텐센트 ima: 검색, 읽기, 쓰기를 하나의 AI 워크스페이스에 담다

텐센트가 최근 ima라는 제품을 전면에 내세웠습니다. 공식적인 설명은 '지능형 워크스페이스'지만, 뜯어보면 아주 소박합니다. 검색, 읽기, 쓰기라는 원래 각기 다른 소프트웨어에 흩어져 있던 세 가지 일을 하나의 창에 모은 것입니다. 내부에서는 훈위안과 DeepSeek의 듀얼 엔진이 돌아가고, 겉으로는 Windows와 Mac 클라이언트에 위챗 미니프로그램까지 더해지며, 데이터는 여러 기기 사이에서 동기화됩니다.

이런 제품의 가치는 한 줄의 홍보 문구로 설명하기 어렵습니다. 어떤 동작을 짧게 만들어주는지를 봐야 합니다. 예전에는 자료를 찾고, 긴 글을 읽고, 다시 요약을 쓰려면 브라우저와 리더, 노트 앱 사이를 계속 오가야 했습니다. ima가 하려는 것은 사람들이 더 이상 그렇게 오가지 않게 만드는 것입니다.

중국산 AI 워크스페이스가 같은 자리를 노린다

이 카테고리를 펼쳐 보면 모두가 '진입점'에 몰려드는 것을 알 수 있습니다. 사용자가 가장 먼저 자신을 열게 만드는 쪽이 이후의 리텐션을 가져갑니다. 검색에서 출발한 서비스는 Q&A를 결과 페이지에 넣으려 하고, 노트에서 출발한 서비스는 AI를 편집기에 밀어 넣으려 하며, 위챗 공식계정 생태계의 제품은 위챗을 빌려 사용 빈도를 끌어올리려 합니다.

ima의 선택은 '지식'에 무게를 두는 것입니다. 한쪽은 공개 정보의 검색, 다른 한쪽은 개인 자료의 축적, 그 사이를 copilot으로 연결합니다. 텐센트가 신규 사용자에게 주는 크레딧은 가입 시 500포인트의 연산량을 주고 이후 매일 100포인트를 채워주는 방식인데, 이 설계는 하나의 신호를 드러냅니다. 즉, 가끔 한 번 쓰는 장난감이 아니라 매일 열게 되는 제품이기를 바란다는 것입니다.

한 사람이 일하는 전 과정

진짜 격차를 만드는 것은 대개 단일 기능의 역량이 아니라 흐름이 얼마나 완결되어 있느냐입니다. 아이디어가 들어오면 자료가 나가고, 자료가 들어오면 초안이 나가고, 초안이 들어오면 완성된 글이 나갑니다. 어느 한 고리가 끊기면 사용자가 직접 이어 붙여야 하고, 이른바 '워크스페이스'는 또 하나의 대화창으로 퇴화합니다.

ima가 검색, 읽기, 쓰기를 하나의 인터페이스에 넣은 것은 본질적으로 한 가지에 걸고 있는 것입니다. 사용자가 '한 번 덜 전환하는 것'에 기꺼이 비용을 지불한다는 것입니다. 이 도박은 특히 모바일에서 두드러집니다. 미니프로그램 버전은 휴대폰에서도 즉석에서 영감을 적고 바로 한마디 더 물어볼 수 있게 하고, 데스크톱은 큰 화면이 필요한 무거운 작업을 맡으며, 두 쪽이 동기화됩니다. 이 조합은 중국 사용자의 실제 사용 습관에 더 가깝습니다.

그것이 해결하지 못한 몇 가지 문제

첫째는 신뢰의 경계입니다. 검색과 개인 문서, 생성된 콘텐츠가 뒤섞이면 사용자는 어떤 결론이 어디서 왔는지 구분하기 어렵습니다. 출처 표기를 아무리 세밀하게 해도 모델이 각색하고 이어 붙이기 시작하면 추적은 여전히 힘겹습니다. 둘째는 이전 비용입니다. 개인 지식 베이스는 락인(lock-in)을 가장 두려워합니다. 데이터를 넣지도 빼지도 못하면 사용자는 정말 중요한 것을 넣기를 꺼립니다.

