DoorDash, AI 추천을 에이전트형으로 혁신

푸드배달 대형업체 DoorDash는 기존의 '일회성 예측 모델'에 의존한 추천 시스템을 점검하고, 에이전트형 추천 플랫폼으로 전환하는 노력을 진행 중이다. 동사의 엔지니어링 부문에 소속된 Sudeep Das가 이 설계 사상과 기술적 접근법을 공개했다.

기존 DoorDash의 추천 시스템은 사용자의 요청을 받은 순간에만 예측을 수행하는 '원샷형' 구조였다. 이 방식은 일반적인 전자상거래나 배달 서비스에서 널리 사용되어 왔으나, 이용자의 선호도가 시간에 따라 변한다는 점이나 맥락에 따라 원하는 것이 다르다는 점에 대한 대응이 어렵다는 한계가 있다. DoorDash는 이 과제를 해결하기 위해 더욱 지속적·맥락적인 추천 체계로의 전환을 도모했다.

새로운 체계의 핵심을 이루는 것은 '언어 네이티브 소비자 메모리'라고 불리는 개념이다. 사용자의 행동 이력과 선호도를 자연어(인간의 말)에 가까운 형태로 축적·활용하는 접근법으로, 기존의 수치 기반 특징량 관리와는 다른 방향성을 취하고 있다. 또한 상품 카탈로그의 표현에는 'RQ-VAE(잔차 양자화 변분 오토인코더)'를 활용한 의미론적 식별자(의미적인 구분자)가 채택되었다. 이는 방대한 상품 목록을 의미 있는 구조로 압축·정리하는 기술로서, 유사한 상품끼리를 수치 공간상에서 가깝게 배치함으로써 검색이나 조회의 정확도를 높이는 효과가 기대된다. 더하여 '근거 기반 검색(실제 증거에 기초한 검색)'이라는 수법을 조합함으로써 추천 결과의 타당성과 정확도를 향상시켰다고 Das가 설명했다.

이러한 기술을 통합한 결과로서, Das는 전환율(실제 주문으로 이어지는 비율)이나 관련성(추천의 적절함)과 같은 지표가 대폭 개선되었다고 언급했다. 다만 구체적인 수치는 공개된 정보의 범위에 머물기 때문에 세부 사항은 향후의 정식 발표를 기다려야 한다.

이번 노력이 업계 관점에서 주목받는 배경에는 인공지능의 활용이 '일회성 예측'에서 '지속적인 맥락 이해'로 이동하고 있다는 거대한 흐름이 있다. 에이전트형 인공지능이란 사용자의 상태나 맥락을 지속적으로 파악하면서, 다음 행동을 능동적으로 판단·제시하는 체계를 가리킨다. 단순히 개인화의 정확도를 높이는 것일 뿐만 아니라, 사용자와 서비스 간의 관계를 더욱 장기적·쌍방향적인 것으로 만든다는 설계 사상의 전환이기도 하다.

배달 서비스와 같은 플랫폼에서는 사용자가 매일 다른 상황(시간대·기분·인원 등)에서 서비스를 이용하기 때문에, 정적인 선호도 모델로는 대응하기 어려운 경우가 많다. 언어적 기억의 활용이나 의미론적 식별자에 의한 상품 이해의 심화는 이러한 동적인 수요에 대한 대응력을 높이는 효과적인 수단으로 자리 잡혀 있다. 푸드테크 이외의 영역에서도 유사한 아키텍처로의 이행이 확대될 가능성이 있다는 견방을 할 수 있다.

대규모 사용자 기반을 가진 소비자향 서비스에서 에이전트형 인공지능을 어떻게 구현할 것인가는 많은 기업이 직면하는 공통의 과제다. DoorDash의 사례는 그 구체적인 구현의 방향성을 보여주는 하나의 참조점이 될 수 있다. 향후 동사가 이 플랫폼을 어떻게 확장하고, 개인화의 한층 더한 심화에 어떻게 취할 것인가에 주목할 필요가 있다.