ActionModel

ActionModel은 커뮤니티 소유의 거대 행동 모델(LAM, Large Action Model) 개발을 목표로 하는 탈중앙화 인공지능 프로젝트입니다. 이 플랫폼은 그래픽 사용자 인터페이스(GUI)와 상호작용하여 디지털 작업을 수행하도록 설계되었으며, 브라우저 확장을 통해 학습 데이터를 제공하는 사용자에게 보상을 제공하는 것을 목표로 합니다.^[2]​

개요 (Overview)

ActionModel은 대형 기술 기업이 통제하는 중앙 집중식 AI 시스템에 대한 탈중앙화된 대안으로 개발되고 있습니다. 이 프로젝트의 핵심 개념은 AI 모델 학습에 사용되는 데이터를 제공하는 개인이 해당 모델이 창출하는 가치의 지분을 가져야 한다는 것입니다. 이 시스템은 브라우저 확장을 통해 페이지 구조를 관찰함으로써 컴퓨터 기반 작업을 수행하는 방법을 학습하도록 설계되었습니다. 이러한 접근 방식을 통해 모델은 애플리케이션 프로그래밍 인터페이스(API)에 대한 접근 권한 없이도 다양한 웹사이트와 애플리케이션에서 작업을 자동화할 수 있습니다.

생태계의 세 가지 핵심 제품은 브라우저 확장 프로그램, Actionist, 그리고 ActionFi입니다. ActionFi는 디지털 제품의 발견, 테스트 및 참여를 포함하여 파트너 플랫폼에서 온라인 작업을 완료하는 것에 대한 보상을 제공합니다.^[12] 프로젝트 측은 모델이 Foundation에 의해 소유되며, 재단은 $LAM 토큰 홀더들이 소유한다고 명시하고 있습니다. 또한 기여자들이 학습을 통해 $LAM을 획득하고 시스템에서의 지분을 늘리는 것으로 설명합니다.^[12]​

프로젝트의 장기적인 비전은 기여자와 사용자 커뮤니티가 소유하고 관리하는 "인터넷의 자동화 계층"을 구축하는 것입니다. 토큰은 생태계 내 서비스 이용을 위한 유틸리티 수단이자, 홀더들이 플랫폼의 개발 및 향후 방향에 관한 주요 결정에 참여할 수 있도록 하는 거버넌스 도구 역할을 하도록 의도되었습니다. 이 생태계는 사용자 기여가 AI를 개선하고, 이것이 다시 커뮤니티가 활용할 수 있는 더 강력한 자동화 도구를 가능하게 하는 선순환 구조로 설계되었습니다.

제품 (Products)

ActionModel 생태계는 데이터 기여, 작업 자동화 및 보상형 온라인 작업을 위해 설계된 세 가지 핵심 제품을 중심으로 구축되었습니다.^[12]​

ActionModel 브라우저 확장 프로그램 (ActionModel Browser Extension)

ActionModel 브라우저 확장 프로그램은 거대 행동 모델(LAM) 학습에 기여하기 위한 도구 역할을 합니다. 데이터 기여에는 두 가지 모드가 있습니다. 자동으로 학습을 지원하는 *수동적 학습(Passive Training)*과, 사용자가 의도적으로 특정 워크플로나 작업을 기록하여 복잡한 다단계 프로세스에 대한 고품질의 라벨링된 데이터를 생성하는 *능동적 학습(Active Training)*입니다. 참여자는 자신의 기여에 대해 토큰을 받으며, 이는 AI 학습에 대한 커뮤니티 주도적 접근 방식을 반영합니다. ActionModel은 개인 데이터가 수집되거나 저장되지 않으며, 학습은 개인적인 콘텐츠가 아닌 페이지 구조로부터 이루어진다고 명시하고 있습니다.

