🔭[2024 우아콘 후기 특집] AI 데이터 분석가 '물어보새' 소개 및 실시간 추천 검색어 모델링 사례 공유

안녕하세요 구독자님, DevOps 소식과 기술 지식을 정리해서 공유해드리는 DevOps 여행을 위한 소식지입니다.

10월 30일, 우아한형제들에서 2024 우아콘을 개최했습니다. 저도 이 행사에 참여하게 되어서, 행사 참여 후기와 제가 참석한 세션 내용을 함께 공유드리려고 합니다.

이번 행사는 참여형 트랙을 포함한 총 8가지 트랙으로 구성되고, 각 트랙은 시간별로 6가지 세션으로 나눠지기 때문에, 정말 다양한 주제로 발표가 이뤄졌는데요.

시간대별로 한 가지 세션만 선택해서 참여하는 방식이었지만, 데이터와 AI, 인프라를 주제로 한 관심가는 세션들이 동시간대에 진행되는 경우가 많아서 고르기가 쉽지 않았습니다😅

그렇게 고르고 골라서 참석한 세션이다보니, 발표 내용을 정리한 분량도 꽤 커서 이번 행사 참여 후기 글은 분량을 나눠서 공유하도록 하겠습니다.

🗂️AI 데이터 분석가 '물어보새' 소개

2024 우아콘에서 저는 가장 먼저, 우아한형제들의 내부 AI 기반 데이터 분석 서비스인 물어보새를 소개하는 세션에 참석했었습니다. 이 세션에서는 '물어보새' 서비스를 개발하게 된 계기와, 개발 과정 중에서 마주한 고민들을 어떻게 해결해나갔는지에 대해 발표해주셔서 재밌게 들었는데요.

'물어보새' 서비스는 우아한형제들의 BADA(Baemin Advanced Data Analytics)팀이 내부 구성원들의 데이터 활용 능력을 향상시키기 위해 제공하는 AI 기반의 데이터 쿼리 생성 및 분석 툴이라고 합니다.

'물어보새' 서비스가 탄생했던 계기는 아래와 같은 고민들이었다고 하는데요.

BADA팀 이런 고민들이 생겨난 원인은 구성원들의 데이터 활용 능력이 부족하기 때문이라고 파악했고, 먼저 데이터 리터러시를 아래와 같이 정의했다고 합니다.

그래서 BADA팀은 데이터 기반 의사결정 역량을 강화하면 구성원들의 업무 효율이 증가할 것으로 예상하고, 이를 위해 필요한 아래와 같이 '물어보새'의 기능을 정의했습니다.

이런 배경으로 '물어보새'가 개발되었고, 현재 위 기능 중 데이터 디스커버리와 Text-To-SQL을 서비스 중이라고 합니다.

그렇다면 BADA팀에선 '물어보새 서비스를 구현하기 전에 어떤 요소들을 고려했을까요? 총 4개의 키워드로 나눈 고려 요소는 아래와 같습니다.

BADA팀은 '물어보새'가 개발되는 과정에서도 여러 고민들을 마주했고, 또 해결했다고 하는데요.

이번 세션에서 공유해주신 3가지 고민과 그 해결방식을 정리하면 아래와 같습니다.

고민 1. 우아한형제들에서 어떤 데이터를 어떻게 활용하고 있는지 LLM에게 잘 알려줄 수 있는 방법은?

해결방식:

고민 2. LLM이 다양하고 복잡한 질문들에 대해 더 똑똑하게 답변할 수 있는 방법은?

해결방식:

고민 3. 이 서비스를 편리하게 제공할 방법은?

해결방식:

마지막으로, '물어보새' 향후 방향성에 대해서도 아래와 같이 공유해주셨는데요.

Agentic Analytics

Knowledge Sharing

'물어보새'가 현재는 업무 지원 단계에 있지만, 최종적으로는 '물어보새'가 의사결정을 담당하는 업무 자율화 단계로 거듭나고자 한다는 내용을 마지막으로 이번 세션은 마무리되었습니다.

개발한 서비스를 유지보수하는 것을 넘어서, 더 나은 방법론을 채택하고 더 넓은 영역으로 서비스를 확장하려는 우아한형제들의 고민과 개선 과정이 생생하게 느껴지는 세션이었습니다.

💻실시간 추천 검색어 기능에 적용된 모델링

제가 두 번째로 참여한 세션은, 배달의민족 앱의 추천 검색어 기능에 사용된 모델 적용 기법을 소개하는 자리였습니다.

배달의 민족의 여러 핵심 페이지를 소개하는 내용을 시작으로, 추천 검색어 기능을 도입하게된 계기인 퀵 커머스(Quick Commerce)에 대해 공유해주셨는데요.

퀵 커머스란 1시간 이내에 원하는 장소에서 원하는 상품을 배송받는 서비스를 의미하며, 퀵 커머스의 특징은 아래와 같이 정리할 수 있습니다.

이런 배경에서 '만약 원하는 검색어를 타이핑 없이 클릭만으로 검색 가능하다면 편리하지 않을까?'란 생각을 시작으로 추천 검색어 기능이 도입되었다고 합니다.

추천 검색어 기능에 대한 소개 다음으로, 추천 검색어에 사용된 2가지 모델 적용 기법인 Batch와 Real-Time에 대해 공유해주셨는데요. 각 모델링 기법을 정리하면 아래와 같습니다.

Batch

Real-Time

사용자의 앱 사용 시점별로 적절한 모델을 사용하여 추천 검색어 기능을 구현한 덕에, Batch 모델로 인한 CTR(Click-Through Rate, 클릭률) 개선율은 64%, Real-Time 모델로 인한 CTR 개선율은 134%를 기록했다고 하는데요. 각 모델 적용으로 눈에 띄는 변화가 있었기 때문에 유효한 개선을 이뤄냈다고 평가하셨습니다.

해당 세션에서는 추천 검색어 기능에 적용되는 모델링 기법에 대해 기술적인 부분을 자세히 설명해주셨는데요. 비록 제가 관련 지식이 깊지 않아 모두 이해하기는 어려웠지만, 사용자의 앱 사용 시점에 따라 다른 모델링 기법을 적용하여 성과를 낸 점이 인상깊었던 세션이었습니다.

🔭마치며...

직접 참석한 우아콘은 이번 연도가 처음이었는데요. 흥미로운 주제의 세션으로 가득해서 컨퍼런스가 끝날 때까지 시간 가는 줄 몰랐고, 각 세션마다 기대 이상으로 많은 인사이트를 얻을 수 있어 즐거운 시간이었습니다.

혹시 이번 내용 관련해서 더 궁금한 점이 있으시다면 아래 메일리 댓글 남겨주세요.😀

그럼, 다음 소식지에서 보다 알차고 흥미로운 내용으로 찾아뵙겠습니다.

오늘도 감사합니다, 구독자님 😺

🔗References

DevOps와 클라우드 관련 기술 지식을 공유하는 블로그도 운영 중입니다 :)

🔭DevOps 여행을 위한 안내서