미리캔버스가 AI 3대로 해외 트렌드에서 진짜를 가려내는 법

미리디 디자인옵스팀이 국내외 디자인 트렌드를 자동 탐색·검증하는 AI 에이전트 시스템 '트렌드봇'을 구축한 과정을 담은 글이다. 24시간 변하는 해외 트렌드를 사람이 일일이 추적하는 병목을 해소하기 위해, 역할이 다른 3개 AI 에이전트가 발산·검증·판단을 분담하는 다중 에이전트 구조를 설계했다.

핵심 포인트

탐색 AI(발산), 반박 AI(압축), Judge AI(조율)로 역할을 분리해 단일 모델의 편향이 결과에 그대로 실리는 문제를 구조적으로 줄였다
TikTok·Reddit·YouTube·뉴스 4개 플랫폼에서 정성 맥락 분석과 검색량·언급량·증가세 정량 신호를 병행해 후보를 이중 검증한다
LLM 할루시네이션 억제를 위해 AI마다 역할과 판단 근거를 달리 부여하고, 앞 단계 판단을 뒤 단계 플랫폼 데이터로 재대조하는 파이프라인을 구성했다
최종 후보는 12개 트렌드 유형으로 분류되고 4분면(성장성×활용 가능성)에 매핑돼 출처 URL·판단 근거·파생 키워드와 함께 제공된다
무엇을 실제 템플릿으로 제작할지는 사람이 결정하도록 설계해, 자동화가 판단을 대체하지 않고 인풋을 보강하는 구조로 운영한다

상세 정리

문제 정의: 국내외 트렌드는 여러 채널에서 24시간 생성·확산돼 사람이 모니터링하기에 병목이 심했다. 해외는 언어·플랫폼 장벽으로 발견이 더 늦었다
3 에이전트 분리 이유: AI 1개에 맡기면 특정 채널 노이즈나 최근 데이터 편향이 결과에 조용히 녹아든다. 역할을 나눠 같은 데이터를 다른 시각으로 교차 검증하는 구조를 택했다
발산 단계: 국가·기간·연령·성별·카테고리로 탐색 범위를 먼저 정하고, 세 AI가 독립적으로 후보를 제안·반박·재반론하며 목록을 압축한다
검증 단계: 토론을 통과한 후보를 TikTok·Reddit·YouTube·뉴스에서 정성·정량으로 재검증한다. Judge AI가 급진적 의견엔 제동을, 과도한 보수 판단엔 균형을 맞춰 성장 신호 누락을 방지한다
결론 단계: 메가 트렌드·대세 트렌드·니치 신호 등 12개 유형으로 분류하고 4분면에 시각화한다. 트렌드 순위·플랫폼 분포·워드 클라우드·마인드맵을 함께 제공한다
할루시네이션 억제: AI마다 역할과 우선 근거를 분리하고, 앞 단계 판단을 뒤 단계 데이터로 재대조하는 구조로 단일 오류가 최종 결과에 반영되는 것을 방지한다
사람의 최종 판단 보존: 트렌드봇의 결론은 참고 인풋이며, 실제 제작 여부는 고객·제작 맥락을 아는 담당자가 결정한다

왜 읽나다중 에이전트 LLM 시스템에서 편향과 할루시네이션을 구조적으로 억제하는 설계를 실제 운영 사례로 확인하고 싶은 AI 엔지니어와 DesignOps 실무자에게 유용하다

미리디 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청