10월 23일, iRTE2026 실시간 지능 컨퍼런스가 베이징에서 개최되었다.声网 창립자 겸 CEO 자오빈은 메인 포럼에서 《AGI와의 대화: 실시간 인터랙션의 다음 장》이라는 제목으로 기조연설을 진행하며, 지난 한 해 동안 실시간 인터랙션, 대화형 AI 및 기반 인프라의 핵심 변화를 되돌아보고, "5단계 대화 능력" 프레임워크를 제시하여 대화형 AI가 기초 응답에서 심층 이해와 관계적 소통으로 나아가는 진화 경로를 그려냈다.
자오빈은 AI가 질문에 답하는 것에서 지속적인 교류, 맥락 이해 및 작업 수행으로 나아감에 따라, 실시간 인터랙션의 대상이 사람과 사람 사이에서 사람과 Agent 사이로 확장되고 있다고 보았다. 실시간 인터랙션 기술의 역할도 이에 따라 확장되고 있다: 정보 전달을 더 안정적이고 유연하게 하는 것뿐만 아니라, AI의 지각, 이해, 표현 및 행동에 실시간 지원을 제공해야 한다.
"한 번 묻고 한 번 답하기"에서 심층 관계적 소통까지: 대화 AGI의 5단계 진화
자오빈의 관점에 따르면, 대화형 AI의 발전은 응답 속도나 언어 자연스러움만으로 측정되어서는 안 된다. 더 중요한 것은 대화 상대의 의도, 상황 및 관계를 이해할 수 있는지, 복잡한 장면에서 적절하게 표현할 수 있는지, 그리고 점진적으로 장기적이고 심층적인 이해를 형성할 수 있는지 여부이다.
이러한 판단을 바탕으로 자오빈은 연설에서 "5단계 대화 능력" 프레임워크를 제시하며 대화 능력을 다섯 가지层次로 구분했다:
L1, 자기 관점 기반 표현: 자기 표현과 수동적 이어받기를 위주로 하여 "한 번 묻고, 한 번 답하기"를 실현한다.
L2: 인터랙션 규칙 기반 표현: 수동적 응답에서 능동적 표현으로 나아가 대화를 더 자연스럽고 연속적으로 만든다.
L3: 개인 인지 기반 소통: 개인의 정체성, 의도 및 상황을 이해하여 사람마다 다른 맞춤형 소통을 실현한다.
L4: 집단 인지 기반 소통: 사회적 관계와 역할 차이를 이해하여 복잡한 다자간 소통 장면에 적응한다.
L5: 심층 관계 기반 소통: 장기적 맥락과 관계 변화를 이해하여 더 깊은层次의 이해와 사고의 호흡을 형성하고, 소통이 현재를 이해하는 것에서 한 사람을 이해하는 것으로 나아가게 한다.
이 다섯 가지层次가 보여주는 것은 단순히 대화 기술의 단계적 강화뿐만 아니라, AI와 인간 사이의 관계 변화이기도 하다: 한 차례 문답을 완료하는 것에서 한 사람을 이해하고, 나아가 사람과 사람 사이의 관계를 이해하며, 궁극적으로 시간과 상황을 초월한 심층 소통을 형성하는 것이다.
자오빈은 대화형 AI가 초기 수동적 이어받기 인터랙션에서 더 능동적이고 자연스러운 전이중 대화로 발전하고 있으며, 사람의 개성, 상황, 감정 및 관계를 이해하려는 시도를 시작하고 있다고 지적했다. 미래를 향해 AI는 복잡한 사회적 장면에서의 역할 분담과 소통 질서를 돌파하고, 개인이 장기적으로 축적한 맥락을 더욱 이해해야 한다. 이것이 또한 대화 AGI의 중요한 발전 방향이다: AI는 한 문장을 알아듣는 것을 넘어 완전한 맥락과 결합하여 한 사람의 진정한 의도를 이해하고 적절하게 응답할 수 있어야 한다.
Real-Time AI Infra: 대화 AGI를 뒷받침하는 핵심 인프라
대화 능력의 지속적인 진화는 기반 기술에도 더 높은 요구를 제기한다. 자오빈은 연설에서 지난 한 해 동안 OpenAI 등 기업의 WebRTC 기술에 대한 심층적 채택이 실시간 인터랙션 기술이 대화형 AI 분야에서 더 폭넓은 관심과 응용을 얻도록 이끌었다고 언급했다. AI가 단일 문답에서 지속적 인터랙션으로 나아감에 따라, 실시간 인터랙션 인프라는 모델, 에이전트 실행 프레임워크와 사용자를 연결하는 중요한 기술적支撑이 되고 있다.
전통적인 AI 애플리케이션과 비교하여 대화 장면은 지연, 안정성 및 양방향 인터랙션에 대해 더 엄격한 요구를 가진다. AI는 사용자 입력을 받으면서 동시에 맥락을 이해하고 응답을 구성해야 하며, 필요할 때는 언제든지 인터럽트에 대응하고 지속적으로 도구를 호출하여 작업을 진행해야 한다. 어느环节에서든 현저한 지연이 발생하면 대화의 자연스러움을 훼손하고 심지어 작업 완료 여부에 영향을 미칠 수 있다.
