DearMate는 SNS에서 본 AI 인플루언서와 대화하고, 다음 방문에도 이전 이야기를 이어 가는 경험을 목표로 기획했습니다. 공개 콘텐츠에서 알게 된 인물의 성격과 일상이 개인 대화에서도 이어지기를 바랐습니다.
영화 Her(2013)에서 주목한 것도 사람과 AI가 대화를 쌓으며 관계를 만들어 가는 모습이었습니다. 이용자가 같은 상대를 다시 찾게 되는 이유를 이해하려고 기존 서비스와 사용자 피드백을 살펴봤습니다.
1. 캐릭터와 대화하려는 이용자가 있었습니다
캐릭터 대화 서비스는 이미 많은 이용자를 모으고 있었습니다. 머니투데이가 인용한 모바일인덱스 집계에서 제타의 월간 활성 이용자 수(MAU)는 2025년 7월 약 90만 명에서 2026년 7월 약 153만 명으로 늘었습니다.
제타가 이용자의 선택에 따라 이야기가 달라지는 경험을 강조한다면, 뤼튼의 크랙 역시 캐릭터와 스토리를 만들고 그 안에 참여하는 경험을 제공합니다. 두 서비스에서 주목한 공통점은 사용자가 캐릭터에게 반응하고 이야기에 개입하는 과정이 제품의 가치가 된다는 점이었습니다.
AIES 2025 연구는 동반자 챗봇을 정기적으로 사용하는 성인 404명의 응답을 분석했습니다. 이용 동기에는 기술에 대한 호기심, 오락·창작, 교류 등이 있었습니다. 응답자의 대부분이 미국 거주자여서 국내 특정 성별·연령의 수요에 그대로 대입하기는 어렵습니다. 이번 기획에서는 캐릭터와 이야기를 만들고 일상을 나누려는 동기에 주목했습니다.
2. 어떤 순간에 대화가 어긋날까?
캐릭터의 이름이나 설정이 바뀌고 지난 이야기를 잊으면, 같은 상대와 대화한다는 감각도 흔들릴 수 있습니다. 실제 불편을 살펴보려고 DCInside의 Zeta AI 마이너 갤러리와 제타 미니 갤러리 게시글을 직접 수집·검토했습니다. 대화가 어긋나는 장면을 찾기 위한 탐색 조사였습니다.
분석한 불만 81건 중 AI 응답 품질·일관성은 32.1%, 서비스 안정성·성능은 29.6%, 기억·대화 데이터 보존은 11.1%를 차지했습니다.
조사·열람일: (KST, 시각 미기록). 두 갤러리의 당시 최신 각 5페이지를 검토했습니다. 검토 492건 → 본문 확인 110건 → 구체적 불만 81건. 분석 게시글 작성 기간: –.
게시글에서 드러난 불편
- 이용자 역할 침범: AI가 이용자의 대사까지 써 버려, 직접 반응하고 이야기에 참여할 여지가 줄어듭니다.
- 해결된 사건의 망각: 이미 끝난 갈등을 다시 제기합니다. 사건의 내용뿐 아니라 해결 상태도 이어져야 합니다.
- 기억을 보충하는 수고: 같은 장소의 데이트 역할극을 반복한다는 글에서, 이용자가 상황을 다시 만들어 주는 수고가 드러납니다.
- 기억의 질과 비용: 한 이용자는 기억력이 좋아진다면 비용을 지불하겠다고 했습니다.
게시글 발췌 화면: Project 지훈 중간발표 초안 · 응답 품질 사례(13쪽) · 기억 관련 사례(15쪽).
기존 서비스도 이런 불편을 다루고 있었습니다. 크랙은 중요한 정보를 남기는 유저 노트를 제공하고, 공식 도움말에서 반복 답변에 대한 대응을 안내합니다. 따라서 기억 기능의 유무만으로 문제를 설명하기는 어려웠습니다. 이용자가 같은 설명을 얼마나 반복해야 하는지, 설정을 보충한 뒤에도 인물과 맥락이 유지되는지를 봐야 했습니다.
사용자 피드백과 기획 의도를 바탕으로 대화 품질을 다섯 가지로 나눴습니다.
