핵심 요약: SKT는 2026년 1월 25일(현지 기준) 싱가포르 엑스포에서 열린 국제인공지능학회(AAAI 2026)에서 자사 추론 기반 강화학습(RL) 적용 AI 추천 모델 관련 논문을 현장 발표로 선정됐다. 전체 제출 약 2만4000편 가운데 상위 4%에 포함돼 ‘현장 발표’ 대상에 오른 것으로 알려졌다. 발표 대상 연구는 SKT의 자체 LLM을 바탕으로 개발된 ‘One Model v4.0’을 설명하며, 실제 서비스 적용에서 클릭률 등 고객 반응이 최대 2배까지 개선된 사례를 제시했다.
핵심 사실
- 학회·선정: AAAI 2026 현장 발표로 선정되었으며, 전체 논문 약 2만4000건 가운데 상위 4%에 해당한다.
- 연구 대상: SKT의 자체 대형언어모델(LLM)을 기반으로 한 AI 추천 모델 ‘One Model 버전 4.0’이다.
- 방법론: 추론(인퍼런스) 기반 강화학습(RL)을 도입해 추천 결정 과정의 이유 설명 및 판단 로직을 개선했다.
- 데이터 활용: 사용자 클릭·이용 이력·관심사 등 행동 데이터로 추천 항목과 이유, 마케팅 메시지 등을 자연어로 생성한다.
- 성능 개선: SKT 측은 요금제 추천·T월드·T멤버십·T다이렉트샵 등 적용 사례에서 클릭률 등 반응이 최대 2배 향상됐다고 발표했다.
- 확대 계획: 연내 T우주 등 추가 상품·서비스로 적용 범위를 확대할 계획이라고 밝혔다.
- 이력: One Model의 이전 버전은 CIKM 채택 및 SIGIR 우수논문상 수상 등 국제 학회 성과를 냈다.
- 발표 출처: SKT의 공식 발표 자료와 학회 프로그램을 근거로 보도되었다.
사건 배경
대규모 추천 시스템은 서비스 공간에서 사용자 경험과 매출에 직결되는 핵심 기술이다. 최근 대형언어모델(LLM)의 자연어 이해·생성 능력을 추천 엔진에 결합하려는 시도가 활발해지면서, 개인화와 설명 가능성(Explainability)을 동시에 확보하려는 요구가 커지고 있다. 특히 강화학습(RL)은 장기 행동 최적화 측면에서 추천 품질을 높일 수 있어 산업계와 학계에서 주목받아 왔다. SKT는 통신·유통·멤버십 등 다양한 접점에서 쌓인 행동 데이터를 활용해 추천 고도화를 시도해 왔고, One Model은 이러한 연속적 개발의 연장선상에 있다.
국제 학회에서의 발표·선정은 기술의 학술적 기여도와 실용성 두 측면에서 평가된다. AAAI는 인공지능 분야의 권위 있는 학회로, 현장 발표로 선정되는 논문은 제출작 중 상위 소수에 해당한다. 기업 연구팀이 AAAI 무대에서 서비스를 위한 실험 결과와 방법론을 공유하는 것은 연구 신뢰도뿐 아니라 상용화 가능성에 대한 외부 검증으로 작동한다. SKT의 발표는 학계 평가와 서비스 적용 사례를 함께 제시했다는 점에서 주목된다.
주요 사건
SKT는 AAAI 2026에서 One Model v4.0의 설계와 실험 결과를 발표했다. 연구는 LLM을 기반으로 한 추천 후보 생성 단계에 추론 기반의 강화학습을 결합해, 추천의 이유와 전달 메시지까지 자연어로 산출하는 구조를 설명했다. 발표 자료에는 사용자의 행동 이력과 선호도 점수 모델을 결합해 추천 성능을 튜닝한 방법과 평가 지표가 포함됐다. 회사 측은 학회 현장 발표와 포스터 세션을 통해 동료 연구자들과 기술적 세부사항을 교환했다고 전했다.
실무 적용 사례도 함께 공개됐다. SKT는 요금제 추천과 T월드, T멤버십, T다이렉트샵 등 자사 플랫폼에 One Model을 적용해 A/B 테스트를 진행했으며, 일부 지표에서 최대 2배의 클릭률 개선을 확인했다고 밝혔다. 발표에서는 어떤 지표를 기준으로 개선을 측정했는지와 테스트 환경(대상 집단, 기간 등)에 대한 개요가 제공됐다. 다만 공개된 보도자료 수준에서는 모든 실험 조건의 세부값이 공개되지는 않았다.
One Model의 개발 역사도 소개됐다. 이전 버전들은 국제정보지식관리학회(CIKM) 채택과 국제정보검색학회(SIGIR) 우수논문상 수상 등 학술적 성과를 축적해 왔으며, 이번 버전은 실무 적용성 향상에 중점을 두고 개선을 가했다. SKT 연구진은 이번 성과를 바탕으로 서비스 전반으로의 확대 적용을 추진하겠다는 계획을 밝혔다.
