aws-korea·문제GS SHOP 의 영상 콘텐츠를 추천에 어떻게 활용할 것인가. PD 가 영상 검수에 1시간 소요.
접근Bedrock 위 TwelveLabs Pegasus 로 영상 전체 이해 → Claude Sonnet 4 로 소구 포인트 추출(기능성·스타일·상황·실용성) → Cohere Embed Multilingual 로 벡터화 → OpenSearch 유사도 검색. 기존 추천을 교체하지 않고 위에 영상 신호를 얹는 Hybrid 방식.
결과PD 검수 1시간→수초, 클릭 UV +21.7%, 총주문고객수 +57.5%, 전환율 +29.4%. ElastiCache 의도 점수 + MMR 재정렬로 필터 버블 방지.
AWS Korea·문제콘텐츠 번역가 10만 명을 자연어로 검색하려면 BM25 키워드와 벡터 의미 검색을 동시에 잘 다뤄야 한다. 기존 PostgreSQL 검색은 nDCG@10 0.90 목표에 미달.
접근Amazon OpenSearch Service 로 이전하면서 Nori 한국어 형태소 분석기 + 다국어 임베딩 + Bedrock Cohere/Claude 로 데이터 정제 파이프라인 구축. 단일 쿼리에서 키워드와 벡터를 결합.
결과nDCG@10 0.90 이상 달성. 표준 어휘 사전과 별칭 매핑으로 이력서 데이터 일관성도 확보.
베스핀글로벌·문제AI 할루시네이션은 모델이 아니라 데이터 파이프라인 결함의 결과. PoC 에서 90% 정확도였던 모델이 프로덕션에서 실패하는 이유.
접근3 레이어 구조: 입력단 AI 기반 자동 품질 감시 → 거버넌스 레이어로 출처·흐름·접근 추적 → 출력단 AI-on-AI 자동 검증. 검색 품질이 답변 정확도를 좌우하므로 맥락 기반 청킹·멀티모달 임베딩·하이브리드 검색·리랭킹 네 기법 적용.
결과단일 플랫폼 도입이나 벡터 DB 구축만으론 부족함을 명확히 한 실전 검증 패턴. 도메인별 맥락을 잃지 않는 데이터 파이프라인이 진짜 해법.
무신사 테크·