top of page

Graphon Labs 투자, 지속형 AI 메모리 지원

14시간 전
10분 분량

Graphon Labs는 11월 10일 지속형 AI 메모리 구축을 위해 신규 투자 3,500만 달러를 유치했다고 발표했으며, 더 폭넓은 개발자 및 디바이스 분야의 계획은 아직 남아 있다. 이번 Graphon Labs 투자 라운드는 에이전트가 작업 전반에서 관계와 변화하는 지식을 보존할 수 있는 인프라가 필요하다는 구체적인 전제에 기반한다. 더 나은 답변만으로는 에이전트가 올바르게 기억하고 있음을 입증할 수 없다.

핵심 경쟁은 질문이 들어올 때마다 고립된 문단을 검색하는 방식과 연결된 메모리 사이에 있다. Graphon은 처음부터 관계를 보존하면 에이전트가 나중에 더 많은 정보를 복원할 수 있다고 주장한다. 또 다른 에이전트 메모리 제공업체인 Zep은 변화하는 사실과 시간에 따른 관계도 다룬 연구를 수행하고 있어 유용한 비교 기준이 된다.

이는 엔지니어링 노력을 어디에 투자할지 결정하는 기업 팀에 압박을 가한다. 기존 시스템 주변의 검색 기능을 계속 개선할 수도 있고, 전용 메모리 계층을 도입할 수도 있다. Graphon의 발표는 후자에 새로운 지원을 더했지만, 실제 운영 성과와 기술적 차별성에 관한 중요한 의문은 남겼다.

Graphon Labs 투자가 실제로 바꾸는 것

RRE Ventures가 Series A를 주도했으며 HP, Energy Impact Partners, Hitachi Ventures, Gaia VC가 참여했다. Series A 발표에 따르면, 이전의 830만 달러 시드 라운드를 포함해 누적 투자금은 4,330만 달러에 도달했다. 회사는 이 자금이 연구와 초기 기업 고객 사업을 넘어선 확장을 지원한다고 설명한다.

이번 자금 조달은 Graphon의 자원을 확대하지만, 메모리 아키텍처를 독립적으로 검증하지는 않는다. 자금 조달 발표가 인공일반지능을 함께 언급할 때에도 이 둘은 서로 다른 이정표이며, 그 차이는 중요하다. AGI는 일반적으로 여러 작업에 걸친 범용 역량을 갖춘 AI를 뜻하지만, 정확한 정의를 둘러싼 논쟁은 계속되고 있다.

투자 라운드는 투자자들이 한 기업의 방향성을 지지한다는 사실을 보여준다. 제품이 상충하는 기록을 얼마나 안정적으로 처리하는지, 배포가 얼마나 까다로워지는지, 고객이 계속 사용하는지는 입증하지 않는다. 이러한 질문에는 운영상의 근거가 필요하다.

상업적 의미는 Graphon이 구매자에게 무엇을 사도록 만들고자 하는지에 있다. 전용 메모리 계층은 조직 정보와 맺는 에이전트의 지속적인 관계의 일부가 된다. 이는 기존 애플리케이션에 또 하나의 검색 기능을 추가하는 것과는 다른 구매 결정이다.

그 결정을 검토하는 기업은 권위 있는 지식이 어디에 존재하는지 물어야 한다. 메모리 서비스가 문서를 해석하고 관계를 보존한다면, 그 출력물은 직원과 에이전트가 의존하는 또 하나의 표현 체계가 된다. 그 표현 체계를 유지하는 일은 애플리케이션 운영의 일부가 된다.

이 책임은 질문에 답하는 데 그치지 않는다. 시스템은 승인된 결정과 잠정적 제안, 현재 유효한 정책과 폐기된 버전을 구분해야 한다. 구매자는 근거 자료가 바뀔 때 수정 사항이 어떻게 전파되는지 알아야 한다.

