#MVP검증 #피봇 #프로덕트
검색어에 숨겨진 의도를 더 정확하게, 검색을 바꾸는 AI 실험들 | 당근 AI Show & Tell 5

이 글의 원문은 당근 팀 블로그 ‘검색어에 숨겨진 의도를 더 정확하게, 검색을 바꾸는 AI 실험들’에서 확인할 수 있습니다.

이번 글에서는 이런 내용을 확인할 수 있어요! ☑️

  • 당근이 AI로 기존의 검색 경험을 바꾸는 방법
  • 10분 만에 데모를 구현해 변화의 가능성을 빠르게 확인한 과정
  • LLM 기반으로 검색 구조를 재편해 정확도를 크게 높인 사례

 

이런 분들에게 도움이 돼요! 🙋

  • AI는 검색 경험을 어떻게 바꿀 수 있을까? 궁금한 분
  • 검색 서비스에 LLM을 어떻게 적용할지 고민하는 분
  • AI로 사용자의 검색 의도를 더 정교하게 파악한 사례를 알고 싶은 분

 

해당 이미지는 OpenAI의 이미지 생성 모델 DALL·E를 활용하여 GPT-4o에서 생성 후 편집한 이미지입니다.

당근은 매주 ‘AI Show & Tell’을 통해 각 팀의 AI 실험을 전사적으로 공유하며, 새로운 시대의 문제 해결 방식을 빠르게 찾아가고 있어요. 당근이 AI로 만드는 생생한 도전의 순간들, 지금 만나보세요.

✍️ 이 콘텐츠는 생성형 AI를 활용해 제작한 콘텐츠입니다.

검색은 AI로 인해 가장 치열하게 변화하고 있는 영역 중 하나예요. 사용자가 입력한 키워드에 맞춰 콘텐츠를 나열하던 방식은 더 이상 충분하지 않죠. 대화형 검색, 요약형 응답, 멀티모달 검색 등 다양한 형식이 실험되고 있지만, 어떤 인터페이스가 주도권을 쥘지 아직 누구도 확신할 수 없어요. 명확한 정답을 찾지 못한 지금, 모두가 같은 질문을 던지고 있죠. “검색은 앞으로 어떻게 달라질까?”

당근은 이 질문을 조금 다른 각도에서 받아들였어요. “사용자가 검색할 때, 정말로 기대하는 건 뭘까?” 당근은 그 첫 번째 답을 “검색어가 곧 서비스가 되는 시스템”에서 찾고 있어요. 검색어 뒤에 숨겨진 의도를 정확히 파악하고, 결과 창 하나하나가 그 목적을 즉각적으로 이룰 수 있는 서비스 페이지처럼 작동하는 거예요. 검색이 그 자체로 하나의 서비스 플랫폼이 되는 셈이죠.

이를 위해 당근 검색실은 다양한 시도들을 쉼 없이 이어가고 있어요. 단순한 기능 개선을 넘어, 사용자의 검색 경험을 본질적으로 바꿔내기 위한 AI 실험들을 빠르게 진행 중이죠. 이번 글에서는 그 변화의 출발점에서 가능성을 열어 보인 프로젝트를 일부 소개하려고 해요. 작고 빠른 실행이 검색을 어떻게 바꾸기 시작했는지, 그 과정을 함께 살펴보시죠.

 

Part 1. 검색에 LLM을 붙이면 무슨 일이 벌어질까?

Backend Engineer Hy는 검색 시스템에 LLM을 더하면 어떤 변화가 생길지, 간단한 실험으로 빠르게 확인해 봤어요. 기존 검색 시스템은 키워드를 기반으로 관련 콘텐츠를 수집한 뒤, 클릭률, 최신성, 위치 정보 등 다양한 기준으로 점수를 계산해 정렬했어요. Hy는 이 검색 파이프라인의 마지막 단계에 LLM을 후처리 모델로 결합하는 아이디어를 떠올렸어요. 기존 방식으로는 사용자 요청에 담긴 맥락적 의미나 세부 조건을 반영하기 어려웠지만, LLM을 활용한다면 검색 결과를 더 유연하게 제시할 수 있을 거라 생각했죠.

Hy는 기존 검색 시스템이 처리한 검색어, 추천 가능한 글 목록, 각 글의 요약 정보 등을 하나의 입력 컨텍스트로 구성해 LLM에 전달했어요. 그 결과, 사용자의 요청에 따라 기존 검색 결과를 맥락에 맞게 재구성하는 데모를 구현해 냈죠. 예를 들어 ‘신논현 맛집’이라고 검색하면 동네생활 게시글, 동네업체 정보, 맛집탐방 모임 등 다양한 결과가 함께 노출될 텐데요. 이 데모에 ‘신논현 맛집을 업체 위주로 보여줘’라고 입력하면, 실제 운영 중인 업체 정보만 선별해 보여줘요. 검색어에 담긴 사용자의 의도와 맥락을 이해하고, 그에 맞게 정보를 다시 구성하는 거예요.

Hy가 구현한 검색 엔진 데모

놀라운 점은 데모를 구현하기까지 10분밖에 걸리지 않았다는 거예요. 검색 시스템을 크게 바꾸지 않고도, 기존 검색 결과를 LLM에 전달하는 간단한 방식으로 실험한 덕분이죠. Hy는 AI 시대에는 결과를 예측할 수 없기 때문에 다양한 시도를 빠르게 실험하는 게 중요하다고 강조했어요. Hy의 실험을 계기로 이후로도 검색 결과에 사용자 의도를 정교하게 반영하기 위한 시도들이 빠르게 이어졌어요.


 

Hy의 실험은 시작일 뿐이에요. 프롬프트를 집요하게 개선해 사용자 의도를 더 정확하게 파악하고, LLM 기반의 검색 구조를 새롭게 설계한 프로젝트까지. 이어지는 이야기가 궁금하다면, 💡당근 테크 블로그에서 지금 바로 콘텐츠 전문을 확인해보세요!

링크 복사

당근 당근

지역 생활 커뮤니티

댓글 0
댓글이 없습니다.
추천 아티클
당근 당근

지역 생활 커뮤니티

0