핵심 요약
SK텔레콤의 LLM 기반 추천 모델 ‘One Model’ 버전 4.0 관련 연구논문이 2026년 AAAI에서 현장 발표(Oral Session)로 선정돼 전체 제출작 중 상위 약 4%에 들었다. 해당 논문은 3월 24일(학회 일정상 24일 발표) 싱가포르 AAAI 2026 무대에서 발표됐으며, 모델은 사용자 행동 맥락을 이해하고 추천 이유를 자연어로 제시하는 기능을 포함한다. 실서비스 적용 결과 기존 버전 대비 클릭률 등 고객 반응이 최대 2배 향상되는 성과를 보였고, SKT는 연내 적용 범위를 확대할 계획이다.
핵심 사실
- AAAI 2026은 논문 제출 편수가 약 2만4000건으로 전년 약 1만3000건에서 크게 늘었고, 채택률은 18%로 전년 23%보다 낮아졌다.
- SKT 논문 제목은 ‘Think Wise, Collaborate Effectively: A Rationale-Aware LLM-Based Recommender with Reinforcement Learning from Collaborative Signals’이며, 전체 제출 논문 중 상위 약 4%에 해당하는 현장 발표로 선정됐다.
- 연구 대상인 ‘One Model’ 버전 4.0은 클릭·이용 이력·관심사 등 행동 데이터를 통합해 추천 항목, 추천 이유, 마케팅 메시지 초안을 자연어로 생성한다.
- 버전 4.0은 ‘추론 능력 강화학습’을 도입해 AI가 자체적으로 여러 답을 생성·평가하며 판단 과정을 개선하도록 설계됐다.
- 모델 학습 시 협업 필터링의 선호도 점수(collaborative filtering score)를 병합해 LLM 기반 추론 능력과 사용자의 일관된 취향을 동시에 반영한다.
- 실서비스 적용 분야는 요금제 추천, T월드, T멤버십, T다이렉트샵 등이며, 이전 버전 대비 클릭률 등 지표가 최대 2배 개선됐다.
- ‘One Model’은 2023년 버전 1.0 상용 배포 이후 2023 CIKM, 2024 SIGIR(우수 논문상 언급), 2025 CIKM 워크숍 등에서 성과를 이어왔다.
사건 배경
대규모 언어 모델(LLM)을 활용한 추천 시스템은 최근 AI 연구와 산업 적용 분야에서 빠르게 확산되고 있다. 전통적 추천 알고리즘은 협업 필터링이나 콘텐츠 기반 필터링에 의존해 왔지만, LLM은 풍부한 자연어 생성 능력을 통해 추천 이유 설명과 사용자 상호작용을 동시에 제공할 수 있다. AAAI, NeurIPS, ICML, ICLR 등 상위 AI 학회들은 이러한 멀티모달·설명 가능한 추천 연구에 높은 관심을 보이고 있으며, 학회 경쟁률과 제출량은 최근 몇 년간 가파르게 증가했다. SKT는 통신사로서 보유한 대규모 사용자 행동 데이터와 서비스 운영 경험을 바탕으로 LLM 추천 모델을 연구·개발해 왔고, 실서비스 연동과 성과 검증을 연구 목표의 핵심으로 설정했다.
One Model의 발전사는 단계적으로 기술적 목표와 적용 범위를 확장해 왔다. 2023년 버전 1.0은 상용 배포를 통해 실사용 데이터를 확보했고, 이후 버전에서 학습 효율성과 추천 정확도를 향상시키는 방향으로 연구가 지속됐다. 2024년 버전 2.0은 SIGIR에서 우수 논문 언급을 받았고, 2025년 버전 3.0은 CIKM 워크숍에서 공개되며 학계의 관심을 끌었다. 이번 버전 4.0은 특히 ‘추론 능력 강화학습’과 협업 신호의 결합이라는 기술적 시도를 통해 연구적 기여와 실무적 성능 개선을 동시에 제시했다.
주요 사건
SKT 연구진은 ‘One Model’ 버전 4.0 연구 논문을 AAAI 2026에 제출했고, 학회 심사를 거쳐 24일 현장 발표와 포스터 발표 기회를 얻었다. 현장 발표 선정은 전체 제출 논문 중 상위 약 4%에 해당하는 성과로, 학회 프로그램에서 비교적 높은 비중의 평가를 받았음을 의미한다. 싱가포르 학회 현장에서는 연구 설계, 학습 프로토콜, 서비스 적용 결과 등이 발표되어 청중의 질문과 토론을 유발했다.
버전 4.0의 핵심 기술은 LLM의 추론 능력을 강화학습(RL) 방식으로 보완한 점이다. 연구팀은 AI가 자체적으로 여러 대답을 생성하고 그 중에서 평가를 통해 더 나은 추론을 습득하도록 구성했으며, 이 과정에 협업 필터링 점수를 보조 신호로 투입했다. 그 결과 추천의 설득력(설명 가능성)과 정확도가 모두 개선되었고, 실사용 환경에서 클릭률 등 행동 지표가 크게 개선되는 효과를 확인했다.
실제 적용 사례로는 요금제 추천과 T멤버십 등 고객 접점 서비스에서 개선이 나타났다. SKT는 내부 A/B 테스트와 운영 로그 분석을 통해 이전 버전 대비 최대 2배의 클릭률 향상을 보고했으며, 연내 T우주 등 추가 서비스로 확대 적용할 계획이라고 밝혔다. 연구진 사진과 발표 현장 이미지는 SKT 제공 자료에 포함돼 있다.
