KaKao

2014년 국내 최초로 간편결제 서비스를 시작한 카카오페이의 초심은 이용자들이 안전하고 편리하게 일상의 금융서비스를 이용하는 환경을 만드는 것입니다. 간편한 카카오톡 송금, 손쉬운 대출 상품 금리 비교, 편리한 카카오톡 앱 증권 서비스 모두 이러한 고민에서 기획되고 출시됐습니다. 카카오페이는 일상의 모든 금융 활동이 카카오페이로 가능한 환경을 만들기 위해 항상 노력하고 있습니다. 특히 최근에는 더욱 발전하고 있는 AI 기술을 어떻게 활용하면 이용자분들에게 가장 큰 혜택을 드릴 수 있을지 고민했고 이를 AI에 기반한 맞춤형 서비스에 반영했습니다. ⟪Tech Ethics⟫ 4호에서는 편리하면서도 이용자가 신뢰할 수 있는 금융플랫폼이 되기 위해 카카오페이가 개발한 추천 서비스와 그 속의 책임 있는 인공지능(Artificial Intelligence) 추천 기술에 대해 설명해 드립니다.

 

어려운 금융, 다양한 상품... 이용 데이터에 기반한 맞춤형 추천 기술

시장에는 무수히 많은 금융 상품과 혜택이 있습니다. 하지만 이용자에게 맞는 상품을 찾는 일은 쉽지 않습니다. 많은 시간과 노력을 들여 검색을 하고 지인들에게 물어보며 정보를 취합하거나, 광고 문구에 이끌려서, 시간이 촉박해 최종 결정을 내릴 때마다 과연 이 선택이 최선일까라는 의구심을 지우기는 쉽지 않습니다. 

카카오페이는 이 같은 이용자들의 요구를 반영해 금융상품을 선택할 때 탐색의 번거로움을 해소하고 필요하고 정확한 혜택을 제공하는 상품을 신속하게 추천하는 AI 시스템을 개발했습니다.

카카오페이의 추천 기술이 만든 변화는 첫 화면부터 확인할 수 있습니다. 추천 AI 기술이 도입되기 전 카카오페이 첫 화면에는 개별 금융생활 패턴을 고려하지 않고 모든 이용자에게 잔액과 등록 카드 정보가 크게 노출되었습니다. 하지만, 23년 4월, AI 추천 서비스가 도입되면서 이용자별 맞춤형 화면이 노출되기 시작했습니다. 추천 AI 기술이 이용자의 서비스 이용 빈도 및 행동 정보 등 데이터를 분석하고, 자주 쓰는 서비스와 송금 및 결제내역 등의 최신 금융 정보를 골라서 첫 화면에 배치하면서 이용자는 예전과 다른 개별 맞춤형 첫 화면을 제공 받게 됐습니다.

추천 AI 기술은 사용자 금융생활과 소비패턴에 맞는 금융상품도 골라줍니다. 카카오페이 AI 추천 시스템은 이용자의 결제내역뿐만 아니라 금융 자산을 한 번에 모아주는 마이데이터 카드 이용내역(마이데이터 사용에 동의한 이용자 한정) 등 다양한 정보를 분석하고 사용자 특성별 프로파일을 구성하여 가장 적합한 할인 및 적립 혜택을 주는 카드를 추천합니다. 특히 카카오페이 카드 추천 서비스는 추천 기준에 대한 설명도 함께 제공합니다. 최근 30일간 결제 금액 내역 등을 반영한 추천 이유를 설명해 추천 서비스를 사용한 이용자에게 해당 카드가 왜 적합한지 추천 근거를 상세하게 설명함으로써 기업의 기술 투명성 책무도 이행하고 있습니다.

 

최적의 추천 AI 모델을 만들기 위한 끝없는 실험과 검증

카카오페이는 사용자에게 편의성과 효용을 제공하는 추천 AI 기술을 만들기 위해 사용자 이해를 기반으로 추천을 제공하고 피드백을 반영하는 실험과정을 반복합니다. 이러한 과정을 반복적으로 진행해야 가장 적합하고 최적화된 추천 AI 기술로 성장할 수 있습니다. 추천 AI 기술을 개발하는 과정을 간단하게 표현하면 아래와 같습니다.

(1) 추천 AI 설계

먼저 사용자를 이해하고 그들의 불편함이 무엇인지 찾아냅니다. 이를 위해 사용자가 카카오페이 서비스를 이용한 내역과 행동 데이터를 통한 패턴을 분석합니다. 여기에 유저 특성 프로파일 데이터도 결합하여 사용자의 성향과 취향도 파악합니다. 다양한 분석을 기반으로 서비스 구성인 아키텍처(Architecture)와 AI 모델 지표 등 추천 서비스 및 AI 기술의 방향성을 결정합니다.

