[2026-04-28 | D-Log] 사진첩 제목 짓기, AI가 대신합니다: 팝사(Popsa)의 생성형 AI 도입기

사진첩을 만들 때 가장 시간이 오래 걸리는 대목은 표지에 들어갈 제목을 정하는 일이다. 그동안 많은 고객이 프랑스 여행 사진첩에 그저 '프랑스 2024'라고 적는 선에서 멈췄다. 인공지능을 도입한 뒤로는 분위기가 달라져 2025년 한 해 동안 550만 개가 넘는 맞춤형 제목이 자동으로 만들어졌고, 고객의 감성을 건드리는 데도 성공했다.

사진첩 서비스 기업 Popsa는 고객이 사진첩을 꾸미면서 떠안는 창작 부담을 덜어주려 애써왔다. 예전에는 사진의 촬영 시간과 위치 정보를 활용해 정해진 규칙대로 제목을 추천하는 방식을 썼다. 다만 이런 방식으로는 제목이 단조롭고 천편일률적이라는 한계를 벗기 어려웠다.

고객은 사진첩의 첫인상을 좌우하는 표지 제목에 큰 가치를 두지만, 전문 작가가 아닌 이상 매력적인 문구를 떠올리기는 쉽지 않다. 이에 Popsa는 고객이 사진을 고르면 앱이 사진의 메타데이터(시간, 위치 정보)를 읽도록 했고, 기기 내부에서 돌아가는 합성곱 신경망(convolutional neural networks)으로 사진 속 내용을 파악하게 만들었다. 사진 속 장소가 해변인지, 반려동물이 등장하는지 등을 분석해 제목을 제안하는 식이었다.

더 창의적인 제목을 뽑아내기 위해 Popsa는 생성형 인공지능을 끌어들였다. 핵심 기술은 검색 증강 생성(retrieval-augmented generative AI)이다. 인공지능이 글을 직접 쓰는 데 그치지 않고, 과거 호평받았던 사진첩 제목 사례를 데이터베이스에서 찾아 참고하도록 한 방식이다. 사용자가 고른 사진들의 촬영 시기, 장소, 피사체 정보를 '알프스에서 촬영한 21장의 스키 여행 사진첩' 같은 요약문이 만들어진다.

요약문을 인공지능에 전달할 때는 검색 기반 소량 예시 프롬프트(retrieval-based few-shot prompting) 기법을 썼다. 새 제목을 쓰라고 지시하기 전에 과거의 성공적인 제목 예시부터 보여주며 브랜드의 분위기를 익히게 하는 과정이다. 그 과정에서 인공지능이 정해진 규칙을 제대로 따르는지 확인하려고 '인공지능을 심판으로 활용(LLM-as-a-judge)'하는 방식도 도입했다. 생성된 제목이 글자 수 제한을 지켰는지, 사진 내용과 어울리는 아이콘을 골랐는지를 인공지능이 직접 평가하며 품질을 관리한 것이다.

이런 기술적 시도는 아마존 베드록(Amazon Bedrock) 플랫폼 위에서 구현됐다. 덕분에 Popsa는 다양한 거대 언어 모델(large language model, LLM)을 손쉽게 갈아끼우며 실험할 수 있었다. 실제로 클로드 3 하이쿠(Claude 3 Haiku)와 아마존 노바(Amazon Nova) 모델들을 견줘가며 최적의 조합을 찾는 실험을 이어갔다.

기술 도입 과정이 마냥 순탄하지는 않았다. 제목은 36자 이내여야 하고 앱에서 정해진 형식(JSON)으로 출력돼야 하는 등 제약이 까다로웠다. 기술팀은 이를 풀기 위해 평가 파이프라인을 꾸려 모델이 규칙을 어길 때마다 곧바로 손봤다.

그 결과 기존 규칙 기반 방식에서 생성형 인공지능으로 갈아타자 긍정적인 사용자 반응이 58%에서 71%로 13%포인트 올랐다. 최근 진행한 실험에서는 아마존 노바 프로(Nova Pro) 모델이 73%의 긍정 평가를 받으며 가장 높은 만족도를 기록했다. 구매율도 눈에 띄게 좋아졌다.

처음부터 복잡한 모델을 짜기보다, 기존의 성공적인 결과물 예시를 프롬프트에 끼워넣는 소량 예시 프롬프트 기법부터 적용해 보길 권한다.

참고 출처

• https://aws.amazon.com/blogs/machine-learning/how-popsa-used-amazon-nova-to-inspire-customers-with-personalised-title-suggestions/