.png&blockId=39ef240a-d85e-4c3a-83eb-7706adb34b8b){kind=logo}
라포랩스는 스타트업 혹한기에도 패션 스타트업 분야에서 끝없는 성장세를 보이며 글로벌 위기 속에서도 주목받고 있는 회사입니다.
패션 플랫폼 ‘퀸잇(Queenit)’을 운영하며 창업 3년 만에 '흑자전환 성공'을 이뤄냈고요. 거래액 82%, 매출 169%의 놀라운 성과를 달성했어요.
라포랩스가 호실적을 달성할 수 있게 도운 일등공신은 바로 인공지능(AI) 기반 개인 맞춤형 제품 추천 기술 덕분인데요. 특히 타겟 고객인 중년 여성들이 애정하는 브랜드 혹은 플랫폼 록인(Lock-in) 성향이 있다는 점에서 착안했어요. 이를 기반으로 AI/ML 기술을 활용해 '퀸잇'을 패션플랫폼 강자로서 자리매김할 수 있게 도운 것이죠.
이를 위해 라포랩스는 사내 머신러닝 엔지니어를 영입해 개인화 추천시스템을 공고히 구축해 놓았는데요.
운영하고 있는 '퀸잇(Queenit)' 플랫폼을 통해 ML 기술을 다양한 영역으로 확장할 수 있다는 특장점이 있습니다. 그 결과 퀸잇은 개인화된 제품 추천은 물론 검색, 광고 등 다양한 도메인에서 고객들에게 특별한 경험을 제공하고 있고요.
라포랩스만의 ML엔지니어는 어떤 자긍심을 갖고 패션스타트업 분야의 강자로서 입지를 넓히고 있을까요?
창업 3년만에 성장 고공행진을 이뤄내고 있는 라포랩스에서 동료들과 함께 멋진 경험과 성공을 공유하고 있는 홍석님의 이야기를 들어봤습니다.
(* 원문은 잡플래닛 기업스토리에서도 보실 수 있습니다)
)
홍석님 안녕하세요! 현재 담당하고 있는 업무와 함께 자기소개 부탁드려요.
안녕하세요! 저는 라포랩스에서 ML 엔지니어로 일하고 있는 하홍석 입니다. SK텔레콤과 야놀자에서 다양한 문제를 풀면서 커리어를 쌓아 왔고, 라포랩스에 합류한 지는 1년 반 정도 되었네요.
라포랩스 합류를 결정하시게 된 이유가 있나요?
관심사가 비슷한 친구가 라포랩스를 적극 홍보해서 처음 알게 되었어요. 시장을 개척해 내면서 로켓처럼 성장하고 있다는 말을 1년 정도 들었고요. 저 역시 임팩트 있는 서비스에 기여하고 싶다는 꿈을 가지고 있었어서 자연스레 관심이 갔죠. 면접 과정에서 리크루터를 포함한 팀 구성원들이 모두 회사의 서비스에 큰 애정을 가지고 있다는 점이 느껴져서 좋은 회사구나 싶었어요. 참고로 그 친구는 저보다 조금 늦게 합류해서, 지금은 라포랩스에서 같이 일하고 있답니다! (웃음)
거의 1년 넘게 혼자서 ML을 담당해 오셨는데, 어떻게 셋업부터 고도화까지 해오셨는지도 궁금해요.
입사하고 처음으로 한 일이 개인화 추천 알고리즘을 만들고, 그걸 기존에 있던 로직과 비교하는 A/B 테스트를 하는 것이었어요. 새로운 알고리즘의 전환율이 3배정도 좋았지만, 가격이 싼 제품들을 위주로 노출시킨다는 특징이 있었는데요. 가격이 지나치게 저렴한 제품들의 경우, 품질이 안 좋은 케이스들도 꽤 있어서 고객들이 구매는 많이 하지만 그만큼 환불도 많이 하게 돼요. 나아가 플랫폼의 이미지도 장기적으로는 악화 시킨다는 단점이 있었죠. 이처럼 단순히 추천 성능만 높이는 것이 아니라, 다양한 비즈니스 니즈를 충족시켜야 할 필요성이 있었어요.
