조코딩 AX 인재전쟁 해커톤 참여 후기

이번 조코딩 AX 인재전쟁 해커톤에 참여했다. 결과적으로 본선에는 진출하지 못했지만, 예선 점수가 높았다고 메일이 왔다. (본선 진출자가 아닌 모두에게 발송되는 메일일 수 있지만, 그래도 좋은 성적을 거뒀다고 믿고 싶다.)

이 해커톤은 채널톡·메디테라피·무신사·마이리얼트립·카카오페이증권·삼일PwC 이 기업들이 문제를 제시하고, 참가자는 AI를 활용해 그 문제를 푸는 방식이었다. 산출물은 codex의 plugin(Agent에게 줄 skill)이었다.

내가 선정한 기업은 무신사였고, 의류 쇼핑과 관련된 문제를 풀고자 했다. 주어진 기간이 거의 2주였지만, 너무 바빴기에 2일 동안 벼락치기로 답을 제출했다.

주어진 시간이 짧아 복잡한 시스템을 구축할 수는 없었지만, 나는 내 문제 정의가 꽤 좋았다고 생각한다.

내가 풀고자 했던 문제

내가 풀고자 했던 문제는 “최저가라면서 내 사이즈는 없네?” 였다.

누구나 쇼핑몰에서 옷을 검색하다가, 최저가라고 해서 검색 결과가 반환되었는데 막상 클릭해서 들어가면 자기 사이즈가 없고 전혀 관련 없는 너무 작은 사이즈, 너무 큰 사이즈 재고만 있던 적이 있을 것이다. 이게 검색 결과에서 애초에 필터되었으면 시간 낭비를 덜 수 있을 것이라 판단했다.

검색 리스트
  → 각 리스트별로 실측 사이즈 확인
  → 나의 과거 구매 이력 사이즈와 대조
  → 맞는 사이즈가 있다면 검색 결과 노출

이 플로우에서 대부분의 과정은 단순 수치 계산이라, 스크립트를 짜고 툴만 쥐어주면 되는 문제였다.

LLM의 판단이 필요했던 영역

그러나 LLM의 판단을 빌려와야 하는 영역이 있었다.

(1) 스타일에 대한 고려 예를 들면 애초에 ‘오버핏’으로 설계되어 있거나 ‘슬림핏’으로 설계되어 있는 경우, 단순히 과거 이력 간의 기계적 매칭이 어렵고 이를 고려한 수치 계산이 필요했다.

(2) 애매한 예시의 경우 과거 이력에서 어깨는 잘 맞았는데 기장은 좀 컸다면, 이를 고려해서 기계적으로 추천 순위를 계산할 수 없다.

(3) 사람이 자기도 자기가 원하는 것의 이름을 잘 모를 때 exact 매칭으로 필터를 하는 것이 아니라 의도를 바탕으로 ‘알잘딱’ 필터가 필요했다. 그 결과 검색 결과가 없을 때도 유사 검색어로 loop를 돌리는 것이 가능하다.

결과는?

이렇게 만든 agentic system의 결과는? 결과는 만족. 그러나 ‘사고 싶은 것’을 딱 맞게 추천해 주는 느낌은 아니었다. 아마도 재고가 남는 옷들, 그래서 별로 인기가 없는 옷들 위주로 추천이 되어서 그런 것 같다.

개선한다면?

• 현재는 로그인 인증 없이 과거 이력을 직접 local에 입력해 줘야 한다. 로그인 후 실제 구매 이력을 더 편하게 불러올 수 있으면 좋겠다고 생각했다.
• 무신사는 나와 비슷한 체형 구매자의 리뷰를 볼 수 있는데, 이 정보를 반영하는 방식이면 좋을 것 같다.
• 이미지 시뮬레이션으로 내가 이 옷을 입었을 때의 3D 렌더링을 볼 수 있으면 판단이 빠를 것 같다.

무신사가 풀고 싶은 문제는?

이렇게 급하게 제출을 했는데, 사실 막상 무신사가 어떤 문제를 제시했는지는 다 제출하고 나서 알았다. 그리고 제출하고 나서 놀랐다. 그 문제는 커리어 내내 내가 고민하고 풀었던 문제였기 때문이다. 무신사가 낸 문제는 이것이었다.

“AI를 이용해 시시각각 변하는 패션/뷰티 트렌드를 놓치지 않고 캐치하는 방법은? 궁극적으로는 무신사 고객들이 좋아할 만한 새로운 브랜드를 어떻게 효율적으로 찾아낼 것인가”

NLP 데이터 분석을 하면서, 리서치 보고서 프로덕트를 만들면서, 유튜브를 하면서 풀려고 했던 문제가 딱 이런 유형의 문제였다.

그래서 이 문제를 먼저 보지 않고 급하게 제출한 게 좀 아쉽게 느껴졌지만, 다른 사람들이 이 문제를 어떻게 접근하고 솔루션을 제안할지 궁금하다.