GS리테일·AWS, AI-DLC 적용해 GS SHOP 검색·추천 개발 프로세스 고도화

GS리테일과 AWS가 공동으로 AI-DLC(AI-Driven Development Life Cycle) 방법론을 적용해 GS SHOP 검색·추천 팀의 개발 프로세스를 고도화했다. 기존에는 자연어 의도 이해의 한계와 팀별 실험 방식 불일치로 인해 빠른 검증과 공정한 모델 비교가 어려웠다.

검색 파이프라인 최적화

Team A는 Amazon Bedrock과 OpenSearch Service를 활용해 자연어 검색 파이프라인을 구축했다. Claude Haiku 4.5와 Strands Agents로 성분·효능 등 속성을 추출하고, BGE-M3 임베딩과 BM25를 결합한 하이브리드 검색을 구현했다. 108만 개 상품 데이터와 11,221개 평가 쿼리 기반 검증 결과, p95 응답 시간은 2.66초로 목표(3초)를 달성했으나 뷰티 카테고리 포함률은 53%로 목표(80%)에 미달했다. 분석 결과, 리랭킹 단계에서 판매 지표와 관련성 신호의 불일치로 품질이 저하되는 현상을 확인하고 개선 포인트로 지목했다.

추천 모델 실험 환경 표준화

Team B는 데이터 사이언티스트 간 공정한 비교가 가능한 표준 실험 환경을 구축했다. 7.26M 인터랙션 로그와 21만 사용자 데이터를 기반으로 CandidateModel 인터페이스를 도입해 공통 시험대를 마련했다. 총 40회 이상의 모델 실험을 수행했으며, 데이터 누출 여부를 검증해 신뢰성을 확보했다. 특정 모델 선정보다는 STOP, PARK, KEEP_SOURCE 등 명확한 판단 라벨 체계를 통해 다음 개발 단계를 결정하는 데 초점을 맞췄다.

AI-DLC의 실질적 가치

이번 프로젝트는 개발 속도 단축보다는 문제 정의·분해·검증 흐름의 표준화에 의미가 있다. AI-DLC의 Inception, Construction, Operation 단계와 승인 게이트, audit 로그 등을 통해 재현성과 투명성을 확보했다. GS리테일은 향후 추천 게이트웨이 연동 및 Reranking 정책 개선을 통해 실서비스 적용을 확대할 계획이다.