Bazaarvoice의 CTO Nick Shiftan - 인터뷰 시리즈

닉 쉬프탄바자보이스(Bazaarvoice)의 CTO인 그는 20년 가까이 기업용 소프트웨어 및 커머스 플랫폼을 구축하고 확장해 온 노련한 기술 리더이자 기업가입니다. 그는 선구적인 소셜 커머스 기업인 큐럴레이트(Curalate)의 공동 창립자 겸 CTO로서, 약 10년간 회사를 성장시켜 연간 매출 2천만 달러 이상을 달성한 후 2020년 바자보이스에 인수했습니다. 경력 초기에는 파키오(Parkio)를 설립하고 제품 개발을 이끌며 교통 및 주차 시스템용 기업용 소프트웨어를 제공했으며, 마이크로소프트에서 윈도우 모바일용 아웃룩 모바일(Outlook Mobile) 개발에 참여하며 경력을 시작했습니다. 바자보이스 인수 후, 처음에는 단기적인 역할로 예상되었던 그의 합류는 장기적인 역할로 이어졌고, 그는 지속적인 성장을 통해 CTO로 임명되었습니다. 현재 그는 신뢰와 진정한 소비자 데이터를 기반으로 한 AI 기반 제품 검색 기능을 발전시키는 데 주력하고 있습니다.

바자 업계를 선도하는 SaaS 플랫폼인 이 회사는 브랜드와 소매업체가 평점, 리뷰, 사진, 동영상과 같은 진정성 있는 사용자 생성 콘텐츠를 전체 디지털 쇼핑 여정에서 수집, 관리 및 활용할 수 있도록 지원합니다. 전 세계적으로 사업을 운영하며 매달 10억 명이 넘는 쇼핑객이 광범위한 브랜드 및 소매 플랫폼 네트워크에 신뢰할 수 있는 콘텐츠를 제공함으로써 정보에 기반한 구매 결정을 내릴 수 있도록 돕고, 투명성, 신뢰성, 데이터 기반 상거래를 온라인 경험의 중심에 두고 있습니다.

부하가 심한 상황에서도 성능 저하 없이 리뷰의 진정성, 검토 및 신뢰 신호를 강화하기 위해 생성형 AI 및 LLM 기반 기술을 어떻게 적용하고 계십니까?

우리는 인간의 판단을 대체하는 것이 아니라, 신호와 패턴을 포착하기 위해 AI를 활용합니다. LLM(실시간 콘텐츠 관리)은 이상 활동이나 잠재적으로 신뢰할 수 없는 콘텐츠를 신속하게 식별하는 데 도움을 주지만, 궁극적인 목표는 항상 신뢰를 유지하는 것입니다. 이러한 모델을 오프라인 검증 파이프라인에 통합하고 실시간 요청 경로와 분리함으로써, 제출량이 급증하는 경우에도 성능을 유지할 수 있습니다. 그 결과, 지능적이면서도 확장 가능한 콘텐츠 검토 및 진위 확인 시스템을 구축할 수 있습니다.

많은 소매업체들이 결제 시스템의 안정성에 막대한 투자를 하지만, 신뢰할 수 있는 리뷰 생태계를 유지하는 데 따르는 복잡성은 간과하는 경우가 많습니다. 리뷰 및 평점 인프라에서 결제 시스템만큼 전략적인 검토가 필요한 숨겨진 위험 요소는 무엇이라고 생각하십니까?

평점과 리뷰는 항상 구매 결정에 중요한 요소였지만, 인공지능(AI) 기반 쇼핑 시대에는 특히 더 그렇습니다. AI 에이전트는 쇼핑 추천을 할 때 평점과 리뷰와 같은 신뢰 신호에 크게 의존합니다. 지연, 데이터 누락 또는 명백한 허위 정보는 소비자 신뢰에 직접적인 영향을 미칩니다. 이러한 시스템은 복잡하기 때문에 결제 시스템과 동일한 수준의 엄격한 기준을 적용하여 관리해야 전환율 하락과 장기적인 신뢰도 저하를 방지할 수 있습니다.

다수의 주요 상거래 플랫폼에서 엔지니어링을 이끌어온 경험을 바탕으로, 감정 분석이나 사기 탐지 모델과 같은 AI 시스템이 실시간 데이터 경로에 직접 위치할 때 관찰 가능성 및 사고 대응 전략을 어떻게 조정해야 하는지 궁금합니다.

저희는 AI 모델을 다른 중요 서비스와 마찬가지로 취급합니다. 성능과 정확도를 실시간으로 모니터링하며, 여기에는 지연 시간, 오류율, 동작 변화 등이 포함됩니다. 또한, 모델이 부하가 걸릴 경우 성능 저하를 최소화하거나 중요하지 않은 경로를 우회할 수 있도록 안전장치를 구현했습니다. 대시보드, 자동 알림, 운영 매뉴얼을 통해 AI 관련 문제를 쇼핑객에게 영향을 미치기 전에 발견하고 해결합니다.

바자보이스처럼 글로벌 규모로 운영할 때, 소비자가 생성한 콘텐츠가 AI 기반 시스템을 통해 흐르는 과정에서 감사 가능성, 투명성, 실시간 대응성을 유지하려면 어떻게 해야 할까요?

핵심은 엔드투엔드 관찰 가능성과 파이프라인 분할에 있습니다. 모든 콘텐츠는 수집부터 표시까지 전체 수명 주기 동안 추적됩니다. AI 모델은 추천 또는 검토 필요 여부를 알려주지만, 모든 결정은 기록되고 감사 및 추적이 가능합니다. 용량 버퍼와 동적 확장을 통해 최대 부하 상황에서도 투명성을 유지하면서 신속한 응답성을 보장합니다.

향후 어떤 AI 기반 위험 요소나 행동 패턴이 차세대 소매 시스템 설계를 좌우할 것이라고 생각하시나요? 그리고 IT 리더들은 지금 어떻게 대비해야 할까요?

제 생각에 소매업 IT 책임자에게 가장 중요한 질문은 이것이 아닙니다. if AI 쇼핑은 반드시 일어날 것입니다. 다만, 쇼핑 여정이 어떻게 변화할지가 관건입니다. 만약 AI 쇼핑이 오늘날의 온라인 쇼핑처럼 내일이면 보편화된다면:

• 고객은 내 제품을 어디에서 찾을 수 있을까요? 내 웹사이트일까요, 아니면 ChatGPT를 통해서일까요?
• 그들은 어떻게 제 제품에 대해 알게 될까요? 클로드를 통해서일까요, 아니면 제 쇼핑 도우미를 통해서일까요?
• 그들은 어떻게 결제할까요? 제 결제 페이지에서 결제할까요, 아니면 AI 인터페이스를 통해 직접 결제할까요?

첨단 모델은 여러분의 제품에 대한 모든 것을 알고 있을 가능성이 높습니다. 하지만 진정한 질문은 바로 이것입니다. 과연 그 모델들이 오늘날 여러분이 제공하는 것과 같은 고객 경험을 제공할 수 있을까요? 만약 답이 '아니오'라면, AI 기반 주문이 나타나기를 기다리는 것만으로는 충분하지 않습니다. AI 어시스턴트에 투자하고, 이를 브랜드 고유의 쇼핑 경험에 통합할 수 있는 진입점을 마련해야 합니다.

훌륭한 인터뷰 감사합니다. 자세한 내용을 알고 싶은 독자는 방문하세요. 바자.