치과 예약이 다음 주 화요일에 잡혀 있습니다. 지난달 카드 내역에는 같은 치과에서 청구된 미납 금액이 있습니다. 받은 편지함에는 보험사에서 보낸 환급 안내 메일이 들어 있고, 처리 기한이 이번 주까지입니다. 사람이라면 이 세 가지를 연결해 "화요일 전에 보험 청구부터 처리해야겠다"는 판단을 내립니다. 세 가지를 따로 보면 일정 하나, 미납 하나, 메일 하나에 지나지 않습니다. 연결이 판단을 만듭니다.
Meta가 9월에 공개한 개인 AI 에이전트 Muse는 이 연결을 자동화하겠다고 합니다. 이메일·캘린더·결제·건강 서비스에 대한 접근 권한을 한꺼번에 요청합니다. 이 묶음을 이해하려면 에이전트가 어떻게 작동해야 하는지를 먼저 봐야 합니다.
데이터 하나로는 맥락이 만들어지지 않습니다
캘린더만 아는 에이전트는 회의 시간을 알려줄 수 있습니다. 이메일만 아는 에이전트는 미읽은 메시지 수를 셀 수 있습니다. 결제 내역만 아는 에이전트는 지난달 지출 합계를 뽑을 수 있습니다. 각각은 스마트 알림 앱의 기능을 크게 넘지 않습니다.
세 가지가 연결되면 달라집니다. 내일 오전 회의 참석자가 캘린더에 있고, 그 사람과 주고받은 이메일 내역이 있고, 지난 두 달간 관련 비용 청구가 있다는 것을 에이전트가 알면, 회의 직전에 관련 대화 요약과 미처리 항목을 한 화면에 모아줄 수 있습니다. 사람이 세 곳을 들여다보며 직접 연결해야 했던 작업을 에이전트가 대신합니다.
건강 데이터가 묶음에 들어가는 이유도 같습니다. 약 복용 시간이 캘린더 회의 시간과 겹치는지 확인할 수 있습니다. 검진 예약을 잡으면서 그 날 이미 예약된 외부 일정과 충돌하지 않는지 알 수 있습니다. 에이전트가 도메인을 넘을수록 할 수 있는 일이 늘어나고, 도메인을 넘으려면 각 도메인의 데이터가 필요합니다.
AI 에이전트의 유용성은 데이터 종류의 수가 아니라 데이터 간 연결 수에서 나옵니다. 데이터 한 종류를 추가할 때마다 기존 종류와의 연결 가능성이 늘어납니다. 묶음 요청은 그 수학을 따릅니다.
결합이 만드는 것은 기능만이 아닙니다
데이터가 결합되면 기능이 생깁니다. 동시에 다른 것도 생깁니다.
캘린더 데이터만으로는 어디에 얼마나 자주 가는지 알 수 있습니다. 이메일 데이터만으로는 어떤 사람들과 어떤 관계를 유지하는지 알 수 있습니다. 결제 데이터만으로는 무엇에 돈을 쓰는지 알 수 있습니다. 건강 데이터만으로는 생활 패턴과 신체 상태를 알 수 있습니다. 네 가지가 한 곳에 모이면 행동 프로필이 됩니다. 언제 어디서 누구를 만나고 무엇을 사고 어디가 아픈지를 종합하면, 광고 타겟팅의 정밀도가 달라집니다.
Meta의 2024년 연간 매출에서 광고가 차지하는 비율은 97%를 넘습니다. Muse를 운영하는 주체가 광고 수익에 이 정도로 의존한다는 것은, 이 에이전트가 수집하는 데이터가 어디에 쓰일 가능성이 있는지를 짐작하게 합니다. 플랫폼의 유인 구조를 알고 권한을 주는 것과 모르고 주는 것은 다른 판단입니다.
신뢰 문제가 생기는 지점은 이용 약관과 실제 운영 사이의 거리입니다. 2018년 케임브리지 애널리티카 사건에서 Meta 이용자 약 8,700만 명의 데이터가 이용 약관에 명시되지 않은 경로로 외부에 유출됐습니다. 이를 계기로 조사에 들어간 미국 연방거래위원회는 2019년 Meta에 50억 달러 제재를 부과했습니다. 약관에 쓰인 것과 실제 데이터 처리 방식이 달랐다는 것이 핵심 쟁점이었습니다.
