Voker, 의도/수정/해결 프리미티브를 갖춘 에이전트 분석 플랫폼 출시

YC S24 스타트업인 Voker.ai가 AI 에이전트에 특화된 분석 플랫폼을 출시했습니다. 핵심 제품은 OpenAI, Anthropic, Gemini의 LLM 호출을 감싸는 경량 SDK(Python 및 TypeScript)로, 대화 데이터를 자동 수집하고 의도(Intents), 수정(Corrections), 해결(Resolutions) 세 가지 기본 요소에 주석을 답니다.

기능

Voker는 LLM 호출을 처리하여 사용자 목표(의도)를 자동 분류하고, 사용자가 에이전트를 수정하는 경우(수정)를 감지하며, 에이전트가 의도를 해결하는 시점(해결)을 측정합니다. 그런 다음 데이터 엔지니어링에 LLM을 사용하지 않고 계층적 텍스트 분류를 통해 이를 동적 카테고리로 집계하여, 제품 팀이 개별 트레이스를 읽지 않고도 셀프 서비스 인사이트를 얻을 수 있도록 합니다.

출시 주요 내용

• SDK 통합: 두 줄로 설치 가능: pip install voker 및 LLM 제공자 감싸기(예: from voker.ai.provider_openai import OpenAI).
• LLM 스택 무관: OpenAI, Anthropic, Gemini, Langchain, CrewAI, Vercel AI SDK와 호환.
• 가격: 무료 티어 — 월 2,000 이벤트(이메일 가입 필요). 유료 플랜은 월 80달러부터 시작하며 30일 무료 체험 제공.
• 데이터 엔지니어링 철학: Voker는 일관되고 재현 가능하며 정확한 통계를 보장하기 위해 핵심 데이터 처리에 LLM 사용을 명시적으로 피합니다. 공동 창업자는 로그를 ChatGPT에 업로드하면 과적합되거나 일관성 없는 인사이트가 나오는 경우가 많다고 지적합니다.

등장 배경

YC 창업자 대상 설문조사에 따르면, 90% 이상이 에이전트 실패를 사용자 불만을 통해서만 알 수 있다고 답했습니다. 기존 도구는 한계가 있습니다: 관측 가능성 도구(예: Langfuse, Langsmith)는 트레이스 디버깅에는 좋지만 비엔지니어가 접근하기 어렵고; 평가는 알려진 문제를 테스트하지만 예상치 못한 트렌드를 놓치며; 전통적인 분석 도구(PostHog, Mixpanel)는 비정형 대화 데이터에 적합하지 않습니다.

대상 사용자

복잡한 다중 턴 상호작용이 있는 대화형 에이전트를 월 1,000회 이상 실행하는 팀으로, 제품 관리자, 엔지니어, 분석가 등 교차 기능 팀이 셀프 서비스로 인사이트를 얻을 수 있어야 하는 경우.