증강 AI 애딥 GPR 마인드셋 엔진과 보이지 않는 세계의 설계도를 펴내며

이번에 발간한 『증강 AI 애딥 GPR 마인드셋 엔진과 보이지 않는 세계의 설계도』는 하나의 기술 문서이기 이전에, 애딥이 지난 시간 동안 무엇을 고민해 왔고 어떤 질문을 중심에 두고 기술을 설계해 왔는지를 정리한 기록입니다. 기능 설명이나 제품 소개를 목적으로 하지 않고, 왜 이 구조가 필요했는지, 그리고 왜 기존의 AI·추천·생성 기술과는 다른 길을 선택했는지를 설명하기 위해 기획된 자료입니다.

애딥은 2020년 9월, 개인화와 생성, 추천을 하나의 상태 공간에서 다루는 GPR(Generative Pre-trained Recommende) 개념을 업계 최초로 정의하고 개발을 시작했습니다.
당시 대부분의 AI 서비스가 대화형 LLM이나 단순 추천 알고리즘에 집중하던 시점에서, 애딥은 사용자의 마음 상태와 맥락이 ‘토큰’이 아니라 ‘상태’로 축적되고 전이되어야 한다는 문제의식에서 출발했습니다.

이 책은 그 출발점에서부터 지금에 이르기까지, 애딥이 어떤 기술적 선택을 했고 무엇을 포기하지 않았는지를 하나의 설계도로 정리한 결과물입니다. 겉으로 드러나는 화면이나 결과물 뒤에 존재하는, 보이지 않는 구조와 사고 체계를 설명하는 것이 이 책의 핵심 목적입니다. 애딥이 말하는 ‘설계도’는 단순한 아키텍처 다이어그램이 아니라, 사용자 경험과 사업 구조까지 관통하는 하나의 사고 체계이기도 합니다.


보이지 않는 것을 설계한다는 것

오늘날의 AI는 놀라운 생성 능력을 보여주고 있지만, 여전히 많은 시스템이 ‘한 번의 입력’과 ‘한 번의 출력’에 머물러 있습니다. 프롬프트를 넣으면 답이 나오고, 이미지를 요청하면 결과물이 생성되는 방식이 일반적인 표준처럼 받아들여지고 있습니다.

그러나 실제 인간의 선택과 반응은 단절된 요청이 아니라, 시간에 따라 축적되는 상태와 맥락의 연속 위에서 이루어집니다. 사람은 오늘의 기분, 최근의 경험, 관계의 변화, 경제적 상황, 시간대와 장소, 그리고 미세한 감정의 파동 위에서 결정을 내리고 행동합니다.

애딥은 이 지점에서 질문을 던졌습니다.
“AI가 정말 개인을 이해한다면, 개인의 마음과 의도는 어디에 저장되어야 하는가”라는 질문입니다.
그리고 그 저장 방식은 단순히 로그를 쌓아두는 것이 아니라, 다음 행동을 예측하고 다음 경험을 설계할 수 있는 형태로 구조화되어야 한다는 결론에 도달했습니다.

GPR은 이 질문에 대한 애딥의 대답입니다.
사용자의 행동, 감정, 취향, 맥락을 일회성 데이터가 아니라 구조화된 마인드셋 상태로 보존하고, 이 상태가 추천과 생성, 광고와 커머스까지 일관되게 영향을 미치도록 설계된 엔진입니다.
즉, GPR은 “무엇을 보여줄까”를 넘어 “어떤 흐름으로 사용자를 이동시킬까”를 설계하는 시스템입니다.

2020년 9월 처음 GPR을 설계할 당시부터 애딥은 ‘모델 하나의 성능’보다 ‘플랫폼 전체의 사고 구조’를 더 중요하게 보았습니다.
그래서 GPR은 단순한 추천 모델이나 생성 파이프라인이 아니라, 사용자 상태를 중심으로 모든 의사결정이 연결되는 엔진으로 발전해 왔습니다.
이 과정에서 애딥은 개인화의 정의 자체를 다시 세우려고 했고, 개인화를 콘텐츠 노출의 정교함이 아니라 “상태 전이를 설계하는 능력”으로 재정의해 왔습니다.

