← Docs hub

Speaker Following And Personalization Strategic Roadmap

이 문서는 화자 인식에서 출발해 나무X가 어떤 서비스 영역으로 확장될 수 있는지, 그리고 왜 화자를 추종하고 개인화하는 능력이 AI 로보틱스에서 중요한지를 정리한다.

핵심은 화자 인식을 단순한 “이름 맞추기”가 아니라 로봇이 사용자와 장기 관계를 맺기 위한 identity/context spine으로 보는 것이다.

1. 왜 화자를 추종해야 하는가

AI 로봇은 단순히 명령을 수행하는 장치가 아니라, 사용자와 공간, 시간, 상태를 이해하고 그에 맞는 행동을 선택하는 시스템이다. 이때 가장 먼저 풀어야 하는 질문은 “무엇을 말했는가”가 아니라 “누가 말했는가”다.

화자를 추종해야 하는 이유는 다음과 같다.

결론적으로 화자 추종은 STT 정확도 개선의 보조 기능이 아니다. 개인화, 권한, 기억, 복합명령, 바이탈 케어, 외부 계정 연동을 가능하게 하는 핵심 기반이다.

2. 개인화가 중요한 이유

개인화는 “사용자 이름을 불러주는 기능”이 아니다. 로봇이 같은 문장을 사용자별로 다르게 해석하고, 같은 상황에서도 사용자별로 다른 행동을 선택하는 능력이다.

예시:

아빠: "내 방 청정해줘" -> 안방
아이: "내 방 청정해줘" -> 아이방
엄마: "평소처럼 예약해줘" -> 평일 오전 전체청정
아빠: "평소처럼 예약해줘" -> 밤 10시 나이트모드
게스트: "내 건강 이력 알려줘" -> 접근 차단

개인화는 세 단계로 발전한다.

이 구조가 없으면 로봇은 매번 “초기화된 기기”처럼 동작한다. 반대로 이 구조가 있으면 로봇은 사용자별로 기억하고, 조심하고, 먼저 제안하는 서비스가 된다.

3. 서비스 확장 지도

화자 인식에서 출발하는 서비스 확장은 아래처럼 넓어진다.

4. 4단계 로드맵

Phase 1: 안전한 화자 context 수집

목표:

• 화자 등록/인식 결과를 안정적으로 context화한다.
• unknown, overlap, multi-speaker, timeout 상태를 명확히 분리한다.
• 모든 기능에 blocking하지 않고 민감 기능 중심으로 적용한다.

제품 효과:

• 오작동을 줄이고, 개인화의 기반 데이터를 만든다.

주요 산출물:

• speaker_context DTO
• confidence/margin/latency policy
• raw audio/embedding 미전송 정책

Phase 2: 사용자별 memory와 preference

목표:

• speaker_id/person_id 기준으로 대화와 선호를 분리한다.
• “내 방”, “평소처럼”, “자주 쓰는 모드” 같은 표현을 사용자별로 해석한다.

제품 효과:

• 같은 명령이 사용자별로 자연스럽게 다르게 동작한다.

주요 산출물:

• person-scoped memory
• preference candidate
• unknown no-write policy

Phase 3: Identity Link와 민감 서비스

목표:

• Voice ID, Vital Face ID, 앱 계정, Google 계정을 Person Profile에 연결한다.
• 건강 이력, 일정, 보안, 개인정보 기능은 linked/verified/consent 기반으로 제한한다.

제품 효과:

• 바이탈 사인 이력 설명, 개인 일정 기반 루틴, 가족 권한 모델이 가능해진다.

주요 산출물:

• Person Profile / Identity Link
• consent scope
• personal data access gate
• 앱 연결/삭제/권한 UI

Phase 4: Proactive Wellness Robot

목표:

• 사용자의 공기질, 바이탈 이력, 루틴, 음성 context를 기반으로 선제 제안을 한다.
• 단순 요청 응답형 로봇에서 사용자 상태를 이해하는 웰니스 companion으로 확장한다.

제품 효과:

• 로봇의 존재 가치가 “기능 실행”에서 “사용자 케어”로 이동한다.

주요 산출물:

• proactive trigger policy
• 개인별 notification/routine
• 과도한 알림 방지
• 건강 정보 안전 응답 정책

5. 서비스 시나리오 예시

5.1 개인 공간 이해

사용자: 내 방 청정해줘.
로봇: speaker_id -> person_id -> preferred_room 확인.
응답: 네, 안방 청정을 시작할게요.

가치:

• 사용자가 방 이름을 정확히 말하지 않아도 자연스럽게 동작한다.

5.2 바이탈 이력 설명

사용자: 요즘 내 스트레스 어때?
로봇: voice_id -> person_id -> vital_face_id -> vital history 조회.
응답: 최근 기록 기준으로 스트레스 지표가 지난주보다 높게 측정된 날이 있었어요. 정확한 수치는 앱에서 확인해 주세요.

가치:

• 바이탈 사인 기능이 화면 중심 기능을 넘어 음성 기반 웰니스 상담 경험으로 확장된다.

주의:

• 진단 표현 금지.
• linked/verified + consent + 단일 화자 조건 필요.

5.3 가족 권한

아이: 보안 모드 꺼줘.
로봇: restricted authority 확인.
응답: 이 기능은 관리자만 변경할 수 있어요.

가치:

• 가족 공용 제품에서 안전한 기능 제어가 가능하다.

5.4 Google 일정 기반 루틴

사용자: 내일 일정에 맞춰 준비해줘.
로봇: person_id -> google calendar scope 확인 -> 오전 일정 전 공기질 체크/청정 제안.
응답: 내일 아침 일정 전에 거실 공기질을 확인하고 필요하면 청정을 시작할게요.

가치:

• 로봇이 외부 일정 context와 집 안 환경을 연결한다.

5.5 복합명령 owner 유지

아빠: 거실 청정하고 10분 뒤에 안방으로 와.
아이: 아니 주방으로 와.
로봇: active workflow owner와 다른 speaker 감지.
응답: 진행 중인 작업을 변경할까요?

가치:

• 다중 사용자 환경에서 긴 작업의 소유권이 흔들리지 않는다.

6. 비즈니스/제품 KPI 후보

7. 리스크와 제어

8. 전략적 결론

화자 인식은 단기적으로는 “누가 말했는지”를 맞추는 기술처럼 보이지만, 제품 전략상으로는 다음을 가능하게 하는 기반이다.

• 사용자별 기억
• 사용자별 공간/기능 해석
• 개인 건강/일정/외부 계정 연동
• 가족 권한/게스트 제한
• 복합명령 owner 유지
• proactive wellness care
• 장기 관계형 로봇 경험

따라서 화자 인식의 가치는 모델 정확도만으로 평가하면 부족하다. 더 중요한 기준은 “이 identity context가 얼마나 안전하게 개인화, 권한, 기억, 케어 서비스로 연결되는가”다.