공급업체 관계를 검토하는 가상의 조달 보조 도구를 생각해 보자. 그 유용성은 계약서, 수정 조항, 내부 승인, 이후의 예외 사항을 연결하는 능력에 달려 있다. 관련 문단을 찾아내는 것만으로도 도움이 되지만, 보조 도구는 현재 요청에 어떤 조건이 적용되는지 판단해야 한다.

따라서 이번 투자는 중요한 인프라 베팅을 뒷받침한다. Graphon은 기업들에게 증거를 조직하는 일을 자체 엔지니어링 요구 사항을 지닌 제품 범주로 다루라고 요구하고 있다. 투자자들은 고객 환경 전반에서 그 장점에 관한 공개 근거가 확정되기 전에 이 전제에 투자했다.

발표를 추적하는 독자에게는 날짜도 중요하다. 11월 10일은 발행사가 투자 유치를 발표한 날이며, 이후 보도는 그 이전 사건을 반영한다. 새로운 게시 날짜가 별도의 투자 유치나 새롭게 완료된 제품 출시를 의미해서는 안 된다.

다음 질문은 조직이 이 계층에 어느 정도의 책임을 맡기고 싶은지다. 메모리 인프라는 특히 정보가 복잡해질 때 반복적으로 유용함을 입증함으로써 자리를 얻는다. 바로 이 지점에서 투자 이야기는 기업용 소프트웨어 이야기가 된다.

기업 구매자는 메모리 문제를 떠안는다

지속형 메모리는 애플리케이션 수명 전반에 걸친 지식 유지 관리에 관심을 돌린다. 시연에서 정확하게 답하는 에이전트도 정책, 인력, 권한이 바뀐 뒤 계속 유용해야 한다. 기업 구매자는 이러한 지속적인 동작을 평가해야 한다.

즉각적인 부담은 신뢰할 수 있는 답변을 책임지는 애플리케이션 팀에 돌아간다. 이 팀들은 컨텍스트 관리가 각 개별 애플리케이션 안에 속해야 하는지, 아니면 공유 인프라 안에 있어야 하는지를 결정해야 한다. 별도의 메모리 서비스는 재사용을 약속하지만, 동시에 이해하고 운영해야 할 또 하나의 시스템을 도입한다.

여러 에이전트가 겹치는 정보에 접근할 때 이 선택은 특히 중요해진다. 수정 사항은 이에 의존하는 애플리케이션에 도달해야 한다. 그렇지 않으면 각 보조 도구가 조직의 이력을 서로 다르게 해석하기 때문에 호환되지 않는 답변을 내놓을 수 있다.

가상의 영업 워크플로는 이 문제를 잘 보여준다. 계정 관리자가 고객의 선호 계약 조건을 기록한 뒤, 이후 협상을 통해 그 조건이 변경된다. 갱신을 준비하는 보조 도구는 업데이트를 인식하면서도 이전 합의를 설명할 수 있을 만큼의 이력을 보존해야 한다.

기억하는 것과 따르는 것의 구분도 중요하다. 과거의 지시는 현재 유효한 지시가 아니더라도 유용한 근거로 남을 수 있다. 특히 에이전트가 행동을 취할 수 있는 경우, 구매자는 메모리 제품이 이 구분을 보존할 것으로 기대해야 한다.

검색 증강 생성, 즉 RAG는 모델이 답변을 생성하기 전에 외부 소스에서 검색한 정보를 제공하는 방식이다. 구매 관점의 질문은 전용 메모리 아키텍처가 잘 관리된 검색 시스템보다 도입을 정당화할 만큼 충분히 개선되는지 여부다. 기준선이 약하면 이 비교는 오해를 낳을 수 있다.

조직은 이미 개인 정보와 공유 정보 사이에서 관련된 구분에 직면해 있다. 개인 지식 베이스는 팀 전체가 사용하는 거버넌스 기반 소스와는 다른 필요를 충족한다. 에이전트 메모리는 어떤 정보가 지속되어야 하며 누가 이를 재사용할 수 있는지에 관한 질문을 더한다.