- 인물의 일관성: 말투·성격·설정이 여러 대화와 공개 콘텐츠에서 같은 인물로 느껴지는가.
- 상황에 맞는 반응: 이용자가 건넨 말의 의도와 감정을 이해하고, 그 상황에 어울리는 답을 하는가.
- 기억과 맥락의 연속성: 이전 이야기와 최근의 변화를 구분하고, 이용자가 같은 설명을 반복하지 않아도 되는가.
- 대화를 이어 갈 여지: 비슷한 표현을 되풀이하지 않고, 이용자의 말에 따라 이야기가 자연스럽게 발전하는가.
- 기다림과 비용: 감당할 수 있는 응답 시간과 비용 안에서 대화·기억이 안정적으로 이어지는가.
3. 공개 콘텐츠의 인물과 나에게 답하는 인물을 연결하기
AI 인플루언서 지훈의 SNS 사진을 보고, DearMate에서 그 사진에 관해 묻는 이용자를 생각했습니다. 지훈은 자신의 활동을 설명하고, 필요하면 그 이용자와 전에 나눈 이야기도 참고할 수 있어야 합니다. 사진 속 인물과 말투·성격이 다르거나 자신의 공개 활동을 전혀 모른다면, 이용자가 기대한 상대와 대화하기 어렵습니다.
여기서 공개 활동에서 알게 된 인물과 내 이야기를 기억하는 대화 상대를 연결한다는 제품 가설을 세웠습니다. 시장 지표와 불만 조사는 기존 서비스의 이용과 품질 문제를 보여 주는 자료입니다. 이 연결에 대한 수요까지 입증한 것은 아니므로, AI 인플루언서 IP를 발전시킬 방향으로 두고 검증하려 했습니다.
콘텐츠 운영은 Social Automation이, 개인별 대화는 DearMate가 맡도록 기획했습니다. 두 제품이 캐릭터의 공통 설정과 공개 활동을 함께 참고하는 구조를 구상했습니다.
4. Social Automation: 설정을 지키며 콘텐츠를 꾸준히 만들기
콘텐츠 운영에서는 매번 캐릭터 설정·참조 자료·이전 활동을 다시 확인하는 수고와 시간·비용을 줄이고자 했습니다. 글·이미지·영상에서 말투와 외형을 유지하고, 새 활동이 이전 활동과 충돌하지 않는지도 확인해야 했습니다. 콘텐츠를 꾸준히 공개해야 이용자가 캐릭터를 알아 갈 기회도 이어집니다.
Social Automation에서는 기획부터 생성·검수·승인·게시까지를 하나의 흐름으로 설계했습니다. 각 단계가 캐릭터의 공통 설정과 활동 이력을 이어 받고, 운영자가 결과물과 비용·운영 정책을 판단할 수 있어야 했습니다.
5. DearMate: 이전 대화와 최근의 변화를 기억하기
DearMate에서 해결하려던 불편은 대화가 길어지거나 다시 방문할 때, 이전 이야기를 처음부터 설명해야 하는 경험이었습니다. 같은 캐릭터라도 이용자마다 나눈 이야기와 기대하는 반응은 다릅니다. 캐릭터의 성격을 유지하면서 각 이용자의 과거 대화와 최근 변화를 구분해 참고해야 했습니다.
이를 위해 대화 품질을 비교할 기준과 기억을 관리할 방식이 필요했습니다. 대화 기록과 이용 재화의 처리도 어긋나지 않아야 하고, 한 이용자의 정보가 다른 이용자에게 섞이지 않아야 했습니다.
6. 기획 이후에 확인할 것
기획을 통해 정한 검증 범위는 콘텐츠를 접하고, 대화를 나누고, 다시 찾아오는 과정이었습니다. 공개 활동에 관한 질문에 답할 수 있는지, 다음 방문에도 이전 대화를 참고하는지, 그동안 말투와 성격이 유지되는지를 확인해야 했습니다.
이용자가 그 인물을 알아 가고 함께한 경험을 쌓을수록 캐릭터 IP의 가치도 커질 것이라 보았습니다. 이 가설을 검토하기 위해 대화 품질 평가와 기억·맥락 설계, 콘텐츠 운영 구조를 함께 준비했습니다.