[비즈한국] AI競争の軸が、回答を出すチャットボットから、人間に代わって実務をこなす「エージェント」へと移る中、カカオはカカオトークを実際の作業まで実行する人工知能（AI）インターフェースへと拡張します。利用者はどの画面からでもAIを呼び出し、メニューを探す代わりに「ミネラルウォーターを注文して」といった一言でタスクを任せられるようになります。個人の購入履歴や会話の文脈を活用しつつ、サービスごとの同意を区分し、注文などの実行権限は個別に管理する方針です。
カカオは13日、京畿道龍仁市のカカオAIキャンパスで年次開発者カンファレンス「if(kakao)26」を開催し、このような戦略を公開しました。「すべてのつながりに知能を」をテーマに13日から14日までの2日間開催される今回のイベントでは、パーソナライゼーションに基づいたエージェントサービスと、それを支えるモデル・インフラ・安全設計が紹介されました。
カカオのAI事業は、サービスを定着させ、収益性を確保するという課題を抱えています。AIサービス部門は今年第2四半期に約580億ウォンの営業損失を記録しました。カカオは年末までにカカオトーク内のAIサービスの月間アクティブユーザー数（MAU）1000万人を確保し、来年から収益化に乗り出す目標です。今回公開されたエージェント戦略は、既存のカカオトークのユーザー基盤を、AIサービスの実際の利用と取引に結びつけることに焦点を当てています。
画面をスワイプでライアンが登場、一言で注文まで
カカオが公開した「カナナ・スペース（Kanana Space）」は、カカオトークの画面を2本の指でスワイプすると、閲覧中の画面の上に開くAIアシスタントです。カカオのデザイン統括成果リーダーであるキム・デニョン氏は、「スペースを別のタブや独立した画面ではなく、カカオトークのどこからでも開けるAIレイヤーとして設計した」とし、「音声やテキストでリクエストできる」と語りました。
今後は、家族のグループチャットで子供のお迎えの依頼を見逃していても、カカオトーク内でAIに尋ねて出発時刻を確認できるようになります。夜間に溜まったメッセージの中から業務関連のものだけを抽出して返信期限を指摘し、その場ですぐに返信を送ることも可能です。キム氏は「単にメッセージを要約するのではなく、今すべきことに焦点を当てて表示するもの」とし、「重要なのは要約で終わらず、すぐに次の行動につながるという点だ」と述べました。
カカオは実行範囲を注文・ギフト・予約・送金まで広げる計画です。カナナ・スペースは同日から事前申し込みを受け付け、選定された利用者を対象に12月以降、非公開ベータテスト（CBT）を実施します。なお、昨年発表した独立型AIアプリ「カナナ」は、15日をもって運営を終了します。
PC上でエージェントを直接作成して実行する「カンバス（Kanvas）」も公開されました。利用者が必要な役割や作業を説明すると、それに適したツールや機能を接続してエージェントを構成するサービスです。この際、エージェントごとにブラウザを分離し、サンドボックス（外部と隔離された実行環境）を適用することで、認証や決済の作業が許可された範囲外へ流出しないようにしました。早ければ年内に小規模なテストを経て、来年前半には他のフレームワークで作成されたエージェントもカカオトークに接続する計画です。
エージェントが実際の行動まで行うため、ユーザーのコントロール権も重要な設計原則として提示されました。キム氏は「メッセージ送信や決済などの重要なアクションは、ユーザーが直接確認し、最終的に承認する構造だ」とし、「AIは必要なプロセスをサポートするが、最終的な決定権はユーザーに残している」と強調しました。
モデルは「難易度に合わせて」、記憶・実行は「別々に制御」
カカオトークは5000万人のユーザーが24時間使うプラットフォームであるため、AIの回答品質だけでなく、応答速度や運営コストも重要です。モデルが大きいほどリクエスト一つあたりにかかる演算量が増え、同じグラフィック処理ユニット（GPU）で対応できるユーザー数が減ってしまうためです。そのためカカオは、最も難しい問題は最上位の「フロンティア」モデルが、サーバー作業の大半は「フラッグシップ」モデルが、単純で反復的なリクエストは小型言語モデル（SLM）がそれぞれ分担し、スマートフォン内で完結できる仕事はオンデバイスモデルで優先的に処理するようにしました。どのモデルとツールをどのような順序で使うかは「AIコンダクター」が決定します。
カカオのファウンデーションモデル統括成果リーダー、ノ・ビョンソク氏は「誤字の修正リクエストと、複数の条件を比較して旅行計画を立てるリクエストに、同じ演算を使う必要はない」とし、「すべてのリクエストに対して最高の成果を提供するが、すべてのリクエストに最も大きなモデルを使うわけではない」という基準を明らかにしました。
必要な作業に合わせて演算リソースを配分し、品質を維持しながら大規模サービスに必要な効率性を確保するという意図です。カカオによると、独自の韓国語トークナイザーと推論最適化などを通じて、回答生成速度を平均3.9倍高め、メモリ使用量を約70%削減しました。トークナイザーとは、文章をAIモデルが処理できる小さな単位に分ける技術で、韓国語に最適化すれば同じ文章を処理するのに必要な演算量を減らすことができます。
モデルの入力と応答方式も拡張します。カカオはテキスト・画像・音声を同時に理解して音声で回答するオムニ言語モデル「カナナ-o」と、相手が話している途中でも反応したり、リアルタイム通訳に活用できる「カナナ・ライブ」の開発計画を紹介しました。カナナ-oを構成するエンコーダーとデコーダーは、国内外のAIエコシステムで活用できるようオープンソースとして公開する予定です。
パーソナライゼーションの基盤は「プロジェクト・モザイク」です。複数のサービスやエージェントに散らばった記憶を文脈で結びつけ、サービスが変わっても最初から説明し直さなくて済むようにするメモリ体系です。核心は「ユーザーを記憶するが、一部の記録だけで好みを軽率に断定しないこと」です。カカオのCTO、ソン・ジェハ氏は、甥に贈る子供靴を購入した記録を例に挙げ、「購入事実と好みに対する解釈を区別し、情報の出所と時点を合わせて管理しなければならない。私を記憶するAIであれば、私が変わり得るという事実も記憶すべきだ」と述べました。
「記憶」はサービスごとの同意範囲内でのみ提供されます。Aサービスのみに使うと同意した記憶はBサービスには渡さず、同意を撤回すれば次のリクエストから提供を停止します。ただし、すでに渡された記憶まで自動的に回収されるわけではありません。ソンCTOはこれを「サービスとメモリプラットフォームが共に解決すべき課題」と挙げました。チョン・シナ代表は、AIの活用範囲を利用者がサービス利用同意の段階から直接選択し、管理できるようになると説明しました。
実行段階ではもう一度フィルタリングが行われます。再注文の最中に「売り切れなので他の商品に変えて」という指示が入ると、AIは実行前にアクションプランを再点検し、任された範囲を超えている場合は注文ではなく停止し、ユーザーに確認します。検証も最終回答にとどまらず、試験環境でどのツールを呼び出したかまでチェックする仕組みです。「注文していない」と答えても、その前にすでに注文を入れていた場合は手遅れになる可能性があるためです。
ソンCTOは「任された範囲内では進行し、逸脱する際は確認するというこの境界を、モデルの判断のみに任せておくことはできない」とし、「記憶は判断の根拠にはなり得るが、行動の権限にはならない」と強調しました。