이 책에서 말하는 ‘보이지 않는 세계의 설계도’란 바로 이러한 구조를 의미합니다.
화면에 보이지 않지만, 모든 결과를 결정하는 상태 공간과 관계 구조, 그리고 그 위에서 작동하는 정책과 생성 논리입니다. 설계도는 단지 기술팀의 언어가 아니라, 제품과 비즈니스가 같은 방향으로 전진하기 위한 공통의 기준점이기도 합니다.


GPR이 만드는 개인화의 본질적 차이

기존의 개인화 시스템은 대개 “기성 콘텐츠를 어떻게 잘 고를 것인가”를 중심으로 설계되어 있습니다.
사용자의 클릭과 시청 데이터를 기반으로 유사한 콘텐츠를 추천하고, 반응이 좋은 콘텐츠의 노출을 늘리는 방식이 일반적인 구조입니다.

하지만 이 방식은 개인화가 깊어질수록 한계를 마주합니다.
사용자의 맥락은 빠르게 변하고, 감정은 짧게 흔들리며, 의도는 반드시 언어로 표현되지 않기 때문입니다.
또한 광고와 커머스가 개입되는 순간, 추천 시스템만으로는 ‘자연스러운 전환’이 아니라 ‘강제 노출’이 되기 쉽습니다.

GPR은 여기서 출발점이 다릅니다.
GPR은 추천과 생성이 분리된 기능이 아니라, 하나의 상태 전이 흐름 안에서 함께 설계되어야 한다는 가정 위에 세워져 있습니다.
사용자의 상태를 추적하고, 의도를 추론하고, 상황에 맞는 콘텐츠를 구성하며, 그 안에서 자연스럽게 광고·상품·브랜드 경험이 결합되도록 만드는 구조입니다.

이 구조가 가능해지는 이유는 ‘개인화를 토큰이 아니라 상태로 저장’하기 때문입니다.
일회성 프롬프트나 일시적 컨텍스트가 아니라, 사용자에게 축적되는 상태가 다음 추천과 다음 생성, 다음 전환의 기준이 됩니다.
결과적으로 GPR은 “매 요청마다 새로 계산하는 AI”가 아니라 “사용자와 함께 진화하는 AI”가 됩니다.


기술 구조가 비즈니스 구조로 확장되는 방식

GPR의 강점은 기술적 우수성만으로 끝나지 않고, 비즈니스 구조 자체를 재설계할 수 있는 기반이 된다는 점에 있습니다.
기존 플랫폼 비즈니스가 ‘노출과 클릭’을 중심으로 성장해 왔다면, GPR 기반 플랫폼은 ‘상태 변화와 전환’을 중심으로 성장할 수 있습니다.

기존 광고는 노출 기반으로 설계되기 때문에, 사용자의 현재 맥락과 충돌할 때가 많습니다.
지금 위로가 필요한 사람에게 과하게 자극적인 광고가 붙거나, 힐링 콘텐츠를 보는 사람에게 전혀 다른 톤의 커머스가 강제 삽입되는 일이 발생합니다.
이런 경험은 사용자 이탈과 광고 효율 하락으로 이어지기 쉽습니다.

GPR은 광고를 단순 삽입 대상이 아니라 ‘상태 전이의 일부’로 다루기 때문에, 광고 효율과 사용자 경험이 동시에 올라갈 수 있는 구조를 목표로 합니다.
사용자가 어떤 감정 상태에 있는지, 무엇을 원하는 흐름인지, 어떤 강도의 자극이 적절한지를 기반으로 광고와 커머스 결합이 설계됩니다.
이 방식은 광고가 콘텐츠를 망치는 요소가 아니라, 콘텐츠 경험을 완성시키는 일부가 될 가능성을 열어줍니다.

비즈니스적으로는 다음과 같은 확장이 가능합니다.
첫째, 광고 모델이 노출 기반에서 ‘상태 적합도 기반’으로 이동할 수 있습니다.
둘째, 커머스는 단순 클릭 유도에서 ‘자연스러운 의도 기반 전환’으로 이동할 수 있습니다.
셋째, 콘텐츠는 단순 소비 대상으로 머물지 않고 ‘개인별로 조립되는 경험 단위’로 전환될 수 있습니다.
넷째, 플랫폼의 성장 지표는 DAU 같은 단순 체류가 아니라 “상태 전이의 질”과 “장기 전환”으로 고도화될 수 있습니다.

