취향저격 콘텐츠 이면의 기술력
“ㅇㅇ님이 좋아할 만한 시리즈”
“ㅇㅇ님이 좋아할 만한 영화”
티빙에 접속하게 되면 사용자의 취향을 저격하는 콘텐츠들로 나열된 ‘띠’들을 확인할 수 있는데요.
티빙에서는 모든 프로필마다 판이 다르게 구성되도록 사용자 취향에 더 가깝고 흥미로운 콘텐츠들을 추천해 주는 초개인화 추천 시스템을 구축하고 있습니다.
이러한 초개인화 추천 시스템을 위해 AB 테스트 환경을 구축하고 그 결괏값을 통해 개선 포인트를 확인해 나가는 등 우리 눈에 보이는 콘텐츠 이면의 기술력이 필요한데요.
특히 티빙에서는 이러한 기술력을 통해 추천 시스템을 구축하는 과정에서 서로 돕고 함께 성장하는 문화가 돋보이고 있습니다.
이번에는 추천 시스템 구축과 관련된 API 개발 및 운영 업무를 담당하는 Data Platform 신보라님을 만나 티빙의 문화와 업무 방식, ML 엔지니어의 자질 등을 물어봤습니다.
자기소개와 현재 담당하는 업무에 대해 소개 부탁드립니다.
안녕하세요, Data Platform 팀에서 ML 엔지니어로 근무하고 있는 신보라입니다. 저는 주로 추천 서비스와 관련된 API 개발 및 운영, 그리고 MLOps를 위한 작업을 담당하고 있습니다. MLOps를 통해 머신러닝 모델의 개발부터 배포, 모니터링에 이르는 전 과정을 자동화하여 운영의 효율성을 높이고 있습니다.
티빙에 입사하시기 전에는 어떤 커리어를 가지고 계실까요?
음성 신호처리를 전공하여, KT 연구소에서 음성 인식 기술 개발로 커리어를 시작했습니다. 음성 도메인에 국한되기보다 다양한 도메인의 데이터를 다뤄보기 위해 이직을 결심했습니다.
이후, 스타트업을 거치며 이미지 및 정형 데이터를 활용한 AI모델 기술 개발 직무를 주로 진행했습니다. 직전 회사였던 화해에서는 리뷰 데이터를 활용한 어뷰징 유저 탐지 모델을 담당했었는데, 모델의 성능 개선을 위해서는 반복적인 실험과 주기적인 배포가 잇따르게 되다 보니, 자연스레 ML 파이프라인에 대한 필요성을 인지하고 해당 업무 경험을 하게 되었습니다.
티빙에는 어떻게 합류하게 되셨나요?
ML 파이프라인에 대한 업무 경험이 MLOps에 대한 관심으로 이어졌고, 해당 직무로 전환하고 싶은 생각이 들었습니다.
해당 업무를 진행하게 된다면 ‘모델 개발을 담당하는 분들과 맞닿아 있는 업무 환경이 중요하겠다’ 라고 생각했고, 티빙에서는 같은 파트 내에서 사이언티스트 분들과 직접적이고 주기적인 소통을 통해 서비스를 ML 엔지니어가 배포 및 운영을 할 수 있는 점이 큰 장점이라고 생각하여 티빙에 합류하게 되었습니다.
소속팀의 주요업무는 무엇인가요?
저희 Data Platform 팀은 티빙에서 사용되는 모든 데이터의 수집, 처리, 분석 업무를 담당하며, 이를 기반으로 한 추천 및 검색 서비스를 개발하고 운영하는 것이 주요 업무입니다. 구체적으로, 데이터 엔지니어링을 통해 데이터의 품질과 접근성을 보장하고, 데이터 사이언티스트와 협력하여 사용자 행동 데이터를 분석하고 이해합니다.
이를 통해 사용자에게 개인화된 콘텐츠를 추천하고, 검색 결과의 정확성과 관련성을 높여 전반적인 사용자 만족도를 향상시키는 것을 목표로 하고 있습니다. 또한, 저희 팀은 MLOps를 적극적으로 도입하여 머신러닝 모델의 개발과 운영 과정을 자동화하고 최적화하고 있어, 빠르게 변화하는 시장과 사용자 요구에 신속하게 대응하고 있습니다.
