다.

3.1. 초보 사용자의 첫 경험을 관찰하다

1. 처음 앱을 받은 사람이 거치는 순서

   1. 첫 부탁을 떠올리기: 새로운 사용자는 Muse에게 무엇을 시킬 수 있는지부터 고민한다.
   2. 결과 확인하기: 첫 요청의 결과를 보고 에이전트가 실제로 어느 정도까지 처리할 수 있는지 감을 잡는다.
   3. 다음 일을 맡기기: 첫 결과가 괜찮으면 같은 종류의 다음 작업을 맡기며 사용을 이어 간다.

2. 팀이 관찰한 사용 흐름

   1. 반복 관찰: Wang은 새로운 사람이 Muse를 사용하는 과정을 여러 차례 지켜봤다고 말했다.
   2. 온보딩의 검증: 사용자가 어떤 순간에 막히는지, 무엇을 부탁할 수 있다고 상상하는지, 결과를 어떻게 해석하는지 살펴보며 첫 경험을 조정했다.
   3. 출시 기준의 현실성: 모델의 벤치마크 수치뿐 아니라 사람이 실제로 다음 작업을 맡기고 싶은지까지 출시 준비의 일부가 되었다.

3.2. 80 대 20의 평가표는 충분하지 않았다

1. 출시를 막는 기준

   1. 행동별 색상 평가: 팀의 평가표에는 각 행동이나 능력이 기준을 통과했는지를 나타내는 초록색과 빨간색 항목이 있었다.
   2. 빨간 항목의 의미: 평가 행의 80%가 초록색이어도 20%가 빨간색이면, 사용자가 어떤 작업을 맡겼을 때 실패할 가능성이 여전히 컸다.

2. 정량 평가와 직접 사용의 결합

   1. 80% 통과의 한계: Wang은 80개 항목이 초록색이고 20개 항목이 빨간색인 상태를 충분하지 않다고 판단했다.
   2. 사용감의 개선: 평가 결과가 좋아진 뒤 Wang은 직접 사용하면서 이전보다 제품이 좋아졌다는 감각도 확인했다.
   3. 두 종류의 증거: 출시 판단에는 행동별 평가표와 실제로 사용해 본 사람이 느끼는 신뢰감이 함께 필요했다.

3.3. 제품 발견과 기억을 돕는 Jollybot

1. 사용자가 Muse를 발견하게 만들기

   1. 공유 화면의 캐릭터: 사람들이 Muse 화면을 공유할 때 캐릭터 Jollybot이 보이도록 했다.
   2. 이름의 기억: 기능 설명만 노출하는 대신 눈에 띄는 캐릭터를 통해 제품 이름과 존재를 기억하게 하려는 선택이었다.

2. Wang의 직접 참여

   1. 메시지와 카피 작성: Wang은 제품을 알리는 과정에 직접 뛰어들었고, 글을 직접 쓸 정도로 작업에 깊이 관여했다.
   2. 제품 경험과 마케팅의 연결: 사람들이 화면을 공유하고 Jollybot을 보며 제품을 발견하는 흐름은 기능 자체뿐 아니라 제품을 설명하고 기억시키는 설계와 연결되었다.

4. 작은 부탁에서 더 큰 문제로: 신뢰의 사다리

에이전트에 대한 신뢰는 한 번에 주어지지 않는다. 사용자가 작은 성공을 직접 확인하고, 그 증거를 바탕으로 점점 더 큰 일을 맡기면서 누적된다.

4.1. 성공한 첫 작업이 다음 부탁의 크기를 결정하다

1. 점진적으로 커지는 요청

   1. 작은 일부터 시작: 사용자는 먼저 Muse에게 아주 작은 일을 부탁한다.
   2. 성공 확인: Muse가 그 일을 처리하면 사용자는 “정말 해냈다”는 놀라움을 경험한다.
   3. 조금 더 큰 일: 사용자는 같은 방식으로 조금 더 복잡한 일을 맡기고, 앞선 성공을 근거로 다음 단계의 능력을 시험한다.

2. 신뢰가 형성되는 방식

   1. 능력의 재발견: 첫 번째 작업과 두 번째 작업을 연달아 처리하는 모습을 보며 사용자는 에이전트가 할 수 있는 범위를 다시 정의한다.
   2. 문제의 크기 확대: 작은 작업을 넘어 조금 더 큰 문제를 맡기면서 자율성의 범위를 점진적으로 넓힌다.
   3. 제품 성장의 고리: 작은 성공 → 더 큰 부탁 → 새로운 능력의 확인 → 더 높은 신뢰라는 순환이 사용자의 지속적인 사용을 만든다.