이런 비즈니스적인 방향성을 최대한 자연스럽게, 동시에 추천 성능을 최대한 유지 하면서 충족시키는 것이 주요 챌린지이자 고도화 방향이었어요. 추천 뿐만 아니라 ML로 문제를 풀 때 대부분 이런 흐름대로 셋업부터 고도화를 해온 것 같아요. 문제를 풀기 위한 최소한의 기능을 만들고 → 성능을 개선하고 → 유관 조직들의 니즈를 반영하는 식으로 작업해 왔어요. 또한 알고리즘 쪽은 제가 혼자 담당했지만, 문제를 정의하거나 인프라 이슈를 해결하는 케이스에서는 스쿼드 구성원 분들의 도움도 많이 받았어요.
특별히 어려웠거나 기억에 남는 케이스가 있었나요?
아무래도 가장 최근에 있었던 일이 떠오르네요. 올해 10월쯤 개인화 추천기능이 만 하루 정도 제대로 동작하지 않은 적이 있었습니다. 배치가 실패하거나 한 것이 아니어서 전혀 모르고 있다가, 주말에 추천 지면에서 고객들의 전환율이 눈에 띄게 떨어졌다는 제보를 받았습니다. 알고 보니 등록된 상품 수가 많아져서 쿼리 결과가 기존과 다르게 저장돼 발생한 이슈였어요. 밖에 있다가 집으로 뛰어 들어 가서 급히 작업 했던 것이 기억이 납니다. 동료들의 제보로 늦게라도 문제를 찾아낼 수 있었고, 모니터링도 보완할 수 있었습니다.
라포랩스의 ML 엔지니어는 어떻게 일하는지 많이들 궁금해 하고 있어요. 구체적인 업무소개와 함께 하루 일과를 소개해주세요.
우선 저는 기본적으로 스쿼드에 속해 있기 때문에 2주 단위로 스프린트를 합니다. 이번 스프린트 때 이건 무조건 한다! 라는 큰 목표들을 정하고요. 그에 따라 하루 단위 플래닝을 합니다. 출근 하고 나면 큰 단위 태스크 1개, 자잘한 태스크 두세개 정도를 하루 목표로 잡고 일과를 시작합니다.
회사의 다른 분들에 비해 조금 일찍 하루를 시작 하는 편이어서, 오전에 보통 혼자서 집중이 필요한 업무를 하는 경우가 많습니다. 오후에는 미팅에 참석하거나 자잘한 태스크를 해결 하는데요. 미팅에서는 주로 해당 도메인에서 가지고 있는 문제를 듣고, 그 문제를 어떻게 ML로 해결할지 디테일한 부분들을 논의하는 경우가 많습니다. 빠른 논의 & 의사 결정이 필요할 때는 출근을 하고요. 혼자서 고민하는 시간이 많이 필요할 때는 재택 근무를 합니다.
기술적으로 사용되는 ML과 사업적 임팩트를 위해 사용되는 ML에 차이가 있을 것 같은데, 설명해 주실 수 있나요?
결국 가장 중요한 건 사업적인 임팩트고, 비즈니스가 장단기적으로 잘 굴러가게 하는 것이라고 생각합니다. 비즈니스 목표에 맞게, 적절한 기술을 선택해서 사용하는 것이 저의 역할이라고 생각해요. 풀고 싶은 문제와 핏이 잘 맞는 경우 최신 기술을 사용하는 경우도 있지만, 단순하고 유명하지 않은 기술을 사용하는 경우도 있습니다. 제 생각에는 닭 잡는 데는 닭 잡는 칼을, 소 잡는데는 소 잡는 칼을 쓰는 것이 중요한 것 같아요. 즉 용도에 맞아야 하는 것과 동시에 가성비도 있어야 한다는 것이죠. 실제 유용성과 가성비를 생각해야 한다는 점에서 기술적인 엣지만을 가져가는 ML과는 약간 차이가 있는 듯 하네요!
ML 엔지니어로서 스쿼드에 속해있다는 건, 다른 직군/부서와 기능적으로 협업할 일이 많다는 의미인데 특히 신경 쓰는 점이 있으실까요?