사용자는 학습 설정을 선택하고, 웹사이트나 트래픽 유형을 차단(block)하거나, 언제든지 학습을 일시 중지할 수 있습니다.^[12] 이 확장 프로그램은 간편한 설치와 백그라운드 실행이 가능하도록 설계되었습니다.^[2]​^[9]​

Actionist

Actionist는 코딩 지식 없이도 컴퓨터 기반 작업을 자동화할 수 있도록 설계된 ActionModel의 주력 데스크톱 애플리케이션입니다. 사용자의 마우스, 키보드 및 화면을 제어하여 인간 사용자와 유사하게 디지털 활동을 수행하는 방식으로 작동합니다. 이 플랫폼은 메모리, 이력 추적 및 외부 도구와의 통합을 지원하며, 일정에 따라 워크플로를 실행하는 AI 에이전트(AI agents)를 생성할 수 있게 해줍니다.^[10]​

ActionFi

ActionFi는 파트너 플랫폼에서 온라인 작업을 완료하는 사용자에게 보상을 제공합니다. 작업에는 디지털 제품의 발견, 테스트 및 참여가 포함되며, 프로젝트는 사용자가 디지털 제품 및 기업을 위한 작업을 완료하는 동안 ActionFi가 거대 행동 모델의 학습을 돕는다고 설명합니다.^[12]​

핵심 기능 (Core Features)

• 에이전트 및 워크플로 (Agents & Workflows): 마케팅, 영업, 인사, 운영 등 부서별로 특화된 AI 에이전트(AI agents)를 생성합니다. 워크플로는 에이전트가 정밀하게 실행할 수 있는 자동화된 작업을 구축하거나 가져옵니다.^[4]

• 캘린더 (Calendar): 교대 근무 관리와 유사하게 지정된 시간에 자동화가 실행되도록 예약합니다.^[5]

• 메모리 (Memory): 에이전트 메모리는 AI 에이전트가 시간의 흐름에 따라 정보와 맥락을 유지할 수 있게 해주는 ActionModel 내의 기능입니다. 이는 영구적인 지식 베이스 역할을 하여, 이전 상호작용, 사용자 선호도 및 교차 플랫폼 관계를 기반으로 자동화가 적응할 수 있도록 합니다. 이 기능을 통해 에이전트는 고립된 작업을 수행하는 수준을 넘어 축적된 지식을 바탕으로 맥락을 인식하는 프로세스를 실행할 수 있게 됩니다.^[6]
• 이력 (History): 에이전트 이력은 AI 에이전트가 수행한 모든 행동을 기록하고 추적하는 ActionModel 내의 모니터링 및 투명성 기능입니다. 전체 감사 추적을 제공하여 사용자가 자동화된 워크플로를 검토, 분석 및 검증할 수 있게 합니다. 이 시스템은 의사 결정 프로세스에 대한 상세한 가시성을 제공하여 디버깅, 성능 평가 및 컴플라이언스 관리를 지원합니다.^[7]
• 도구 통합 (Tool Integration): ActionModel의 도구 통합 기능을 통해 AI 에이전트는 복잡한 자동화 작업을 수행하기 위해 광범위한 디지털 도구에 접근하고 활용할 수 있습니다. 여기에는 웹 스크래핑, API 상호작용, 파일 관리 및 컴퓨터 비전과 같은 기능이 포함됩니다. 에이전트를 외부 도구 및 시스템과 연결함으로써 다양한 플랫폼에서 더욱 다재다능하고 효율적인 작업 실행이 가능해집니다.^[8]

활용 사례 (Use Cases)

• 개인적 용도: 이 플랫폼은 게시물 예약 작성을 통한 소셜 미디어 계정 관리, 여행 일정 계획 및 예약, 온라인 입사 지원서 자동 작성, 전자상거래 웹사이트 가격 변동 모니터링, 이메일 수신함 정리 등 개인의 일상적인 작업 자동화를 돕는 것을 목표로 합니다.
• 비즈니스 용도: 비즈니스 애플리케이션의 경우, ActionModel은 데이터 입력과 같은 반복적인 작업을 처리하고, API가 없는 서로 다른 소프트웨어 플랫폼에 걸친 복잡한 다단계 프로세스를 실행하며, 효율성 향상을 위해 반복되는 운영 작업을 예약하도록 설계되었습니다.
• 기업용 용도: 기업 수준에서 플랫폼의 Cloud VPC 모드는 데이터 처리, 시스템 모니터링 및 품질 보증(QA) 테스트와 같은 대규모 자동화를 수행하기 위해 지속적으로 실행될 수 있는 AI 에이전트(AI agents) 군단을 배치할 수 있도록 의도되었습니다.

아키텍처 (Architecture)

ActionModel의 기술 아키텍처는 AI가 작업을 학습하고 실행하는 방식을 규정하는 두 가지 독점적인 개념을 기반으로 합니다.

액션 루프 (The Action Loop)

액션 루프는 LAM이 주어진 작업을 수행하기 위해 사용하는 근본적이고 순환적인 프로세스입니다. 이 프로세스는 최종 목표가 달성될 때까지 반복되는 네 가지 뚜렷한 단계로 구성됩니다.

