AdsWorldEngine: A Self-Evolving Conversational Advertising Agent through Orchestrator and Tool Coevolution
AdsWorldEngine은 반복적인 액터-도구 공진화 절차와 레이블 기반 판단 모델링을 채택하여 상업적 의도를 동적으로 추론하고, 광고 전달 도구를 최적화하며, 다회차 어시스턴트 상호작용에서 관련성, 다양성 및 수익 지표를 크게 개선하는 자기 진화형 대화형 광고 프레임워크입니다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
당신을 돕기 위해 하루 일과를 계획하거나, 맛집을 찾아주거나, 새로운 비디오 게임을 골라주는 똑똑한 디지털 친구와 대화하고 있다고 상상해 보세요. 인터넷의 옛날 방식에서는, 당신이 검색창에 "내 주변 최고의 피자"라고 입력하면 즉시 광고 목록이 튀어나왔습니다. 요청이 짧고 명확했기 때문에 그것은 쉬운 일이었습니다. 하지만 이제 대화는 다릅니다. 당신이 "해변 여행을 생각 중이야"라고 말하면, 친구는 몇 군데 장소를 제안합니다. 그러다 당신이 "카리브해는 말고"라고 말하면, 친구는 목록을 다시 정교하게 다듬습니다. 마지막으로 당신이 "더 저렴한 건 없어?"라고 물을 수도 있습니다. 이 주고받는 춤사위 속에서, 언제 광고를 보여줄지 그리고 어떤 광고를 보여줄지 결정하는 것은 마치 어둡고 움직이는 강물 속에서 물고기를 잡으려는 것과 같습니다. 단순히 그물을 던지는 것만으로는 안 됩니다. 전체 이야기를 이해해야 하고, 사람이 실제로 무엇을 원하는지 추측해야 하며, 광고가 방해가 아닌 도움이 된다는 느낌을 주어야 합니다. 이것이 바로 '대화형 광고(conversational advertising)'의 과제이며, 대화의 분위기를 망치지 않으면서 적절한 순간에 적절한 메시지를 전달하기 위해 노력하는 분야입니다.
여기에 마이크로소프트의 연구진들이 이 까다로운 퍼즐을 풀기 위해 설계한 새로운 시스템인 AdsWorldEngine이 등장합니다. 이것을 대화 속에서 스마트한 광고 상점을 운영하기 위해 협력하는, 고도로 훈련된 자가 발전형 디지털 에이전트 팀이라고 생각해보세요. 이 시스템은 경직된 대본을 따르는 대신, 세 명의 주요 캐릭터인 게이트키퍼(Gatekeeper), 컨덕터(Conductor), 그리고 **저지(Judge)**를 보유하고 있습니다.
게이트키퍼는 가장 먼저 말을 거는 존재입니다. 광고가 고려되기도 전에, 게이트키퍼는 대화를 살펴보고 "지금이 광고를 보여주기에 좋은 타이밍인가?"라고 묻습니다. 이는 클럽의 입구에서 음악이 광고를 넣기에 적절한 분위기인지 결정하는 바운서와 같습니다. 만약 사용자가 단순히 사실 관계를 묻고 있거나 대화 내용이 너무 민감하다면, 게이트키퍼는 "아니오"라고 답하며 사용자의 경험을 보호하기 위해 광고를 차단합니다.
게이트키퍼가 승인을 내리면, 컨덕터가 업무를 이어받습니다. 이 시스템의 핵심 두뇌입니다. 컨덕터는 전체 대화 기록을 경청하며, 사용자가 직접 말하지 않더라도 사용자가 진정으로 원하는 것이 무엇인지 파악한 뒤, 최적의 광고 3개를 찾기 위해 사서, 쇼퍼, 분류기 같은 **도구(Tools)**들을 호출합니다. 컨덕터는 단순히 눈에 띄는 첫 세 개를 고르는 것이 아니라, 그것들을 검토하고 서로 중복되지 않는지 확인하며, 사용자의 현재 기분에 실제로 부합하는지 확인합니다.
정말 멋진 부분은 여기서 끝이 아닙니다. 시스템에는 전체 과정을 지켜보는 저지가 있습니다. 저지는 광고 선택이 얼마나 좋았는지 점수를 매깁니다. 광고가 완벽했다면 컨덕터는 높은 점수를 받습니다. 만약 광고가 지루하거나 짜증스러웠다면 낮은 점수를 받습니다. 하지만 AdsWorldEngine의 마법은 이 점수들을 이용해 모두가 더 나아질 수 있도록 가르친다는 점에 있습니다. 이는 플레이어(컨덕터)와 레벨 디자이너(도구들)가 서로에게 배우는 비디오 게임과 같습니다. 컨덕터가 훌륭한 성과를 내면, 시스템은 그 순간을 저장하여 도구들에게 "이것이 네가 일해야 하는 방식이야!"라고 보여줍니다. 반대로 도구들이 일을 잘 해내면, 컨덕터는 "내가 어떻게 도움을 요청해야 하는지 배웠어!"라고 학습합니다. 그들은 함께 진화하며 대화를 거듭할수록 더 똑똑해집니다.
연구진은 이 '자가 진화형(self-evolving)' 접근 방식이 놀라울 정도로 효과적이라는 것을 발견했습니다. 스스로의 성공과 실패로부터 배우도록 시스템을 훈련함으로써 엄청난 개선을 이루어냈습니다. 테스트 결과, 시스템은 광고의 다양성을 60% 더 높였고(즉, 똑같은 것만 반복해서 보여주는 것이 아니라 훨씬 다양한 것을 보여줌), 관련성을 80% 더 높였습니다(광고가 사용자가 이야기하던 주제와 실제로 일치함). 인기 있는 AI 비서인 마이크로소프트 코파일럿(Microsoft Copilot)을 통해 실제 환경에서 실험했을 때 결과는 더욱 인상적이었습니다. 시스템은 광고 가치를 22% 증가시켰고, 광고가 실제로 도움이 되는 대화에서 74% 더 많이 광고를 노출했습니다.
이 방식이 다른 시도들과 차별화되는 점은, 인간이 컴퓨터에게 무엇을 하라고 지시하거나 "사용자가 '구매'라고 말하면 광고를 보여준다"와 같은 단순한 규칙에 의존하지 않는다는 것입니다. 연구진은 대화가 너무 복잡하기 때문에 단순한 규칙과 기초적인 훈련만으로는 부족하다고 주장합니다. 대신, 그들은 시스템이 연습하고, 성적을 받고, 다시 스스로의 규칙을 재작성하며 개선하는 루프를 구축했습니다. 또한, 인간의 라벨링을 가이드로 삼고 잘못된 추론을 걸러냄으로써, '광고가 짜증스러울 때'와 같은 '주관적인' 결정을 내리는 법을 가르치는 특별한 방법을 고안했습니다.
요약하자면, AdsWorldEngine은 AI 비서가 광고판처럼 느껴지지 않고 더 자연스럽게 느껴지도록 만드는 한 단계 앞선 기술입니다. 이는 광고의 미래가 당신을 방해하는 것이 아니라, 대화의 유익한 일부가 되어 타이밍과 콘텐츠를 정확히 맞추기 위해 모든 상호작용으로부터 배우는 데 있다는 것을 보여줍니다. 논문은 '연기자'(말하는 이)와 '도구'(데이터를 가져오는 이)가 함께 학습할 때, 각자 따로 훈련될 때보다 전체 시스템이 훨씬 더 똑똑하고 효과적이 된다는 점을 입증합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.