에이전트가 도메인을 결합할수록 유용성과 프로필의 정밀도가 함께 올라갑니다.
권한 요청서를 받으면 확인할 것들
Muse가 처음은 아닙니다. Apple Intelligence는 iCloud의 사진·메모·캘린더를 기반으로 작동합니다. Google Gemini는 Gmail·드라이브·지도와 연결됩니다. Microsoft Copilot은 기업 이메일과 문서 전체를 기반으로 합니다. 앞으로 나올 에이전트들도 비슷한 방식으로 권한을 요청할 것입니다.
권한 요청서를 받으면 가장 먼저 저장 위치를 확인합니다. 데이터가 기기 안에서 처리되고 끝나는지, 외부 서버로 올라가는지에 따라 노출 경로가 다릅니다. Apple Intelligence의 일부 기능은 기기 내에서 처리되며 서버에 저장되지 않습니다. Muse의 저장 위치는 현재까지 공개된 세부 사양이 없습니다.
다음은 항목별 선택 가능 여부입니다. 묶음 전체를 허용하거나 전체를 거부해야 하는 구조인지, 건강 데이터는 제외하고 이메일-캘린더 연결만 허용할 수 있는지를 확인합니다. 사용하지 않을 기능을 위해 데이터를 추가로 주는 것은 사용자 쪽에서는 필요 없는 거래입니다.
마지막으로 해당 플랫폼의 수익 구조를 확인합니다. 구독 기반 플랫폼과 광고 기반 플랫폼은 데이터를 처리하는 유인이 다릅니다. 구독 기반은 서비스 품질을 높이기 위해 데이터를 씁니다. 광고 기반은 서비스 품질과 함께 타겟팅 정밀도를 높이기 위해 데이터를 씁니다. 어느 쪽이 낫다는 일반론은 없습니다. 자신이 어떤 플랫폼에 데이터를 넘기고 있는지를 인식하고 판단하는 것과, 그냥 편의를 따라가는 것은 다른 결과를 낳습니다.
위임할 것과 쥐고 있을 것
1인으로 일하는 사업자에게 AI 에이전트의 실제 가치는 반복 작업 자동화에 있습니다. 매달 같은 형식의 견적서를 보내는 일, 회의 전에 관련 자료를 찾아 요약하는 일, 납기 마감을 캘린더에 등록하는 일. 이런 것들을 에이전트에게 넘기면 시간을 돌려받습니다. 이 위임을 하려면 에이전트에게 데이터 접근을 허용해야 합니다. 차단한 채 편의를 기대하는 것은 불가능합니다.
그러면 어디에 선을 그을지가 실질적인 질문이 됩니다. 반복 작업·일정 처리·정보 검색처럼 제3자에게 노출돼도 피해가 없는 데이터라면 에이전트에 연결할 수 있습니다. 거래처 계약 조건·개인 건강 기록·금융 정보처럼 노출됐을 때 불이익이 생기는 데이터라면, 그 데이터를 반드시 써야 하는 기능인지를 먼저 확인합니다.
에이전트는 손을 빠르게 합니다. Muse가 이메일 초안을 써줘도, 어떤 내용을 담을지는 사람이 결정합니다. 일정 조정을 제안해도, 그 제안을 받아들일지는 사람이 정합니다. 에이전트가 빠르게 처리할 수 있는 일과, 판단의 근거를 직접 갖고 있어야 하는 일 사이의 구분을 세워두는 것이, 개인 AI 에이전트를 쓸 때 실제로 필요한 감각입니다.
Muse가 출시 후 어떻게 작동할지는 사용해봐야 알 수 있습니다. 그러나 이메일·결제·건강 데이터를 묶어 요청하는 방식이 Muse만의 설계가 아니라 앞으로 나올 에이전트들의 공통 문법이 될 것이라는 점은 지금도 짐작할 수 있습니다. 묶음 요청을 받을 때 저장 위치·항목별 선택 가능 여부·플랫폼 수익 구조, 이 세 가지를 확인하는 습관이 있으면 그때 가서 흔들리지 않습니다.