과거 다른 회사에서 기술 조직에 속해 있을 때는 팀 단위의 목표가 가장 중요했어요. 기술적으로 멋진 목표를 세워 놓고, 올해 우리는 이거 하자! 라고 하면 그게 가장 중요한 과제가 되었죠. 타 팀에서 요청사항들이 들어와도, 팀에서 세워 놓은 목표가 가장 중요 했습니다.
스쿼드에서 일하면서 타 조직들과 협업이 필요한 업무가 많아 졌는데요. 이런 조직 간 협업이 필요한 업무들이 더 어렵지만, 임팩트는 훨씬 크다고 생각합니다. 왜냐하면 ML이 잘 하기 위해서는 필요한 조건들이 많기 때문이죠. 처음부터 데이터도 잘 들어와야 하고, 고객들이 어떤 행위를 왜 하는지도 알아야 하며, 비즈니스 사이드에서 진행하는 프로젝트들이 어떤 목표이고, 구체적으로 어떻게 작용하고 있는지도 알아야 합니다.
스쿼드에서 일하면서 최대한 카운터파트의 협업 파트너들이 무엇을 목표로 하는지 정확하게 알고자 노력하고 있습니다. 또한 단순히 요구사항을 받아서 그걸 그대로 구현하기 보다는, 같이 더 나은 방식을 고민해 보는 방식으로 일하려고 합니다. 목적을 이루기 위한 방식은 여러 개일 수 있는데, 그 중에 가장 효율이 좋은 길을 선택 하기 위함이죠. 이렇게 일하려다 보니 자연스레 질문이 많아 졌는데요. 귀찮을 수도 있다고 생각 하는데 아직까지는 같이 일 하시는 분들이 너그럽게 봐 주고 계셔서 다행이라고 생각합니다.
퀸잇의 타겟층이 중년 여성으로 확실하다 보니, 개인화 추천 영역에서 많은 효과가 있던 것으로 아는데요. 관련해서 특히 성과가 좋았던 프로젝트가 있다면 설명해 주실 수 있을까요?
우선 라포랩스에 와서 제가 가장 놀랐었고, 임팩트가 컸다고 생각한 건 개인화 추천이 확산되는 속도였어요. 제한적인 지면에서 개인화 추천의 성능이 실험으로 검증되고 난 뒤, 주요 지면들에 차례차례 개인화 추천이 적용 됐어요. 얼마 지나지 않아 가장 노출을 많이 받는 지면까지도 개인화 추천 영역이 되었죠. 또한 처음에 개인화 추천은 어느정도 검증이 된, 제한적인 상품 풀에서만 움직였는데요. 상품에 대한 커버리지를 늘렸던 것도 임팩트가 컸습니다.
기술을 가지고 문제를 잘 풀어 내는 건 개인기로 어느정도 가능하지만, 기술로 얼마나 큰 임팩트를 만드느냐에는 조직 내의 협업과 지지가 필수적이라고 생각합니다. 지면 단위로, 그리고 상품 단위로 개인화 추천의 영역을 빠르게 넓힐 수 있었던 건 의사 결정이 매우 빨랐기 때문이에요. 또한 조직 내 협업과 지지도 충분 했기 때문이라고 생각합니다.
잠깐 쉬어가는 느낌으로 여쭤보자면, ML 엔지니어가 생각하는 챗GPT란?
조만간 게임으로 치면 비싼 캐시템처럼 될 수 있지 않을까 싶어요! 지금은 챗GPT 유료 버전 가격이 월 2만 원 정도로 누구나 접근할 수 있는 가격인데요. 가까운 미래에 더 차원 높은 서비스를 제공할 수 있게 되면, 챗GPT도 가격대와 퀄리티가 매우 다양해질 수도 있겠다는 생각입니다. 지금은 사용자가 프롬프트를 얼마나 잘 짜느냐가 더 중요하지만, 나중에는 사용자 역량보다는 챗GPT 버전 몇을 쓰느냐가 생산성에 더 중요한 영향을 주게 되는거죠. 또한 나중에는 누구나 자기 생활 양식에 맞게 커스터마이즈 해서 챗GPT를 비서나 홈 AI로 사용하게 된다면, 인공지능 커스터마이즈를 전문으로 해 주는 직업도 생겨날 수 있지 않을까 하네요! 챗GPT에게 물어봤는데 그닥 영양가 없는 답변을 주네요.
