토스증권 추천과 검색은 어떻게 진화하고 있을까?

핵심 내용

• 토스증권 추천은 배치·클러스터 중심에서 실시간 이벤트와 피드백을 흡수하는 루프로 진화
• 검색은 키워드·필터 중심에서 RAG, 하이브리드 검색, 리랭킹, 그래프 RAG로 확장
• 공통 데이터 기반과 관측·운영·디버깅 체계의 중요성 강조

구조와 흐름

• 추천: 유저 행동과 아이템 변경 이벤트 반영, 피처 스토어·벡터 인덱스 갱신, 노출 결과 재순환
• RAG 검색: 질문 이해, 조건 생성, 하이브리드 검색, 리랭킹을 거쳐 생성 단계에 컨텍스트 전달
• 그래프 검색: 시작 지점 탐색 후 홉 단위 확장, 후보 제한, 경로 점수화로 서브그래프 반환

주의할 점

• 임베딩 모델 변경 시 벡터 저장소 운영과 데이터 공간 정합성 고려 필요
• 벡터 검색은 키워드 질의에 한계가 있어 텍스트 검색, 사전 관리, 리랭커 보완 필요
• 그래프 탐색은 후보 폭증이 심해 홉별 가지치기와 실행계획 최적화가 중요