DuoCook 벤치마크: 선도 AI 모델, 주문의 단 26.2% 완료

DuoCook 벤치마크는 AI에게 가상 주방 운영을 맡겼으며, 테스트한 모델 중 가장 강력한 모델도 평균 주문의 26.2%만 완료했다. 이 결과는 자율형 어시스턴트에 대한 실용적 가정에 의문을 제기한다. 즉, 작업을 이해한다는 것이 그 작업을 끝내기 위해 필요한 일을 조직할 수 있다는 뜻이어야 한다는 가정이다.

10월 22일 공개된 사전 논문은 상용 게임을 직접 시험한 것이 아니라 Overcooked에서 영감을 얻은 환경을 설명한다. 이미지와 텍스트를 처리하는 AI 시스템인 비전 언어 모델이 두 명의 요리사를 모두 제어한다. 핵심 갈등은 그럴듯한 개별 행동을 선택하는 것과 상호 의존적인 작업량을 완료하는 것 사이에 있다.

MindAgent와 Collab-Overcooked를 포함한 이전 시스템은 이미 가상 주방을 AI 에이전트 조율의 시험장으로 만들었다. DuoCook은 실행 과정을 면밀히 살펴봐야 할 또 다른 이유를 제시한다. 개발자와 구매자에게 유용한 질문은 어시스턴트가 자신의 결정을 얼마나 안정적으로 완료된 작업으로 전환하는지에 관한 것이다.

DuoCook 벤치마크가 실제로 측정하는 것

이 결과는 특정 인터페이스에서의 조율된 작업 실행에 관한 것이므로, 그 의미는 테스트 방식에 따라 달라진다.

연구진은 다섯 가지 범주의 20개 맵에서 네 가지 모델을 평가했다. GPT-6-Astra가 보고된 완료 결과를 이끌었고, 다른 모델들은 평균 8.8%에서 11.2%를 기록했다. DuoCook 벤치마크는 구조화된 정보와 내비게이션 지원을 제공하며, 모델 추론 중에는 시뮬레이션이 일시 정지된다.

이 세부 사항은 주장의 범위를 규정하는 데 도움이 된다. AI 요리 벤치마크는 인식, 이동, 일정 관리, 협업을 서로 다르게 조합해 시험할 수 있다. 그 조합이 바뀌면 낮은 점수가 독자에게 말해 주는 내용도 달라진다. 재료를 인식하는 데 어려움을 겪는 시스템은 반복해서 잘못된 순서로 작업을 배정하는 시스템과는 다른 엔지니어링 문제를 제시한다.

한 요리사는 채소를 준비하고 다른 요리사는 냄비를 관리하는 가상의 주방을 생각해 보자. 각 배정은 개별적으로 보면 타당해 보인다. 그러나 그 채소는 마감 전에 완성할 수 없는 주문에 속할 수 있다. 한편 냄비는 더 간단한 요리에 필요한 장비를 점유할 수 있다.

중요한 결정은 이러한 활동 사이의 관계에 달려 있다. 유용한 제어 시스템은 어떤 행동이 무엇을 가능하게 하는지, 무엇을 지연시키는지, 그리고 그 결과물이 계속 유용한지를 고려해야 한다. 올바른 재료를 인식하는 것은 그 결정의 일부만 제공한다.

이 때문에 완료율 수치는 오락적 가치 이상의 주목을 받을 만하다. 완료된 주문은 복잡한 설명을 해석하지 않아도 독자가 이해할 수 있는 결과를 제공한다. 주방이 필요한 작업 순서를 수행하거나, 그렇지 못하거나 둘 중 하나다.

그렇더라도 독자는 26.2%를 보편적인 AI 성공률로 해석해서는 안 된다. 보고된 수치는 평가된 테스트 모음에서의 성능을 요약한 것이다. 가능한 모든 주방, 모든 에이전트 아키텍처, 또는 테스트된 모델의 모든 버전을 설명하지는 않는다.

또한 같은 인터페이스에서 사람이 얼마나 잘 수행할지를 입증하지도 않는다. 익숙해 보이는 게임은 실험 설계가 반드시 뒷받침하지는 않는 직관적 비교를 유도할 수 있다. 상용 타이틀에 대한 인간의 경험이 자동으로 비교 가능한 기준선을 제공하는 것은 아니다.

