버즈니 리서치 엔지니어 챕터 '단순한 모델 개발 넘어 서비스 적용 중요'

버즈니는 오랜기간 쌓아온 커머스 AI 기술을 바탕으로 국내 1위 모바일 홈쇼핑 플랫폼 홈쇼핑모아 서비스를 운영하고 있습니다. 이 안에서 버즈니 크루들은 ‘성장의 즐거움’을 추구하며 오늘보다 더 나은 내일을 준비합니다. 이들의 성장 스토리를 직접 들어보기 위해 ‘버즈니톡’ 대화방을 열었습니다.

[오늘의 대화상대]

"머신러닝 기술이 서비스에 적용되는 모든 프로세스를 경험하면서 연구실에서 하던 머신러닝 연구와 서비스에 적용하는 머신러닝 연구의 차이점을 분명히 알수 있게 됐어요. 물론, 그 과정이 쉽지는 않았지만 제가 성장할 수 있었던 유익한 경험이라고 자신합니다."

이번 버즈니톡 초대 손님은 리서치 엔지니어링 챕터 리드 ‘엘튼’입니다. 

--

[엘튼님을 버즈니톡에 초대했습니다]

우디: 엘튼, 안녕하세요!

엘튼: 넵! 안녕하세요^^

우디: 간단히 자기소개 부탁드려요

엘튼: 저는 버즈니 AI LAB 리서치 엔지니어인 동시에 리서치 엔지니어링 챕터 리드 역할을 하고 있어요.

엔지니어로서 얼마전까지 카탈로그 시스템을 구축했고, 현재 추천 리서치 엔지니어로 푸시 시스템 개선 역할을 하고 있어요 또 챕터 리드로서 여러 리서치 엔지니어가 개발 과정에서 의사결정이 필요할 때 도움을 주려고 노력하고, 나아가 다른 스쿼드와 협업하는 경우 의사소통 창구 역할을 하고 있습니다 

우디: 리서치 엔지니어링 챕터는 어떤 업무를 하나요?

엘튼: 머신러닝 기술을 이용해 서비스 사용자에게 더 좋은 서비스 경험을 주고자 노력하고 있어요 개인화 추천부터 NLP, 이미지/영상, 검색 랭킹, 카탈로그 등 이커머스에 필요한 대부분의 기술을 연구해 서비스에 적용하고, 지속적으로 발전시키고 있습니다

최근에는 홈쇼핑모아에 카탈로그 자동화 서비스를 적용시켰는데요 가격비교 서비스를 제공하는 과정에서 수백만가지 데이터 사이에서 동일한 상품을 자동으로 찾아 하나로 묶어 보여주는 기술이에요

우디: 최근까지 홈쇼핑모아에 다양한 추천 기술이 적용됐는데, 소개 부탁드립니다

엘튼: 단순한 Matrix Factorization 기법을 이용한 Item-to-Item 추천부터 Session-based, BERT, Graph를 활용한 추천까지 다양한 기술을 선보이고 있어요

또 MAB(Multi-armed bandit)를 적용해 사용자에게 상품을 추천할 때, 여러 추천 로직들 사이에서 가장 매력적인 상품을 추천할 수 있도록 최적화하고 있습니다. 

추천 뿐만 아니라 이미지/영상 분야와, 자연어 처리 분야에서도 BERT 모델과 Deep Metric Learning 기술들을 적용해 다양한 문제를 해결하고 있어요

우디: 일을 하면서 기술적 오류나 의견대립이 생기는 경우도 있을텐데 그럴땐 어떻게 해결하나요?

엘튼: 해당 도메인 담당자가 주가 되어 해결을 해요 그렇다고 한 사람이 책임을 지는 구조는 아니에요 원인을 찾아 책임을 묻기 보다는 어떻게 하면 그 문제를 잘 해결 할 수 있을지 다 같이 노력하고 있어요 또 문제가 재발하지 않도록 충분히 소통하고 있습니다

우디: 구성원들과 소통은 구체적으로 어떻게 하고 있나요?