4.2. 신뢰와 통제를 동시에 유지하다

1. 자율성의 조건

   1. 사용자 승인: 이메일 발송이나 구매처럼 외부에 직접 영향을 주는 행동은 사용자가 확인한 뒤 진행한다.
   2. 권한의 명시성: 사용자는 Muse가 접근할 앱과 처리할 수 있는 범위를 정한다.

2. 일상용 에이전트의 제품 원칙

   1. 맡길 수 있어야 한다: 에이전트는 브라우저에서 실제 행동을 수행할 정도로 유용해야 한다.
   2. 맡겨도 통제할 수 있어야 한다: 유용성이 커질수록 사용자 승인과 권한 경계가 더 중요해진다.
   3. 성공을 통해 확장해야 한다: 처음부터 모든 일을 맡기게 하는 것이 아니라, 검증된 작은 성공을 발판으로 신뢰를 키운다.

5. Muse에서 Muse Wonder로 넓어지는 모델의 쓰임새

일상용 개인 에이전트로 시작한 제품 위에 코딩까지 돕는 모델이 추가되면서, Muse의 초기 방향과 모델의 확장 가능성이 동시에 드러났다.

5.1. 인터뷰 다음 날 발표된 Wonder

1. 발표 시점과 기능 범위

   1. 10월 12일 발표: 인터뷰가 공개된 다음 날인 10월 12일 Meta는 새 모델 Muse Wonder를 발표했다.
   2. 개인 에이전트와 코딩: Wonder는 개인 에이전트 업무를 다루면서 코딩 프로젝트도 돕는 모델로 소개되었다.

2. 개발자에게 열린 경로

   1. Meta 모델 API: 개발자는 Meta 모델 API를 통해 Wonder를 사용할 수 있다.
   2. MuseCode: Wonder는 MuseCode에서도 사용할 수 있다.
   3. Wonder Pool: Wonder Pool은 MuseCode 구독자에게 제공된다.
   4. Muse 앱 통합 예정: Meta는 Wonder를 앞으로 Muse 앱에도 넣을 예정이라고 밝혔다.

5.2. 일상에서 시작해 범용 작업으로 확장하는 방향

1. 출발점의 일관성

   1. 개인 에이전트 우선: Muse는 코딩 에이전트 경쟁에서 출발하지 않고, 사람들이 매일 하는 작은 일을 처리하는 개인 에이전트로 시작했다.
   2. 모델 확장: Wonder의 코딩 지원은 초기 제품 방향을 버리는 것이 아니라, 검증된 에이전트 능력을 더 넓은 작업으로 확장하는 단계다.

2. 제품 전략의 시사점

   1. 첫 경험이 범위를 정한다: 사용자가 처음 성공한 작업이 이후 에이전트에 맡기는 일의 크기를 결정한다.
   2. 모델의 폭보다 실행 신뢰가 먼저다: 할 수 있는 일의 목록을 넓히기 전에 각 행동을 안정적으로 수행하고 승인 경계를 지키는 것이 중요하다.
   3. 확장은 신뢰 위에서 가능하다: 일상 작업에서 쌓은 신뢰가 코딩 프로젝트 같은 고난도 작업으로 확장될 기반이 된다.

주요 발언 모음

“사람의 상황을 아는 AI가 실제 행동까지 한다는 발상은 매력적이면서도 낯설었다.”

“이상적인 개인 에이전트가 되려면 모델이 갖춰야 할 구체적인 행동과 능력을 매우 꼼꼼하게 정의했다.”

“평가표의 80%가 초록색이어도 20%가 빨간색이면 충분하지 않았다.”

“작은 일을 맡겼는데 해내면 놀라고, 조금 더 맡겨도 해내면 더 큰 문제를 맡기게 된다. 그 과정에서 신뢰가 생긴다.”

“사용자가 이메일을 보내거나 구매하기 전에는 확인을 요청하도록 했다.”

핵심 데이터 & 수치

• 출시 후 경과: 인터뷰 시점은 Muse 출시 약 한 달 뒤였고, Alexander Wang은 사용자가 수백만 명이라고 말했다.
• 개발 기간: 자주 고장 나는 초기 시제품을 실제 사용 가능한 제품으로 전환하는 데 일곱 달이 걸렸다.
• 평가표 기준: 80%의 평가 행이 초록색이어도 20%가 빨간색이면 출시하기에 충분하지 않았다.
• 서비스 접점: Muse는 메시지에서 시작해 브라우저 행동으로 이어지며 Instagram과 WhatsApp의 일상 맥락을 활용한다.
• 사용자 통제: 이메일 발송과 구매 전 확인을 요구하고, 앱 접근 권한은 사용자가 선택한다.
• 후속 모델 발표: Meta는 인터뷰 공개 다음 날인 10월 12일 Muse Wonder를 발표했다.
• Wonder의 범위: Wonder는 개인 에이전트 업무뿐 아니라 코딩 프로젝트도 지원하도록 확장되었다.