소속팀의 업무방식과 분위기는 어떤가요?
현재 Data Platform 팀 내에서는 스프린트 단위로 업무를 진행하고 있어요. 정해진 시간에 맡는 업무 범위를 설정하고, 해당 범위의 끝에는 꼭 산출물이 나올 수 있도록 업무를 정의합니다. 이러한 스프린트 단위 업무 방식으로 빠른 실행력을 보장할 수 있고, 긴 호흡의 업무 또한 각 단계들을 잘 준비하고 빠른 실행 및 피드백으로 업무를 진행할 수 있는 분위기입니다!
업무에서 가장 도전적인 부분은 무엇인가요?
요즘 가장 도전적이라고 느끼는 부분은 ‘빠른 응답’을 통해 안정적으로 서비스를 구축하는 것이에요. 저는 이전에 모델러로 일을 했기 때문에, 같은 프로그램이라고 하더라도 빠른 응답을 내려줘야 하는 것에 대해서는 크게 신경 쓰는 부분은 아니었어요. 그런데 티빙 합류 이후에는 구독자가 점점 증가하고 곧 KBO 개막도 하다 보니, 많은 사용자에 대비하여 빠른 응답을 내릴 수 있도록 하는 것에 초점을 맞추게 되더라고요.
빠른 응답이 결국 서비스가 안정적으로 운영될 수 있는 요소 중 하나기 때문에, 최종적으로는 사용자 수에 상관없이 이슈가 발생하지 않도록 안정화된 서비스를 만드는 데 중점을 두고 있습니다.
현재 진행중인 프로젝트는 어떤 것이 있을까요?
초개인화 추천 시스템의 API 구축 및 배포를 담당하고 있습니다!
해당 시스템 고도화를 위해 사용자에게 추천 서비스로 추천을 해주는 것과 수동으로 큐레이션을 만들어 추천해 준 타입을 비교 테스트하는 AB 테스트 환경 구축도 포함하고 있어요.
업무를 하시면서 언제 가장 보람을 느끼시나요?
앞에서 언급한 AB 테스트를 구축하고, 실제 서비스에 반영되는 모습을 보았을 때 많이 보람찼던 것 같아요.
AB 테스트 도입 후, 수동으로 큐레이션을 만드는 과정에서 기술적으로 겪어보지 못한 부분이 있어서 처음에는 조금 어려움을 겪었지만, 동료들의 많은 도움으로 결국 AB 테스트를 잘 구축할 수 있었어요. AB 테스트 결과들이 내부적으로 테스트한 것과는 또 다른 결과들을 얻게 되어 매우 의미 있었고, 이런 점들을 개선 포인트로 잡아 더 나은 서비스를 만들어 가는 과정 자체가 재미있고 보람찼습니다.
서비스가 실제로 많이 반영되는 것을 겪고 싶어서 이직을 결정했던 부분도 있어서, 이러한 일련의 과정들을 경험하는 것에 매우 만족스러움을 느끼고 있어요.
티빙에 입사 후 가장 만족스러운 부분은 무엇일까요?
단연코 동료들이라고 말씀드리고 싶습니다.
회사들을 거치면서 저한테 중요한 것은 함께 하는 사람들이라는 생각이 들었어요. 티빙 동료들은 일을 구분 짓지 않고 팀 내에서 일어나는 모든 일에 구성원들이 함께 뛰어들어 해결하고 책임지고자 합니다. 이러한 동료들의 모습들에서 일을 대하는 태도, 그리고 동료를 존중하고 배려하는 마음들을 정말 많이 배우고 있습니다.
티빙에서 근무하시면서 가장 기억에 남는 에피소드가 있으신가요?
제가 너무 좋은 동료들과 일하고 있다고 느낀 에피소드가 하나 있습니다.
