NewsAgent | LLM이 뉴스 아티클을 잘 작성해 줄 수 있을까?

🗨️ 들어가며

안녕하세요, 오늘은 최근 진행 중인 사이드 프로젝트에 대해 소개해 드리려고 합니다. 이 프로젝트는 사회초년생들이 어렵게 느끼는 경제 뉴스를 쉽고 흥미롭게 읽을 수 있는 뉴스레터 아티클을 LLM(Large Language Model)을 활용해 자동으로 생성하는 서비스입니다. 이번 포스팅에서는 이 프로젝트를 시작하게 된 계기와 필요성, 그리고 전체적인 개요를 공유하고, 추후에 더 구체적인 기술적 내용과 개발 과정을 다룰 예정입니다.

 

🗨️ 사회초년생에겐 너무 어려운 경제 뉴스

출처 : https://biz.chosun.com/stock/finance/2024/01/27/BOMZDHF2NREVVPMFMDFBRMM5EM/

 

여러분은 경제 뉴스를 얼마나 자주 읽으시나요? 아마 많은 분들이 "읽고 싶어도 너무 어려워서..." 라고 대답하실 것 같습니다.

일반 언론사의 경제 뉴스는 사실 전문적인 용어와 배경 지식을 요구하는 경우가 많습니다. "기준금리", "인플레이션", "양적 완화", "매크로 환경" 등의 용어들이 난무하는데, 이런 용어들을 처음 접하는 독자들에게는 뉴스의 본질적인 내용을 이해하기가 쉽지 않죠.

 

특히 배경지식 없이는 해당 뉴스의 맥락을 파악하기 어려운 경우가 많아요. 주식시장이나 부동산 정책 변화와 같은 뉴스는 이전 정책이나 시장 상황에 대한 이해가 있어야 현재 상황의 중요성을 제대로 파악할 수 있습니다.

 

이런 어려움 때문에 사회초년생들은 경제 뉴스를 접하기 꺼려하게 되고, 결과적으로 주변 사람들과의 대화나 현 세상 파악에 어려움을 겪게 됩니다. 최근 금융 문해력(Financial Literacy)이 중요해지는 시대에, 기본적인 경제 이슈조차 이해하지 못한다면 자신의 재정 관리나 투자 결정에도 어려움을 겪을 수밖에 없습니다.

 

🗨️그래서 다양한 뉴스레터 서비스가 등장 했어요

 이러한 문제를 해결하기 위해 다양한 뉴스레터 서비스들이 등장했습니다. 대표적으로 '뉴닉'은 복잡한 뉴스를 쉽게 풀어 설명하고, '토스 피드'는 금융 관련 소식을 간결하게 전달합니다. 이들은 공통적으로 어려운 뉴스를 쉽게 이해할 수 있도록 가공하여 제공한다는 점에서 큰 호응을 얻고 있습니다. 저 또한 이러한 플랫폼을 즐겨 보고 있고 많은 도움을 얻고 있습니다. 아주 멋진 서비스들이에요.

 

 

🗨️ 하지만, 세상 모든 뉴스를 아티클로 작성해 주지는 않아요

현재 뉴스레터 서비스의 한계점은 무엇일까요? 바로 '에디터가 작성한 글'만 볼 수 있다는 점입니다. 대부분의 뉴스레터는 그날의 주요 이슈나 트렌드에 대해서만 다루고 있어, 내가 관심 있는 특정 분야나 주제에 대한 뉴스를 항상 제공받기는 어렵습니다.

예를 들어, 특정 기업의 실적 발표나 신기술 동향에 관심이 많지만, 기존 뉴스레터들은 이런 세부적인 주제를 매번 다루지는 않습니다. 또한 에디터의 관점이나 뉴스레터의 성향에 따라 같은 뉴스라도 다르게 해석될 수 있어, 때로는 객관적인 정보를 얻기 어려울 때도 있습니다.

결국 나만이 관심 있는 소식, 내가 원하는 모든 뉴스를 뉴스레터 형식으로 받고 싶다는 니즈가 생겼습니다. 그렇다면 이런 개인 맞춤형 뉴스레터를 어떻게 만들 수 있을까요?

 

🗨️ LLM을 활용해서 뉴스 아티클을 생성한다면?