분석 및 의미
첫째, 이번 선정은 SKT의 연구·개발 역량이 국제 무대에서 학술적 인정과 실용성 검증을 동시에 받았다는 신호다. AAAI 현장 발표는 동료 평가(peer review)를 통과한 결과로, 기법의 독창성·유효성·재현 가능성 측면에서 일정 수준의 기준을 충족했음을 의미한다. 특히 LLM과 RL을 결합한 접근은 추천 시스템의 설명 가능성(Why 추천했는가)과 행동 최적화(장기적 클릭/전환 개선)를 동시에 겨냥한다는 점에서 산업적 활용도가 높다.
둘째, 실무 적용에서의 성과(클릭률 최대 2배)는 단기적인 KPI 개선 사례로는 의미가 크다. 다만 외부에 공개된 수치만으로는 통계적 유의성, 표본 구성, 장기적 유지 효과 등을 판단하기 어렵다. 따라서 학계·산업계는 추가적인 재현 실험과 상세한 메트릭(전환율, 이탈률, 장기 가치 등) 공개를 통해 평가를 이어갈 필요가 있다. 기업 입장에서는 성과가 실제 매출·이용자 만족으로 이어지는지를 검증하는 게 다음 과제가 될 것이다.
셋째, 개인정보·투명성 이슈는 향후 규제·사용자 신뢰 관점에서 중요한 변수다. 추천 모델이 행동 데이터를 해석해 개인화 메시지를 생성하는 과정은 개인정보 처리 범위와 설명 의무 문제를 수반한다. SKT가 적용을 확대할수록 관련 가이드라인 준수와 사용자에게 제공되는 설명의 명확성 확보가 병행되어야 한다. 국제적 규범 변화와 국내 규제 환경의 변화도 모니터링 대상이다.
비교 및 데이터
| 항목 | 수치/설명 |
|---|---|
| AAAI 2026 전체 논문(약) | 24,000편 |
| 현장 발표(상위) | 상위 4% (약 960편 수준) |
| One Model 적용 성과 | 클릭률 등 지표 최대 2배 향상(회사 발표) |
위 표는 발표된 공개 수치와 회사 보도자료를 기반으로 정리한 비교표다. AAAI의 전체 제출·채택 비율은 매년 변동하므로 ‘상위 4%’라는 표기는 해당 연도 수치를 기준으로 한 상대적 표현이다. 클릭률 개선 수치는 회사가 발표한 범위 내 최대값을 표기했으며, 세부 통계는 공개 자료를 통해 추가 검증이 필요하다. 이 표는 학술적 선정 비율과 회사가 밝힌 상용 성과를 동시에 보여줘 외부 평가 시점의 참조 목적으로 구성됐다.
반응 및 인용
SKT는 이번 성과를 사내 발표 자료와 보도자료를 통해 공개했다. 회사는 연구 성과가 학계의 검증을 받았고, 서비스 적용 사례에서 유의미한 개선을 확인했다고 밝혔다. 아래는 회사 발표와 현장 맥락을 요약한 인용문이다.
“원 모델 연구는 세계적 권위의 학회에서 잇따라 의미 있는 성과를 거두며 SKT의 AI 역량을 다시 한번 입증했다.”
석지환, SKT AT/DT 데이터 담당(회사 발표)
학계·업계의 반응은 신중한 긍정으로 요약된다. 한 연구자는 발표된 방법론이 산업 적용 가능성을 높였다는 점을 평가하면서도, 상세한 실험 설계와 장기 효과 검증을 통해 재현 가능성을 확인해야 한다고 덧붙였다.
“상용 환경에서의 A/B 테스트 결과 공개는 의미가 크지만, 장기적 안정성과 재현성 검증이 병행되어야 한다.”
AI 연구자(업계·학계 관계자 발언 요약)
일반 사용자층에서는 맞춤형 추천의 품질 향상 기대와 함께 개인정보·설명성에 대한 관심이 공존한다. 업계 관계자는 서비스 확대 시점에 따라 규제·신뢰 관리가 핵심 과제가 될 것이라고 지적했다.
불확실한 부분
- 발표 자료에서 공개된 클릭률 ‘최대 2배’ 수치의 통계적 유의성 및 표본·기간 세부 정보는 공개되지 않았다.
- 장기적 효과(유지율, 전환 가치 등)에 대한 공개된 데이터는 부족해 지속적 이득 여부는 추가 검증이 필요하다.
- 모델의 개인정보 처리 방식과 설명 제공 수준(사용자에게 어떤 정보를 얼마만큼 제공하는지)에 대한 구체적 구현 방식은 공개 자료에서 불명확하다.
총평
SKT의 AAAI 2026 현장 발표 선정은 기업 연구가 학술적 승인과 상용 사례 제시를 동시에 이룬 사례라는 점에서 의미가 있다. LLM과 강화학습을 결합한 추천 접근은 개인화의 정교화와 설명 가능성 확보라는 두 마리 토끼를 노린 시도로, 산업적 적용 가능성이 높다. 다만 공개된 정보만으로는 모든 실험적 조건과 장기적 영향을 판단하기 어렵기 때문에, 세부 데이터 공개와 외부 재현 실험이 뒤따라야 한다.
앞으로 SKT가 발표한 방법론을 다양한 환경에 확장 적용하면서 규제 준수·투명성 확보를 병행하면, 통신·유통 등 플랫폼 비즈니스에서의 추천 경쟁력이 더욱 강화될 수 있다. 독자는 이번 사례를 기술적 진전과 함께 실무 적용에 따른 검증 필요성의 관점에서 주목할 필요가 있다.