무신사는 상품당 수만 건에 달하는 후기를 고객이 일일이 읽어야 하는 불편함을 해소하기 위해
LLM(대형 언어 모델)을 활용하여 핵심 정보를 요약해 주는 기능을 도입했다.
2. 데이터 정제 및 프롬프트 엔지니어링
광고성 문구, 단순 반복 키워드 등 불필요한 데이터를 제거하는 전처리 과정을 거쳤으며
검수를 통과한 내용만 고객에게 '도움이 되는 정보' 위주로 요약하도록 프롬프트를 고도화했다.
3. 단점을 보여줄 것인가
단점을 보여준다면 파트너사의 우려가 있을 수 있고 안 보여준다면 고객이 신뢰하지 않는다.
따라서, 무신사는 단점을 숨기지 않되 표현을 완화하는 방식을 선택했다.
예를 들어 이런 점은 별로였어요 라는 직관적인 워딩 대신하여
일부 후기에서는~ or 드물지만~ 같은 완충어(쿠션어)를 적용해 조절했다.
4. UX와 디자인
UX AI 요약의 편의성을 극대화하기 위해 사용자 시선 흐름에 맞춘 두 가지 핵심 동선을 구축했다.
1) 상단 퀵 링크 최상단 상품 정보 영역에 AI 후기 요약 보기 숏컷을 배치하여 탭 합번으로 후기 섹션에 도달 해 요약을 확인한다. 상단 퀵 링크 참고 화면
2) 직관적인 교차 검증 요약 영역을 후기 리스트 최상단에 배치하여 사용자가 AI의 요약을 먼저 스캔한 뒤 스크롤을 내리며 원본 리뷰들과 자연스럽게 비교하는 구조를 만들었다. 이는 AI에 대한 불안감을 줄이고 정보의 신뢰도를 사용자가 직접 체감하고 검증할 수 있게 유도한 장치이다.
디자인 디자인 파트에서는 방대한 텍스트를 가장 직관적으로 전달하고 AI에 대한 신뢰감을 형성하는 데 집중했다.
1) Blue & Purple 컬러 시스템 신뢰와 데이터(Data)를 상징하는 ‘블루’, 창의와 생성(Creation)을 상징하는 ‘퍼플’을 조합 → 나도 이전 과제에서 AI 요약 와이어프레임을 그리고자 조사해 보았을 때 AI를 직관적으로 표현할 수 있는 [퍼플/블루] 혹은 [퍼플/그레이] 조합을 많이 사용하는 것을 알 수 있고 이미 학습된 사용자가 혼선되지 않도록 동일하게 반영했던 기억이 있다.
2) 생각하는 AI의 시각화 데이터를 불러올 때 그라데이션이 좌우로 흐르며 AI가 생각 중임을 나타내고 요약이 완성되면 고정된 컬러로 전환되며 시각적인 안정감 제공
3) 사용자와 AI간 친숙한 경험을 위한 타이핑 모션 요약 텍스트가 노출될 때 글자가 하나씩 입력되는 듯한 타이핑 애니메이션을 적용 이는 대화형 AI 서비스들로 인해 유저들이 이미 학습한 UI 패턴을 활용한 것이다. → 모션 부분까지 생각해 볼 수 있다는 점을 알 수 있었고 이전 강의에서 꾸준히 들었던 내용과 동일하게 사용자가 이미 학습하고 인식했던 환경을 고려해야 한다는 점을 더욱 알 수 있었다.
정성적/정량적 검증: AI가 생성한 요약문이 실제 후기 내용을 왜곡하지 않는지(Hallucination 방지) 내부 검수 프로세스를 운영했으며, 도입 후 클릭률(CTR) 등 사용자 반응 지표를 모니터링했다.
흥미로웠던 점
단순히 기술적으로 구현하는데 그치는 것이 아니라 고객이 상품을 구매할 때 가장 고민하는 포인트를
기술적으로 어떻게 연결할 수 있을지 왜 고민을 해야하는 지 알 수 있어 흥미로웠다.
또한, 대량의 데이터를 처리 할 때 발생하는 GPU 자원과 비용 문제를 해결하기 위해
고민한 과정들도 함께 참고할 수 있어 단순히 PM은 문제를 파악하고 기술로 해결하는 사람이 아니라
어떤 문제를 어떻게 잘 풀어낼 수 있을지 사용자 관점, 비즈니스 관점 모두 고려하여한다는 점을
