1 of 12

2 of 12

1.[시장분석] 현재, 생성형 AI 시대 서비스 현황

2.[시사점] Chatbot, 그리고 Next 방향성

3.[기획 및 제안] 모바일 플랫폼에서의 개인화 추천 시스템 구축 방향성

4.Appendix

3 of 12

기말 과제 제안서 개요

1.배경

  • 구글, MS, 애플, Meta 그리고 OpenAI 등 거대 플랫폼을 포함한 최고의 기술력을 가진 업체들이 앞다퉈 생성형 AI 모델을 활용한 AI 서비스를 구축하고 있으며, 초기 클라우드 기반 우수한 성능의 Foundation Model 중심 기술 경쟁에서 최근, 경량화 된 모델을 활용한 사용자 단말에 Deeply integrated 되어 개인화 및 AI Assistant 플랫폼 구축으로 경쟁의 양상이 바뀌고 있음

​

2.가정 및 기획 방향성

  • 가정: 기존 Cloud 중심 AI 성능 경쟁에서, On-Device AI와 결합한 Hybrid AI 플랫폼 구축과 특히 모바일 플랫폼에서는 Edge 단말에 특화 된 개인화 추천 시스템의 고도화가 추진 될 것 이다.
  • 기획 방향성: On-Device SLM + Cloud AI + 기존 모바일 플랫폼을 활용한 개인화 추천 시스템 구축을 위한 전략 및 고려사항, 그리고 해결 해야할 문제점을 정리해보고 비전을 제시해본다.

4 of 12

1. OpenAI의 ChatGPT

AI의 혁신 ‘생성형 AI 서비스’ = ChatGPT

5 of 12

1. 주요 생성형 AI 서비스 현황

Multi-modal + App Action 중심

Assistant 서비스

텍스트 중심 Chatbot 서비스

(feat. Foundation 모델 성능 경쟁)

OpenAI

ChatGPT (Text)

ChatGPT (Text + Voice) + Actionable APIs

Google

Gemini (Text)

Gemini Advanced + Live + Extensions

텍스트 기반의 Chatbot 형태의 서비스에서, 음성 및 카메라 등 다양한 입력을 활용

사용자가 원하는 앱 기능 및 Task를 수행하는 Personal AI Assistant 경험으로 확장 中

Meta

Meta AI (Text)

Meta AI (Text + Voice + Video)

Apple

Apple Intelligence (Text + Voice) + Actions

6 of 12

1. 변화의 핵심 키워드 : '개인화 추천' 을 통한 '실행'

“개인적 맥락에 대한 이해력” + “여러 앱을 넘나들며 동작을 수행하는 실행력” + “강화 된 개인정보“

이를 위해서, Hybrid AI (Cloud + On-Device AI) 및 다양한 앱/단말 데이터를 활용한 Action 추천 시스템 구축 중

7 of 12

RTB : 개인화 추천 시스템 기초

개인화 추천 시스템 구축을 위해서는 사용자의 의도를 파악하고 다음 행동을 예측하는 것이 필수

그렇다면, 이런 시스템은 세상에 없던 새로운 시스템인가? 그렇지 않다.

​

예전부터, 디지털 광고(Real-Time Bidding: RTB)에서 개인화 추천 알고리즘 플랫폼을 적극 활용 중이며, 계속해서 고도화 되고 있다.

​

하지만, 클라우드 및 계정 중심으로 3rd Party에까지 공유 및 재활용 되어 개인정보의 무분별한 사용,

웹 검색 및 수익화에 집중하여 최적화 된 고객 경험 및 데이터 확보에 있어서 한계가 있음.

