① 어떤 상황에서 AI를 활용했나요?
기존 장소 검색 서비스는 사용자가 정확한 상호명이나 지역, 카테고리를 알아야 원하는 장소를 찾기 쉽다는 한계가 있었습니다. 저는 사용자가 자연어로 원하는 상황이나 조건을 설명하면 적합한 장소를 찾을 수 있는 서비스인 Roach를 개발하면서 AI를 활용했습니다.
② 어떤 AI를 어떻게 활용했나요?
사용자가 입력한 자연어를 AI가 분석해 장소 검색에 필요한 조건과 의미를 추출하도록 구성했습니다. 또한 장소의 설명과 여러 속성을 임베딩하여 벡터 형태로 저장하고, 단순 키워드 일치가 아니라 사용자의 의도와 의미적으로 가까운 장소를 검색하는 방식을 적용했습니다. 이를 위해 LLM과 임베딩 모델, PostgreSQL의 pgvector 등을 활용했습니다.
③ 활용 결과 어떤 변화가 있었나요?
기존에는 여러 검색어와 필터를 직접 조합해야 했던 검색을 자연어 한 문장으로 수행할 수 있게 되었습니다. 예를 들어 특정 장소명을 모르는 상태에서도 “아이와 비 오는 날 갈 만한 실내 장소”처럼 상황 중심으로 검색할 수 있도록 검색 방식을 개선했습니다. 또한 검색 결과를 단순 키워드 매칭이 아닌 사용자 의도 중심으로 제공할 수 있었습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI에게 모든 판단을 맡기기보다는 AI가 잘하는 의미 해석과 기존 데이터 검색 시스템이 잘하는 정확한 조회를 분리했습니다. 자연어의 의도를 AI가 구조화하고, 실제 검색과 필터링은 데이터베이스가 처리하도록 설계해 정확도와 처리 효율을 함께 확보하려 했습니다. 또한 실제 서비스 형태로 구현하면서 검색 결과와 사용자 경험을 반복적으로 개선했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
가능합니다. 핵심은 기존 업무나 서비스의 데이터를 AI가 이해할 수 있는 형태로 변환하고, 자연어 입력을 검색 조건으로 구조화하는 것입니다. LLM API, 임베딩 모델, 벡터 데이터베이스 등 현재 공개된 기술을 활용하면 유사한 방식으로 구현할 수 있습니다. 다만 실제 서비스에서는 데이터 품질과 검색 로직, AI와 기존 시스템의 역할 분리가 중요합니다.