Sep 19, 2024 11 min read AI 인사이트

네카라쿠배는 생성형 AI를 어떻게 쓰고 있을까?

한국 최고의 테크 스타트업들이 어떻게 생성형 AI를 적용하고 있는지 정리해 보았습니다.

이런 분들에게 추천하는 글이에요

💡

👉🏼 AI가 업무에 제대로 적용될 수 있을지 궁금했던 분

👉🏼AI로 자동화 할 수 있는 영역들을 찾고 있던 분

요약

강남언니 : AI 모델을 활용한 마케팅 이미지 제작
배민 : 리뷰 요약을 통한 메뉴 추천, 사내 AI 데이터 분석가
토스 : 아이콘, 컨텐츠 그래픽 이미지 제작
컬리 : 검색 결과 개선, 리뷰 분석 자동화
네이버 : 개발자 코드 리뷰
카카오 : 스팸 콘텐츠 분류

강남언니

AI를 활용해 마케팅 이미지 제작

설명 : AI로 생성한 모델을 마케팅 소재에 활용했어요.

이 이미지는 강남언니에서 AI로 생성한 모델을 활용한 마케팅 이미지입니다.

사용한 모델 : Midjourney
배경 상황 : 모델을 찾는 게 쉽지 않았어요. 성형, 시술을 다루는 산업 군은 다양한 부위를 촬영해야 하는 특성상 모델의 선호도가 높지 않기 때문이에요. 헤어, 메이크업, 의상 등의 비용도 많이 들고요. 계약 기간이 만료되면 새로운 모델을 찾고 이미지를 교체해야 하는 작업이 필요했습니다.
활용 사례

1) AI 모델에게 다양한 옷을 입히는 것이 가능해요.

이 이미지는 강남언니에서 생성한 AI 모델입니다. 다양한 옷을 입은 모습입니다.

2) 길이감이나 컬러에 따른 분위기 연출을 달리할 수도 있고요.

이 이미지는 강남언니에서 생성형 AI로 만든 모델입니다. 다양한 머리 스타일을 한 모습입니다.

3) 배경도 쉽게 바꿀 수 있답니다.

이 이미지는 강남언니에서 생성형 AI를 활용해 만든 모델입니다. 다양한 배경을 둔 이미지입니다.

활용 후기

1) “전문 용어로 때깔이 좋아졌다는 말이 나올 정도로 모델의 포즈, 헤어스타일, 옷을 자유자재로 생성할 수 있어 좋아요”

2) “연예인처럼 초상권을 걱정할 필요가 없어 안정성이 높아요”

3) “글로벌로 확장해 가는 단계에서 각 나라의 모델 이미지에 맞게 로컬라이징 하여 사용할 수 있어요”

배민

리뷰 요약을 통한 메뉴 추천

설명 : AI가 리뷰 데이터를 요약해 핵심 키워드를 뽑아낸 뒤, 이를 활용해 메뉴를 추천하고 있어요.

이 이미지는 배달의 민족에서 리뷰 데이터를 토대로 추천해주는 이미지입니다. — 리뷰 데이터를 LLM으로 요약해서 메뉴 추천에 사용하고 있다.

이 이미지는 배민에서 리뷰 키워드에 맞는 가게들을 AI가 추천해주는 이미지입니다. — “곱창”을 검색하면, “또 찾게되는 야채곱창볶음”과 같이 키워드가 보여진다. 이런 키워드는 리뷰 데이터를 LLM이 요약해서 나오게 되었다.

사용한 모델 : GPT-4
배경 상황 : 배민 앱 사용자의 상당수가 메뉴나 가게를 미리 결정하지 않은 상태로 앱을 방문한다는 인사이트를 발견했어요. GPT를 활용해 메뉴나 가게를 잘 추천해줄 수 있겠다는 생각을 한 거예요.

사내 AI 데이터 분석가

설명 : DB도 설명해주고, SQL 쿼리도 작성해주고, 분석 결과도 설명해주는 AI 데이터 분석가를 만들었어요.

