AI 개발 도구와 세션 기반 아이템 그래프를 활용한 i2i 추천 모델 개선
GS SHOP 앱에는 백 여개에 달하는 추천 영역이 고객 탐색 경험을 돕고 있습니다. 고객의 쇼핑을 더 빠르고 편리하게 도와줄, 추천 알고리즘 개선 프로젝트에서 AI 개발 도구의 생산성을 활용해 돌파구를 찾고 성과를 만들어 낸 경험을 공유드립니다. 안녕하세요, GS 리테일 검색추천파트의 최원일입니다. 2025년 GS 리테일에 합류해 추천 시스템 전면 재구축…
GS SHOP 앱에는 백 여개에 달하는 추천 영역이 고객 탐색 경험을 돕고 있습니다. 고객의 쇼핑을 더 빠르고 편리하게 도와줄, 추천 알고리즘 개선 프로젝트에서 AI 개발 도구의 생산성을 활용해 돌파구를 찾고 성과를 만들어 낸 경험을 공유드립니다. 안녕하세요, GS 리테일 검색추천파트의 최원일입니다. 2025년 GS 리테일에 합류해 추천 시스템 전면 재구축…
목차 [ AI-DLC 사례 1: 검색 ] AI-DLC로 3일, 뷰티 자연어 검색을 만드는 여정 [ AI-DLC 사례 2: 추천 ] AI로 코딩은 빨라졌는데, 왜 실험은 여전히 어려웠을까? AI로 코딩은 빨라졌는데, 왜 실험은 여전히 어려웠을까? AI-DLC에서 시작한 3일간의 추천 실험 앞선 글에서 검색 과제팀은 3일 만에 자연어 검색을 구현해봤습니다. 그…
목차 [ AI-DLC 사례 1: 검색 ] AI-DLC로 3일, 뷰티 자연어 검색을 만드는 여정 [ AI-DLC 사례 2: 추천 ] AI로 코딩은 빨라졌는데, 왜 실험은 여전히 어려웠을까? 개요 GS SHOP에 고객과 대화하며 상품을 찾아주는 서비스를 준비중에 있습니다. 기존 검색 서비스에서는 고객이 "샴푸", "손상모 샴푸"처럼 짧은 검색어를 입력했다면,…
GIGO, 그런데 우리 건 차원이 다르다 RAG에는 오래된 격언이 있다. "쓰레기를 넣으면 쓰레기가 나온다(Garbage In, Garbage Out)." 그런데 사내 지식은 — 쓰레기인지 아닌지조차 애매했다. 작년에 폐기된 규정인데 멀쩡해 보이는 문서, 부서마다 다르게 부르는 용어, 같은 내용이 세 군데에 흩어진 중복, 그리고 절대 새어 나가면 안 되는…
우리가 만든 앱, 그리고 폐기한 앱 솔직히 고백하면 — 우리는 모바일 앱을 만들었다. 포털도 만들었다. 그리고 폐기했다. 이유는 단순하고 아팠다. 사용자는 우리 앱에 안 들어왔다. 이미 Teams에 살고 있었다. 좋은 지식 AI를 만드는 것과, 사용자가 그걸 쓰게 만드는 것은 완전히 다른 일이었다. 멋진 새 집(앱)을 지었는데, 사용자는 이사 올 생각이 없…
정확도 1.0, 그런데 남은 질문 1부에서 정확도 1.0을 냈다. 에이전트가 KB를 정확히 고르고, 권한 안에서, 근거를 재정렬해서 답했다. 그런데도 사용자는 여전히 나쁜 경험을 겪었다. 이유는 하나였다 — "검색이 맞았는가"와 "이 사람에게 답이 됐는가"는 다른 질문 이기 때문이다. 이 구분을 실감 나게 보여주는 비교 대상이 하나 있다. 좋은 비교 대상,…
사서가 필요했다 2탄까지 — 지식은 통합 컬렉션에 잘 저장되고, 권한대로 안전하게 조회된다. 그런데 한 가지가 끈질기게 남았다. "이 질문은 어느 KB를 봐야 하지?" per-KB 시절엔 사람이 골라줬다. "그건 인사 KB에 물어보세요." 새 KB가 끝없이 추가되는 환경에서, 이 수동 선택은 곧 한계에 부딪혔다. 게다가 사용자는 한 줄로 묻지 않는다. "지…
통합의 청구서 1탄 에서 우리는 KB마다 따로 있던 컬렉션을 하나로 합쳤다. 컬렉션 폭증은 사라졌고, 끝없이 늘어나는 지식에 드디어 대응이 됐다. 그런데 합쳐진 건 컬렉션만이 아니었다 — 격리도 같이 합쳐졌다. per-KB 컬렉션 시절엔 격리가 _공짜_였다. 인사 KB는 인사 컬렉션에만 있으니, 다른 컬렉션을 안 보면 그만이었다. 물리적인 벽. 그런데 모든…
종합 공구 상자와, 내가 필요했던 전동 드릴 처음 사내에 RAG를 붙였을 때, 우리의 벡터 DB는 AWS OpenSearch 였다 — 처음 도입한 1세대 지식 솔루션이 고른 선택이었다. 좋았다. 진심으로. 색인 만들고, 임베딩 넣고, k-NN 한 번 던지면 — 끝이었다. "이거면 되네?" 싶었다. OpenSearch도, 그 뿌리인 Elasticsearch도…
시리즈 목차 Part 1. 쇼핑에 영상을 더하다: GSSHOP 숏픽 추천 알고리즘 진화기 Part 2. 쇼핑에 영상을 더하다: 영상을 '이해'하기 시작하다 Part 3. 쇼핑에 영상을 더하다: 이해한 영상을 추천으로 연결하기 고객이 워킹화 숏폼을 클릭했을 때, 추천 시스템은 무엇을 기록했을까요? 아마 이렇게 남겼을 겁니다. "운동화 선호". 맞는 말이긴 한…
시리즈 목차 - Part 1. 쇼핑에 영상을 더하다: GSSHOP 숏픽 추천 알고리즘 진화기 - Part 2. 쇼핑에 영상을 더하다: 영상을 '이해'하기 시작하다 - Part 3. 쇼핑에 영상을 더하다: 이해한 영상을 추천으로 연결하기 지난 포스팅 (Part 1) 에서 저희는 MAB 기반의 숏픽 추천 시스템을 소개했습니다. 카테고리, 브랜드, 상품명 같은…