유용한 해석은 더 좁고 구체적이다. 연구진의 설정에서는 결정을 내리는 일과 할당된 작업량을 완료하는 일 사이에 여전히 상당한 간극이 있다. 이 간극은 후속 실험이 조사할 구체적인 대상을 제공한다.

이는 인상적인 시연이 무엇을 입증해야 하는지도 바꾼다. 다음 행동에 대한 설득력 있는 설명은 신뢰할 수 있는 실행의 충분한 증거가 아니다. 평가는 이전 선택의 결과를 포함해 최종 결과까지 전체 과정을 따라가야 한다.

자율형 소프트웨어를 지켜보는 독자에게 이 구분은 이야기의 출발점이다. 주방은 국지적으로 타당한 행동이 사용자가 요청한 결과를 만들어 내는지 평가하는 더 넓은 문제를 눈에 보이는 형태로 보여 준다.

미완료 주문이 에이전트 개발자에게 압박을 가하는 이유

실질적인 압박은 지속적인 사람의 개입 없이 어시스턴트가 의존 관계를 관리할 수 있다고 약속하는 팀에 가해진다.

어시스턴트는 조율을 사용자에게 맡긴 채 유용한 제안을 제공할 수 있다. 그러나 실행 책임을 맡는 순간 기준은 달라진다. 중간 결정, 중단, 경쟁하는 요구 속에서도 사용자의 목표를 유지해야 한다.

프로젝트 업데이트를 준비하는 어시스턴트를 상상해 보자. 이 어시스턴트는 원본 자료를 수집하고, 변경 사항을 식별하며, 상충하는 진술을 해결하고, 문서를 작성해야 한다. 각 단계는 성공적으로 보일 수 있지만 전체 과제는 여전히 미완료 상태일 수 있다.

수집한 문서는 오래되었을 수 있다. 정확한 요약도 권고를 바꾸는 결정을 빠뜨릴 수 있다. 잘 다듬어진 초안도 누군가 필요로 했던 회의가 끝난 뒤에 도착할 수 있다. 이는 가상의 사례이지만, 구성 요소의 품질과 워크플로 품질의 차이를 명확히 보여 준다.

주방 비유는 이 수준에서 유용해진다. 그 관련성은 요리와 사무 업무의 난이도가 같다는 주장 때문이 아니라 의존 관계에서 비롯된다. 둘 다 다른 행동이 가치 있어지기 전에 무엇이 먼저 일어나야 하는지 제어 시스템이 결정해야 할 수 있다.

개발자에게 이는 더 엄격한 수용 테스트를 시사한다. 모델이 그럴듯한 지시를 생성한 뒤에도 작업은 평가 대상에 남아야 한다. 환경이 요청된 결과가 존재함을 확인할 때까지 테스트를 계속해야 한다.

이 접근 방식은 팀이 실패를 진단하는 방법도 바꾼다. 미완료 작업은 잘못된 관찰, 유효하지 않은 명령, 낮은 우선순위 판단, 또는 복구 기회의 상실을 반영할 수 있다. 이러한 경우를 모두 일반적인 추론 실패로 취급하면 개선이 더 어려워진다.

제품 팀은 책임에 관한 관련 설계 선택에도 직면한다. 어시스턴트가 독립적으로 행동하는 시점, 진행 상황을 검증하는 시점, 도움을 요청하는 시점을 명시해야 한다. 이러한 결정은 오류가 제한된 상태로 남을지, 이후 작업에 영향을 미칠지를 좌우한다.

눈에 보이는 점검 지점은 워크플로를 더 쉽게 감독하게 할 수 있다. 예를 들어 어시스턴트는 의존적인 행동을 시작하기 전에 필요한 입력이 존재하는지 확인할 수 있다. 이 제안은 연구가 입증한 결과가 아니라 조율 문제에 대한 엔지니어링 대응이다.

구매자 역시 시연이 사람이 관리하도록 남겨 두는 것이 무엇인지 물어야 한다. 누군가는 누락된 입력을 조용히 보완하고, 실패한 단계를 재설정하거나, 다음 목표를 선택할 수 있다. 이러한 개입은 가치 있을 수 있지만 성능 평가에 포함되어야 한다.

따라서 더 광범위한 상업적 의미가 불확실하더라도, 평가 설계에 가해지는 압박은 즉각적이다. 팀은 일반적인 자율성에 관한 주장을 하기 전에 완료 기준을 정의하고 개입 요구 사항을 기록할 수 있다.

