CarryGo 내부에는 세계 모델(world model)이 있습니다. 조직이 하나의 시스템으로서 보고, 시뮬레이션하고, 행동하고, 학습할 수 있도록 돕습니다.
제품 수준에서 CarryGo는 비즈니스를 위해 처음 구축된 세계 모델입니다.
시스템 수준에서는 단일 기반 모델(foundation model)이 아닙니다. 세계 상태(world state), 동역학 모델(dynamics model), 플래너(planner), 지속형 DAG 런타임, Butler-Worker 실행 및 거버넌스를 결합합니다.
이 차이를 이해하는 것이 중요합니다.
세계 모델은 다음 질문에 답합니다: 세계는 어떤 상태에 있으며, 행동이 어떻게 그 상태를 변화시킬 수 있는가?
플래너, DAG 및 에이전트는 다음 질문에 답합니다: 어떤 행동을 선택해야 하며, 누가 실행할 수 있고, 어떻게 안전하게 완료할 수 있는가?
세계 모델에 대한 당사의 기술적 기준은 간단합니다:
업데이트 가능한 세계 상태를 유지하고, 행동에 따른 상태 전이를 추정하며, 관찰된 현실에 대해 지속적으로 자체 보정해야 합니다.
CarryGo는 계획, 실행 및 거버넌스를 해당 모델에 연결하여 시뮬레이션이 실제 운영에 적용될 수 있도록 합니다.
비즈니스는 이미 하나의 세계입니다
비즈니스는 제품, 고객, 조직, 자산, 계약, 채널, 규칙 및 관계로 구성됩니다.
부분적으로만 관찰 가능합니다: 모든 관련 사실을 아는 사람은 아무도 없습니다.
멀티 에이전트(multi-agent)입니다: 직원, 고객, 공급업체, 파트너, 플랫폼, 자본 제공자 및 규제 기관이 독립적으로 행동합니다.
비고정적(non-stationary)입니다: 재고, 현금 흐름, 경쟁 및 시장 심리는 의사 결정이 내려지는 동안 계속 변화합니다.
반사적(reflexive)입니다: 예측이 가격 변경, 캠페인, 보충 주문 또는 파트너십을 촉발하면 예측 대상 자체가 변경됩니다.
언어 모델은 컨텍스트 윈도우 내에서 이러한 역학을 추론할 수 있습니다. 그러나 기본적으로 공유 가능하고, 질의 가능하며, 버전 관리되는 기업 현실의 표현을 유지하지는 않습니다.
CarryGo는 이러한 누락된 계층을 제공하도록 설계되었습니다.
이미 발생한 일을 설명하는 것 이상을 수행합니다. CarryGo는 기업의 자원, 시장 수요, 경쟁, 비용 및 제약 조건을 동일한 운영 세계로 가져와 활용도가 낮은 역량, 충족되지 않은 요구 및 실행할 가치가 있는 기회를 식별합니다. 먼저 전체 비즈니스를 파악한 다음, 어디서부터 시작할지 결정하세요.
비즈니스 세계가 어떻게 운영 가능해지는가
시스템은 다섯 가지 계층으로 이해할 수 있습니다:
CarryGo는 기업 초기화(enterprise initialization)로 시작합니다. 제품, 주문, 재고, 재무 지표, 조직 관계, 회의 기록, 계약, 정책 및 과거 프로젝트가 동일한 운영 모델로 입력됩니다.
이는 단순히 검색을 위해 청크(chunk)로 분할되지 않습니다. 관계, 시간, 출처, 신뢰도 및 권한을 가진 비즈니스 엔터티가 되어 현재 세계 상태(World State)를 형성합니다.
비즈니스는 부분적으로만 관찰 가능하기 때문에 CarryGo는 전지적인 실제 상태(ground-truth state)에 접근할 수 있다고 주장하지 않습니다. 증거, 출처 및 신뢰도를 포함한 신념 상태(belief state) Bₜ를 유지합니다.