구매자에게 가해지는 압박은 철학적이라기보다 실무적이다. 아키텍처를 선택하기 전에 해결하려는 실패 원인을 식별해야 한다. 누락된 근거, 오래된 근거, 잘못된 해석, 무단 접근에는 서로 다른 해결책이 필요하다.

실패가 여러 소스 간의 관계나 시간에 따른 변화와 반복적으로 관련될 때 전용 계층은 주목할 가치가 있다. 근본적인 문제가 불완전한 문서화일 때 그 가치는 덜 분명해진다. 아무도 기록하지 않은 승인을 어떤 아키텍처도 복원할 수는 없다.

따라서 Graphon Labs의 기업 영향은 투자 규모가 드러낼 수 없는 구현 세부 사항에 달려 있다. 관련 근거에는 고객이 기록을 업데이트하는 방식, 오류를 조사하는 방식, 답변이 충분한 근거를 갖췄는지 판단하는 방식이 포함된다. 이러한 행동이 메모리가 신뢰할 수 있는 인프라가 될지를 결정한다.

배포 경계는 검색 메커니즘만큼 중요하다. 구매자는 어떤 시스템이 원본을 보관하는지, 어떤 시스템이 파생 표현을 보관하는지, 어떤 시스템이 접근 권한을 통제하는지 명확히 알아야 한다. 이러한 명확성은 메모리 계층을 설명되지 않은 권위로 취급하지 않고 오류를 조사하는 데 도움이 된다.

이는 운영 작업을 줄이는 공급업체에 기회를 만든다. 동시에 이들이 충족해야 할 기준도 높인다. 지속형 메모리를 도입하는 기업은 이 서비스가 실제 워크플로 전반에서 지식 유지 관리를 단순화한다는 근거를 필요로 한다.

연결된 증거가 기술적 베팅이다

Graphon의 지속형 인텔리전스 아키텍처는 세부적인 관계를 보존하고 압축된 표현을 사용해 검색을 안내하는 방식을 설명한다. 회사는 대규모 그래프 연구에 활용되는 수학에서 이름을 따 이 표현을 graphon이라고 부른다. 이는 여전히 회사가 자사 접근법을 설명하는 방식이다.

그래프는 항목과 그 항목들 사이의 관계를 나타낸다. Graphon은 이러한 관계가 문서, 녹음, 이미지 및 기타 정보 전반에서 의미를 보존하는 데 도움이 된다고 말한다. 멀티모달 정보는 동일한 추론 작업 안에서 텍스트와 비디오처럼 서로 다른 형식을 결합한다.

제안된 장점은 고립된 문단이 남겨둘 수 있는 연결된 증거를 복원하는 데서 나온다. 이것이 Graphon Labs 메모리의 핵심 설명이다. 에이전트가 실제 질문에 답할 만큼 충분한 근거를 복원할 수 있도록 관계를 조직하는 것이다. 아키텍처는 여전히 유용한 정보를 효율적으로 선택해야 한다.

회사의 설명은 익숙한 검색 문제를 부각한다. 한 문단에는 규칙이 들어 있지만, 다른 위치에 있는 예외 사항이 빠져 있을 수 있다. 관련 자료를 연결하면 이 실패를 해결할 그럴듯한 방법이 된다. 특정 구현이 이를 안정적으로 해내는지는 테스트가 필요하다.

가상의 유지보수 질문은 이 차이를 구체화한다. 기술자가 특정 장비 구성에서 이전 절차가 여전히 승인된 상태인지 묻는다. 답변은 해당 절차를 적용 가능한 구성 및 그 상태를 변경하는 이후 공지와 연결해야 한다.

절차를 단순히 찾아내는 것만으로는 충분하지 않다. 시스템은 적용 가능성을 결정하는 관계를 복원해야 한다. 또한 다른 구성에 관한 인접 문서를 근거로 잘못 취급하지 않아야 한다.

정보의 출처와 이력을 뜻하는 프로비넌스는 이 지점에서 유용해진다. 각각의 뒷받침 주장이 원본 소스를 가리킨다면 답변은 더 쉽게 검토할 수 있다. 추적 가능성은 검토자가 그 관계가 실제로 존재하는지 확인하게 해준다.

