휴대폰과 컴퓨터를 오래 쓰다 보면 사진이나 파일이 수천 개씩 쌓임.

하나하나 확인해서 정리하려면 어렵진 않은데 시간이 너무 많이 듦. 사람이 하기에는 단순하고, 그렇다고 그냥 방치하기에는 계속 불편한 작업임.

DAPPOS는 Bubble Personal의 활용 사례 중 하나로 대량의 사진을 정리하는 작업을 직접 제시했습니다. 공개 자료에서는 thousands of photos를 정리할 수 있는 예시를 들고 있습니다.

이런 사례가 Bubble Personal을 이해하기 좋은 이유임.

AI가 반드시 엄청 어려운 분석만 해야 가치가 있는 게 아님.

사람이 할 수 있지만 하기 귀찮아서 계속 미뤄두는 일.

개인 AI가 가장 먼저 줄여줄 수 있는 작업은 오히려 이런 종류일 수 있음.

매일 확인해야 하는 데이터가 있다면 은근히 시간을 많이 잡아먹음.

특히 시장 데이터처럼 계속 변하는 정보는 찾아보고, 필요한 것만 골라서, 다시 파일에 정리하는 과정까지 필요함.

DAPPOS는 Bubble Personal의 활용 예시로 밤사이 market data를 수집해 사용자의 Drive에 넣어두는 작업을 제시합니다. Bubble Personal이 로컬 파일·브라우저·앱뿐 아니라 schedules까지 다루도록 설명되는 이유임.

즉 사람의 업무 시간이 시작된 다음 AI에게 명령하는 게 아니라,

사람이 일을 시작하기 전에 필요한 재료를 준비해두는 구조도 가능해지는 것임.

AI Agent가 대화 상대에서 실제 업무 인프라로 바뀌는 지점 중 하나임.

AI가 내 컴퓨터에서 일을 할 수 있다는 건 편리함과 동시에 걱정도 생김.

작업하다 필요한 프로그램을 설치하거나 시스템 설정을 바꿔버린다면, 편리한 것보다 위험이 더 커질 수 있음.

DAPPOS는 Bubble Personal에서 이 문제를 sandboxed execution model로 분리한다고 설명합니다. 설치, 다운로드, 시스템 수준 변경 같은 작업은 사용자의 컴퓨터가 아니라 Bubble Cloud의 별도 컨테이너 환경에서 처리하도록 설계됐습니다.

즉 AI가 강력해지는 만큼 모든 권한을 로컬 PC에 몰아주는 방식이 아님.

해야 할 일과 실제 내 컴퓨터에서 허용할 일을 분리하는 구조임.

Personal AI에서 모델 성능만큼 권한 구조가 중요한 이유임.

AI에게 복잡한 작업을 맡기면 작업 과정에서 여러 파일과 도구, 임시 환경이 생길 수 있음.

이걸 사용자의 PC에 계속 남겨두면 시간이 지날수록 환경이 복잡해질 수 있음.

DAPPOS는 Bubble Personal의 sandbox 구조에서 설치나 시스템 수준 작업이 이루어지는 Cloud Container를 작업 완료 후 폐기하는 방식을 설명합니다.

쉽게 비유하면 AI에게 내 방 전체를 내주는 대신,

필요할 때 별도의 작업실을 하나 만들어주고 일이 끝나면 작업실 자체를 치우는 방식에 가까움.

AI Agent가 더 많은 도구를 사용할수록 이런 격리 구조의 의미도 커질 수 있음.

강한 AI를 만드는 것과 안전하게 일을 시키는 것은 다른 문제이기 때문임.

개인 AI가 로컬 파일과 브라우저를 다룬다면 가장 중요한 질문이 있음.

“AI가 내 컴퓨터에서 어디까지 마음대로 할 수 있나?”

DAPPOS 공식 설명에서는 Bubble Personal이 사용자의 머신에서 explicitly authorized actions만 실행하도록 설계됐다고 밝히고 있습니다.

즉 Personal AI를 구현한다고 해서 사용자의 로컬 환경 전체를 자유롭게 변경하도록 만드는 방향은 아님.

AI가 할 수 있는 일과
사용자가 허용한 일을
구분하려는 구조임.

앞으로 Agent가 브라우저와 파일, 앱까지 직접 다루게 될수록 권한 관리가 AI 성능만큼 중요한 UX가 될 수 있음.

편리함 때문에 통제권까지 포기할 필요는 없기 때문임.

“내 컴퓨터를 사용하는 AI”라고 하면 모든 계산도 내 PC에서 직접 처리한다고 생각하기 쉬움.

그런데 무거운 AI 작업까지 전부 로컬에서 처리하면 성능 문제도 생기고, 위험한 작업 환경까지 사용자 컴퓨터에 만들게 될 수 있음.

DAPPOS는 Bubble Personal에서 heavy compute와 risky operations를 Bubble Cloud 쪽에 유지하고, 처리된 결과를 local workspace로 돌려보내는 구조​를 설명합니다.

즉 역할을 나누는 것임.

내 PC
→ 개인 파일과 실제 사용자 환경

Bubble Cloud
→ 무거운 계산과 격리가 필요한 작업

그리고 필요한 결과만 다시 로컬로 전달함.

Local의 개인화 + Cloud의 연산 능력을 동시에 활용하려는 구조라고 이해하면 쉬움.

Personal AI라고 하면 흔히 “내 취향을 기억해주는 AI”부터 생각함.

그것도 중요하지만 실제 생산성을 바꾸려면 한 단계가 더 필요함.

내 파일을 다루고, 필요한 웹사이트에서 작업하고, 여러 앱과 일정을 연결하고, 결과물을 다시 내가 사용하는 공간에 남길 수 있어야 하기 때문임.

DAPPOS의 Bubble Personal은 그래서 local files, browsers, apps, schedules를 작업 범위로 두면서, 로컬에서는 명시적으로 허용된 행동만 실행하고 무거운 연산이나 위험도가 높은 작업은 Bubble Cloud로 분리하는 방향을 택했습니다.

결국 Personal AI의 다음 단계는

“나를 기억하는 AI”에서
“내가 일하는 환경 안에서 실제 일을 해주는 AI”로 가는 것일 수 있음.

xBubble과 Web3 AI OS가 OS라는 표현을 쓰는 이유를 실사용 관점에서 이해할 수 있는 부분임.