분석 및 의미
이번 성과는 산업계에서 LLM 기반 시스템이 학계의 엄격한 심사 기준을 통과할 정도로 연구 완성도를 갖추었다는 점에서 의미가 크다. 특히 실서비스 적용 사례를 함께 제시했다는 점은 연구의 실용성을 보강한다. 학계·산업계 모두에서 ‘연구 성과가 실제 제품·서비스로 이어지는 사례’를 높이 평가하는 추세이므로, SKT의 접근은 학술적 기여와 비즈니스 가치 측면을 동시에 만족시킨다.
추론 능력 강화학습은 LLM의 생성 능력을 시스템적 피드백으로 개선하는 방법으로, 추천의 설명 가능성과 사용자의 신뢰 형성에 기여할 수 있다. 다만 RL을 실서비스에 도입할 때는 보상 설계, 안전성, 편향 제어 등 추가적 과제가 뒤따른다. SKT는 협업 필터링 점수를 병합함으로써 개인 취향의 일관성을 유지하려 했고, 이는 추천의 안정성과 다양성 사이에서 균형을 맞추는 실용적 대안이다.
국내 통신사 차원의 대규모 사용자 데이터와 결합된 LLM 추천 기술은 글로벌 경쟁력 확보에 유리한 위치를 제공할 수 있다. 그러나 개인정보 보호·투명성 확보·평가 지표의 공개 등 규제·윤리적 요구가 커지는 만큼, 연구-운영 간의 책임 있는 거버넌스 설계가 향후 관건이 될 것이다.
비교 및 데이터
| 항목 | 2025(전년) | 2026(올해) |
|---|---|---|
| 논문 제출 편수(약) | 1만3000건 | 2만4000건 |
| 채택률 | 23% | 18% |
| 현장 발표(Oral) 비중 | 약 상위 4% 기준* | 약 상위 4% 기준* |
위 표는 기사에 공개된 수치를 단순 비교한 것으로, 제출 편수 증가와 채택률 하락은 학회 경쟁이 심화되었음을 시사한다. 특히 AAAI와 같은 상위 학회에서의 현장 발표 선정은 단순 채택을 넘어 연구의 독창성과 영향력을 인정받는 지표로 해석될 수 있다. 다만 각 해의 심사 기준, 트랙 구성 등의 차이는 수치 해석 시 주의해야 한다.
반응 및 인용
학회 발표 후 SKT는 연구의 실무 적용성과 학술적 가치를 함께 강조했다. 회사 측은 연구 결과가 여러 서비스에서 확인된 실효성을 근거로 더 많은 서비스로 확대할 계획임을 밝혔다.
“’One Model’ 연구를 통해 잇따라 세계적 권위의 학회에서 의미 있는 성과를 거두며 SKT의 AI 역량을 다시 한번 입증했다. 앞으로도 연구 성과가 실제 상품·서비스와 직접 연결되는 실질적인 AI 연구를 이어 나가겠다.”
석지환, SKT AT/DT Data 담당(공식 발표)
위 발언은 SKT 공식 발표에서 나온 것으로, 회사의 연구·사업 연계 전략을 재확인하는 메시지다. 내부 성과 공유와 외부 학계 인정을 결합하는 방식은 연구 투자 정당화와 서비스 개선의 선순환을 목표로 한다.
“추론 능력 강화학습을 도입해 추천의 설득력과 정확도를 크게 높였다.”
SK텔레콤 발표 자료(공식)
이 문장은 SKT가 발표한 연구 요지에서 발췌한 핵심적 주장이다. 연구 자체의 성능 개선 결과는 논문과 학회 발표자료에 기반하지만, 세부 실험 설정(데이터셋, 기간, 하이퍼파라미터)은 공개된 요약 자료만으로는 모두 확인되지 않는다.
“Think Wise, Collaborate Effectively”
논문 제목(연구진 발표)
논문 제목은 연구의 설계 철학을 압축적으로 보여준다. 제목에 담긴 ‘현명한 사고’와 ‘효과적 협업’은 LLM의 추론 능력과 협업 신호의 결합이라는 기술적 선택을 반영한다.
불확실한 부분
- 논문·발표자료에서 공개된 실험의 정확한 데이터셋 구성과 A/B 테스트 기간, 표본 크기 등 상세 조건은 기사 원문에서 구체적으로 확인되지 않았다.
- ‘최대 2배 향상’이라는 클릭률 개선 수치는 서비스·시나리오별 편차가 있을 수 있으며, 모든 적용 서비스에서 동일한 개선이 발생했는지는 추가 확인이 필요하다.
- 모델 운영 과정에서의 개인정보 처리·거버넌스 체계와 관련한 기술적·법적 세부 조치는 공개된 자료에서 명확히 드러나지 않는다.
총평
SKT의 One Model v4.0 논문 AAAI 현장 발표 선정은 LLM 기반 추천 연구가 이론적 기여와 실무적 성과를 동시에 보여줄 수 있음을 시사한다. 특히 추론 능력 강화학습과 협업 신호의 결합은 추천의 설명력과 정확도를 동시에 노린 설계로, 산업 적용 측면에서 의미 있는 시도다.
향후 과제는 성능 개선을 유지하면서도 투명성·안전성·프라이버시 보호를 확보하는 것이다. 연구 결과를 바탕으로 다양한 서비스에 적용하면서도, 외부 검증과 상세한 성능·윤리 보고가 병행돼야 신뢰도를 더욱 높일 수 있다.
출처
- 에이아이타임즈 (언론) — 원문 기사 및 SKT 발표 내용 요약