 

(2) 피드백 분석 및 피처(feature) 생성

서비스와 사용자 간 상호작용으로 생성되는 피드백 데이터를 분석하고 추천 AI 기술이 사용자 요구에 맞게 동작하고 있는지 점검하며 개선사항을 찾습니다. 이 과정에서 사용자 분석을 위해 사용될 수 있는 새로운 데이터 ‘피처 데이터’가 생성됩니다. 피처 데이터를 통해 AI 모델 자체 개선뿐 아니라 추천을 위해 학습할 수 있는 새로운 데이터 요소들이 추가됩니다.

 

* 피처 데이터AI 추천 결과에 반영되어 더 좋은 결과를 도출할 수 있는 사용자 특징을 반영한 데이터를 ‘피처 데이터’라고 합니다. 데이터를 분석하고 피드백을 점검하는 과정에서 새롭게 발견되기도 하며, AI 기술은 이러한 '피처 데이터'를 통해 보다 정확한 사용자 분석이 가능합니다.

 

(3) 모델 개발 및 실험

추천 AI 기술 설계에서 정의된 서비스 목표와 AI 모델 학습 및 평가 지표를 달성할 수 있도록 머신러닝과 딥러닝 모델 아키텍처를 개발합니다. 이후 해당 아키텍처를 바탕으로 학습과 개선 과정을 반복해 최적의 형태로 AI 모델을 발전시킵니다. 실제 환경과 유사한 환경에서 실험 과정도 거치며 성능을 점검합니다.

 

(4) 추천 AI 기술 운영 및 모니터링

이렇게 만들어진 추천 AI 모델은 시스템에 탑재됩니다. 이후 피처 데이터 생성부터 모델 학습 및 추론 등 전 과정을 하나의 단위로 묶어 추천 AI를 운영합니다. 단위별로 AI를 운영하며 설계부터 실험까지 과정을 지속적으로 반복하고 모니터링합니다. 이런 일련의 과정을 통해 가장 적합한 추천 AI 기술이 탄생하게 됩니다.

 

이렇게 추천 AI 기술이 탄생하면 각종 서비스, 광고, 금융 정보 콘텐츠 및 금융상품 등 다양한 부문에 적용되어 사용자 경험을 높이고 있습니다.

 

편리함과 안전을 동시에 고민…엄격한 ‘개인정보보호’ 원칙

추천 AI 기술을 개발하고 운영하기 위해서는 다양한 머신러닝 및 딥러닝 모델을 동시에 안정적으로 운영해야 합니다. 또한, 머신러닝과 딥러닝 모델 학습 및 추론과정에서는 사용자의 서비스 이용 및 행동정보와 같은 다양한 정보가 활용되기에 사용자 정보보호를 위해 노력해야 합니다.

 카카오페이는 기술 운영에 앞서 개발 과정에서 다양한 기술 검토를 통해 안정적 운영은 물론 사용자의 개인정보보호가 가능한 최적의 시스템을 구축했습니다. 추천 AI 기술 개발에 있어서 개인정보보호, 보안성 검토 등 개인정보보호를 위한 사전 예방과 점검을 철저히 수행했습니다. 또한, 사용자 개인정보보호 문제 발생을 방지하기 위해 사용자 데이터 비식별화 과정을 거치고 운영 시 활용되는 클라우드 환경에서 개인정보를 침해할 수 있는 접근을 차단합니다.

사용자가 믿고 사용할 수 있도록, '신뢰할 수 있는 추천 AI 구축 프로젝트'

추천 AI 기술을 운영하는 과정에서 데이터 편향, 추천 정보 오류, 시스템 안정성과 같은 여러 가지 잠재적 문제가 존재합니다. 이를 해소하지 못하면 추천 AI의 신뢰성을 무너뜨리는 결과로 나타날 수 있습니다. 사용자가 회사의 추천 서비스에 대해 신뢰할 수 있도록 ‘신뢰할 수 있는 추천 AI 구축 프로젝트’를 진행했습니다.

데이터 불균형으로 인한 편향적 추천 결과 방지

추천 AI 기술의 학습 데이터가 불균형할 경우 이 데이터로 학습한 추천 AI 역시 편향적인 추천 결과를 보여줄 수 있습니다. 이를 해소하기 위해 AI의 학습 데이터에 대한 꼼꼼한 사전 검토 과정을 거칩니다. 학습되는 데이터의 코드를 배포하기 전에도 점검 과정을 거쳐 데이터 불균형을 방지합니다. 특히, 성별과 연령대와 같은 정보는 개인 맞춤형 추천 모델에서 상대적으로 더 큰 영향력을 갖고 있기에 관련 데이터와 기능을 상시 점검하고 필요시 대체하는 등의 과정을 거칩니다. 