핵심적으로, 모델링 문제는 다음과 같이 표현될 수 있습니다:
P(Sₜ₊₁ | Bₜ, Aₜ, Eₜ)
현재 신념 Bₜ, 후보 행동 Aₜ 및 통제 불가능한 외부 사건 Eₜ가 주어졌을 때, 어떤 상태가 뒤따를 가능성이 있는가? 새로운 관찰 Oₜ₊₁은 신념 상태를 업데이트하고 예측을 보정합니다.
CarryGo가 하이브리드 세계 모델인 이유
CarryGo는 하나의 불투명한 종단 간(end-to-end) 모델에 의존하여 전체 회사를 예측하지 않습니다. 네 가지 유형의 동역학을 결합합니다:
- 계약, 권한, 재고 제약, 재무 한도 및 승인에 대한 결정론적 규칙;
- 수요, 전환, 이행, 비용 및 위험에 대한 확률론적 모델;
- 개입의 증분 효과를 추정하기 위한 인과 및 시나리오 모델;
- 가설 제안, 계획 생성, 증거 설명 및 이해 관계자 반응 모델링을 위한 LLM 및 멀티 에이전트 시뮬레이션.
규칙은 엄격한 경계를 적용합니다. 확률론적 모델은 불확실성을 나타냅니다. 인과 모델은 상관관계를 영향으로 오인할 위험을 줄입니다. 에이전트는 개방형 상황에서 후보 계획을 탐색하고 실행합니다.
그 결과는 구성 요소를 검사, 교체 및 보정할 수 있는 하이브리드 비즈니스 세계 모델입니다.
예측에서 실행까지: Duowei 시나리오 예시
Duowei는 투명하고 지능적인 제조를 기반으로 하는 중국의 개인 케어 브랜드로, 다양한 시나리오에서 일상적인 케어 니즈를 충족합니다.
Duowei 라이브 스트리밍의 전환율이 18% 하락했다고 가정해 보겠습니다. 기존 AI 어시스턴트는 즉시 스크립트 수정이나 프로모션 추가를 권장할 수 있습니다.
CarryGo는 먼저 스크립트가 실제 원인인지 질문합니다.
트래픽 구성, 제품 클릭, 판매 가능 재고, 환불, 이행, 가격 및 유사 캠페인을 분석합니다. 세 가지 변화를 발견합니다: 적합도가 낮은 트래픽이 41%에 도달했고, 주요 제품의 재고가 1.6일분이며, 일부 수요가 마진이 낮은 대체 제품으로 전환되고 있습니다.
그런 다음 두 가지 옵션을 시뮬레이션합니다. 다음 수치는 제품 경험을 설명하기 위한 것이며, 실제 성능 예측이 아닙니다.
옵션 A: 미디어 지출 유지, 라이브 스트리밍 메커니즘 수정 및 재고 즉시 보충.
- 예상 증분 기여 이익: 180,000~260,000 위안
- 품절 및 이행 위험 범위: 25%~35%
- 주요 민감도: 도착 시간 및 유효 트래픽 비용
옵션 B: 적합도가 낮은 트래픽 감소, 제품 구성 변경 및 크리에이터 순서 조정.
- 예상 증분 기여 이익: 120,000~170,000 위안
- 시청자 전환 위험 범위: 8%~14%
- 주요 민감도: 시청자 적합도 및 대체 제품 마진
승인 후, 플래너는 선택된 옵션을 프로젝트 DAG로 확장합니다. 콘텐츠 팀은 메커니즘을 수정합니다. 미디어 운영팀은 지출을 조정합니다. 공급망 팀은 재고를 검증합니다. 크리에이터의 Butler는 일정을 조정합니다. 재무팀은 마진 하한선을 보호합니다. 각 노드는 실행자, 마감일, 승인 기준 및 작업 항목을 받습니다.
결과가 반환되면 CarryGo는 세계에 대한 설명을 업데이트합니다. 단순한 요약이 아닙니다. 스크립트 품질의 가중치는 줄어들고, 시청자 적합도와 판매 가능 재고는 더 중요한 변수가 됩니다. 다음 DAG는 지출이 확대되기 전에 시청자 및 재고 공동 게이트를 추가할 수 있습니다.
