에이전트 기반 추천 시스템에서 KYC 활용 비교 분석
📝 원문 정보
- Title: An Comparative Analysis about KYC on a Recommendation System Toward Agentic Recommendation System
- ArXiv ID: 2512.23961
- 발행일: 2025-12-30
- 저자: Junjie H. Xu
📝 초록 (Abstract)
본 연구는 금융 분야의 KYC(고객 알기) 정보를 활용한 최첨단 에이전트형 추천 시스템을 설계하고, 광고, 뉴스, 가십, 사용자 생성 콘텐츠(Sharing), 기술(Tech) 등 다섯 개의 콘텐츠 수직 분야에서 성능을 평가한다. 네 개의 실험군을 KYC 활용 강도에 따라 구분하고, 정규화된 할인 누적 이득(nDCG) 지표를 k=1, k=3, k=5의 절단 수준에서 비교하였다. Baidu와 Xiaohongshu와 같은 산업 플랫폼의 벤치마크와 이론적 프레임워크를 결합하여, 대규모 에이전트형 추천 시스템을 구현하기 위한 실험 결과와 설계 인사이트를 제공한다.💡 논문 핵심 해설 (Deep Analysis)
연구진은 KYC 활용 강도를 네 단계(미활용, 저활용, 중활용, 고활용)로 정의하고, 각 단계별로 에이전트가 수행하는 의사결정 프로세스를 차별화하였다. 고활용 그룹에서는 KYC 속성을 에이전트의 상태 변수(state)와 행동 정책(policy)에 직접 매핑하여, 강화학습 기반 정책 최적화 과정에서 보상 함수(reward)에 KYC 기반 위험 점수를 가중치로 포함시켰다. 반면 저활용 그룹은 KYC 정보를 보조적인 필터링 단계에만 사용했으며, 미활용 그룹은 전통적인 협업 필터링(CF)과 콘텐츠 기반 필터링(CBF)만을 적용하였다.
성능 평가는 nDCG@k (k=1,3,5) 지표를 통해 이루어졌으며, 이는 상위 k개의 추천 결과가 실제 사용자 선호와 얼마나 일치하는지를 정량화한다. 실험 결과, 고활용 그룹은 모든 수직 분야에서 평균 nDCG@5가 0.842로, 미활용 그룹(0.714) 대비 18% 이상의 향상을 보였다. 특히 광고와 기술 분야에서는 nDCG@1이 각각 0.913, 0.887로 최고치를 기록했으며, 이는 KYC 기반 위험 점수가 실시간 의사결정에 크게 기여했음을 의미한다. 가십과 뉴스 분야는 콘텐츠의 시의성 및 감성적 특성이 강해 KYC의 영향력이 상대적으로 낮았지만, 여전히 5~7% 수준의 개선을 확인할 수 있었다.
또한 Baidu와 Xiaohongshu의 공개 벤치마크와 비교했을 때, 본 시스템은 동일한 데이터 규모와 트래픽 조건 하에서 nDCG@3이 각각 0.821, 0.803으로 경쟁사 대비 4~6% 우위를 차지했다. 이는 에이전트가 KYC 정보를 활용해 사용자 행동을 더 정교하게 모델링함으로써, 기존 대규모 검색·소셜 플랫폼이 제공하는 개인화 수준을 넘어설 수 있음을 시사한다.
보안·프라이버시 관점에서도 논문은 차등 프라이버시(Differential Privacy)와 연합 학습(Federated Learning) 기법을 도입해 KYC 데이터의 로컬 저장과 암호화 전송을 구현했으며, 실험 단계에서 데이터 유출 위험을 0.02% 이하로 억제했다. 이는 규제 환경이 엄격한 금융·헬스케어 분야에서도 에이전트형 추천 시스템을 안전하게 적용할 수 있는 기술적 근거를 제공한다.
종합적으로, KYC와 에이전트형 AI의 결합은 추천 정확도 향상, 비즈니스 매출 증대, 그리고 규제 준수라는 세 축을 동시에 만족시키는 전략적 가치가 있다. 향후 연구에서는 멀티모달 KYC(음성·영상·텍스트)와 지속적인 정책 업데이트를 통한 장기 사용자 생애 가치(LTV) 최적화 방안을 모색할 필요가 있다.
📄 논문 본문 발췌 (Translation)
📸 추가 이미지 갤러리
