DoorDash가 반복 구매 수요를 미리 파악해 AI 기반 식료품 재주문 기능의 대기 시간을 약 16초에서 2초로 줄였다. 회사는 이 변경으로 장보기 목록 조회가 두 배로 늘고 해당 기능의 주문율은 약 34% 증가했다고 밝혔다. 이 기능은 대화형 쇼핑 도우미인 Ask DoorDash를 통해 제공된다.
고객이 재주문을 요청할 때마다 AI 모델에 필요한 품목을 다시 추정하게 하는 대신, DoorDash는 사전에 최근 90일간의 구매 내역과 프로필 정보를 분석한다. 챗봇의 기반이 되는 AI 기술인 대규모 언어 모델(LLM)이 반복 구매 가능성이 있는 품목을 제안한다. 별도의 정해진 검증 절차를 거쳐 제안 내용을 확인한 뒤, 재사용할 수 있도록 목록 데이터를 저장한다.
고객이 목록을 열면 어떻게 되나?
실시간 요청이 미리 준비된 목록을 불러온 뒤 각 품목을 현재 상품 카탈로그와 대조한다. 먼저 기존 매장 상품을 찾고, 다음으로 카탈로그의 상품 ID를 확인한 뒤, 마지막으로 검색어를 이용한다. 이 순서 덕분에 과거 구매 내역을 매번 다시 분석하지 않고도 상품이 바뀌었거나 품절된 상황에 대응할 수 있다.
모든 작업에 AI가 다시 응답해야 하는 것은 아니다. 고객은 품목 수량을 바꾸거나 상품을 직접 삭제할 수 있으며, 변경된 목록은 다음 에이전트 처리 단계의 출발점이 된다. DoorDash는 현재 가격과 할인 행사, 포장 단위, 재고, 고객 선호도를 고려해 더 저렴한 상품을 찾는 등 판단이 필요한 요청에는 Grocery 에이전트가 계속 사용된다고 밝혔다.
다른 에이전트도 활용하는 공통 플랫폼
식료품 시스템은 DoorDash의 공용 에이전트 플랫폼을 사용한다. 이 플랫폼은 에이전트 간 조율, 메모리, 모델 접근, 추적, 평가, 통제된 배포를 위한 도구를 제공한다. 각 팀은 여전히 자체 에이전트의 지침과 도구, 평가 기준을 관리한다. DoorDash 엔지니어 Twisha Jain은 어떤 작업을 에이전트의 실시간 처리 과정에 포함하고 어떤 작업을 사전에 처리할지 정하는 방식이라고 설명했다.
DoorDash에 따르면 Reservations 에이전트를 공용 플랫폼에 추가하는 데는 일주일이 걸렸다. 이는 첫 도메인별 에이전트를 구축할 때보다 약 10배 빠른 속도다. 이는 식료품 재주문을 빠르게 하는 것 외에도, 공통 인프라를 기반으로 팀들이 에이전트를 더 쉽게 구축하도록 하는 것이 목표임을 보여준다. DoorDash는 쇼핑 목록을 단순한 채팅 기록이 아니라 수정 가능한 데이터로 다루도록 설계했다. 따라서 고객이 직접 변경한 내용이 우선 적용된다.
왜 중요한가
DoorDash 고객은 식료품 재주문 목록을 더 빨리 불러올 수 있고, 목록을 직접 수정하거나 현재 상품 카탈로그에 맞는 상품을 확인할 수도 있다. DoorDash는 목록 조회와 주문율이 높아졌다고 밝혔지만, 이 수치만으로는 모든 고객에게서 기능이 같은 성과를 내는지, 증가분 가운데 대기 시간 단축이 얼마나 기여했는지는 알 수 없다.
