AWS 기술 블로그

카카오스타일의 Amazon Bedrock을 활용한 생성형 AI 도입 사례

카카오스타일은 스타일 커머스 플랫폼 ‘지그재그‘를 운영하는 이커머스 플랫폼 기업입니다. 최신 기술과 패션, 뷰티, 라이프 트렌드를 결합해 사용자들에게 혁신적이고 개인화된 쇼핑 경험을 제공하고 있습니다. 카카오스타일은 지속적인 기술 혁신을 통해 패션 산업을 선도하는 플랫폼이 되는 것을 목표로 하고 있으며, ‘개인화’와 ‘관계’를 기반으로 이커머스 생태계를 발전시키기 위해 노력하고 있습니다.

Amazon Bedrock 선택한 이유

카카오스타일은 2030 여성을 타겟으로 한 패션 앱 ‘지그재그’를 운영하고 있습니다. 매일 10,000개 이상의 신상품이 업데이트되고 수백 TB의 데이터마트를 운영하는 저희에게 AI 기술의 활용은 필수적이었습니다. 이에 저희는 다음과 같은 이유로 Amazon Bedrock을 선택하게 되었습니다:

  1. 다양한 모델 사용 가능: Anthropic, Meta, Amazon 등 여러 기업의 모델을 활용할 수 있습니다. 2024년 10월부터는 서울 리전에서 Anthropic의 모델을 사용할 수 있게 되어서 더욱 효율적인 운영이 가능 해졌습니다.
  2. 빠른 프로토타이핑 및 배포: 신속한 개발과 적용이 가능합니다.
  3. 비용 예측 가능성과 효율성: 안정적인 비용 관리가 가능합니다.

비즈니스 문제 해결을 위한 생성형 AI 활용 고려해야

카카오스타일이 생성형 AI 활용 시 고려했던 사항은 “The Right tool for the job” 원칙을 중심으로 설명할 수 있습니다. 기술 자체에 매몰되지 말고 실제로 해결하고자 하는 비즈니스 문제에 집중하는 것입니다. 이를 위해 카카오스타일은 ICE (Impact, Confidence, Ease) 프레임워크를 활용했는데, 이는 다음 세 가지 요소로 구성됩니다.

  1. Impact(영향력): 해당 문제가 해결되었을 때 비즈니스에 미치는 영향력을 평가합니다. 이는 주로 관리자나 경험이 더 많은 상급자와의 논의를 통해 결정됩니다.
  2. Confidence(확신): 문제 해결에 대한 팀의 경험과 지식을 바탕으로 한 확신 정도를 평가합니다. 이는 팀의 역량과 직접적으로 연관됩니다.
  3. Ease(용이성): 실제 실행의 난이도를 평가하는 요소로, Amazon Bedrock을 통해 이 부분의 부담을 크게 줄일 수 있습니다.

만약 AI로 해결이 어려워 보이는 문제라면, 문제의 범위를 더 작게 정의해보는 것이 효과적인 접근 방법이 될 수 있습니다. 이러한 체계적인 접근은 비지니스 문제를 효과적으로 해결할 가능성을 한층 높여줍니다.

카카오스타일의 Amazon Bedrock 활용 사례

카카오스타일은 Amazon Bedrock을 활용하여 두 가지 프로젝트를 수행했습니다.

첫 번째는 AI 리뷰 검수 시스템입니다. 사용자들이 작성한 리뷰에 대한 검수 작업을 AI가 수행하는 프로젝트로, 기존의 수동 검수 프로세스를 자동화했습니다. 검수 과정은 텍스트와 이미지를 모두 포함하며, 검수 항목별 분류 기준과 작업 지시서를 기반으로 진행됩니다. 특히 이 시스템은 1차 검수는 AI가, 2차 검수는 사람이 진행하는 Human-in-the-loop 방식을 채택했습니다.

두 번째는 개인화 기획전 컨텐츠 자동 생성 시스템입니다. 이는 “ㅇㅇㅇ님을 위한 추천 아이템”과 같은 개인화된 기획전과 혜택을 AI가 자동으로 생성하는 프로젝트입니다. 기존에는 배너 이미지, 마케팅 문구, 상품 구성, 혜택 구성 등의 컨텐츠 제작에 상당한 시간과 비용이 소요되었으며, 각 지면별로 다양한 이미지와 텍스트 스펙을 지원해야 했습니다. AI를 활용함으로써 이러한 작업을 자동화하고, 사용자 타겟팅별 최적화된 컨텐츠를 효율적으로 제작할 수 있게 되었습니다.

이러한 Amazon Bedrock의 활용은 카카오스타일의 서비스 운영 효율성을 크게 향상시켰으며, 사용자 경험 개선에도 큰 기여를 하고 있습니다. 

AI 리뷰 검수 시스템

배경 목표

  • 기존에는 사람이 수동으로 리뷰 텍스트와 이미지를 검수하는 2단계 프로세스를 거쳤습니다.
  • AI를 도입하여 1차 검수를 자동화(프롬프트 엔지니어링) 하고, 2차 검수만 사람이 수행하는 방식(Human in the loop)으로 전환하고자 했습니다.
  • 전체적인 작업과정은 먼저 Amazon Bedrock을 활용(Claude 3 Sonnet)하여 텍스트와 이미지에 대한 동시 분석을 진행하고 AI 가 1차 검수한 결과물에 대해 검수 작업자가 최종 확인합니다. 필요한 경우 프롬프트 엔지니어링을 통해 시스템 개선을 하여 목표 정확도와 재현율을 90% 이상 달성했습니다.
  • 프롬프트 예시

성과

카카오스타일은 AI 리뷰 검수 시스템을 도입하면서 다음과 같은 주목할 만한 성과를 달성했습니다.