엘튼: 버즈니는 자유로운 소통 문화를 가지고 있어요 서로에게 궁금하거나 필요한 부분은 물론, 다른 도메인의 지식에 대해 이야기를 나눌 수 있도록 분위기를 만들고 있어요

실제로 챕터 내 정기적으로 기술 공유 회의(Tech-talk) 시간을 가지고 있는데요 공유 내용이 있는 경우 주 1회 진행하고 있어요 이를 통해 개인이 해결하기 힘든 문제를 논의하거나 엔지니어간의 아이디어를 공유하고 있습니다

다른 스쿼드나 챕터와도 자유롭게 소통하는 환경을 조성하려고 해요 그 일환으로 기술 스터디(Tech Share) 등을 통해 서로 관심 있는 내용을 나누는 시간을 가지고 있습니다

--

버즈니 리서치 엔지니어는 일을 하는데 있어 남다른 마음가짐을 가지고 있다고 하는데요. 엔지니어가 단순히 모델만 만드는 것이 아니라 서비스 전반적인 부분에 관여해야 서비스에 적합한 모델을 개발할 수 있다는 것입니다. 

때문에 버즈니 리서치 엔지니어는 모델 개발만 하는 것이 아니라 직접 데이터 정제부터 서비스에 노출되는 API 개발까지 모든 과정을 직접 담당하고 있습니다. 

이는 앞으로 리서치 엔지니어링 챕터에서 일을 하게 될 새로운 크루가 담당할 업무이기도 합니다.

--

우디: 리서치 엔지니어를 뽑고 있는데요 어떤 부분을 중점적으로 보나요?

엘튼: 문제에 접근할 때 충분히 고민한 다음에 정확한 해결책을 제안할 수 있었으면 합니다 단순히 최신 기술을 사용하는데 집중하는게 아니라 그 기술이 현재 해결하고자 하는 문제에 필요한 부분인지, 어떤 것을 해결하기 위해 그 기술을 사용해야 하는지에 대해 깊이 고민하는 사고방식은 중요하다고 생각해요

더불어 자신이 담당한 업무에 오너십을 갖고 서비스에 적용된 모델의 성능을 지속적으로 올려나가려는 노력을 하시는 분이면 좋겠어요

우디: 채용시 진행되는 사전 과제에 대해 설명해 주세요

엘튼: 과제는 버즈니 리서치 엔지니어가 실무에서 해결했던 문제를 축소화해 출제하고 있어요 주어진 문제를 머신러닝 모델을 이용해 해결하는 형태입니다

문제를 잘 이해하고 적절한 해결 방법을 생각해 낼 수 있다면 크게 어렵지 않을 거라고 생각해요 단순히 최신 모델을 쓴다고 좋은 건 아니에요 앞서 말한 바와 같이 문제에 대한 정확한 이해와 모델을 선택한 이유가 중요해요 물론, 어느 정도 성능은 보장 돼야 겠죠

우디: 리서치 엔지니어로 버즈니에 입사하고 싶다면 어떤 부분을 준비하면 될까요?

엘튼: 무엇보다 직무에 대한 배경지식과 본인이 사용해 봤던 모델이나 이론에 대한 정확한 이해는 필수입니다 그것들을 기반으로 한 활용이나 문제 해결들이 있으면 매우 좋을 것 같아요

우디: 마지막으로 버즈니에서 일하면 어떤 부분에서 성장할 수 있나요?

엘튼: 다양한 데이터를 활용해 본인이 개발한 모델을 서비스에 적용하는 경험을 할 수 있어요 그 과정에서 단순한 모델 개발뿐만 아니라 데이터 자체를 바라보는 시각, 서비스 요구사항을 만족하기 위한 백엔드적인 역량 역시 함께 키워나갈 수 있답니다

우디: 좋은 말씀 감사합니다! 앞으로 더 좋은 추천 서비스 기대하겠습니다

엘튼: 네 감사합니다^^

[엘튼님이 버즈니톡에서 나갔습니다]

--

버즈니 리서치 엔지니어는 단순히 모델을 개발하는 것이 아니라 서비스에 원활하게 적용하는 것을 최종 목표로 삼고 있습니다. 

이러한 목표를 함께 지향하며, 성장의 즐거움을 나눌 인재를 버즈니 리서치 엔지니어링 챕터는 기다립니다. 

​