# Spotify, 대화형 음악 추천 에이전트로 이용 증가 성과 보고

> Spotify 연구팀은 시뮬레이션 대화와 자동 프롬프트 개선을 활용해 음악 에이전트를 구축한 과정을 소개했다. 팀은 청취 세션을 다듬는 기능에만 한정된 기존 방식과 비교한 A/B 테스트에서 이 시스템이 음악 감상 시간과 주간 활성 사용자 수를 늘렸다고 밝혔다.

Oossa · 2026-09-29 · https://oossa.com/ko/spotify-reports-gains-from-a-conversational-music-recommendation-agent

Spotify 연구진은 대화형 추천 에이전트가 온라인 A/B 테스트에서 음악 감상 시간과 주간 활성 사용자 수를 늘리는 데 도움이 됐다고 밝혔다. 이 시스템을 이용하면 현재 청취 세션을 수정해 달라고 요청하는 데 그치지 않고, “처음 듣는 이탈리아 인디 아티스트”처럼 원하는 음악을 일상적인 말로 설명할 수 있다.

연구 결과는 2026년 9월 28일 arXiv에 공개된 논문에 실렸으며, RecSys 2026 논문으로도 등록됐다. 저자들은 Spotify의 이전 세션 조정 기능과 비교해 이용자 음악 감상 시간이 14% 늘고, 주간 활성 사용자 수는 5% 증가했으며, 건너뛰기 비율은 5% 감소했다고 보고했다.

## 시스템 구축 과정

연구팀은 출시 전에 해결해야 할 과제에 주목했다. 실제 이용자와의 대화 데이터가 아직 없는 상황에서 에이전트가 어떤 도구를 어떤 순서로 사용할지 등 계획을 세우는 방법을 학습시키는 일이다. 연구팀은 단일 턴 프롬프트를 여러 차례 대화를 주고받는 시뮬레이션으로 바꿔 에이전트를 사전에 시험하는 파이프라인을 구축했다.

이어 계획 수립과 도구 사용에서 발생하는 실수를 찾아 개선하는 자동화된 반복 과정을 적용했다. 이 방법은 여러 에이전트 응답을 비교하고 코딩 에이전트의 도움을 받아 단계적으로 수정한다. 연구진은 이를 통해 이미 고도로 최적화된 수동 프롬프트보다 품질이 8% 향상됐다고 밝혔다. 개발 주기도 단축됐다고 했지만, 논문 초록에는 구체적인 기간이 제시되지 않았다.

## 결과가 보여주는 것

보고된 음악 감상 및 참여 지표는 특정한 이전 기능과 비교한 온라인 테스트에서 나온 것으로, 사람들이 Spotify를 이용하는 모든 방식과 비교한 결과는 아니다. 초록에는 테스트 참여 인원과 진행 기간이 나와 있지 않으며, 에이전트가 모든 이용자에게 제공되는지도 설명하지 않는다.

이 연구의 핵심은 개발 방법에 있다. 생성한 대화와 자동 수정을 활용해 출시 전과 출시 과정에서 에이전트를 개선하는 것이다. 이런 접근법은 초기 단계에 실제 이용자와의 상호작용 데이터가 많지 않은 상황에서도 자연어 추천 도구를 시험하려는 팀에 도움이 될 수 있다.

## 팩트

- 논문은 2026년 9월 28일 arXiv에 공개됐으며, 저널 참고 정보로 RecSys 2026을 기재했다.
- 연구진은 출시 전에 에이전트를 시험하기 위해 단일 턴 프롬프트를 여러 차례 대화하는 형식으로 생성했다.
- 연구팀은 고도로 최적화된 수동 프롬프트보다 품질이 8% 향상됐다고 보고했다.
- A/B 테스트에서 연구진은 이전 세션 조정 기능과 비교해 음악 감상 시간은 14% 늘고, 주간 활성 사용자 수는 5% 증가했으며, 건너뛰기 비율은 5% 낮아졌다고 밝혔다.

## 왜 중요한가

이 접근법은 듣고 싶은 음악을 구체적이고 일상적인 말로 설명해 추천받는 일을 더 쉽게 하려는 것이다. 보고된 성과는 고무적이지만, 초록에는 테스트 규모나 기간이 제시되지 않았고 에이전트가 모든 이용자에게 제공된다는 점도 확인되지 않았다.

## 출처 및 참고 자료

1. [Bootstrapping Conversational Recommendation Agents At Spotify: Synthetic Data Generation and Self-Improvement Loops](https://arxiv.org/abs/2609.30297) – arXiv, 2026-09-28

최종 업데이트: 2026-09-29