"오늘 기분이 우울해서 뭔가 든든한 게 먹고 싶어"라고 말하면 AI가 근처 감자탕이나 순댓국집을 추천해주는 식으로, 점심 추천 방식 자체가 달라지고 있어요. 기존 검색 방식과 뭐가 다른지, 실제로 어떻게 동작하는지 정리해봤어요.

기존 방식이 가진 한계

네이버 지도에서 "강남역 점심"이라고 검색하면 수백 개의 결과가 쏟아지는데, 정작 그중 어디를 골라야 할지는 사용자가 직접 하나하나 비교해야 해요. 배달 앱은 리뷰 수와 평점 기준으로 정렬해주지만, 그건 "많은 사람이 좋아하는 곳"이지 "지금 내 상황에 맞는 곳"은 아니에요. 혼자 빠르게 먹어야 하는 상황인지, 매운 걸 못 먹는 사람과 함께인지 같은 맥락은 기존 검색으로는 반영되지 않아요.

자연어로 말하면 되는 이유

"혼자 먹을 건데 빨리 먹어야 해, 매운 건 별로야, 500m 이내로"처럼 여러 조건이 섞인 문장도 AI는 한 번에 처리할 수 있어요. 기존 방식이라면 필터를 하나씩 클릭해서 좁혀나가야 했던 걸, 말하는 것만으로 끝낼 수 있다는 게 핵심 차이예요.

오메추가 추천을 만드는 4단계

1단계 — 자연어 이해: 입력한 문장에서 카테고리, 맛, 분위기, 동행, 목적, 가격대 같은 조건을 추출해요. "비 오는 날 혼자 국물 먹고 싶어"라는 문장에서도 날씨·인원·메뉴 성향까지 한 번에 뽑아내는 방식이에요.

2단계 — 식당 데이터 분석: 현재 위치 기준으로 반경 내 식당들의 리뷰, 키워드, 메뉴, 영업시간 데이터를 분석해요. 카카오·네이버에서 수집한 실제 리뷰·평점 데이터를 기반으로 하기 때문에, 단순히 이름만 아는 식당이 아니라 실제로 검증된 곳들이 후보로 올라와요.

3단계 — 스코어링: 1단계에서 추출한 조건과 2단계 식당 데이터를 매칭해서 점수를 매겨요. 조건에 맞을수록 높은 점수를 받고, 상위 후보들이 추려져요.

4단계 — 최종 추천: AI가 상위 후보 중에서 이유를 설명하며 최종 추천을 제시해요. 단순히 "여기 가세요"가 아니라 왜 이 식당이 지금 상황에 맞는지까지 설명해주는 방식이에요.