AI/ML 관련 기술이 빠르게 진화하고 있는데, 특히 관심 있는 주제가 있으실까요? 그 중에서도 특히 업무에 녹여볼 수 있는 주제가 있을 것 같은데, 차용하는 기술과 아닌 기술을 구분하는 홍석님만의 기준이 있을까요?
멀티모달에 관심을 갖고 보고 있어요. 조만간 커머스에서도 원하는 상품을 이미지 혹은 장문의 텍스트로 찾아낼 수 있는 쇼핑 어시스턴트 기반 검색이 일반화될 수 있다고 생각합니다!
업무에 AI 기술을 도입하는 기준은 다음의 세 가지 중 하나를 잘 할 수 있는지 여부로 판단하는데요. 첫 번째는 고객의 효용이 늘어나는지, 두 번째는 플랫폼, 즉 퀸잇과 셀러의 효용이 늘어나는지, 그리고 마지막으로누군가의 시간을 아낄 수 있는지를 고려하고 있어요. 저의 경우 가볍게 poc해 볼 수 있는 기술인지 여부도 중요하게 생각해요. 도입 전에는 결과를 예측하기 어려운 기술이 많기도 하고, 해 봐야 알 수가 있기 때문에요. 가볍게 도입해서 결과를 볼 수 있다면, 빠르게 시도해 보는 걸 선호합니다.
어떤 상황에서 특히 더 성취감을 느끼시는지도 궁금해요.
데이터를 기반으로 해서 잘 될 것 같다고 예상하고 만든 피처가 실제로 좋은 결과를 냈을 때 뿌듯 하더라구요. 불확실한 게 워낙 많은 세상이라 그런지 조금이라도 미래를 맞출 수 있다는 느낌 때문인 것 같네요. 사람들이 사주나 타로를 좋아하는 것도 비슷한 이유가 아닐까요? 또한 제가 만든 기능을 고객들이나, 내부 고객인 다른 구성원들이 잘 사용할 때에도 뿌듯해요.
라포랩스에서 일한다는 것의 장점 중에 딱 하나를 꼽으라면 무엇일까요?
사람들이 회사의 성장이라는 하나의 목표를 향해 같이 달린다는 점이에요. 모두의 목표가 같기 때문에 협업 파트너들끼리 서로 속도를 높여 주기 위해 노력하고, 따라서 상식적으로 일할 수 있습니다. 각자 잘 하는 부분에 집중할 수도 있구요. 이게 정말 큰 장점이라고 생각합니다.
또 ML 분야에서 일하시는 분들은 큰 규모의 테크 기업을 선호 하는 경우가 많은데요. 라포랩스처럼 개인이 자유롭게 역량을 펼칠 수 있는 곳도 있다는 것을 많은 분들께 소개해 드리고 싶어요.
라포랩스의 ML 조직으로서 그리는 모습이 있다면 어떤 것일까요?
빠르게 하되 대충 만들지는 않는 사람들, 기술의 원리를 알고 쓰는 사람들, 데이터 프로덕트의 디테일을 챙길 수 있는 사람들로 구성된 조직입니다! 아마… 지금처럼 적은 인원으로 넓은 도메인을 커버해야 할 것 같네요
앞으로 어떤 커리어패스를 생각하고 계신가요?
더 어려운 상황에서도, 더 큰 임팩트를 낼 수 있는 사람이 되고 싶습니다. 더 작은 조직이어도 괜찮고, 더 많은 사람들과 협업이 필요한 업무도 좋습니다. 사람들이 많이 관여된 문제가 해결하기엔 어려운데요. 예전에는 이런 것들이 임팩트가 잘 나지 않는다고 생각했어요. 라포랩스를 경험해보니까 이런 것들도 잘 풀리는 것 같다는 생각이 들었고, 문제를 풀었을 때의 성취감도 크더라고요. 복잡하게 꼬여 있는 문제들을 풀어보고 싶습니다. 특히 다른 사람과의 접점이 많고 합의가 필요한 문제를 푸는 데에 관심이 많아요.