시간은 또 하나의 의미 층을 만든다. 문서가 시스템에 들어온 날짜는 그 내용이 유효해진 날짜와 다를 수 있다. 특히 늦게 업로드된 문서에 이전 정책이 담긴 경우, 신뢰할 수 있는 답변에는 두 날짜가 모두 필요할 수 있다.

Graphon만이 이 문제를 다루는 것은 아니다. 2025년 1월에 발표된 Zep의 시간 기반 메모리 연구는 대화와 비즈니스 데이터를 결합하면서 시간에 따른 관계를 유지하는 그래프 엔진 Graphiti를 설명한다. 이는 승자를 정하지 않으면서도 관련 아키텍처 비교 기준을 제시한다.

이 비교는 차별화에 관한 질문을 좁힌다. 다른 제공업체도 관계와 시간을 다룬다면, 관계와 시간이 중요하다고 말하는 것만으로는 충분하지 않다. Graphon은 자사의 특정 표현 방식이 정확성, 유지 관리 노력 또는 응답 동작을 어떻게 바꾸는지에 관한 근거를 제시해야 한다.

더 넓은 역사적 참고 사례는 모델에서 정보 배치가 성능에 영향을 주었음을 보여주는 롱 컨텍스트 연구다. 이 결과가 현재의 모든 모델에 한계를 확정하는 것은 아니다. 다만 사용 가능한 컨텍스트의 양과 그것을 활용하는 능력은 구분해야 한다는 점을 뒷받침한다.

이 구분은 연결된 메모리에 신뢰할 만한 근거를 제공한다. 동시에 특정 워크로드에서 좋은 성과를 내는 더 단순한 검색 시스템의 여지도 남긴다. 기업 비교는 동일한 질문, 근거, 운영 제약 조건에서 두 접근법을 모두 테스트해야 한다.

따라서 보편적 우월성을 주장하지 않더라도 이 기술적 선택은 이해할 수 있다. 구조는 에이전트가 답변의 타당성을 뒷받침하는 근거를 찾는 데 도움을 줄 수 있다. 남은 질문은 Graphon이 그 구조를 실무적으로 의미가 있을 만큼 더 잘 보존하고 검색하는지 여부다.

벤치마크 주장은 시점을 고려해 읽어야 한다

벤치마크 결과에는 날짜, 구성, 명확히 정의된 비교 대상이 필요하다. 이런 세부 정보가 없으면 겉보기의 개선은 모델, 데이터세트 또는 평가 방법의 변화를 반영할 수 있다. 특히 기업이 게시 후 출시 블로그를 업데이트하는 경우에는 더욱 중요하다.

Graphon의 날짜가 명시된 발표문은 대화형 또는 더 광범위한 메모리의 여러 측면을 평가하는 LoCoMo, ConvoMem, ATM-Bench 전반의 결과를 보고했다. 현재 블로그에는 확장된 벤치마크 자료가 포함되어 있다. 현재 결과를 자금 조달 발표 당시 이용 가능했던 근거인 것처럼 묵시적으로 제시해서는 안 된다.

기업이 보고한 성능도 신중한 출처 표기가 필요하다. 외부 벤치마크는 특정 공급업체의 모든 구현이 독립적으로 재현되었다는 뜻은 아니지만, 공통 테스트를 제공할 수 있다. 독자는 테스트의 출처와 특정 결과를 실행하고 보고한 주체를 구분해야 한다.

ATM-Bench 평가는 메모리 테스트가 무엇을 포괄해야 하는지 보여주는 유용한 사례다. 이 테스트의 과제에는 상충하는 증거, 출처 간 연결, 시스템이 답변을 거부해야 하는 상황이 포함된다. 이러한 차원은 평가를 막연히 관련 있는 항목을 찾는 수준 이상으로 끌어올리는 데 도움이 된다.