지식 노동자가 던질 질문은 더 단순하다. 원래 계획이 현실과 더 이상 맞지 않을 때 무슨 일이 일어나는가? 어시스턴트가 그 순간을 처리하는 방식은 초기 답변의 자신감보다 더 중요할 수 있다.

사용자가 결과를 위임할 때 AI 에이전트 조율은 제품 요구 사항이 된다. 관련 증거는 시스템이 앞으로의 작업을 얼마나 설득력 있게 설명하는지가 아니라, 미완료 작업을 어떻게 관리하는지를 보여 줘야 한다.

설득력 있는 다음 행동이 완료된 작업을 보장하지는 않는다

핵심적인 전환점은 행동 하나가 그 자체로는 옳으면서도 전체 목표를 훼손할 수 있다는 점이다.

이전 연구는 이 구분에 유용한 맥락을 제공한다. MindAgent 프레임워크는 가상 요리 환경인 CuisineWorld에서 언어 모델을 조율자로 탐구했다. 저자들은 시연, 프롬프팅, 피드백을 통해 일정 관리 역량과 개선 효과를 보고했다.

이 연구는 주방 평가에 건설적인 관점을 제공한다. 낮은 결과가 언어 모델이 조율에 접근할 수 없다는 결론을 요구하는 것은 아니다. 대신 이를 둘러싼 지시, 피드백, 제어 구조에 관한 실험의 동기가 될 수 있다.

그러나 개선 가능성이 특정 시스템의 신뢰성을 판정하지는 않는다. 제안된 방법은 명확히 제시된 조건에서 완료된 작업을 기준으로 평가받아야 한다. 더 나은 설명과 더 나은 결과는 여전히 별개의 주장이다.

Collab-Overcooked 연구는 이 문제의 또 다른 부분을 살펴본다. 저자들은 강력한 목표 해석 능력과 함께 능동적 협업 및 지속적 적응의 부족을 보고했다. 이 벤치마크는 최종 결과를 넘어 행동을 검토하기 위해 과정 중심 평가를 사용한다.

이러한 발견은 무엇이 일어나야 하는지 식별하는 것과 이를 가능하게 하는 행동을 지속하는 것 사이의 핵심 비교를 확립하는 데 도움이 된다. DuoCook은 독립적으로 제어되는 팀원을 포함하는 시스템과 달리 중앙집중식 제어 시스템을 사용하지만, 이 논의에 속한다.

가상의 사례는 이 구분을 구체화한다. 제어 시스템이 수프에 재료가 하나 더 필요하다는 점을 올바르게 식별했다고 가정해 보자. 요리사를 보내 재료를 가져오게 하는 것은 도움이 되어 보인다. 그러나 그 이동은 남은 준비가 이미 끝난 다른 주문을 지연시킬 수 있다.

이때 제어 시스템은 일정 관리 결정을 내려야 한다. 즉, 작업의 시점과 배분에 관한 선택을 해야 한다. 최선의 답은 주변 작업량에 따라 달라진다. 레시피 지식만으로는 이를 해결할 수 없다.

동일한 문제는 행동 하나가 다른 작업자의 선택지를 바꿀 때도 나타난다. 장비를 예약하면 한 작업은 단순해질 수 있지만 다른 곳의 진행은 막힐 수 있다. 두 작업자를 같은 목표에 배정하면 준비는 빨라질 수 있지만 배달은 방치될 수 있다.

이 사례들은 고립된 행동을 평가하는 방식이 왜 핵심 난점을 놓칠 수 있는지 보여 준다. 결정의 가치는 부분적으로 그 결정이 가능하게 하는 미래 행동에 달려 있다. 실행 중 환경이 변하면 이 관계를 평가하기가 더 어려워진다.

복구 문제도 있다. 초기 가정이 실패한 뒤 원래 계획을 계속 따르면 추가적인 노력이 낭비될 수 있다. 유능한 제어 시스템에는 의도한 순서가 더 이상 목표에 도움이 되지 않는다는 점을 인식할 방법이 필요하다.

엔지니어링 팀에는 동일한 작업량에서 대안적 접근 방식을 비교하는 일이 필요하다는 점을 시사한다. 범용 모델은 명시적 작업 추적, 자원 예약, 또는 별도의 일정 관리 구성 요소와 결합될 수 있다. 이는 논문이 확립한 해결책이 아니라 테스트할 제안이다.

