#서비스기획 - AI 기초 이해하기
✅ AI의 주요 기술적 구성요소
1. 머신러닝(Machine Learning)
데이터를 바탕으로 알고리즘이 스스로 학습하여 패턴을 찾는 기술
예. 메일 스팸 필터, 넷플릭스의 콘텐츠 추천, 온라인 쇼핑몰의 맞춤형 상품 추천
2. 딥러닝(Deep Leaning)
인공 신경망(Neural Network)을 기반으로 한 머신러닝의 일종으로, 인간 뇌 구조를 모방한 계층적 학습 방식
예. ChatGPT, 자율주행 자동차, 얼굴 인식 기술
3. 자연어 처리(NLP, Natural Language Processing)
인간이 사용하는 언어를 이해하고 생성하는 기술
예. ChatGPT, 자동번역기, AI 챗봇
✅ AI 학습의 주요 방식
1. 지도학습(Supervised Learning)
입력과 정답을 미리 알려주고 학습하는 방식
예. 이미지 분류(개와 고양이 이미지 구분), 스팸 메일 분류 등
2. 비지도 학습(Unsupervised Learning)
입력된 데이터의 숨겨진 구조나 패턴을 스스로 발견하는 방식
예. 고객 세분화, 이상탐지(카드 부정사용 탐지), 군집 분석
3. 강화학습(Reinforcement Learning)
보상(reward)을 통해 AI가 스스로 최적의 행동을 찾아 학습하는 방식
예. 게임 AI, 자율주행 차량 제어, 로봇 제어 등
연결된 개념 함께 이해하기
1. 백터 임베딩(Vetor Embedding)
텍스트, 이미지, 오디오 등 복잡한 데이터를 수치회된 고차원의 공간에 위치시키는 과정
데이터 간 의미적 관계와 유사도를 유지
일반적인 관계형 데이터베이스(RDBMS)와 달리, 데이터 간의 유사도를 측정하고 검색하는데 특화
2. 시멘틱 서치(Semantic Search)
시멘틱 서치는 사용자의 검색 의도(Intent)와 의미(Context)를 파악하여 정확한 정보를 찾아주는 검색 방식
기존의 키워드 기반 검색과 달리, 의미적 유사성을 기반으로 결과 제공
예. 검색 엔진, 고객센터 자동화 챗봇
3. 근사 최근접 이웃 탐색(Approximate Nearest Neighbor; ANN)
고차원 벡터 공간에서 유사성을 빠르게 찾기 위한 알고리즘
벡터 DB의 핵심 기술 중 하나
4. 자연어처리(NLP) 모델
시멘틱 서치에 활용되는 핵심 AI 모델(BERT, GPT, LLaMA 등)
텍스트를 의미적으로 풍부한 벡터로 변환
5. 파이라인 구조
[텍스트 입력] > [NLP 모델로 임베딩 생성] > [백터 DB 저장] > [검색 요청(쿼리) 발생] > [쿼리 백터화] > [벡터 DB 내 유사도 검색] > [결과 출력]
🔥 AI 기술의 핵심 기준
AI 기술이라고 부를 수 있는 가장 큰 중요한 기준은 바로 '학습(Learning)'과 '적응(Adaptation)' 능력의 존재 여부다.
즉, 스스로 데이터를 통해 학습하고, 그 학습을 통해 예측하거나 행동을 최적화하는 능력을 갖췄느냐 아니냐가 핵심 기준이다.
일반 상품 추천 vs AI 상품 추천
| 구분 | 일반 상품 추천(Rule-based 추천) | AI 상품 추천(ML 기반 추천) |
| 작동방식 | 사람이 미리 정한 규칙에 따라 상품 추천 (ex. 인기상품, 판매순, 최근 등록상품) |
AI가 고객 데이터를 기반으로 스스로 학습하여 개인화 추천 |
| 데이터 활용 | 데이터 활용 방식이 정적이고 고정적 | 데이터를 지속적으로 학습하고 패턴을 찾아 추천을 동적으로 변경 |
| 개인화 정도 | 개인화가 제한적이거나 낮음 (대부분 동일한 추천 결과 제공) |
개인마다 다르게 나타나는 높은 수준의 개인화 추천 |
| 적응성 및 유연성 | 환경이나 소비자 취향 변화에 느리게 대응 | 환경 및 고객 취향 변화에 실시간 또는 빠르게 대응 |
| 운영 비용과 복잡성 | 운영이 쉽고 저비용, 빠른 구축 가능 | 운영은 복잡하지만 더 효과적이고 정확한 추천 가능 |
AI 상품 추천이 가지는 본질적 차이는 다음과 같다.
"데이터를 통한 학습"과 "적응적이고 지속적 개선"이 가능하다는 점엥서 큰 차이가 있다.
AI 추천은 시간이 지날수록 더 정확하고 개인화된 결과를 제공하지만,
일반 추천은 고정적이고 사람이 정의한 규칙을 넘어설 수 없다.
즉, AI 추천은 '고객 맞춤형'이라는 가치를 만들어 낼 수 있다는 것이 핵심 차별화 포인트이다.
AI 시대가 이미 도래한 것 같다. chatGPT를 처음 유료로 결제하고 사용한 날은 아이폰을 처음 쓴 날과 비슷한 충격을 받았다.
이전에도 네이버보단 구글에서 더 많이 검색을 이용했지만, 지금은 구글 조차 이용하지 않는다.
주변 AS 센터를 찾는 것부터 맛집을 추천 받는 것까지 모두 chatGPT를 사용한다.
심지어 업무적으로나 개인적인 고민까지도 의논한다.
종종 나에 대해서 너무 잘알고 있는 정보를 바탕으로 내용을 정리해 줄 때 소름이 돋지만. 만족한다.
AI를 활용한 여러 기능들이 커머스에 적용되기 시작했다.
네이버플러스 스토어 앱만 봐도 "발견" 탭이 만들어져 새로운 쇼핑 경험을 제공하고자 한다.
검색기반의 목적형 쇼핑 제공보다는 개인화 추천의 발견형 쇼핑으로 변화하고 있다.
AI에 대해서 두렵기만한 존재, 아직은 멀었다고만 하기에 일상생활과 산업 전반에 큰 영향을 미치고 있다.
최근 AI 기획자, AI 개발자를 채용하는 곳도 있다.
AI를 잘 활용하려면 알아야만 한다.