한 사례에서는 시스템에 식당 방문과 식사 사진을 연결하도록 요구한다. 또 다른 사례에서는 이전 예약과 실제로 일어난 일을 보여주는 이후의 증거를 구분한다. 이러한 과제는 검색된 자료가 요구된 결론을 뒷받침하는지 드러낸다.

더 폭넓은 교훈은 관련성과 충분성이 서로 다르다는 점이다. 에이전트는 올바른 사건에 관한 정보를 찾을 수 있지만, 요청된 구체적 세부 사항을 뒷받침할 증거는 부족할 수 있다. 신뢰할 수 있는 시스템은 이 경계를 유지해야 한다.

기업 구매자에게 헤드라인 정확도 수치는 조사의 출발점이어야 한다. 다음 단계는 오류를 살펴보는 것이다. 시스템이 잘못된 출처를 검색했는가, 정정을 놓쳤는가, 아니면 정확한 증거로부터 뒷받침되지 않는 결론을 도출했는가?

이러한 구분은 팀이 무엇을 수정해야 하는지에 영향을 미친다. 더 나은 검색은 누락된 구절을 해결할 수 있다. 더 명확한 권한 규칙은 상충하는 문서를 해결할 수 있다. 답변 생성의 변경은 증거를 넘어서는 결론을 해결할 수 있다.

비교에서는 가능한 한 답변 모델도 일관되게 유지해야 한다. 서로 다른 시스템이 서로 다른 모델을 사용한다면, 결과는 메모리 계층을 분리해 보여주기보다 결합된 시스템을 설명하게 된다. 비교가 정확히 표기된다면 여전히 유용할 수 있다.

리소스 사용량도 마찬가지로 신중하게 다뤄야 한다. 언어 모델이 처리하는 텍스트 단위인 토큰은 애플리케이션 작업의 일부만 측정한다. 답변 과정에서 토큰 사용량이 낮다고 해서 총 운영 부담이 낮다는 사실이 자동으로 입증되지는 않는다.

메모리 표현을 구축하고 업데이트하는 작업에도 리소스가 필요하다. 추출 오류 수정, 새 출처 처리, 권한 유지에도 마찬가지다. 유용한 평가는 최종 답변만 고려하지 않고 이러한 활동을 함께 반영한다.

Graphon Labs의 자금 조달은 이 회사가 이러한 질문에 관해 더 강력한 근거를 마련할 자원을 제공한다. 가장 설득력 있는 결과는 외부인이 무엇이 달라졌는지 이해할 수 있을 만큼 충분한 방법론을 공개할 것이다. 재현 가능한 테스트는 신뢰를 더욱 높일 수 있다.

이 기준이 공급업체 벤치마크를 무시해야 한다는 뜻은 아니다. 이러한 테스트는 유망한 역량을 식별하고 유용한 연구 방향을 드러낼 수 있다. 기업이 헤드라인 결과와 함께 구성, 한계, 대표적인 실패 사례를 공개할 때 더 많은 정보를 제공한다.

고객 관심은 배포 관련 질문을 남긴다

발표문은 Graphon과 협업 중인 조직으로 San Francisco 49ers와 Hitachi를 언급한다. 파트너의 설명은 더 제한적인 표현을 사용한다. 49ers는 탐색을, Hitachi Rail은 평가를 설명한다. 이러한 설명은 성숙한 배포가 일관되게 이뤄졌다는 주장보다는 관심과 테스트를 뒷받침한다.

실명이 공개된 조직은 상업적 맥락을 제공하지만, 그들의 설명은 원래 범위를 유지해야 한다. 탐색, 평가, 확립된 프로덕션 사용은 서로 다른 단계다. 이를 서로 바꿔 쓸 수 있는 것으로 취급하면 인용된 고객이 뒷받침하는 것보다 근거가 더 강해 보이게 된다.