비교는 사용자 대면 결과를 보존해야 한다. 추가 구성 요소가 개입을 줄이면서 완료율을 개선한다면 중요하다. 더 자세한 중간 추론만 생성한다면 실용적 가치는 여전히 미해결이다.

바로 여기서 이 연구는 에이전트 구축자에게 유용한 과제를 제시한다. 목표는 타당한 선택이 충돌하는 지점을 포함해 전체 작업 전반에서 판단과 실행을 연결하는 것이다.

추가 메모리는 또 다른 의사결정 문제를 도입한다

메모리는 제어 시스템의 결정을 개선해야 하며, 더 많은 정보를 보존하는 것만으로는 그 이점이 입증되지 않는다.

DuoCook 실험은 공유 노트북과 최근 행동 이력을 보존하는 조건도 비교한다. 보고된 점수 효과는 모델별로 다르다. Claude와 Qwen은 평균적으로 개선된 반면, GPT와 Gemini는 하락했다. 모든 모델에서 평균 모델 호출 비용은 증가했다.

이는 익숙한 설계 직관을 복잡하게 만든다. 어시스턴트가 작업을 놓치면 메모리를 추가하는 것이 직접적인 대응처럼 들린다. 그러나 메모리 시스템은 무엇을 기록하고, 무엇을 검색하며, 언제 이를 수정할지에 관한 결정을 새로 도입한다.

워크스테이션이 사용 중이라는 가상의 메모를 생각해 보자. 이 관찰은 작성 당시에는 정확했을 수 있다. 상황이 바뀌면 컨트롤러가 이를 확인하거나 업데이트하지 않는 한, 같은 메모가 오히려 장애물이 될 수 있다.

문제는 관찰과 현재 환경의 관계에 있다. 기억된 진술에는 어시스턴트가 여전히 적용되는지 판단할 수 있을 만큼의 맥락이 필요하다. 그렇지 않으면 지속성은 실수를 보존하거나 오래된 정보의 수명을 연장할 수 있다.

따라서 개발자는 저장소와 검증된 상태를 구분해야 한다. 저장소는 정보를 보관한다. 검증된 상태는 시스템이 현재 작업에 관해 확인한 내용을 나타낸다. 설계에는 방대한 기록이 포함될 수 있지만, 현재 진행 상황에 대한 신뢰할 만한 설명은 여전히 없을 수 있다.

이 구분은 일상적인 지식 업무 흐름에서도 중요하다. 회의 메모는 결정을 정확히 기록할 수 있지만, 이후 메시지가 이를 변경할 수 있다. 추천을 준비하는 어시스턴트는 두 진술을 똑같이 최신 정보로 취급하는 대신 그 관계를 인식해야 한다.

검색 가능한 지식 기반은 사람들이 검토할 원본 자료를 찾는 데 도움이 될 수 있다. 그러나 관련 문서를 검색하는 것과 실시간 업무 흐름을 자율적으로 조율하는 것은 서로 다른 근거를 필요로 한다. 주방 실험은 remio를 평가하거나 그 기능에 관한 결론을 뒷받침하지 않는다.

에이전트 설계자에게 이 연구는 집중된 비교 방식을 제안한다. 제안된 메모리 기능이 있는 경우와 없는 경우에 동일한 업무 흐름을 시험하라. 다른 조건은 현실적으로 가능한 한 일관되게 유지한 다음, 완료된 결과와 추가로 필요한 작업을 살펴보라.

평가는 메모리가 결과를 바꾸는 사례도 검토해야 한다. 요약 평균은 차이를 드러낼 수 있지만 그 이유를 설명하지는 못한다. 관찰과 행동의 순서를 읽어 보면 기억된 진술이 유용한 결정을 뒷받침했는지 파악하는 데 도움이 될 수 있다.

대안적 설명에도 주의를 기울여야 한다. 추가 맥락은 모델이 지시를 해석하거나 정보의 우선순위를 정하는 방식을 바꿀 수 있다. 성능 차이만으로는 어떤 메커니즘이 이를 만들어 냈는지 알 수 없다.

적절한 결론은 조건부이다. 메모리는 그 가치가 구현 방식과 사용 방식에 따라 달라지는 구성 요소다. 노트북은 컨트롤러가 연속성을 유지하는 데 도움이 될 수 있지만, 그 유용성은 더 단순한 대안과의 비교를 견뎌야 한다.