  1. 운영 효율성 향상
    • 검수 업무에 필요한 리소스를 80% 절감
    • 1차 검수 리드타임을 수 시간(hours)에서 수 분(minutes)으로 단축
    • 프롬프트 튜닝을 통해 동일한 성능을 유지하면서 검수 비용을 78% 절감
  2. 시스템 유연성 개선
    • 기존 시스템에서는 검수 항목 추가/변경 시 작업량 재산정과 작업자 추가 채용, 검수 작업자 재교육이 필요했으나, AI 시스템 도입 후에는 프롬프트 재작성 및 검증만으로 빠르게 대응 가능
    • 검수 기준 변경에 따른 적응 시간과 비용을 크게 절감
  3. 품질 유지
    • 90% 이상의 정확도와 재현율 달성
    • Human-in-the-loop 방식을 통해 AI 검수의 정확성을 지속적으로 검증하고 개선

이러한 성과는 단순한 비용 절감을 넘어, 검수 시스템의 확장성과 유연성을 크게 향상시켰으며, 검수 품질의 일관성을 유지하면서도 운영 효율을 최적화했다는 점에서 큰 의미가 있습니다.

개인화 기획전 컨텐츠 자동 생성 시스템

배경 목표

  • 기획전 진행 시 배너 이미지, 마케팅 문구, 상품 구성, 혜택 구성 등의 컨텐츠 제작에 많은 시간과 비용이 소요됩니다. 또한 동일한 기획전 컨텐츠도 지면에 따라 다양한 이미지, 텍스트 스펙을 지원해야합니다. 따라서 사용자 타겟팅별 최적화된 컨텐츠 제작이 필요하나 작업자 리소스 부족으로 인한 병목 현상이 발생했습니다.
  • 컨텐츠 제작 과정에서 발생하는 병목 현상을 해소하기 위해 제작 과정을 최적화하고 자동화하는 것을 목표로 Human-in-the-loop 방식을 도입하여 AI가 생성한 컨텐츠를 사람이 필요에 따라 편집할 수 있도록 하고 AI가 생성한 컨텐츠의 품질을 전시 가능한 수준으로 끌어올려, 별도의 편집 과정 없이도 바로 서비스에 활용할 수 있도록 했습니다.

주요 기능

  • 이미지 소재, 기획전 정보, 상품 정보를 기반으로 컨텐츠를 자동 생성하고 지면별 상이한 포맷팅과 다양한 컨셉별 결과를 제공합니다.
  • AI 생성 컨텐츠에 대한 사용자 편집 기능을 제공합니다.
  • AI가 추천한 문구에 대해 오타를 점검하고 수정할 수 있습니다.

성과

카카오스타일은 개인화 기획전 컨텐츠 자동 생성 시스템으로 다음과 같은 성과를 달성했습니다.

  • 컨텐츠 제작에 소요되는 작업 시간을 몇 주(weeks)에서 몇 시간(hours)으로 획기적으로 단축했습니다.
  • 개인화 기획전의 확장성이 크게 향상되었습니다. 개인화된 푸시 알림, 맞춤형 랜딩 페이지, 개인별 혜택 제공, 그리고 개인화된 상품 추천 등 다양한 서비스로 확장이 가능해졌습니다.

결론

카카오스타일은 Amazon Bedrock을 활용한 AI 솔루션 개발을 통해 괄목할만한 업무 효율성 향상을 달성했습니다. 이 과정에서 AI 프로젝트의 성공이 명확한 문제 정의에서 시작된다는 중요한 교훈을 얻었습니다. 특히 문제가 잘 정의되면 단일 Foundation Model 만으로도 효과적인 해결이 가능하다는 것을 확인했습니다. ICE 평가 프레임워크에서 Confidence(확신)를 높이는 최선의 방법은 다양한 AI 프로젝트를 직접 수행해보는 것입니다. 이러한 맥락에서 Amazon Bedrock은 AI 프로젝트를 신속하고 효율적으로 시작할 수 있는 최적의 플랫폼입니다. 더욱이 Amazon Bedrock을 통해 축적된 경험을 바탕으로 RAG(Retrieval-Augmented Generation), Agent 등 고도화된 기술로의 자연스러운 확장이 가능합니다. 카카오스타일은 앞으로도 혁신적인 AI 기술 도입을 통해 사용자 경험을 개선하고 비즈니스 가치를 극대화해 나갈 것입니다.

소성운

소성운

소성운 AI검색추천 총괄리더는 데이터 전반의 다양한 경험과 전문성을 가지고 있습니다. 카카오스타일에서 패션 커머스에서 활용되는 AI기술과 엔지니어링 사례들을 발굴하고 제품에 적용, 고객경험을 높이는데 기여하고 있습니다.

Keehyun Jang

Keehyun Jang

장기현 Solutions Architect는 다양한 개발 경험을 바탕으로 고객의 비즈니스 문제를 AWS를 통해 해결하도록 아키텍처 설계 가이드와 기술을 지원하고 있습니다.