[人사이트] 최하늘 에이블리 CTO “쇼핑 넘어 일상 취향까지 제일 잘 아는 플랫폼으로”

“에이블리가 인공지능(AI)에 집중하는 이유는 기술 자체를 보여주기 위해서가 아닙니다. 고객이 자신에게 더 잘 맞는 상품과 스타일을 발견하고, 셀러는 자신의 상품을 좋아할 고객을 더 정확히 만날 수 있도록 하기 위해서입니다.”

최하늘 에이블리 최고기술책임자(CTO)는 에이블리가 기술로 그려갈 방향성을 이같이 설명했다. 에이블리는 서비스 초기 외부 추천 솔루션을 검증하며 개인화 추천 가능성을 확인했다. 다만 패션처럼 취향이 중요한 영역에서는 범용 솔루션만으로 한계가 있다고 판단해 초기부터 자체 추천 모델을 직접 개발하고 고도화하는 방향을 택했다.

최 CTO는 “어떤 상품을 오래 봤는지, 어떤 상품은 그냥 지나쳤는지, 찜과 장바구니와 구매가 각각 어떤 의미를 갖는지까지 해석하려 했다”며 “패션에서는 구매한 상품만큼 탐색 과정 자체가 취향을 보여주는 중요한 신호”라고 말했다.

이를 위해 에이블리가 차세대 핵심 기술로 개발 중인 것은 거대스타일모델(LSM)이다. LSM은 텍스트 기반으로 단어 간 관계를 학습하는 기존 거대언어모델(LLM)의 한계를 넘어, 취향과 감도, 스타일, 무드를 통째로 학습하는 에이블리 자체 AI 모델이다.

최 CTO는 “한 사람의 취향을 표현하려면 그 사람에 대한 데이터를 모으고 융합해 하나의 스타일로 정의할 수 있어야 한다”며 “LSM은 텍스트 대신 유저가 어떤 상품을 보고 클릭하고 좋아했는지 등 행동 자체가 입력값이 된다”고 설명했다.

이를 통해 미세한 취향 간극이 발생하는 스타일과 취향을 정교하게 파악할 수 있다고 강조했다. LSM으로 사용자 행동을 더 정교하게 정의하고, 더 넓은 기간의 데이터를 활용할수록 추천 정확도가 높아진다는 가설이 현재 데이터로 입증되고 있다.

에이블리는 '취향'이 반영되는 모든 영역으로의 플랫폼 확장성을 품고 있다. 실제 패션 추천으로 시작한 알고리즘을 뷰티, 라이프, 취미, 디지털 등으로 넓혀왔다. 카테고리가 달라져도 이어지는 취향과, 카테고리마다 별도로 이해해야 하는 조건을 구분하는 데는 '취향 그래프'가 활용된다.

최 CTO는 “취향 그래프는 고객과 상품을 구매 이력으로만 연결하는 것이 아니라 스타일, 색감, 무드, 브랜드, 상황, 라이프스타일 같은 다양한 취향의 단서를 하나의 관계망으로 이해하는 방식”이라며 “패션에서 보여준 취향이 다른 영역으로 어떻게 이어지는지 파악하면 더 자연스러운 추천이 가능하다”고 말했다.

그는 향후 패션 플랫폼이 AI가 정답을 골라주는 방식이 아니라 고객이 자신의 취향을 더 잘 발견하도록 돕는 방향으로 발전할 것이라고 전망했다. 고객에게 먼저 관심 있는 스타일을 보여주고 이를 새로운 카테고리로 확장하며, 유행조차 각자 스타일에 맞게 해석해주는 방식이다.

최 CTO는 “고객이 에이블리 앱을 열었을 때 굳이 설명하지 않아도 자신의 취향을 잘 알고 있다고 느끼게 하는 것이 목표”라며 “에이블리는 쇼핑 앱을 넘어 고객의 일상 전반의 취향을 가장 잘 이해하는 서비스가 되겠다”고 강조했다.

정다은 기자 dandan@etnews.com