티빙 합류 초반쯤, 프로그램이 제대로 동작을 안 했던 문제 상황이 있었는데, 제가 업무에 대해 잘 모르던 시기여서 문제 해결도 쉽지 않았고 에러 로그 확인에도 어려움이 있었어요. 하지만, 업무상 API가 배포되는 시점이 정해져 있기 때문에 어떻게든 해결을 해보고자 늦게까지 업무를 하고 있었는데, 팀원분들께서 담당 업무가 아니신데도 늦은 시간까지 함께 업무를 봐주셨습니다.
당일에 바로 문제가 해결되지는 않았지만, 퇴근 이후에도 계속 자료도 찾아봐 주시고 많이 도움을 주셔서 팀원분들 덕분에 문제를 잘 해결할 수 있었어요.
티빙 합류 이전에는 누군가 다른 분들의 업무를 이렇게까지 돕는 모습을 보지 못했어서 매우 낯선 경험이면서 너무 감사한 기억으로 남았고, 이런 경험들이 쌓여 티빙의 서로서로 돕는 문화가 잘 형성된 것 같다는 생각이 들어요.
티빙 콘텐츠 중 최근에 즐겨보는 콘텐츠나 추천해주실 콘텐츠는 무엇일까요?
많은 분들이 언급하셨겠지만, ‘환승연애3’와 ‘내 남편과 결혼해줘’ 두 콘텐츠를 추천드리고 싶은데요. 환승연애는 연애 리얼리티 프로그램이다 보니, 그들이 느끼는 감정들과 상황들에서 공감되는 포인트들이 많아서 재미있게 보고 있습니다.
그리고 최근 방영이 종료된 내 남편과 결혼해줘는 콘텐츠 내용 자체가 재미있는 것도 있지만, 복수극이라는 설정 자체가 매력적인 것 같아요. 최근 잘 되는 콘텐츠들을 보면 복수극이 많은 것 같은데, 많은 분들이 현실에 힘든 부분이 많아서 이런 복수극을 좋아하시나 라는 생각이 들면서도, 현실에서 할 수 없는 부분들을 드라마에서 배우들이 보여줘서 일종의 카타르시스가 느껴지는 것 같아 아주 재밌게 보았습니다 : )
ML 엔지니어로서 어떤 역량과 자질이 중요하다고 생각하시나요?
커뮤니케이션 역량이 중요한 것 같습니다. 결국 이 역할이 사이언티스트분들의 모델과 서비스 적용 사이를 연결 짓는 역할이다 보니, 티빙의 ML 엔지니어에게는 소통에 대해 열려있고 중요시하는 태도가 중요하다고 생각해요.
그리고 성향상으로는 효율적이지 못한 것에 대해 넘어가지 않는 성향의 사람들이 적합하다고 생각합니다. 결국에는 긴 파이프라인 자체가 단순화/자동화되고, 효율적으로 운영되는 방향으로 개선해나가야 하는 업무이기 때문에 효율적이지 못한 것들을 보고 개선점으로 생각할 줄 아는 사고가 있어야 하는 것 같아요.
티빙에서 앞으로 이루고자 하는 목표가 있나요?
MLOps를 통해 ML 시스템의 자동화와 효율성을 극대화하고 싶습니다. 모델의 개발부터 배포, 모니터링에 이르는 전 과정을 자동화하여 파이프라인의 운영 효율성을 높이는 것이 지금보다도 더 다양한 실험들을 빠르게 실행 반복하여 더 좋은 시스템을 만드는 데 기여하는 부분이 될 거라 생각합니다.
새로운 동료가 함께한다면 어떤 동료와 함께 일하고 싶으실까요?
요즘에 드는 생각은 어떤 화려한 기술을 가진 동료보다도 서로 팀 내 업무를 대하는 진지함과 책임감이 동일한 동료들이 함께 일할 때 시너지가 나는 것 같고, 저도 그런 일원이 되고자 노력하고 있습니다. 그 방법과 기술이 서로 다르더라도 방향이 일치했을 때 얼마나 좋은 결과를 만들어낼지 늘 기대하고 있고, 그러한 마음이 일치하는 분들과 함께 일하고 싶습니다!
➡ ‘NO.1 K콘텐츠 플랫폼’ 티빙에 지원하고 싶다면?👨👨👧👧
https://team.tving.com/
Editor : TVING 김성용님, 김다윤님
