현대 인터넷 경제의 큰 부분을 인공지능 기반의 추천인 시스템이 주도하고 있다. 예를 들어, 추천인 시스템은 스포티파이에서 재생되는 노래, 넷플릭스에서 추천하는 영화, 아마존 홈페이지에서 추천하는 제품의 배경이 되는 엔진이다. 모든 광고 이메일이 받은 편지함으로 전달되고, 피드의 모든 소셜 미디어 게시물, 심지어 홈페이지에 소개되는 뉴스 기사까지 추천인 시스템의 영향을 받는다.

맞춤형 제품 추천을 예측하고 제공하기 위해 광범위한 데이터를 분석하는 이러한 시스템은 스트리밍 서비스 및 콘텐츠 공급자에 대한 참여 뿐만 아니라 전자 상거래 플랫폼의 고객 만족도와 수익을 향상시킬 수 있다.

현재 일반적으로 사용 가능한 추천 시스템 지원은 AI 기반 추천 시스템을 대폭 개선하여 고객 만족도를 높이고 온라인 비즈니스의 매출 성장을 증대시킨다.

글로벌 AI 성능 플랫폼 아서(Arthur)가 AI 시스템이 잘 관리되고 안전하게 배포되도록 하기 위해 자사의 AI 모니터링 도구 제품군인 추천 시스템 지원(Recommender System Support)에 추가 기능을 발표했다. 이 새로운 기술은 온라인 기업이 디지털 경제에서 혁신적인 추천 시스템을 활용해 고객 만족도를 높이고 수익 성장을 높일 수 있게 한다.

적절한 모니터링 솔루션 없이 추천 시스템에 의존하는 회사에 존재하는 주요 문제는 이러한 시스템이 성능 문제와 엄청난 양의 데이터 드리프트에 취약하다는 것이다. 데이터 드리프트는 시간이 지남에 따라 기본 데이터의 점진적인 변화 또는 이동을 의미한다(예: 사용자 행동, 인구 통계 또는 콘텐츠 형식의 변화). 이로 인해 시스템 권장 사항의 정확성과 관련성을 감소시켜 수익 손실 및 고객 참여 감소로 이어질 수 있다.

아서 스콥 추천인 시스템 모니터링을 활용해 기업들은 이 문제를 쉽게 해결할 수 있다. 아서는 개발자들에게 추천서의 불일치를 경고함으로써 추천인 시스템의 지속적인 관련성, 정확성 및 효율성을 보장한다. 이 사전 예방적 모니터링은 시스템 무결성 및 성능을 유지하는 데 필수적이며, 추천인 시스템이 의존하는 데이터의 변화에 적응할 수 있도록 해준다.

아서  스콥 추천 시스템 지원의 주요 기능은 다음과 같다.

Precision@k, Recall@k, MAP@k, nDCG@k, MRR 및 Ranked List AUC와 같은 주요 순위 인식 성능 메트릭을 표시하는 종합 대시보드를 제공한다.

고급 쿼리, 필터링 및 데이터 시각화를 통해 시간 및 하위 모집단의 순위를 보다 정확하게 파악한다.

실제 데이터에 대한 성능을 체계적으로 측정하고 모델 드리프트의 정도를 측정한다.

성능 또는 드리프트 메트릭이 사전 정의된 임계값을 벗어날 경우 이해 관계자에게 알려 신속한 조치가 가능하도록 구성 가능한 알림 시스템을 제고한다.

여러 사용자 세그먼트에 대한 순위 모델의 성능을 분석하여 다양한 사용자 프로파일 간의 관련성을 보장하는 세분화 도구를 제공한다.

아서의 공동 설립자이자 CEO인 아담 웬첼(Adam Wenchel)은 "모니터링 없이 추천인 시스템을 실행하는 것은 온도 게이지나 엔진 라이트를 점검하지 않고 차를 운전하는 것과 같다."라며, "아서의 새로운 추천인 시스템 지원을 통해 기업은 추천인 시스템이 지속적으로 점검되고 고품질의 개인화된 사용자 경험을 지속적으로 제공하여 궁극적으로 수익원과 고객 신뢰를 보호할 것이라는 확신을 가질 수 있다."고 말했다.