20줄 핵심 요약

1. Meta Muse는 메시지로 받은 요청을 브라우저에서 실제로 처리하는 개인 AI 에이전트다.

2. Alexander Wang은 Muse가 출시된 지 한 달쯤 지난 시점에 사용자가 수백만 명이라고 말했다.

3. Wang은 Scale AI를 창업했고 현재 Meta의 AI 연구 조직을 이끄는 인물로 소개된다.

4. Muse의 시작점은 처음부터 안정적인 제품이 아니라 자주 고장 나는 프로토타입이었다.

5. Nat Friedman이 OpenClaw를 사용한 경험은 사람의 상황을 이해하고 행동하는 AI에 대한 문제의식을 자극했다.

6. Wang은 직접 사용한 뒤 아이디어의 가능성을 확인하고 팀을 구성했다.

7. 첫 프로토타입에는 Muse의 핵심 아이디어가 있었지만 기대한 방식보다 고장 나는 경우가 많았다.

8. 팀은 코딩 에이전트 경쟁 대신 일상에 들어가는 개인 에이전트를 제품의 출발점으로 선택했다.

9. Instagram과 WhatsApp 안에서 생기는 콘텐츠·메시지·브라우저 작업을 연결하는 것이 핵심 사용 맥락이었다.

10. 저장한 요리 영상을 장보기 목록과 동행할 사람의 식당으로 연결하는 사례가 대표적인 사용 예시다.

11. 팀은 이상적인 개인 에이전트에 필요한 구체적인 행동과 능력을 매우 세밀하게 정의했다.

12. 각 행동에 대한 평가 사례를 만들고 모델이 하나씩 잘 수행하도록 훈련 방법을 조정했다.

13. 고장 나는 시제품을 실제 사용 가능한 제품으로 바꾸는 과정은 일곱 달 동안 이어졌다.

14. 팀은 새로운 사용자가 첫 부탁을 정하고 결과를 확인한 뒤 다음 일을 맡기는 흐름을 반복 관찰했다.

15. 평가 항목의 80%가 통과해도 20%가 실패하면 출시하기에 충분하지 않다고 판단했다.

16. Wang은 직접 사용했을 때 이전보다 좋아졌다는 감각도 출시 판단의 근거로 삼았다.

17. 화면 공유 때 Jollybot을 노출해 사람들이 Muse의 이름과 존재를 기억하도록 만들었다.

18. 작은 부탁의 성공은 사용자가 조금 더 큰 일을 맡기는 신뢰의 사다리를 만들었다.

19. 이메일 발송과 구매 전 확인, 앱 권한 선택으로 에이전트의 자율성과 사용자의 통제를 함께 설계했다.

20. Meta는 인터뷰 다음 날 Muse Wonder를 발표하며 개인 업무에서 코딩 프로젝트까지 모델의 범위를 넓혔다.

결론 및 시사점

1. 개인 에이전트의 핵심은 행동의 신뢰성이다: 범용적이라고 주장하는 것보다 사용자가 실제로 맡길 행동을 구체적으로 정의하고 각각의 성공률을 높이는 편이 제품화에 직접 연결된다.
2. 출시 기준은 평균 점수가 아니라 치명적인 실패의 제거다: 80%가 잘 작동한다는 평균은 20%의 실패가 사용자의 신뢰를 무너뜨릴 수 있다는 사실을 가리지 못한다.
3. 온보딩은 기능 소개가 아니라 신뢰 형성 과정이다: 첫 부탁의 성공 여부가 다음 부탁의 크기를 결정하므로, 초보 사용자의 첫 경험을 관찰하고 조정해야 한다.
4. 자율성과 통제는 함께 제공되어야 한다: 브라우저를 조작하는 실질적 능력, 이메일·구매 전 승인, 앱 권한 선택을 함께 설계해야 일상에 들어갈 수 있다.
5. 확장은 신뢰의 결과다: Muse가 일상용 개인 에이전트로 먼저 자리를 잡은 뒤 Wonder가 코딩으로 확장한 흐름은, 더 많은 기능보다 검증된 실행 경험이 다음 시장을 여는 기반임을 보여 준다.