국내 서비스 환경에서 본 프로젝트 유형

대형 생활 플랫폼들은 추천, 검색, 상담에 AI를 붙이는 사례가 보도됩니다. 핵심은 상품 데이터 구조와 개인화 로직이 함께 정리돼야 한다는 점입니다. 커머스 사이트에 AI를 붙일 때 자주 걸리는 지점은 데이터 품질입니다. 상품명, 카테고리, 옵션 정보가 일관되지 않으면 추천 결과도 흔들립니다. 그래서 개인화 기능을 넣기 전에 상품 데이터 정리가 선행되는 경우가 많습니다.

• 추천이 흔들릴 때 먼저 확인할 것은 모델이 아니라 상품명·카테고리·옵션의 표기 일관성입니다.
• 상담 자동화는 답변 품질보다 상담 이력을 어떤 형태로 남기는지가 이후 개선 속도를 좌우합니다.
• 개인화를 붙인 뒤에는 추천이 노출되지 않는 상품군이 어디인지 함께 확인해야 합니다.

사내 규정, 매뉴얼, 고객 문의 이력을 다루는 작업이 대표적입니다. 이런 영역은 정확도만큼 접근 권한 관리가 중요합니다. 누가 어떤 문서를 조회할 수 있는지, 답변의 근거를 어떻게 제시할지가 설계 단계에서 정해져야 합니다. 검색 색인 구조와 권한 체계를 함께 설계하는 이유입니다.

조회 범위

직급과 부서별로 어떤 문서가 보이는지 먼저 표로 정리합니다.

근거 제시

답변마다 원문 위치를 함께 보여줄 수 있는지 확인합니다.

문의 이력

고객 문의 이력을 학습에 쓸 경우 비식별 처리 기준을 정합니다.

갱신 주기

규정이 개정될 때 색인이 언제 다시 도는지 운영 절차로 남깁니다.

1. 어떤 채널에서 사용자가 서비스를 만나는지

   웹, 앱, 메신저, 검색 중 첫 접점을 하나로 정하고, 그 접점의 제약 조건을 먼저 적습니다.

2. 어떤 데이터가 오가는지

   수집되는 정보, 저장 위치, 조회 권한을 한 표에 모읍니다. 이 표가 비어 있으면 기술 선택은 시기상조입니다.

3. 실패했을 때 어떻게 처리하는지

   자동 응답이 틀렸을 때 사람이 개입하는 경로와, 그 경로로 넘어가는 조건을 정합니다. 이 세 가지가 정리되면 기술 선택은 그다음 문제입니다.

참고 서비스를 정할 때는 규모보다 구조를 보시길 권합니다. 같은 업종의 대형 사례를 그대로 따라 하면 자사 규모에 맞지 않는 경우가 많습니다. 비슷한 사용자 동선을 가진 중간 규모 사례가 더 유용할 때가 많습니다.