지난 7일 동안 AI 에이전트가 내 이메일 받은 편지함을 관리했습니다. 이 에이전트는 모든 메시지를 읽고, 이메일 초안을 작성하며, 심지어 내 대신 이메일을 보낼 수 있습니다. 이 에이전트는 이 기간 동안 받은 60건 이상의 이메일을 처리했습니다.

처음에는 AI 에이전트가 나와 내 일반적인 행동 패턴에 대한 사전 지식이 없어서 몇 가지 문제가 발생했습니다. 그러나 몇 번의 반복을 통해 성능을 크게 향상시킬 수 있었습니다. 에이전트는 수백 개의 과거 이메일을 읽고 내 Twitter, Discord, 위치 등 사실과 지식을 추출했습니다. 또한 과거 사례를 바탕으로 내 목소리, 톤, 논리를 학습하여 내 행동을 거의 똑같이 모방할 수 있게 되었습니다.

에이전트는 또한 각 새로운 이메일을 분류하고 유형에 따라 다른 조치를 취하는 복잡한 행동 패턴을 개발했습니다. 예를 들어 파트너십 관련 이메일의 경우 해당 업체와 회사에 대한 요약을 제공하고 내 일정을 확인하여 양측에 적합한 회의 시간을 조정합니다. 에이전트의 능력을 넘어서는 경우에는 이메일을 나에게 전달합니다.

나 자신에 대한 지식과 사실을 추출한 두 번째 지식베이스를 만들기 위해 다음과 같은 단계를 거쳤습니다:

1. Gmail에서 보낸 모든 과거 이메일을 내보내고 이메일 텍스트와 내 응답을 포함하는 CSV 파일로 변환했습니다.

2. 대규모 언어 모델(GPT)을 사용하여 각 이메일 응답을 분석하고 내 Discord 링크, 거주지 등 주요 사실과 지식을 추출했습니다. 이메일 응답을 더 작은 청크로 나누고 FAQ 추출 프롬프트를 통과시킨 후 결과를 결합하는 방식으로 진행했습니다.

3. 추출된 FAQ를 새로운 CSV 파일에 저장했으며, 이것이 AI 어시스턴트의 두 번째 지식베이스가 되었습니다.

이제 AI 어시스턴트가 새로운 이메일을 받을 때마다 이메일 응답 기록과 추출된 사실을 모두 참조하여 내가 일반적으로 응답하는 방식을 모방한 더 개인화되고 정확한 응답을 제공할 수 있습니다.

이 AI 어시스턴트를 구축하게 된 이유는 이메일 받은 편지함이 통제를 벗어났기 때문입니다. 이메일 유입량이 너무 많아 처리하기 어려웠고, 때로는 이메일을 보고 응답을 알고 있지만 이메일이 제대로 작성되었는지 확인하고 싶었습니다. 일반적으로 ChatGPT를 사용하여 자신, 원본 이메일에 대한 맥락을 제공하고 응답을 생성하도록 요청했지만, 이 과정은 매우 시간 소모적이었고 휴대폰으로만 있을 때는 다른 앱 간 복사 붙여넣기가 어려웠습니다.

이를 계기로 매일 아침 GPT가 모든 이메일에 대한 초안 응답을 생성하고, 내가 컴퓨터나 휴대폰에서 이메일을 확인할 때 그 초안을 검토하고 보내기만 하면 되는 방법을 생각해냈습니다. 첫 번째 버전에서는 코드를 작성하지 않고 Zapier를 사용하여 새로운 이메일이 도착할 때마다 GPT에 프롬프트를 전송하고 결과를 초안 응답으로 생성하는 워크플로를 구축했습니다. 응답 프로세스는 약간 복잡했는데, 이메일 주소와 제목으로 이메일을 찾아 스레드 ID를 얻고 이를 사용하여 초안 응답을 작성하고 전달해야 했습니다. 이 설정을 5분 만에 완료했지만, 결과는 놀라웠습니다. 새로운 모든 이메일에 이미 초안이 작성되어 있어 검토하고 편집한 후 보내기만 하면 되었고, 휴대폰에서도 이용할 수 있었습니다.

