![[팀네이버 컨퍼런스 DAN25] 네이버 PersonA - 지금 나를 이해하는 AI (부제 : LLM 기반 사용자 메모리 구축과 실시간 사용자 로그 반영 시스템 구현)](https://i.ytimg.com/vi/ZhaZPpCEd38/maxresdefault.jpg)
[팀네이버 컨퍼런스 DAN25] 네이버 PersonA - 지금 나를 이해하는 AI (부제 : LLM 기반 사용자 메모리 구축과 실시간 사용자 로그 반영 시스템 구현)
DAN 2025 네이버 · YouTube
AI 핵심 요약
네이버는 대화 기록이 없는 서비스에서도 검색·클릭 같은 행동 로그를 사용자와의 간접적인 대화로 보고, 관심사와 탐색 패턴을 담는 페르소나 메모리를 구축했습니다. 최근 로그에서 단기 메모리를 만들고 이를 기존 장기 메모리와 주기적으로 결합하는 리플렉션 구조를 적용했으며, 만료 정책으로 관심이 사라진 정보는 기억에서 제외합니다. 이 메모리를 활용하는 개인화 탐색 파트너는 LLM으로 연관 주제와 콘텐츠 캔버스를 만들고, 메모리 유사도와 콘텐츠 인기도를 바탕으로 노출 순위를 정합니다. 실시간 사용자 컨텍스트 플랫폼 덱스터는 Flink, Kafka, Redis와 서버리스 플랫폼을 활용해 로그를 표준화·유통하고, 버퍼링과 샤딩, 헤비 유저 분리로 대규모 트래픽에 대응하도록 설계했습니다.
- 관심사를 키워드로만 저장하지 말고, 사용자가 정보를 연결하고 탐색하는 흐름까지 메모리에 담아야 합니다.
- 컨텍스트 한계를 고려해 최근 메모리와 기존 장기 메모리를 주기적으로 결합하는 리플렉션 구조를 사용할 수 있습니다.
- 관심이 사라진 주제는 만료시키고, 오래된 사용자 맥락이 계속 남지 않도록 관리합니다.
- 개인화 추론 비용이 커질 때는 메인스트림 페르소나를 대안으로 활용하고, 임베딩 유사도처럼 비용이 낮은 랭킹 방식을 선택할 수 있습니다.
- 실시간 로그 파이프라인에는 Kafka 버퍼와 Redis 샤딩·멀티클러스터를 적용해 트래픽 급증과 장애가 전체 서비스로 번지는 것을 줄입니다.
소개
[팀네이버 컨퍼런스 DAN25] 네이버 PersonA - 지금 나를 이해하는 AI (부제 : LLM 기반 사용자 메모리 구축과 실시간 사용자 로그 반영 시스템 구현) ChatGPT, Google Gemini와 같은 대화형 AI 서비스를 사용해 보면, 바로 이전 대화만 기억하는 것이 아니라, 수개월간의 대화 기록을 요약·저장하여 사용자와의 대화 맥락을 이어가는 모습을 볼 수 있습니다. 또한 ‘메모리’ 보기 기능을 통해, AI가 나에 대해 무엇을 기억하고 있는지도 확인할 수 있습니다. 네이버는 대화형 AI 서비스는 아닙니다. 그럼에도 불구하고, 사용자는 네이버의 다양한 서비스를 이용하면서 자신에 대한 수많은 단서를 남기고 있습니다. 직접적인 대화는 아니지만, 이러한 파편적인 기록들을 사용자와 네이버 간의 ‘간접적인 대화’로 보고, 이를 기반으로 사용자 메모리를 구축하려는 프로젝트가 바로 네이버 PersonA입니다. 네이버 PersonA 프로젝트에서는 사용자 메모리를 구축하기 위해 ...
비슷한 학습 자료
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 오프닝 키노트: 연결의 진화, 경험의 확장 (English sub)
컨퍼런스 DAN 2025
AI와 함께하는 네이버의 연결의 진화, 경험의 확장 Beyond Connection, Expanding experiences 팀네이버 컨퍼런스 DAN25의 오프닝 키노트에서는 DAN24에서 발표되었던 'On-service AI' 전략을 고도화한 AI 에이전트 ‘Agent N’가 공개되었습니다. 네이버는 그동안의 경험과 기술력을 바탕으로, 쇼핑∙검색∙광고 등 네이버 주요 서비스에 순차적으로 고도화된 에이전트를 도입할 예정입니다. 다양한 서비스부터 B2B까지 아우를 네이버의 'Agent N'을 기대해 주세요. Introducing NAVER's AI Agent Strategy — a vision for new connections across everyday life, business, and society in the AI era. * DAN25 오프닝 키노트를 포함한 전 세션 다시보기는 네이버 공식 네이버TV, 유튜브 계정에서 곧 만나볼 수 있습니다. #DAN #DAN25 ...