이러한 요구를 뒷받침하기 위해 자오빈은 실시간 지능 인터랙션을 위한 인프라 방향을 소개했다: 글로벌 실시간 전송 네트워크, 분산 클라우드-엣지-디바이스 연합 추론, 실시간 오케스트레이션 및 전이중 인터랙션 능력을 통해 모델과 Agent가 실제 장면에서 지속적으로 협력할 수 있도록 한다. 声网 대화형 AI 엔진도 전이중 인터랙션을 핵심으로 하여 모델, Agent 실행 프레임워크와 사용자를 연결하고 안정적이고 동기화된 실시간 대화 경험을 지원한다.
동시에 声网는 개발자를 대상으로 대화형 AI 개발 도구와 개발 키트를 지속적으로 개선하고 있으며, SDK, Skills, CLI 도구 및 Recipes 등의 능력을 결합하여 개발자가 완전한 논리와 실행 능력을 갖춘 Agent를 더 효율적으로 구축할 수 있도록 돕고 있다.
고객 서비스, 교육에서 AI 컴패니언 및 스마트 웨어러블에 이르기까지, 자오빈은 대화형 AI가 더 많은 실제 장면으로 진입하고 있다고 본다. AI가 진정으로 가치를 창출할 수 있는지는 모델이 "말을 잘하는지"뿐만 아니라 요구를 이해하고 자연스럽게 소통하며 지속적으로 작업을 완료할 수 있는지에 달려 있다. 실시간 인터랙션 기술은 이 과정에서 점점 더 중요한 역할을 할 것이다.
이어서 엔비디아 수석 아키텍트이자 AOMedia 비디오 코덱 워킹그룹 공동 의장인 Andrey Norkin이 AV2 비디오 코덱 기술에 관한 연설을 진행했다.
라운드테이블: 개인 에이전트, 차세대 개인 진입점이 될 수 있을까?
声网 공동 창립자 Tony Wang이 진행한 첫 번째 라운드테이블에서 인터랙티브 미디어 제품 매니저이자 테크 블로거인 Eugene Wei, 테크 자미디어인 겸 팟캐스트 《乱翻书》 진행자 판루안, 그리고 AIoT 하드웨어 창업자이자 온디바이스 AI 자미디어 운영자인 화젠신이 "개인 에이전트: 새로운 도구에서 새로운 진입점으로?"를 주제로 논의를 펼쳤다.
스마트폰, 안경, 이어폰에서 더 많은 휴대 기기에 이르기까지, 개인 에이전트는 차세대 인간-컴퓨터 인터랙션 진입점에 대한 업계의 사고를 다시 불러일으키고 있다. 판루안은 개인 에이전트가 패러다임 전환을 가져올 수 있다고 보았다: AI 제품의 가치는 사용자의 주의력을争夺하는 것에서 사용자가 더 효율적으로 작업을 완료하도록 돕는 것으로 전환되고 있다. 미래의 개인 에이전트는 명확한 지시에 응답할 뿐만 아니라 능동적으로 작업을 수행하여, 사용자가 목표는 명확하지만 많은 시간을 투입할 가치가 없는 사무를 처리하도록 도와야 한다.
차세대 개인 하드웨어에 대해 화젠신은 미래의 진입점이 반드시 특정 기기에 의해 독점되지는 않을 것이며, 안경, 이어폰 및 기타 환경을 감지하고 작업을 수행할 수 있는 하드웨어 모두 기회가 있다고 제시했다. 그는 개인 에이전트가 사용자를 이해하는 것뿐만 아니라 물리적 기기를 통해 현실 세계를 지속적으로 감지하고 행동해야 하며, 이것이 다양한 형태의 하드웨어에 새로운 발전 공간을 가져다준다고 보았다.
Eugene Wei는 논의를 "맥락"의 가치로 이끌었다: 개인 에이전트가 사용자의 관심사, 소통 기록 및 사회적 관계를 진정으로 이해할 수 있는지가 가치 있는 개인 진입점이 될 수 있는지에 영향을 미칠 것이다. 새로운 진입점의 성립 여부를衡量할 때, 그는 사용자가 매일 Agent와 인터랙션하는 상황, 그리고 사용자가 능동적으로 Agent를 찾는 경우가 더 많은지 Agent가 능동적으로 사용자를 찾는 경우가 더 많은지를 주목할 수 있다고 제시했다. 라운드테이블은 이를 통해 개인 에이전트의 제품 가치, 하드웨어 형태 및 미래 측정 기준에 대해进一步 논의했다.
라운드테이블: "대화할 수 있는" 것에서 "일을 처리할 수 있는" 것으로, 대화형 AI는 어떻게 진정한 가치를 창출하는가?