서비스를 운영하며 추천 결과 도출에 도움이 되는 다양한 데이터가 만들어집니다. 해당 데이터가 AI 모델에 반영되기까지 시간이 지연되면 잘못된 추천 결과를 보여주는 서비스 공정성 문제가 발생할 수 있습니다. 이를 방지하기 위해 추천 AI 모델에 중요한 역할을 하는 주요 데이터는 실시간으로 추출하고 이를 데이터셋에 반영하는 시스템을 구축했습니다. 이에 따라 결과가 데이터 반영 지연으로 영향받지 않도록 했습니다.

 

정보 오류 방지로 추천의 정확도 제고

실시간으로 다양한 사용자 데이터가 만들어지는 과정에서 데이터 분포가 변경이 되는 경우, AI 모델이 변경된 분포에 기존 학습 방식을 적용해 부정확한 추천 결과를 제공하게 되는 위험이 있습니다. 추천 결과의 품질을 유지하기 위해 적절한 주기를 찾아 새로운 데이터를 받아들여 반복적으로 학습할 수 있도록 환경을 구축했습니다.

나아가, 실시간으로 추천 AI 모델 품질 모니터링을 진행하고, 새로운 데이터 및 사용자 행태에 대한 피드백을 서비스 일부 사용자에 반영해 품질을 확인하는 온라인 실험(카카오 알고리즘 윤리헌장, 현행법 규정 준수)을 운영해 AI 기술이 보다 빠르게 변화하는 데이터에 대한 학습이 가능하도록 만들었습니다. 

 

AI 기술 운영 체계 고도화로 안정적인 시스템 운영

추천 AI 기술은 데이터 및 어플리케이션 적용, 머신러닝 기술 등이 서로 결합되어 복잡한 시스템으로 구현됩니다. 각자 특화된 기능을 수행하는 개별 기술들이 서로 효과적으로 연계되도록 중간 관리자 역할이 필요합니다. 카카오페이는 이런 중간 관리에서 발생할 수 있는 장애 요인을 최소화하기 위해 각기 다른 기능이 연계되는 과정을 자동으로 처리해주는 시스템을 개발했습니다.

 사람의 개입 없이 시스템끼리 통신하며 데이터를 조회하고 결과를 도출하는 추천 AI 기술에서는 잠재적 문제를 찾기는 쉽지 않습니다. 특히, 사용자가 잘못된 추천 결과를 받았을 때, 이를 파악하기 위한 추적이나 재현 과정이 어려워지는 경우도 있습니다. 추천 AI 기술의 잠재적 오류를 빠르게 발견하고 부정확한 추천 결과를 도출했을 때 빠르게 대응하기 위해 전 과정을 기록하고 조회할 수 있는 시스템 환경도 구축해 사용자가 믿고 서비스를 사용할 수 있도록 했습니다. 

 카카오페이의 추천 AI 기술은 이렇게 ‘신뢰할 수 있는 추천 AI 구축 프로젝트’를 거치며 사용자가 믿고 사용할 수 있는 기술이 되었습니다.

 

책임 있는 추천 AI가 되기 위해

사용자들이 신뢰할 수 있는 추천 AI 기술이 되기 위해서는 개인정보보호, 편향적 정보 제공으로 인한 차별 방지 등 다양한 요소들이 고려되어야 합니다. 최근에는 알고리즘의 신뢰도 또한 중요한 부분으로 자리 잡고 있습니다. 카카오페이는 카카오 알고리즘 윤리헌장을 기반으로 설계하고 있으며 모든 카카오페이의 알고리즘이 이용자와 공동체에 신뢰받을 수 있도록 항상 노력하고 있습니다.

카카오페이의 추천 AI 기술은 현재 카카오페이 홈화면과 ‘전체' 탭, 카드 추천 및 혜택 추천 등 여러 서비스에 적용되고 있습니다. 추후 준비중인 예적금 상품 중개 서비스를 포함해 더욱 다양한 서비스에 기술을 적용해 사용자에게 가장 필요한 다양한 금융정보를 제공할 예정입니다.

앞으로도 카카오페이는 추천 AI 기술이 이용자의 권리나 이익을 침해하지 않고 편의성과 효율을 높이는 순기능을 하도록 지속적인 노력을 멈추지 않겠습니다.

 

카카오페이의 기술을 책임지고 있는 박석근 기술 총괄 리더의 다짐으로 글을 마무리합니다.

"기술을 통해 일상 속 다양한 금융 영역에서 혁신을 만들어 나가는 것은 카카오페이의 DNA입니다. 앞서 말씀드린 AI 기술을 계속해서 고도화해 나가며, 누구에게나 어려웠던 금융을 카카오페이를 통해 쉽고 편리하게 누릴 수 있도록 발전시키겠습니다."