예측을 넘어 결정과 발견으로: DeciML과 NeXA를 만든 이유
AI
예측을 넘어 결정과 발견으로: DeciML과 NeXA를 만든 이유
두줄요약
무신사는 예측 점수만으로 해결하기 어려운 개인화 문제를 결정과 발견의 관점에서 재정의했습니다. DeciML과 NeXA로 자원 배분·탐색 경험을 표준화하고 ML 적용을 확장합니다.
문제 상황
- 반응 확률 예측만으로는 푸시 슬롯·쿠폰 예산·화면 공간 같은 유한 자원의 배분 한계
- 지면별 개별 최적화에 따른 중복 노출과 서비스 전체 경험의 비일관성
- 신규 발견 지면마다 ML 서빙과 연결 방식을 재구축해야 하는 확장성 문제
구조와 흐름
- 고객·상품 표현과 피처를 만드는 Understanding, 선택지 가치를 비교하는 Valuation, 제약 아래 행동을 정하는 Selection의 3단계
- DeciML의 공급자 자원 배분·증분 효과·지면 간 조율 담당
- NeXA의 탐색 맥락 기반 후보 평가·정렬·슬레이트 구성과 발견 지면 전달 담당
선택 이유
- 기술 종류가 아닌 서비스 질문과 유한 자원의 소유 관점에 따른 Decision·Discovery 분리
- 공통 템플릿·실행 환경·배포 경로·서빙 규약·관측 기준 공유
- 문제별 산출물과 판단 기준의 축적·재사용을 통한 개인화 확장
성능/운영 포인트
- 서빙 API 연결, 장애 처리, 배포 절차, 트래픽·데이터 규모 대응의 표준화
- 서빙 계약, 재시도, 과부하 차단, 롤백 경로, 관측 규약의 플랫폼 품질 하한
- 오케스트레이션 레이어·피처 스토어·모델 레지스트리와 연계한 학습·서빙·실험 생태계