💡

배민 직원 : “ 2024년 7월 1일 기준, XXX푸드 배달, 1인분, 주류, 면, 커피 메뉴 배달 주문수, 그리고 각각 푸드 배달 주문수 대비 비율도 알려줘”

AI : “이 SQL쿼리는 2024년 7월 1일 기준으로 말씀하신 데이터를 계산합니다”

이 이미지는 AI 데이터 분석가가 실제로 사용 되는 모습입니다 — AI 데이터 분석가가 실제로 사용 되는 모습.

사용한 모델 : GPT-3.5, GPT-4o
배경 상황 : GPT-4만 활용해 쿼리문을 작성할 수 있지만, 실제 업무에 활용되기에는 한계가 있었어요. 사내 도메인과 데이터 정책에 대한 이해도가 부족했기 때문이에요. 이를 극복하기 위해 배민에서는 Langchain을 사용했어요.

이 이미지는 정확도를 높이기 위해 랭체인을 사용한 걸 설명하는 이미지입니다. — 정확도를 높이기 위해 랭체인을 사용했다.

활용 후기 :“회사에 처음 입사하거나 다른 도메인의 업무를 맡게 되었을 때 특히 큰 도움이 되어요”

토스

AI 그래픽 생성기

설명 : 토스 앱에서 사용될 그래픽 이미지를 AI가 생성할 수 있는 도구를 만들었어요.

사용한 모델 : Midjourney
배경 상황 : 앱 아이콘부터 콘텐츠 이미지까지 다양한 곳에 쓸 그래픽 이미지가 필요했어요. 그래픽 디자이너의 수는 부족했고요.
활용 사례 : 그래픽 디자이너에게 요청하지 않고도 그래픽을 만들 수 있게 되어, 실험 속도가 빨라졌어요.

이 이미지는 토스 그래픽 AI 생성기를 활용해 만든 이미지가 테스트에 활용되는 모습입니다. — 토스 그래픽 AI 생성기를 활용해 만든 이미지가 테스트에 활용되는 모습.

이 이미지는 토스 그래픽 생성기를 통해 생성된 이미지들이 토스 앱의 다양한 곳에서 활용되는 것을 나타냅니다. — 다양한 아이콘을 만들 때 부담이 없어졌다.

컬리

검색 엔진 개선

설명 : LLM을 활용해서 검색 결과 성능을 높였어요.

사용한 모델 : Google Cloud Vertex AI Search
배경 상황 : 오타, 띄어쓰기 실수 등으로 인해 검색 결과를 제공하지 못했던 케이스가 전체 검색의 6% 정도를 차지하고 있었어요. 그런 경우에는 베스트 상품을 보여주고 있었죠. 기존 검색 엔진에서 처리하지 못했던 케이스에서 유사한 결과를 보여주기 위해서는 맥락을 잘 이해할 수 있는 기술이 필요했어요.
활용 사례 : 검색 결과를 제공하지 못하는 경우가 많이 줄었고, 고객의 장바구니 전환율과 장바구니 금액이 올랐어요.

이 이미지는 컬리 앱에서 검색엔진 개선 후 오타, 유의어, 영어, 기획전, 기타 등에서 검색 결과가 개선된 것을 나타내는 이미지입니다. — 오타, 유의어, 영어, 기획전 등 기존에는 검색 결과를 보여주지 못했던 상황에서, 적절한 결과를 보여줄 수 있게 되었다.

이 이미지는 AI 검색을 도입하고, 클릭율은 물론 장바구니 전환, 구매 전환율도 오른 것을 나타냅니다 — AI 검색을 도입하고, 클릭율은 물론 장바구니 전환, 구매 전환율도 올랐다.

리뷰 분석 업무 자동화

설명 : 수많은 리뷰들을 AI로 분류하고, 분석할 수 있는 프로세스를 만들었어요.
사용한 모델 : Gemini
활용 사례

1) 리뷰 카테고리 분류

이 이미지는 리뷰 카테고리 분류를 나타내는 이미지입니다. — 리뷰 데이터를 분류하는 모습.

2) 리뷰에 나타난 고객의 감정 분석

이 이미지는 리뷰 데이터의 감정을 분석하는 이미지입니다 — 리뷰 데이터의 감정을 분석하는 모습.