DAG는 CarryGo가 세계를 어떻게 변경하려는지 설명합니다. 동역학 모델은 세계가 어떻게 반응할지 추정합니다. 결과는 실제로 어떻게 반응했는지 기록합니다.
이것이 진화의 의미입니다: 더 정밀한 그래프, 변경된 구조 및 더 나은 실행 경로.
어려운 점은 10,000개의 에이전트를 깨우는 것이 아닙니다
수천 개의 모델 세션을 실행하는 것은 비교적 쉽습니다. 에이전트, 사람 및 외부 시스템이 동일한 비즈니스 세계를 손상시키지 않고 변경할 수 있도록 하는 것이 훨씬 더 어렵습니다.
모든 중요한 외부 행동은 최소한 다음을 포함하는 Action Envelope로 이해될 수 있습니다:
에이전트는 단순히 프롬프트를 받았다고 해서 현실을 수정하지 않습니다. 행동은 신원, 권한, 예산, 위험 및 세계 버전 검사를 통과해야 합니다.
지속적 실행(durable execution)에는 임대(lease), 멱등성(idempotency), 보상(compensation) 및 스냅샷(snapshot)이 필요합니다. 거버닝된 진화(governed evolution)에는 리플레이(replay), 섀도우 실행(shadow run), 단계적 릴리스(staged release), 승인 게이트(approval gate), 롤백(rollback) 및 킬 스위치(kill switch)가 필요합니다.
AI가 비즈니스를 운영해야 한다고 말할 때, 우리는 무제한적인 자율성을 의미하지 않습니다.
우리는 등급이 매겨지고, 승인되고, 관찰되고, 중단되고, 책임을 질 수 있는 자율성을 의미합니다.
모델이 개선되고 있는지 어떻게 알 수 있을까
CarryGo는 에이전트가 말하는 양으로 지능을 측정해서는 안 됩니다. 결과에 따라 평가되어야 합니다:
- 세계 상태 충돌률;
- 단일 단계 및 다중 단계 상태 예측 오류;
- 예측 위험과 관찰 빈도 간의 보정;
- 예상 결과와 실제 결과 간의 편차;
- 제약 조건 위반, 중복 행동 및 롤백;
- 첫 번째 시도 DAG 승인율;
- 모델 진화 후 회귀 실패.
이러한 지표가 개선되지 않는다면, "모델이 학습 중이다"라는 말은 단지 마케팅 주장에 불과합니다.
구축 방법
CarryGo는 비즈니스 세계 모델의 명시적 계층을 구축했습니다: 기업 초기화, 비즈니스 엔터티 및 지식, 컨텍스트 어셈블리, DAG 및 프로젝트 실행, Butler-Worker 오케스트레이션, 멀티 테넌트 권한 및 실행 추적.
이 계층은 기업 상태를 추적 가능하게 하고, 규칙을 표현 가능하게 하며, 행동을 실행 가능하게 만듭니다.
다음 단계는 학습된 동역학을 강화합니다: 시나리오 시뮬레이션, 결과 귀인, 예측 보정 및 거버닝된 DAG 진화.
그 이상으로, 다른 조직을 대표하는 Butler는 명시적 권한 및 최소 공개 규칙 하에서 기회를 발견하고 협상할 수 있습니다. 표준화된 저위험 트랜잭션은 사전 정의된 예산 및 계약 경계 내에서 자동으로 완료될 수 있습니다.
세계 모델은 단일 릴리스로 완성되는 기능이 아닙니다. 실제 운영을 통해 더욱 충실해지는 시스템입니다.
물리적 세계 모델은 로봇이 스스로에게 묻도록 돕습니다: 이 발을 내딛으면, 내 주변에서 무슨 일이 일어날까?
CarryGo는 조직이 스스로에게 묻도록 돕습니다: 제품, 가격, 채널, 팀 또는 파트너십을 변경하면 비즈니스는 어떻게 변화할까?
LLM은 사람들이 더 빠르게 일할 수 있도록 돕습니다.
CarryGo는 기업이 하나의 일관된 세계로서 이해하고, 예측하고, 행동하고, 학습할 수 있도록 합니다.