평가도 여전히 중요할 수 있다. 잠재 고객은 제품을 까다로운 데이터에 노출하고, 제안된 기능이 의미 있는 문제를 해결하는지 명확히 할 수 있다. 그러나 가능성에 관한 공개 발언은 지속적인 사용, 구현 노력 또는 측정 가능한 결과를 드러내지 않는다.

같은 주의는 제품 범위에도 적용된다. Graphon은 자금 조달의 지원을 받는 확장 계획과 함께 엔터프라이즈, 개발자, 온디바이스 방향을 설명한다. 온디바이스 메모리는 노트북이나 휴대전화 같은 하드웨어에서 정보를 로컬로 보존하고 사용하는 것을 의미한다. 이러한 목표가 어디서나 이용 가능하다는 가정으로 바뀌어서는 안 된다.

각 환경은 서로 다른 요구사항을 제시한다. 중앙에서 관리되는 엔터프라이즈 서비스는 조직의 접근 규칙과 운영 절차에 맞아야 한다. 로컬 기기는 하드웨어 한도 내에서 작동하고, 소유자가 보존된 정보를 이해하기 쉽게 제어할 수 있어야 한다.

이러한 요구사항은 로드맵에 관한 구체적인 질문을 만든다. 어떤 정보가 로컬에 남는가? 어떤 정보가 기기를 떠나는가? 사용자는 파생된 메모리를 어떻게 검사하거나 삭제하는가?

시스템이 원본 자료로부터 연결 관계를 생성할 때 삭제는 특히 중요하다. 출처를 제거하면 이에 의존하는 표현을 검토하는 정의된 절차가 시작되어야 한다. 구매자는 지속성에 의존하기 전에 이러한 동작에 관한 명시적 설명이 필요하다.

권한 변경도 관련된 시험을 만든다. 출처에 대한 접근 권한을 잃은 사람은 이전에 생성된 요약을 통해 그 내용을 다시 얻어서는 안 된다. 평가자는 출처 권한이 자동으로 문제를 해결한다고 가정하지 말고, 파생된 답변이 현재의 접근 권한을 준수하는지 검토해야 한다.

이는 Graphon의 구현에 대한 의혹이 아니라 평가 질문이다. 이 기사를 위해 검토한 공개 자료는 이에 대한 결론을 내리지 못한다. 이러한 불확실성은 Graphon Labs의 엔터프라이즈 영향에 대한 모든 평가에 포함되어야 한다.

AGI 프레이밍에도 명확한 경계가 필요하다. 더 나은 메모리는 일반 지능을 입증하지 않으면서도 유용한 에이전트 행동을 지원할 수 있다. 증거를 기억하는 것, 재사용 가능한 기술을 학습하는 것, 낯선 과제 전반에서 판단을 개선하는 것은 여전히 별개의 주장이다.

에이전트는 과거의 정정을 검색하고도 이를 잘못 적용할 수 있다. 성공적인 행동을 보존하더라도 그 행동을 반복하는 일이 언제 부적절해지는지 이해하지 못할 수 있다. 메모리는 추론을 위한 자료를 제공하며, 그 결과로 나온 판단의 품질은 여전히 평가가 필요하다.

이는 AGI 해결에 의존하지 않는 상당한 상업적 기회를 남긴다. 직원들이 최신의 연결된 증거를 찾도록 돕는 일 자체로도 가치가 있을 수 있다. Graphon의 가장 강력한 단기적 근거는 식별 가능한 워크플로에서 그러한 개선을 보여주는 데 있다.

2027년 초까지 주목할 사항

다음으로 유용한 근거는 기술적 성능을 관찰 가능한 제품 사용과 연결해야 한다. 향후 몇 달 동안에는 개발자 접근성, 재현 가능한 평가, 상세한 고객 성과라는 세 가지 신호에 정해진 순서로 주목할 필요가 있다. 각각은 발표문의 서로 다른 부분을 명확히 해줄 것이다.

첫째, 구체적인 개발자 접근성과 문서를 지켜봐야 한다. 명확한 인터페이스, 지원되는 데이터 형식, 업데이트 동작, 배포 요구사항은 아키텍처를 더 쉽게 평가하게 해준다. 이러한 자료는 개발자가 사용 가능한 서비스와 폭넓은 제품 방향을 구분하는 데 도움이 된다.