첫 번째 생각은 "ChatGPT에 뉴스를 복붙하고 아티클 생성을 요청하면 되지 않을까?"였습니다. 하지만 이 방식에는 몇 가지 취약점이 있었습니다.

 

뉴스레터라 함은, 뉴스를 단순히 요약해 주는 것을 넘어 그 뉴스를 이해하기 위한 배경지식과 어려운 용어 등에 대한 추가적인 조사가 필요합니다. 단일 LLM, 단일 프롬프트로는 이런 깊이 있는 정보를 모두 요구하기 어렵습니다.

 

또한, 아티클은 사회 초년생 입장에서 나올 만한 궁금증을 미리 해소해줘야 합니다. 경제 뉴스를 읽다 보면 "이게 내 일상생활에 어떤 영향을 미치지?", "이전에는 어떤 상황이었길래 이런 뉴스가 중요한 거지?" 같은 질문이 자연스럽게 생기는데, 이런 질문들에 대한 답변도 적재적소에 포함되어야 실제로 도움이 되는 아티클이 됩니다.

 

이러한 문제점들을 고려하면, 단순히 ChatGPT에게 작업을 맡기는 것보다는, 마치 뉴스 아티클을 위한 하나의 팀이 동작하는 것처럼 시스템을 설계해야 합니다. 예를 들어, 아래와 같은 다양한 팀들을 둘 수 있는 것이죠.

1. 사회초년생의 궁금증 파악 팀: 타겟 독자가 어떤 부분을 어려워할지 예측
2. 질문 및 추가 조사 팀: 원본 뉴스에서 부족한 배경 정보나 용어 설명을 위한 추가 자료를 웹 상에서 수집
3. 아티클 작성 팀: 수집된 정보를 바탕으로 읽기 쉬운 아티클을 작성
4. 뉴스 검증 팀: 작성된 아티클의 사실 관계 확인 및 편향성 검토
5. 시각 자료 팀 : 아티클과 관련된 시각 자료를 수집

 

이처럼, 특정 문제를 해결하기 위해 단일 LLM이 아니라, 여러 역할을 수행하는 시스템으로 구성하는 것이 바로 Multi-Agent 개념입니다. 각 에이전트가 특정 역할을 맡아 협업하면서 하나의 완성된 아티클을 만들어내는 것이죠.

 

🗨️ 그렇게 시작된 프로젝트

내가 사용해 봐도 만족스러울 만한 뉴스레터 아티클 생성기를 개발해 보기로 했습니다. 기획과 디자인, 개발, 배포까지 모든 과정을 직접 경험해 보기로 했죠. 처음에는 막연한 아이디어였지만, 구체적인 기능과 구조를 고민하면서 점차 형태가 잡혀갔고, 현재는 1차 MVP(Minimum Viable Product)가 어느덧 완성되어 가고 있습니다.

 

이 프로젝트를 진행하면서 다양한 기술적 문제와 UX 디자인 문제에 부딪혔습니다.

예를 들어:

• 어떻게 하면 배경지식이 전혀 없는 사회초년생을 이해시킬 수 있을까?
• 어떤 방식으로 에이전트 간 협업을 구현할 것인가?
• 뉴스레터 생성하는 시간이 너무 길면 지루할 텐데, 어떻게 해결할 것인가?
• 생성된 아티클의 정확성을 어떻게 보장할 것인가?

이러한 고민들을 하나씩 해결해 나가는 과정은 매우 흥미로웠고, 그 과정에서 많은 학습과 깨달음이 있었습니다.

 

🗨️ 앞으로의 계획

이러한 프로젝트 개요를 출발점으로, 다음 포스팅에서는 더 구체적인 기술 스택과 아키텍처, 그리고 각 에이전트의 설계와 구현 방법에 대해 다룰 예정입니다. 단순 개발적인 내용뿐 아니라, 서비스로서 유저 경험을 높이기 위한 UI/UX 고민들, 유저 테스트 등 다방면으로 경험담을 기록해 볼 예정이에요.

 

이 프로젝트가 완성되면, 사회초년생들이(나 자신) 경제 뉴스를 더 쉽게 이해하고 경제적 의사결정에 도움을 받을 수 있기를 기대합니다. 또한 이 프로젝트를 통해 LLM을 활용한 실용적인 서비스 개발 경험을 공유함으로써, 다른 개발자분들에게도 영감이 되었으면 합니다.