구매자에게 이는 광고되는 메모리 기능이 실제로 무엇을 개선하는지 물어봐야 한다는 뜻이다. 선호를 기억하는 것, 오래된 문서를 검색하는 것, 변화하는 작업을 추적하는 것은 서로 다른 역량이다. 각각은 목적에 맞는 평가를 받을 가치가 있다.

순위가 여전히 예비적인 이유

이 결과는 추가 조사를 정당화하지만, 연구 설계는 안정적인 순위와 업무 환경에서의 신뢰성에 관한 결론을 제한한다.

각 모델은 지도와 메모리 조건별로 한 번씩만 실행됐다. 저자들은 현재 원고 자료에 보조 에피소드 로그와 분석 스크립트가 없다고도 밝힌다. 이러한 제한은 재현 가능성 평가와 보고된 실패에 대한 상세 진단을 제약한다.

조건이 맞춰진 시험도 유용한 관찰을 제공할 수 있다. 시스템에 비교 가능한 시작 조건을 부여하면 보고된 차이를 해석할 수 있다. 그러나 단일 관찰만으로는 동일한 시나리오를 다시 실행했을 때 모델이 얼마나 일관되게 작동할지 알 수 없다.

제품 사이에서 선택하는 구매자에게 일관성은 결정의 일부다. 때로는 작업을 완료하고 때로는 멈추는 시스템은 예측 가능한 한계를 가진 시스템과 다른 수준의 감독 부담을 제시한다. 리더보드 평균은 그 부담을 완전히 설명하지 못한다.

환경이 무엇을 측정하는지에 관한 별도의 질문도 있다. OvercookedV2 연구는 이전 조율 환경에서의 실패가 훈련 중 마주친 상황에 대한 불충분한 포괄성을 반영할 수 있다고 주장한다. 저자들은 더 까다로운 조율 시나리오를 만들기 위한 변경 사항을 도입했다.

이는 DuoCook에 대한 직접적인 비판이라기보다 방법론적 관점이다. 눈에 보이는 실패가 그 근본 원인을 자동으로 드러내지는 않는다는 점을 독자에게 상기시킨다. 서로 다른 실험적 개입은 처음에는 비슷해 보이는 행동에 대해 서로 다른 설명을 만들어 낼 수 있다.

예를 들어, 한 컨트롤러는 인터페이스를 오해해서 어려움을 겪을 수 있다. 다른 컨트롤러는 인터페이스를 이해하지만 비효율적인 일정을 선택할 수 있다. 세 번째 컨트롤러는 원래 활용 가능한 지식을 적용하기 전에 익숙한 예시가 필요할 수 있다.

이러한 가설적 설명은 서로 다른 해결책을 요구한다. 또한 낮은 완료 수치가 조사의 끝이 아니라 시작점이 되어야 하는 이유를 보여 준다. 원인에 관한 강한 주장을 하려면 대안을 구별하도록 설계된 실험이 필요하다.

일반화는 또 다른 경계를 만든다. 일반화란 시스템을 개발하거나 평가하는 데 사용된 상황을 넘어 성공적으로 수행하는 것을 의미한다. 고정된 주방 모음에서 나온 결과만으로는 관련 없는 업무 전반의 성능을 입증할 수 없다.

Overcooked Generalisation Challenge는 낯선 환경에서 익숙하지 않은 파트너와 협력하는 능력을 구체적으로 평가한다. 저자들은 이 복합 과제에서의 어려움을 보고한다. 따라서 이는 두 캐릭터를 중앙에서 모두 제어하는 방식과 다른 차원을 검토한다.

이러한 연구 방향은 하나의 순위로 합쳐지지 않으면서 서로를 보완해야 한다. 공유 자원을 관리하는 컨트롤러와 독립적인 팀원에게 적응하는 에이전트는 관련은 있지만 구별되는 요구에 직면한다. 점수는 각자의 설정 안에서 해석해야 한다.

모델 이름에도 주의가 필요하다. GPT-6-Astra, Claude, Gemini, Qwen은 이 논문의 비교에서 평가된 시스템을 가리킨다. 이 결과는 응용 분야 전반에 걸친 이들의 역량에 대한 보편적 순서를 확립하지 않는다.

가장 강하게 방어할 수 있는 결론은 여전히 구체적이다. 시험된 설정은 상당한 미완성 작업을 드러내며 재현할 가치가 있는 질문을 제기한다. 일반 지능, 인간 대체 또는 피할 수 없는 상업적 실패에 관한 더 광범위한 주장은 이용 가능한 증거를 넘어선다.