네이버

LLM을 이용한 AI 코드 리뷰

설명 : 개발자가 작성한 코드를 보고 개선할 점에 대해 AI가 피드백을 남겨요.

💡

AI : “스레드 슬립을 사용하여 리트라이를 구현하는 것은 좋지 않습니다. 스레드 슬립은 예측할 수 없는 지연을 초래할 수 있습니다. 대신 XXX의 after를 사용하여 리트라이를 구현할 수 있습니다”

이 이미지는 개발자들이 서로의 코드를 보고 피드백 주는 것을 AI가 대신해주고 있는 이미지입니다. — 개발자들이 서로의 코드를 보고 피드백 주는 것을 AI가 대신해주고 있다.

💡

AI : “null을 반환하는 경우가 있습니다. 좋지 않은 프랙티스입니다. Optional을 사용하거나 예외를 발생시키는 것이 좋습니다”

이 이미지는 AI가 실패한 케이스에 대해 조언을 하는 걸 나타내는 이미지입니다.

사용한 모델 : Llama3

카카오

스팸 콘텐츠 대응을 위한 LLM

사용한 모델 : 자체 모델 개발
배경 상황 : 기존의 LLM 모델을 사용하지 않고 자체 모델을 만들었어요. 카카오의 규제 정책을 알아야 하며, 보안 문제가 없어야 하고, 비용이 부담되지 않아야 했기 때문이라고 해요. 또한 스팸을 구분할 수 있는 데이터가 많지 않았기에 라벨러를 고용해 스팸 데이터와 이유를 라벨링하는 추가 작업을 진행했습니다.
설명 : 스팸이라고 생각되는 문장을 찾아내고, 스팸인 이유까지 파악하는 AI 모델을 만들었어요.

	컨텐츠	AI 설명	AI 판단
1	안녕하세요	인삿말이기에 정상입니다	정상
2	나쁜 ** 야	비속어는 유해합니다	스팸
3	불법 카지노에 오세요	카지노는 불법장소로 스팸입니다	스팸
4	저번 여행에서 방문한 카지노	여행 후기이며 유해한 내용이 없어서 정상입니다	정상

사용한 모델 : 자체 모델 개발
배경 상황 : 기존의 LLM 모델을 사용하지 않고 자체 모델을 만들었어요. 카카오의 규제 정책을 알아야 하며, 보안 문제가 없어야 하고, 비용이 부담되지 않아야 했기 때문이라고 해요. 또한 스팸을 구분할 수 있는 데이터가 많지 않았기에 라벨러를 고용해 스팸 데이터와 이유를 라벨링하는 추가 작업을 진행했습니다.

다시 한번 정리하면…

이렇게 생성형 AI를 사용하고 있어요.

강남언니 : 마케팅 이미지 제작
배민 : 리뷰 요약을 통한 메뉴 추천, 사내 AI 데이터 분석가
토스 : 아이콘, 컨텐츠 그래픽 이미지 제작
컬리 : 검색 결과 개선, 리뷰 분석 자동화
네이버 : 개발자 코드 리뷰
카카오 : 스팸 콘텐츠 분류

AI 전문가들이 모여있는 달파에서 무료 AI 컨설팅을 진행하고 있어요.

궁금하신 부분 남겨주세요. 회사에 딱 맞는 AI를 컨설팅하고 솔루션을 만들어 드립니다. 10분 내로 연락 드릴게요!

무료 AI 컨설팅 신청하기

참고 자료 (출처)

강남언니 (이미지 생성) : https://blog.gangnamunni.com/post/GenerativeAI/
배민 (리뷰 요약, 추천) : https://techblog.woowahan.com/16877/
배민 (데이터 분석) : https://techblog.woowahan.com/18144/
토스 (이미지 생성) : https://toss.tech/article/ai-graphic-generator-2
컬리 (검색) : https://helloworld.kurly.com/blog/vertex-ai-search-NR/
컬리 (리뷰 분석) : https://helloworld.kurly.com/blog/bigquery-gemini-review/
네이버 (코드 리뷰) : https://d2.naver.com/helloworld/7321313
카카오 (스팸 분류) : https://www.youtube.com/watch?v=W0WvXVlaPS4