ネイバーは生成型人工知能（AI）競争において『ネイバーらしさ』を前面に出す。検索とブログ・カフェなどのユーザー生成コンテンツ（UGC）、ショッピング、プレイスなどのローカルサービスが一つのポータルエコシステム内で有機的に結びつく構造を基に、AI検索でもサービス間の連携性を実現する戦略である。
ネイバーは検索データをAIと結びつけ、質問をより正確に理解し、ショッピング・予約などの実際のサービス利用へとつなげる検索サービスの構築を目指している。
ネイバーは7月2日、ソウル・江南のD2SFでAI検索技術を紹介するテックディープトークセッションを開催し、AI検索サービス『AIタブ』に適用される次世代言語モデルと核心技術を公開した。
今回発表されたモデルは、既存のハイパークローバX（HCX）を基にAI検索に特化して開発された軽量モデル『プロダクトネイティブLLM』である。汎用AIモデルがさまざまな分野の知識と推論能力に焦点を当てているのに対し、プロダクトネイティブLLMは利用者の質問を理解し、ネイバー検索、ブログ、プレイス、ショッピングなどのサービスを適切に活用することに重点を置いている。
イ・ギチャンネイバークラウド理事は「既存のハイパークローバXが汎用AIであったのに対し、次世代モデルは汎用推論能力とサービス実行能力を組み合わせたモデルである」と述べ、「長い会話でも応答時間が急激に増加せず、AIエージェント機能を安定的に実行できる」と説明した。
新モデルは応答速度と処理量も改善された。質問が長くなるほど応答時間が大幅に増加していた既存モデルとは異なり、長い会話でも安定した性能を維持するように設計されている。学習データも既存の教育中心データから、裁判所の判例や論文などの専門知識まで拡大された。
答えを覚えるAIから『考えるAI』へ
学習方法も変わった。従来は正解を繰り返し学習する方法であったが、次世代モデルは試行錯誤を通じてより良い回答方法を見つける強化学習を積極的に適用した。代表的な例が『明瞭性強化学習』である。答えが分からない時にそれらしい答えを生成するのではなく、利用者に追加質問を投げかけるように学習した。
例えば『参教育の主演俳優は誰か』という質問には答えられるが、『そのドラマの主演は誰か』のように対象が不明確な質問には「どの作品を指していますか」と再質問する。このように、回答に必要な情報が不足している場合に追加質問をする行動に報酬を与え、モデルを学習させた。
ネイバーサービスとの連携も強化された。利用者が「江南の雰囲気の良いレストランを推薦してほしい」とリクエストすると、プレイス検索結果を活用し、「新沙洞で午後7時に2名予約可能な場所」という条件が追加されると、予約可能かどうかを確認して回答を生成する。単に答えを作るAIではなく、必要なツールを選択して結果を総合するAIを目指しているという説明である。
ネイバーはAIタブの核心技術として『ハーネス（Harness）エンジニアリング』も紹介した。一つの巨大な言語モデルがすべての作業を行うのではなく、作業ごとに最適化された小型モデルと検索・予約などのさまざまなツールを組み合わせてAIサービスを運営する方式である。
ハン・スンギュネイバーAI検索リーダーは「LLM一つだけでは安定したサービスを提供するのは難しい」とし、「どのモデルとどのツールを使用するかを設計することがAIサービスの競争力である」と述べた。
ネイバーはこの方式を通じて、既存に比べ約3倍の設備コストを削減し、応答速度は2倍以上改善されたと説明した。サービス実行能力評価でも競合モデルの平均を上回る水準の性能を記録したと付け加えた。
テキストの次は画像
ネイバーは今後AIタブをスマートレンズ基盤のマルチモーダルAIエージェントへと発展させる計画である。ユーザーが写真や動画を見せると、AIがシーンと文脈を理解し、検索だけでなくショッピングや予約などの実際の行動まで行う形である。例えば、動画の中のカフェを見て「私の町で似た雰囲気のカフェを午後7時に4名予約してほしい」とリクエストすると、画像とテキストを同時に理解して予約まで行う方式である。
ユン・サンドゥネイバーリーダーは「画像を理解するだけでなく、ユーザーが見て、理解し、実行までできるAIを作ることが目標である」とし、「ネイバーサービスと最もよく結びつくマルチモーダルAIを実現する」と述べた。
一方、ネイバーはAIタブの広告導入計画はまだないと明らかにした。現在は収益化よりも利用者の信頼を確保することがより重要な段階であると説明した。ただし、今後のサービス成熟度や経営的判断に応じて広告導入の可否を検討する余地を残した。
* この記事はAIによって翻訳されました。
亜洲日報の記事等を無断で複製、公衆送信 、翻案、配布することは禁じられています。
