배달과 이동 / 음식 배달
DoorDash: 사내 데이터 분석과 업무 도우미
- 기업
- DoorDash
- 국가
- 미국
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
DoorDash의 지식은 실험 플랫폼과 지표 허브, 대시보드, 위키, 팀 채팅에 흩어져 있었다. 복잡한 업무 질문에 답하려면 위키를 뒤지고 Slack에 묻고 SQL을 쓰고 Jira 티켓을 올리며 화면을 계속 옮겨 다녀야 했다. 셀프서비스 도구는 이용자가 어떤 데이터를 볼지 이미 안다고 전제해 한계가 있었다.
적용한 기술과 데이터
DoorDash는 사내 데이터와 운영 위에 얹는 agentic AI 플랫폼을 만들었다. 검색은 벡터 데이터베이스 위에 올린 다단계 엔진이 맡는다. best-match-25 키워드 검색과 밀집 의미 검색을 합치고 reciprocal rank fusion으로 다시 순위를 매긴다. SQL은 스키마를 아는 방식으로 만든다. 테이블 이름에 맞춘 lemmatization으로 데이터 출처를 찾고, DescribeTable 도구가 열 정의와 미리 캐시한 예시 값을 준다. 만들어진 질의는 Snowflake와 Trino 같은 엔진에 EXPLAIN을 걸어 검사한다. 반환 행 수나 주요 열의 평균 같은 결과 통계로 빈 결과를 미리 잡는다. 민감한 데이터는 모델에 노출하지 않는다. 문제가 나오면 에이전트가 그 피드백으로 질의를 스스로 고친다.
성과
DoorDash는 단계를 넷으로 나눴다. 결정형 workflow, 단일 에이전트, 여러 에이전트를 계층으로 묶은 deep agent, 서로 대등하게 협업하는 swarm이다. 1단계인 플랫폼 기반과 마켓플레이스는 출시했다. 2단계 AI Network는 preview 상태이고, 3단계 A2A와 swarm은 탐색 단계다. 답변 품질은 LLM을 심판으로 쓰는 자동 평가 틀로 채점한다.
한계와 남은 과제
모든 업무를 스스로 처리하는 시스템이 완성됐다는 뜻이 아니다. 원문은 이용자 수, 절감 시간, 정확도 점수 같은 수치를 밝히지 않았다.
출처
- Beyond Single Agents: How DoorDash is building a collaborative AI ecosystem - DoorDashcareersatdoordash.com, 확인
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.