두나무, AI 학습시키는 'LAUS' 공개…'개인정보'와 '정교함'을 모두 잡는 기술

[이코노믹데일리] 업비트 운영사 두나무(대표 오경석)가 인공지능(AI) 개인화 추천 기술의 오랜 딜레마를 해결할 혁신적인 방법론을 제시했다. 

실제 사용자 데이터를 단 하나도 사용하지 않고 대규모 언어모델(LLM)이 생성한 '가상 사용자'만으로 정교한 추천 시스템을 학습시키는 기술 'LAUS(LLM As User Simulator)'를 개발해 세계 최고 권위의 학회에서 그 성능을 입증했다.

두나무 머신러닝팀은 지난 14일 정보검색 분야 최고 학회 'SIGIR 2025'에서 해당 연구 논문을 발표했다고 17일 밝혔다. 올해 약 27%의 채택률을 기록할 만큼 엄격한 심사를 거치는 학회에서 메인 콘퍼런스 발표를 따냈다는 것은 기술의 독창성과 완성도를 국제적으로 공인받았음을 의미한다.

기존의 모든 개인화 추천 AI는 '데이터 의존성'이라는 태생적 한계를 가졌다. 사용자의 클릭 기록, 선호도, 구매 내역 등 실제 행동 데이터를 대규모로 수집해야만 모델이 똑똑해질 수 있었다. 이는 필연적으로 두 가지 문제를 낳았다. 서비스 초기에는 데이터가 없어 추천 품질이 떨어지는 '콜드 스타트(cold-start)' 문제와 갈수록 민감해지는 '개인정보 침해' 우려다.

두나무가 개발한 LAUS는 이 구조적 문제를 근본적으로 해결한다. LAUS는 LLM을 활용해 다양한 관심사와 성향을 가진 가상의 사용자 페르소나를 무수히 생성한다. 이 가상 사용자들이 뉴스 기사를 보고 어떤 반응을 보일지(클릭, 무시 등) 시뮬레이션하여 방대한 양의 '가상 상호작용 데이터'를 만든다. AI 추천 모델은 실제 사람의 데이터가 아닌 이 가상 데이터만을 먹고 학습한다.

그 결과는 놀라웠다. LAUS를 통해 학습한 추천 모델은 사전 학습 데이터가 전혀 없는 '제로샷(zero-shot)' 방식보다 월등히 높은 추천 성공률을 보였다. 더 나아가 실제 사용자 데이터로 학습시킨 기존의 고성능 모델과 비교해도 대등한 수준의 정확도를 기록했다. 특히 이 성능은 영어는 물론 노르웨이어 등 다양한 언어권의 뉴스 데이터 벤치마크에서도 일관되게 나타나 특정 언어나 문화권에 국한되지 않는 범용성까지 입증했다.

이는 AI 개인화 서비스 시장에 시사하는 바가 크다. 앞으로 기업들은 민감한 개인정보를 수집하고 관리해야 하는 부담 없이도 서비스 출시 초기부터 사용자에게 고품질의 맞춤형 추천을 제공할 수 있게 된다. 특히 금융이나 헬스케어처럼 데이터 보안이 극도로 중요한 분야에서 활용 가치가 무궁무진하다.

박충원 두나무 머신러닝팀 연구원은 현장 발표에서 “개인화 뉴스 추천 시스템 품질은 이용자가 원하는 정보를 얼마나 정확히 제공하는가와 직결돼 서비스 만족도를 높이는 핵심 요소”라며 “이번 연구를 통해 고객 정보 보호와 운영 효율성을 모두 충족하면서 더욱 정교한 추천 서비스를 제공할 수 있는 기반을 마련하게 돼 기쁘다”고 소감을 밝혔다. 

한편 이번 성과는 두나무가 디지털 자산 거래소를 넘어 AI 기초 기술 연구 분야에서도 글로벌 최고 수준의 역량을 확보한 '테크 기업'임을 명확히 보여주는 이정표다.