쇼피파이의 AI 기술 전략과 인프라 고도화

주장쇼피파이의 인공지능 전략은 단순한 모델 활용을 넘어, 생성된 코드의 품질을 보장하는 검토 및 배포 자동화 시스템 구축에 집중합니다. 미하일 파라킨 최고기술책임자는 코드 생성 자체보다 지속적 통합과 지속적 배포인 시아이시디(CI/CD)의 안정성이 현재 인공지능 엔지니어링의 진정한 병목 현상이라고 강조합니다.

주장쇼피파이는 탱글, 탄젠트, 심짐이라는 세 가지 핵심 인공지능 이니셔티브를 통해 실험의 재현성을 높이고 최적화를 자동화합니다. 이러한 도구는 머신러닝 전문가뿐만 아니라 제품 관리자와 도메인 전문가도 쉽게 활용하도록 설계되었습니다.

팩트쇼피파이는 2026년 4월 기준으로 인공지능 도구의 전사적 도입을 완료했습니다. 내부 시스템을 통해 머신러닝 실험, 자동 연구, 고객 시뮬레이션, 초저지연 검색 기능을 운영합니다. 특히 2025년 12월 발생한 모델 품질의 변곡점 이후 인공지능 기술 스택을 전면적으로 재편했습니다.

팩트탱글은 머신러닝 및 데이터 워크플로우를 재현 가능하고 협업이 용이하도록 만드는 엔진입니다. 탄젠트는 검색, 테마, 프롬프트 압축 등을 최적화하기 위한 자동 연구 루프를 수행합니다. 심짐은 실제 고객 행동 데이터를 기반으로 구매자 경로를 시뮬레이션합니다.

팩트쇼피파이는 인공지능 인프라에 리퀴드 인공지능을 도입하여 활용합니다. 이는 기존 트랜스포머 아키텍처와 차별화된 비트랜스포머 모델로, 저지연 쿼리 이해와 대규모 카탈로그 작업에서 성능 우위를 보입니다.

팩트미하일 파라킨은 과거 마이크로소프트에서 윈도우, 엣지, 빙, 광고 사업부를 총괄한 경험을 바탕으로 쇼피파이의 기술 전략을 이끕니다. 그는 빙의 시드니 프로젝트를 통해 인공지능의 성격과 캐릭터를 형성하는 과정에서 얻은 교훈을 현재의 기술 개발에 적용합니다.

교차검증인공지능이 작성한 코드가 인간보다 정교할지라도 실제 운영 환경에서는 버그를 유발할 위험이 존재합니다. 쇼피파이는 이를 해결하기 위해 범용 검토 도구 대신 자체적인 풀 리퀘스트 검토 흐름을 구축하여 배포 안정성을 강화합니다.

교차검증젠슨 황이 언급한 토큰 예산 개념은 방향성 측면에서 유효하지만, 단순히 토큰 수만으로 엔지니어링 성과를 측정하는 것은 부족합니다. 쇼피파이는 토큰 소비량보다 비평 루프와 모델의 품질 향상에 더 많은 자원을 투입합니다.

교차검증고객 시뮬레이션 도구인 심짐은 실제 과거 행동 데이터가 없으면 작동하지 않는다는 한계가 있습니다. 쇼피파이는 방대한 상거래 데이터를 보유하여 이를 경쟁 우위로 활용하지만, 멀티모달 모델 및 브라우저 팜 운영에 따른 비용 부담은 해결해야 할 과제입니다.

출처레이턴트 스페이스의 쇼피파이 인공지능 전환 보고서를 통해 위 내용을 교차 검증했습니다. (https://www.latent.space/p/shopify)