셋째는 동종 경쟁입니다. 이 트랙은 이미 매우 붐빕니다. 오피스 스위트부터 대규모 모델 기업, 노트 앱을 만드는 오랜 도구까지 누구도 진입로를 내주려 하지 않습니다. ima는 현재로서는 기존 역량을 재조립한 제품에 더 가깝지, 이것이 아니면 안 되는 이유는 아닙니다. 성공할 수 있을지는 copilot의 '사용자 습관 학습' 메커니즘이 정말로 사용을 매끄럽게 만드는지, 아니면 길들여야 하는 블랙박스 한 겹을 더하는지에 달려 있습니다.

왜 '손에 익는 것'이 '강력한 것'보다 어려운가

모델 성능을 최강으로 만드는 것은 실험실의 과제이고, 제품을 손에 익게 만드는 것은 제품 팀의 과제입니다. 이 두 가지는 어려움의 지점이 완전히 다릅니다. 전자는 연산력과 데이터에 기대고, 후자는 구체적인 사용 장면에 대한 이해에 기댑니다. 워크스페이스가 실제로 쓰이려면 사소하지만 치명적인 질문에 답해야 합니다. 실행 속도가 충분히 빠른가, 입력창이 내용을 가리지 않는가, 기록을 한눈에 찾을 수 있는가, 쓰다 만 것이 사라지지 않는가.

이런 문제는 어느 것 하나 '더 강한 모델'로 해결할 수 없습니다. 이것들은 워크플로에 대한 배려의 정도를 시험합니다. 중국산 AI 제품이 지난 1~2년 사이 맞은 가장 큰 전환점이 바로 여기에 있습니다. 누구의 모델 점수가 높은지를 겨루는 데서, 누구의 경험이 더 촘촘하게 꿰매어졌는지를 겨루는 쪽으로 말입니다. 사용자의 전환 비용은 높지만, 어떤 도구가 정말로 매일 30분을 아껴준다면 그들은 남아서 데이터를 맡길 것입니다.

이것이 '워크스페이스'라는 단어를 따져볼 만한 이유이기도 합니다. 워크스페이스는 기능의 적층이 아니라, 일련의 동작을 하나의 경로로 용접하는 것입니다. 기능은 복제할 수 있지만 경로는 어렵습니다. 자료 찾기에서 완성 원고까지 이어지는 사슬을 가장 매끄럽게 걷게 하는 쪽이 진입점을 지킵니다. ima는 이 선 위에 서 있습니다. 놀라움을 추구하지 않고, 쓰이기를 추구합니다.

주목할 만한 지점

중국산 AI 앱에서 지난 2년간 나타난 뚜렷한 변화 하나는 '실력 자랑'에서 '손에 익음 겨루기'로 옮겨간 것입니다. 누구의 모델 벤치마크 점수가 높은지는 사용자가 사실 크게 체감하지 못합니다. 하지만 마우스를 몇 번 덜 클릭하고, 몇 단락 덜 복사·붙여넣기하는 것은 그날 바로 느낄 수 있습니다.

또 다른 신호는 듀얼 엔진입니다. 훈위안과 DeepSeek의 조합은 텐센트가 자사 모델만 고집하지 않는다는 것을 보여줍니다. 사용자에게 중요한 것은 어느 회사의 모델인지가 아니라, 안정적이고 저렴하며 빠르게 작업을 끝내주는지입니다. 이런 실용주의는 중국 내 제품에서 점점 흔해지고 있으며, 어느 정도는 애플리케이션층의 경쟁이 결국 파라미터가 아니라 경험으로 돌아가는 이유를 설명해줍니다.

쓸지 말지는 평소 당신의 업무 방식이 '정보 집약형'인지에 달려 있습니다. 일상이 자료 더미에서 단서를 찾고 그 단서를 글로 쓰는 것이라면, 이런 도구가 아껴주는 시간은 계량화할 수 있습니다. 가끔 한마디 물어보는 정도라면, 그것은 어떤 채팅 진입점과도 본질적 차이가 없습니다. 도구 자체의 경계는 흔히 사용자 요구의 경계입니다.