AI에이전트 개발
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 사용자의 목소리를 AI로 재현하다: LLM 기반 Multi Agent UX 플랫폼 개발기 “사용자에 진심인 3명이 모여, Persona가 말하게 만들다.” 이 세션은 잘 만든 AI 시스템을 넘어, 디자이너·AI 리서처·개발자가 경험한 AI 시대의 협업 가능성을 제안합니다. 사용자 페르소나봇 NSona의 기획부터 구현, 평가까지 전 과정을 공유합니다. AI로 사용자 리서치 데이터를 실시간 협업 자원으로 전환하며, Multi-Party 대화 시스템에서 사용자와 함께 일하는 방식을 실험했습니다. 세 명은 함께 AI를 만들며 역할과 협업 구조가 바뀌는 경험을 했습니다. 디자이너는 프롬프트를 설계하고, 리서처는 로직을 에이전트 구조로 바꾸었으며, 프론트 개발자는 AI를 비평 대상으로 다뤘습니다. 중요한 건 ‘어디까지 만들었느냐’가 아니라 ‘어디서 시작점을 찍느냐’임을 깨달았습니다. 참석자분들께서 창의적, 기술적 인사이트와 함께 자신만의 AI 협업 모델을...
AI에이전트 개발 UI/UX
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 발췌에서 생성으로: 네이버 검색의 진화
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 발췌에서 생성으로: 네이버 검색의 진화 본 세션에서는 생성형 AI를 활용하여 네이버 검색 결과를 요약 제공하는 AI브리핑 서비스를 소개하고, 서비스 출시 과정의 기술과 노하우를 공유합니다. 서비스를 구성하는 컴포넌트별로 필요한 LLM 모델을 튜닝하고, 파이프라인을 구축하여 서빙하는 과정, 그리고 서비스별 니즈를 만족시키기 위해 특화된 LLM모델링 및 프롬프트 엔지니어링을 수행하는 과정들에 대해 공유합니다. 목차 1. AI브리핑 소개 - 검색과 AI의 만남 - AI브리핑 시스템 overview - AI브리핑의 다양한 라인업 및 성과 2. AI브리핑 시스템 들여다보기 - AI브리핑을 위한 검색 시스템 소개 - 지속가능한 모델 개선 파이프라인 - AI브리핑 등장 후 네이버 검색 품질의 변화 3. 서비스 특화된 AI브리핑 - 다양한 사용자의 요구를 만족하기 위한 차별화된 시도 - Docume...
AI에이전트 개발 자연어 처리
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지 이번 세션은 네이버 플레이스 AI Briefing 생성의 기술적 파이프라인을 다룹니다. Retrieval - Reranking - Summarization 구조를 중심으로 탐색형·정답형·정보형 태스크 차이를 설명하고, 텍스트와 이미지 정보를 요약하는 방법을 소개합니다. 구체적으로 Text Encoder·Reranker·Multi-modal Encoder의 데이터셋 구축, 모델 선택과 학습 방법론, 도메인 특화 모델 평가 사례, 그리고 ICL·Distillation 기반 요약 기법을 공유합니다. 마지막으로 서비스 적용 경험을 토대로 효율 최적화, 대형·경량 모델 조합 등 실무 전략을 제시합니다. 이 과정을 통해 얻은 통찰이 더 나은 서비스 설계와 발전 방향을 모색하는 데 기여하길 바랍니다. 목차 1. Overview - Place AI Briefing - 서비스 설명과 사례 ...
컴퓨터 비전 자연어 처리
컨퍼런스 엔지니어링데이 2025
사용자의 목소리를 AI로 재현하다: LLM기반 Multi Agent UX플랫폼 개발기
컨퍼런스 엔지니어링데이 2025
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025 에서 발표되었던 세션을 공개합니다. 해당 발표는 팀네이버 컨퍼런스 DAN25 홈페이지(https://dan.naver.com/25/sessions/699)에서도 살펴보실 수 있습니다. [발표 내용] “사용자에 진심인 3명이 모여, Persona가 말하게 만들다” 이 세션은 잘 만든 AI 시스템을. 넘어, 디자이너·AI 리서처·개발자가 경험한 AI 시대의 협업 가능성을 제안합니다. 사용자 페르소나봇 NSona의 기획부터 구현, 평가까지 전 과정을 공유합니다. AI로 사용자 리서치 데이터를 실시간 협업 자원으로 전환하며, Multi-Party 대화 시스템에서 사용자와 함께 일하는 방식을 실험했습니다. 세 명은 함께 AI를 만들며 역할과 협업 구조가 바뀌는 경험을 했습니다. 디자이너는 프롬프트를 설계하고, 리서처는 로직을 에이전트 구조로 바꾸었으며, 프론트 개발자는 AI를 비평 대상으로 다뤘습니다. 중요한 건...
AI에이전트 개발 UI/UX