이 구조는 결과적으로 광고주와 브랜드에게도 새로운 가치를 제공합니다.
브랜드는 단지 배너를 사는 것이 아니라, 사용자의 상태와 맞물린 ‘경험’을 구매하게 됩니다.
그리고 애딥은 그 경험을 개인별로 자동 설계하고 대량 확장할 수 있는 시스템을 갖추게 됩니다.


플랫폼 관점에서의 확장 시나리오

GPR이 지향하는 방향은 “추천 시스템을 잘 만드는 것”이 아니라, “사용자 맞춤형 플랫폼이 스스로 작동하게 만드는 것”입니다. 동일한 앱이지만 사람마다 다른 순서로 콘텐츠가 보이고, 다른 참여 구조가 제시되며, 다른 전환 경로가 열리는 구조입니다.

이는 장기적으로 애딥이 “서비스 하나”에 머무르지 않고, 플랫폼 기술을 외부 산업으로 확장할 수 있는 가능성을 만듭니다.
콘텐츠 산업에서는 IP 기반 콘텐츠 제작과 광고 결합 자동화로 확장될 수 있습니다.
커머스 산업에서는 개인별 스타일과 상황에 맞춘 AI 상품 경험 설계로 확장될 수 있습니다.
브랜드 마케팅에서는 캠페인 크리에이티브를 사용자 상태 기반으로 자동 변주하는 방식으로 확장될 수 있습니다.
더 나아가 다양한 AX 영역에서 사용자 상태를 기반으로 행동과 결정을 설계하는 엔진으로 확장될 수 있습니다.

이 확장성의 본질은 GPR이 특정 도메인에 종속된 ‘기능’이 아니라, 어디에나 적용 가능한 ‘상태 기반 설계 기술’이기 때문입니다.
즉, 애딥은 콘텐츠 플랫폼을 만들고 있지만, 동시에 “개인화된 세계를 설계하는 엔진”을 만들고 있는 셈입니다.


같은 언어로 이해하기 위한 기록

『증강 AI 애딥 GPR 마인드셋 엔진과 보이지 않는 세계의 설계도』는 애딥 안에서 GPR, UMM, RSSM, LMM, ACT라는 용어가 왜 필요한지, 그리고 이 개념들이 어떻게 하나의 구조로 연결되는지를 같은 언어로 이해하기 위해 만들어진 자료입니다. 각자의 맥락에서 기술을 해석하는 상황을 넘어, “우리가 왜 이 구조를 선택했는가”를 공통 언어로 공유하기 위한 기준점이기도 합니다.

기술을 설명하는 문서가 아니라, 기술을 선택하게 만든 사고 구조를 공유하는 문서라는 점에서 이 책은 내부와 외부 모두를 향한 선언에 가깝습니다.
애딥이 앞으로도 ‘보이는 결과’보다 ‘보이지 않는 구조’를 먼저 설계하겠다는 의지의 표현이기도 합니다.

이 책이 완성된 답이 아니라, 앞으로 확장될 설계도의 기준점으로 기능하기를 기대합니다.
그리고 2020년에 시작된 GPR의 첫 질문이, 더 많은 논의와 실험, 그리고 더 큰 비즈니스적 가능성으로 이어질 것 입니다.

Leave a comment

ADDEEP

애딥(Addeep)은 차세대 증강 AI 엔진 ‘GPR(Generative Pre-trained Recommender)’을 중심으로, 사람의 마음을 읽고 콘텐츠를 자동으로 만드는 Web3 기반 S2E(Social to Earn) 소셜 플랫폼입니다.

사용자의 의도와 관심사를 이해하고, 콘텐츠·광고·커머스를 자동으로 결합하여 개인 맞춤형 스마트 콘텐츠를 생성합니다.

이 블로그에서는

  • 애딥의 핵심 기술(GPR·LMM·ACT) 인사이트
  • ZαLPHA세대 트렌드와 크리에이터 문화 연구
  • 스마트 콘텐츠 및 S2E 생태계 분석
  • 애딥 서비스 업데이트 및 운영 스토리
    를 가장 빠르게 전달합니다.


사람과 사람,
그리고 가치가 연결되는 새로운 소셜 시대.
그 중심에 애딥이 있습니다.