다음 결과를 더 설득력 있게 만들 요소

다음으로 유용한 진전은 재현 가능한 결과, 실패에 대한 더 명확한 설명, 그리고 원래 주방 모음을 넘어선 성공적인 시험이다.

향후 몇 달 동안 주목할 첫 번째 신호는 조건을 맞춘 반복 평가다. 추가 실행은 선두 모델이 우위를 유지하는지, 결과가 얼마나 넓게 달라지는지를 보여줘야 한다. 안정적인 결과는 현재 비교를 강화하고, 불안정한 결과는 순위에 대한 신뢰를 약화할 것이다.

메모리 관련 결과에도 동일하게 적용된다. 보고된 이점과 하락이 반복된다면 개발자는 모델별 행동을 조사할 더 확실한 근거를 갖게 된다. 반대로 자주 뒤바뀐다면 원래 평균은 더 신중하게 해석해야 한다.

반복 평가는 독자가 인상적인 에피소드와 신뢰할 수 있는 시스템을 구분하는 데도 도움이 된다. 성공적인 시연은 어떤 행동이 발생할 수 있다는 유용한 증거다. 하지만 사용자가 그 행동을 일관되게 기대할 수 있는지에 대해서는 더 적은 정보를 제공한다.

두 번째 신호는 상세한 실행 기록과 재현 가능한 분석의 공개다. 관찰과 행동의 기록된 순서인 궤적은 연구자가 진행이 어디에서 멈추는지 살펴보는 데 도움이 된다. 보조 자료는 다른 이들이 보고된 요약이 어떻게 계산됐는지도 확인할 수 있게 한다.

그러한 기록은 경쟁하는 설명을 검증 가능하게 해야 한다. 잘못된 관찰이 실패에 앞섰는가? 유효한 지시가 잘못된 시점에 도착했는가? 기억된 진술이 현재 상황과 충돌했는가?

답은 다음 실험에서 지각, 일정 관리, 피드백 또는 메모리 중 무엇을 바꿔야 하는지 판단하는 데 도움이 된다. 또한 모든 실패를 추론 능력 부족 같은 포괄적인 꼬리표로 설명하려는 유혹을 줄인다.

세 번째 신호는 낯선 환경과 비교 가능한 실무 업무 흐름에서의 개선이다. 더 강한 결과는 레이아웃, 의존성 또는 자원 제약이 바뀌어도 완료 성과를 유지할 것이다. 이는 개선이 원래 예시를 넘어 확장된다는 근거를 강화한다.

익숙한 지도에만 국한된 향상도 여전히 유용하지만, 더 좁은 주장을 뒷받침할 것이다. 개발자는 알려진 시험에 시스템을 맞추는 것과 새로운 상황을 처리하는 능력을 개선하는 것을 구별해야 한다.

실무 비교도 같은 논리를 따라야 한다. 업무 환경 파일럿에는 자체적인 작업 정의, 완료 기준, 개입 기록이 필요하다. 파일럿이 연구, 문서 준비 또는 소프트웨어 운영에 관한 것이든, 요리 결과가 그 평가를 대신할 수는 없다.

사용자에게 합리적인 대응은 완료 지점을 명확히 하는 것이다. 위임된 작업이 끝났을 때 무엇이 존재해야 하는지, 어떤 조건에서 검토가 필요한지 명시하라. 그러면 어시스턴트와 평가자 모두에게 더 명확한 목표가 주어진다.

다음 DuoCook 벤치마크 결과를 검토할 때는 헤드라인 수치에서 완료된 작업까지 증거를 따라가라. 비교가 조건을 맞춰 진행됐는지, 반복 실행이 순위를 뒷받침하는지, 상세 기록이 개선을 설명하는지 확인하라. 그다음 환경이 바뀌었을 때 시스템이 어떻게 작동하는지 물어보라. 더 긴 업무 흐름을 맡기기 전에 어시스턴트 시연에도 이 질문들을 적용하라. 설득력 있는 다음 행동은 유용할 수 있지만, 신뢰할 수 있는 위임에는 요청한 결과에 도달하는 일련의 과정이 필요하다. 어시스턴트가 당신의 작업을 완료하고, 계획이 실패했을 때 회복하며, 당신에게 더 적은 조율 업무만 남긴다는 것을 어떤 증거가 보여줄 수 있을까?