토스증권 추천과 검색은 어떻게 진화하고 있을까?

안녕하세요, 토스증권 AI 데이터 플랫폼 팀에서 ML 엔지니어로 일하고 있는 황호익입니다.이번 글에서는 토스증권 안에서 추천과 검색이 어떤 방향으로 진화하고 있는지 이야기해보려고 해요. 추천은 어떻게 배치 중심에서 실시간 개인화로 바뀌고 있는지, 검색은 어떻게 키워드와 필터를 넘어 RAG와 그래프 RAG로 확장되고 있는지 순서대로 다룰게요.완성된 정답이라기보다는, 시스템을 만들면서 마주친 고민들이라고 봐주시면 좋겠습니다.토스증권 AI 데이터 플랫폼 팀의 미션토스증권의 모든 AI 서비스가 공통적으로 접근할 수 있는 탄탄한 데이터 생태계를 제공하자.AI 제품이 많아질수록 각 서비스가 필요한 데이터를 각자 수집하고, 각자 가공하고, 각자 검색하는 방식에는 한계가 생깁니다. 데이터 품질을 맞추기도 어렵고, 비슷한 문제를 여러 팀이 반복해서 풀게 되거든요.그래서 이런 기반을 만들고 있어요.오늘 이야기할 추천과 검색도 결국 이 공통 기반 위에서 함께 진화하고 있는 문제들입니다.추천예전에는 배치와 클러스터로 충분했어요토스증권 추천에는 비교적 명확한 문제가 많았습니다. 개인화 뉴스 추천, 관심 종목 추천, 커뮤니티 인기글 추천 같은 것들이요.이때는 유저와 아이템 데이터를 모아 배치로 처리하고, 유저를 클러스터링해서 클러스터별 추천 리스트를 미리 계산해두는 방식으로도 꽤 많은 문제를 풀 수 있었어요. 유저 DB에서 여러 원천 데이터를 배치 스케줄로 가져와 유저별 클러스터 정보를 만들고, 그걸 기반으로 추천 아이템 리스트를 만들어 Redis나 MongoDB 같은 저장소에 넣어두는 식이었죠.중요한 건 이 방식이 틀렸다는 게 아닙니다. 당시에는 제품 생애주기도 빠르고 추천해야 하는 콘텐츠 종류도 지금보다 단순했기 때문에, 배치 중심·클러스터 중심의 접근이 현실적인 선택이었어요.그런데 네 가지가 바뀌었어요서비스가 성장하면서 추천이 마주하는 문제가 조금씩 달라지기 시작했습니다.1️⃣ 유저의 관심사가 훨씬 빠르게 변해요 사용자는 앱 안에서 여러 화면을 탐색하고, 특정 종목을 보고, 뉴스를 읽고, 커뮤니티 글을 봅니다. 그 순간마다 관심 맥락이 계속 달라져요.2️⃣ 시장과 종목 이벤트가 계속 움직여요 금융 서비스에서는 같은 사용자라도 장중에 관심을 가져야 하는 주제가 계속 변할 수 있습니다.3️⃣ 콘텐츠 자체가 다양해졌어요 뉴스, 커뮤니티, AI 콘텐츠 등 사용자가 탐색할 수 있는 콘텐츠가 계속 늘어나고 있어요.4️⃣ 기술적인 조건도 바뀌...