Evidence-gated AI Memory and Recommendation Pipeline

사진과 위치만으로 정확한 장소를 맞추는 문제는 음식점, 카페, 복합건물처럼 오답 비용이 높은 케이스가 많습니다.

AI가 그럴듯한 이름을 만들어내면 사용자 기록과 추천 seed까지 오염될 수 있어 source-of-truth와 후보 데이터를 엄격히 분리해야 했습니다.

OCR, 간판, 영수증, 예약, 메뉴판, 일정 context처럼 검색어를 만들 수 있는 evidence가 있을 때만 provider search를 허용했습니다.

확정 장소가 없으면 title/summary 생성을 보류하고, 불확실한 식당·카페·복합건물은 area/container fallback으로 처리했습니다.

확정된 장소만 취향 그래프와 추천 seed로 승격하고, 첫 추천 CTA와 KPI report에서 노출/클릭/저장 흐름을 추적했습니다.

AI 추천의 품질을 모델 응답이 아니라 데이터 신뢰도, 사용자 확인, fallback 정책으로 관리하는 구조를 만들었습니다.

커머스 카탈로그에서도 후기, 상세페이지, 가격, 이미지, 후보 상품명이 섞일 때 같은 source-of-truth 정책이 중요하다고 봅니다.