​

​

​

​

​

​

​

Programmatic RTB 기본 Flow

  1. 사용자 서비스 이용 (Traffic 발생)
  2. 웹사이트에서 해당 페이지內 광고 요청 (+ 사용자 필수 정보 공유: AD ID 기반)
  3. DSP에서 해당 광고 요청에 대해서 사용자 Profiling 및 행동 예측 기반 Auction 참여
  4. Win (Price 기준) 컨텐츠를 사용자 노출
  5. 이후, 예측 대비 실제 사용자 행동 기반으로 피드백 반영하여 고도화

8 of 12

AI Assistant 개인화 추천 시스템 구축 방향성

Activity-based Contextual Data points

More secure for enhanced Privacy

More natural & intuitive response

Real-Time Bidding Platform

Action suggestion to complete

Drive a high-Engagement

9 of 12

비교 (RTB 추천 시스템 vs AI Assistant 추천)

​

기존 (RTB / 추천)

신규 추천 시스템

1. Activity-based Contextual Data points

앱 정보

현재 사용 중인 앱 정보

현재 앱 + 이전에 사용했던 앱 정보

(Recent Apps + Background 서비스 정보 활용)

화면 정보

현재 화면의 URL 정보

현재 화면 + 의미 있는 정보 추출 (OCR)

추천 방식

Reactive

사용자가 서비스를 사용하는 경우에만 추천

Proactive

사용자 컨텍스트 이해를 바탕으로 서비스를 사용하지 않는 경우에도 추천

2. More natural & Intuitive Response

우선순위

Ranking 기반

Ranking + 대화형

응답 형식

이미지, 링크, 버튼 등 CTA 중심

CTA + Cross App 기능 + 대화형

10 of 12

Overall 시스템 구성 요소

  1. On-Device Context 모니터링 서비스
  2. BT, WIFI 등 단말 Connectivity 이벤트 및 Status 모니터링
  3. Recent Apps, Notification 패널 등 Global 서비스 Status 모니터링
  4. 다양한 센서기반으로 단말에서 제공하는 Activity 이벤트 모니터링

2. 앱 기능/데이터 연동을 위한 표준화 된 SDK

  • 3rd Party 앱 개발사들이 AI Assistant에서 접근 가능한 앱 기능 선언
  • 파트너사 앱의 주요 Context / 이벤트 공유 기능 제공
  • AI assistant와 앱의 유기적인 경험 연결을 통해 Win-Win 구축

SDK

SDK

SDK

SDK

SDK

SDK

App Action Service

Contextual Monitoring

Recent Apps

Connec-tivity

Activity

(Run, Sleep등)

Reasoning / 추천

0. 앱 Action 등록

1. Device Context 모니터링

2. On-Demand로 동작

3. SLM을 활용한 Reasoning / First response 모듈 구축

  • On-Device에서 발생하는 다양한 Context + Ap ECO 정보 오케스트레이션
  • Low-Latency 경험을 위한 1st 답변 모듈 제공
  • 클라우드 모델과 유기적인 연동

11 of 12

How it works

Add to Calendar

‘수익성 분석 ..‘ 검색

1. AI Assistant 서비스 실행

2. 단말 화면 분석

+ Context 플랫폼 추천 Rank획득

3. Top N 액션 노출

및 대화형 응답 기반 사용자 입력 기회 동시 제공

카카오톡에서 과제 관련 논의를 하고 있었군요. 혹시 도움이 필요한 내용이 있을까요?

12 of 12

How it works

Pre-Condition

  • TWS (무선 이어폰 연결)
  • Running Activity 감지

Trigger Points

  • 특정 앱 (메신저) 앱에서 다수의 Notification이 발생

Actions

  • (Proactive 추천) AI Assistant 음성 모드 활성화 �“운동 중에 미안한데, Whatsapp에서 많은 알림이 오고 있어. 무슨 이야기가 오고 가는지 확인하고 있다가 답변이 필요한 내용이 있으면 알려줄까?”
  • (사용자 동의 및 Session 권한 획득) “응, 고마워”

운동 중, Whatsapp 대화 요약

  • 인공 지능 추천 시스템 발표 일정 변경과 자료 수정에 대한 제안

​

Open WhatsApp