声网 최고상업책임자 추이보가 진행한 두 번째 라운드테이블에서 斜跃智能 창립자 천웨이, 冠客科技 창립자 겅샹레이, Rokid 乐奇 공동 창립자 겸 생태계 총괄 차이궈샹, 그리고 泰坦启明 CEO 우칸이 임바디드 AI, 스마트 웨어러블, 기업 마케팅 및 AI 채용 등 다양한 장면에서 출발하여 대화형 AI: 차세대 인간-Agent 인터랙션 견인을 주제로 논의했다.
천웨이는 임바디드 AI의 핵심은 사람의 의도를 진정으로 로봇의 행동으로 전환하는 것이라고 보았다. 로봇은 음성 지시를 이해할 뿐만 아니라 시각, 음성 및 자체 상태 등 다중 모달 정보를 융합하여 물리적 환경에 대한 지각, 계획 및 의사결정을 완료하고, 행동 후 환경 변화에 따라 지속적으로 작업 실행을 조정해야 한다. 사전 설정된 시연 작업을 완료하는 것보다, 로봇은 개방 환경에서 사람의 진정한 요구를 지속적으로 이해하고 행동이 항상 사람의 의도와 일치하도록 하는 것이 더 중요하다. 斜跃智能이 개발 중인 Duplex Reasoning이라는 새로운 패러다임의 임바디드 기반 모델은 로봇 인터랙션과 행동의 통합을 실현하는 것을 목표로 한다.
차이궈샹은 AI 안경의 실천에서 출발하여 대화 경험이 AI 웨어러블 기기의 핵심 경쟁력이라고 강조했다. 그는 하드웨어와背后的 AI 능력이 아무리 강력하더라도 대화가 충분히 자연스럽지 않으면 사용자 경험에 직접적인 영향을 미칠 것이라고 말했다. 미래에 AI 웨어러블 기기는 저지연, 안정적인 실시간 인터랙션, 그리고 의미와 장기 맥락에 대한 이해를 통해 사용자가 점차 AI와 대화하고 있다는 것을 느끼지 못하게 해야 한다. 그는 또한 Rokid 乐奇 AI 어시스턴트가 声网 RTC 링크 서비스를 채택한 실천 사례를 공유하며, AI 안경이 AI 시대의 중요한 개인 진입점이 될 것으로 낙관했다.
기업 응용 장면에서 겅샹레이는 AI 음성 좌석이 신뢰할 수 있는 비즈니스 딜리버리를 실현하려면 지연, 인터럽트 타이밍 및 인간화 등의 문제를 해결해야 하며, 지연은 심지어 작업 결과에 직접적인 영향을 미칠 수 있다고 지적했다. To B 마케팅의 경우, AI는 업계 지식 체계 및 인간 협업과 결합되어야 비즈니스 결과를 더 잘 보장할 수 있다. 우칸은 AI 채용 실천을 결합하여 대화형 AI가 채용 비즈니스에서 구직자에게 대규모로 도달하고 서비스 효율성을 높일 수 있으며, 단순히 인력을 대체하는 것이 아니라고 말했다. 비즈니스 루프를 형성하려면 업계 데이터를 축적하고, 구직자를 본체로 비즈니스를 정리하며, Agent가 장기 기억을 구축하도록 돕고, 면접 도달, 입사 등 실제 비즈니스 이벤트를 중심으로 AI가 지속적으로 서비스 품질을 평가하고 최적화하도록 지원해야 한다.
네 분 게스트의 공유에서 볼 수 있듯이, 업종별로 대화형 AI에 대한 요구는 다르지만 공통적으로 하나의 방향을 가리킨다: AI는 소통할 수 있을 뿐만 아니라 실제 장면을 이해하고 기존 비즈니스 프로세스에 통합되며 신뢰할 수 있게 작업을 완료할 수 있어야 한다. 실시간 인터랙션, 다중 모달 지각 및 Agent 실행 능력이 지속적으로 발전함에 따라, 대화형 AI는 인터랙션 도구에서 더 나아가 디지털 세계와 물리적 세계를 연결하고 비즈니스 운영을 추진하는 중요한 힘이 될 것으로 기대된다.
실시간 인터랙션에서 실시간 지능으로, 대화 AGI의 다음 장을 열다
자오빈이 제시한 5단계 대화 능력 프레임워크에서 두 차례 라운드테이블의 개인 에이전트와 실제 비즈니스落地에 대한 논의에 이르기까지, iRTE2026 메인 포럼은 명확한 산업 트렌드를 보여주었다: 대화형 AI의 경쟁은 기초 모델 능력에서 맥락 이해, 실시간 인터랙션, 복잡한 관계 인지 및 작업 실행으로 확장되고 있다.
AI가 더 이상 수동적 응답에 국한되지 않고 지속적으로 사람을 이해하고 능동적으로 교류에 참여하며 실제 장면에서 작업을 완료할 수 있게 될 때, 실시간 인터랙션 기술도 더 깊은 사명을承担하게 될 것이다.
대화 AGI의 다음 단계를 향해, 声网는 개발자 및 업계 파트너와 함께 실시간 인터랙션과 생성형 AI의 융합을 계속 탐구하여 사람과 사람, 사람과 Agent 사이의 더 자연스럽고 효율적인 실시간 인터랙션 경험을 추진할 것이다.
