Introduction to NAVER Place AI Development Team

핵심 내용

• NAVER GLACE CIC AI 개발팀의 역할과 운영 서비스 소개
• OCR 기반 장소 매칭, 메뉴 매칭, 영수증 분류, 음식 분류, 이미지 스코어링, 오브젝트 탐지, 분위기 분류 등 다수의 CV/NLP 모델 운영
• PlaceLM이라는 GLACE 전용 LLM을 개발해 태그 추출 품질과 운영 효율 개선을 지향

구조와 흐름

• 한국과 일본의 O2O 서비스에 맞춘 다국가·다서비스 AI 적용 구조
• 공통 서비스 데이터에서 태그를 추출하고 검색·검수·노출 품질에 연결하는 흐름
• 모델 수 증가에 따른 비용과 운영 복잡도를 줄이기 위한 단일 LLM 확장 방향

선택 이유

• 태그별 개별 모델만으로는 복합 의미 태그 대응에 한계
• 저비용 추론과 빠른 최신 데이터 반영 필요성
• 대규모 트래픽과 잦은 장소 정보 변동에 맞는 소형 LLM 필요

성능/운영 포인트

• DVC로 학습 데이터 버전 관리
• MLFlow로 학습·서빙 연계와 실험 추적
• 모델 성능 저하 감시, CPU 서빙 최적화, Argo Rollouts 기반 무중단 배포