이것이 내 첫 번째 교훈이었습니다. AI를 사용자의 기존 워크플로에 통합하고 상황에 맞게 만들면 마법 같은 경험을 할 수 있습니다. 그러나 이 초기 버전에는 명백한 문제가 있었습니다. 단순히 한 개의 GPT 프롬프트만 사용했고 내 정보에 대한 어떠한 맥락도 없었기 때문에 많은 문제가 발생했습니다. 응답 품질이 나빠서 50%의 경우 사용할 수 없었고, 잘못된 결정을 내리기도 했습니다. 이 AI 어시스턴트를 유용하게 만들려면 내 자신과 내가 운영하는 도메인에 대한 사실을 가르쳐야 했습니다.

그래서 두 번째 반복에서는 내 과거 이메일을 디지털화하고 지식베이스를 만들어 AI 어시스턴트가 내 행동을 모방할 수 있도록 했습니다. 내가 선택한 접근 방식은 과거 이메일에서 내 정보와 지식을 추출하여 데이터베이스를 만드는 것이었습니다. 이를 통해 AI 어시스턴트가 새로운 이메일을 받을 때마다 이전에 유사한 유형의 이메일을 받았을 때 어떻게 응답했는지 참조할 수 있습니다.

먼저 내가 보낸 모든 과거 이메일을 살펴보고 원본 메시지와 내 응답을 포함하는 CSV 파일로 정리했습니다. 그런 다음 원본 응답을 추출하여 JSON 형식의 FAQ로 변환했습니다. 이 두 가지 주요 지식 소스를 사용하여 새로운 이메일을 받을 때마다 벡터 검색을 수행하여 AI 어시스턴트가 참조하고 학습할 수 있게 했습니다.

그 결과 대단했습니다. 이제 AI 에이전트는 각 이메일을 컨설팅 요청, 협력 기회, 일반 문의 등 다양한 유형으로 분류하고 유형에 따라 다른 조치를 취할 수 있게 되었습니다. 예를 들어 컨설팅 요청인 경우 필요한 정보(해결하려는 문제, 예산 등)가 제공되었는지 확인하고, 그렇지 않으면 정보를 수집하는 응답을 생성한 후 나에게 전달합니다. 협력 또는 스폰서십 이메일인 경우 해당 기업과 기회를 먼저 조사한 후 요약과 함께 나에게 전달합니다.

이 시스템은 이메일 받은 편지함을 효율적으로 관리하고 더 중요한 작업에 집중할 수 있게 해주는 게임 체인저가 되었습니다. AI를 활용하고 강력한 지식베이스를 구축함으로써 개인화되고 지능적인 이메일 어시스턴트를 만들 수 있었습니다.

이메일 받은 편지함 관리를 위한 AI 에이전트 경험에서 얻은 핵심 교훈은 다음과 같습니다:

1. 기존 워크플로에 AI를 통합하면 간단한 구현으로도 상당한 생산성 향상을 얻을 수 있습니다.
2. 과거 이메일에서 정보를 추출하여 자신에 대한 포괄적인 지식베이스를 구축하면 AI 에이전트가 행동을 더 잘 모방하고 정확하게 응답할 수 있습니다.
3. 전문화된 도구로 구성된 모듈식 맞춤형 시스템을 개발하면 AI 에이전트가 다양한 이메일 시나리오를 복잡한 의사결정 능력으로 처리할 수 있습니다.
4. 지식베이스와 도구 세트를 지속적으로 업데이트하고 개선하는 것이 에이전트의 효과성을 유지하는 데 필수적입니다.

전반적으로 이 프로젝트는 AI가 개인 관리 업무를 자동화하고 간소화하여 더 가치 있는 활동에 시간과 정신 에너지를 할애할 수 있게 해주는 잠재력을 보여줍니다. 적절한 접근 방식으로 AI 어시스턴트는 사용자의 워크플로와 의사소통 스타일에 seamless하게 통합될 수 있습니다.