이 신호의 강도는 개발자가 실제로 무엇을 할 수 있는지에 달려 있다. 준비된 질문에 답하는 데모는 독립적인 워크로드를 지원하는 접근성보다 적은 정보를 제공한다. 명확한 제한 사항도 팀이 자신들의 요구사항에 부합하는지 판단하는 데 도움이 된다.

개발자 자료는 증거가 시스템에 들어오고, 변경되고, 나가는 방식을 설명해야 한다. 이 수명 주기는 지원되는 파일 형식 목록보다 더 많은 것을 보여준다. 기초 정보가 변화함에 따라 애플리케이션이 일관된 메모리를 유지할 수 있는지를 보여준다.

둘째, 신뢰할 수 있는 대안과 비교한 날짜가 명시된 재현 가능한 비교를 지켜봐야 한다. 테스트는 답변 모델, 데이터 준비, 리소스 가정, 평가 방법을 식별해야 한다. 실패 사례를 공개하면 제안된 장점이 어디에서 유지되고 어디에서 약화되는지 독자가 이해하는 데 도움이 된다.

강력한 비교에는 잘 관리된 검색 기준선이 포함되어야 한다. 연결된 메모리가 단순한 구성에 비해서만 더 좋은 성능을 보인다면, 상업적 의미는 여전히 제한적이다. 까다로운 관계 및 업데이트 질문에서 일관된 향상을 보인다면 더 강한 근거를 제공할 것이다.

독립적인 재현은 이 근거를 한층 강화할 것이다. 보고된 결과가 공개되지 않은 구성이나 평가 선택에 의존하는지에 관한 불확실성을 줄일 수 있다. 초기 결과가 유망해 보여도 재현이 없다면 주장은 잠정적으로 남는다.

셋째, 특정 워크플로와 측정 가능한 변화를 설명하는 고객 사례를 지켜봐야 한다. 유용한 근거는 시스템이 무엇을 대체했는지, 사람들이 이를 어떻게 사용하는지, 어떤 문제가 남아 있는지를 설명할 것이다. 확립된 프로세스에 대해 말하는 실명 고객은 일반적인 열의보다 더 큰 무게를 지닌다.

이러한 신호는 독자가 자금 조달을 해석하는 방식에 영향을 줘야 한다. 더 폭넓은 접근성은 이용 가능성을 명확히 한다. 재현 가능한 결과는 기술적 차별성을 명확히 한다. 상세한 고객 성과는 아키텍처가 엔터프라이즈 애플리케이션에서 지속 가능한 자리를 얻는지 명확히 한다.

Graphon Labs의 자금 조달 이야기는 궁극적으로 제안에서 근거로 나아가는 이 과정에 달려 있다. 투자자들은 연결된 정보를 중심으로 구축된 메모리 아키텍처에 자금을 댔다. 이제 개발자와 구매자는 그 구조가 자신들이 실제로 수행하는 업무를 얼마나 개선하는지 판단해야 한다.

지속형 AI 메모리를 평가하고 있다면 정정, 예외, 출처 간 연결에 의존하는 질문을 가져가야 한다. 공급업체에 각 답변의 근거를 보여 달라고 요청하고, 그 근거가 변경될 때 어떤 일이 일어나는지 설명하도록 하라. 동일한 조건에서 기존 검색 시스템과 결과를 비교하라. 이용 가능한 기록만으로는 충분하지 않다는 것이 정답인 질문도 포함하라. 그런 다음 시간이 지남에 따라 이러한 결과를 유지하는 데 필요한 작업을 검토하라. 이러한 기준을 염두에 두고 Graphon의 릴리스를 따라가며, 그 메모리 계층이 정의된 워크플로를 개선한다는 근거를 찾은 뒤 그 판단을 지능에 관한 더 광범위한 주장으로 확장하라.

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page