1. 화면 보기 (View Screen): AI는 먼저 현재 화면 상태를 캡처하고 분석하여 맥락을 이해하고, 버튼이나 입력 필드와 같은 사용 가능한 상호작용 요소를 식별하며, 애플리케이션의 전반적인 레이아웃을 평가합니다.
2. 결정 (Decide): 학습 데이터와 현재 목표를 바탕으로 모델은 다음에 취할 최적의 행동을 결정합니다. 이는 특정 버튼을 클릭하거나, 필드에 텍스트를 입력하거나, 페이지를 스크롤하는 것 등이 될 수 있습니다.
3. 행동 (Action): AI는 마우스 커서나 키보드를 직접 제어하여 선택한 GUI 행동을 실행합니다.
4. 루프 (Loop): 행동이 수행된 후, 시스템은 화면의 변화를 관찰하여 결과를 확인한 다음 다시 "화면 보기" 단계부터 사이클을 시작하며, 작업이 완료될 때까지 이 과정을 계속합니다.^[10]

액션 트리 (The Action Tree)

액션 트리는 웹사이트와 애플리케이션의 디지털 환경 전반에 걸쳐 가능한 모든 사용자 행동과 워크플로의 포괄적인 지도를 나타내는 개념적 프레임워크입니다. 이 "지도"는 "액션 브랜치(Action Branches)"라고 불리는 사용자 기여로부터 수집된 데이터를 통해 구축되고 지속적으로 확장됩니다.

각 기여는 트리에 새로운 경로를 추가하거나 기존 경로를 정교화합니다. 더 많은 사용자가 다양한 애플리케이션에서 데이터를 기여함에 따라 액션 트리는 더 크고 상세해지며, 이는 결과적으로 LAM이 점점 더 다양하고 복잡한 작업을 더 높은 정밀도와 신뢰성으로 탐색하고 실행할 수 있게 합니다.^[11]​^[1]​

토크노믹스 (Tokenomics)

ActionModel 생태계의 네이티브 유틸리티 및 거버넌스 토큰(governance token)은 $LAM으로 지정됩니다. 이 토큰은 플랫폼의 경제 모델, 가치 분배 및 탈중앙화 거버넌스 구조의 핵심이 되도록 설계되었습니다.

할당 (Allocation)

• 창작자 배분 (Creator Distribution): 33%
• 소각 (Burn): 34%
• 생태계 (Ecosystem): 33%^[3]

토큰 유틸리티 (Token Utilities)

• 액션 연료 (Action Fuel): Actionist 앱을 통해 LAM이 수행하는 모든 행동은 소량의 $LAM 토큰을 소비하도록 의도되어, 플랫폼 사용과 연계된 지속적인 수요원을 창출합니다.
• 학습 보상 (Training Rewards): 브라우저 확장 프로그램을 실행하여 모델 학습을 위한 데이터를 기여하는 사용자는 참여에 대한 보상으로 $LAM 토큰을 받습니다.
• 마켓플레이스 수익 (Marketplace Revenue): 플랫폼의 마켓플레이스에서 자동화 워크플로를 구축하고 판매하는 창작자는 $LAM 토큰으로 수익을 얻게 됩니다.
• 거버넌스 권한 (Governance Rights): $LAM 보유는 사용자에게 플랫폼 개발, 재무 관리 및 전반적인 거버넌스와 관련된 주요 제안에 대한 투표권을 부여하도록 의도되었습니다.
• 소각 메커니즘 (Burn Mechanism): 토크노믹스(tokenomics) 모델에는 인플레이션 억제를 위한 소각 메커니즘이 포함되어 있습니다. "액션 연료"로 사용된 $LAM 토큰의 일부는 영구적으로 유통에서 제거될 계획이며, 이는 시간이 지남에 따라 총 공급량을 줄이기 위한 것입니다.^[1][11]

거버넌스 (Governance)

이 프로젝트의 목표는 $LAM 토큰 보유자가 의사 결정 프로세스에 적극적으로 참여할 수 있는 탈중앙화 거버넌스 모델을 구현하는 것입니다. 이 구조는 사용자 및 데이터 기여자 커뮤니티가 프로토콜 업그레이드 및 기능 개발을 포함한 ActionModel 플랫폼의 미래 방향에 직접적인 영향력을 행사할 수 있도록 하기 위함입니다.