디지털 상품 판매자들이 흔히 겪는 문제 중 하나는 상품 목록에 명시된 내용과 실제 제공되는 파일 간의 불일치입니다. 이러한 불일치는 환불 요청, 고객 지원 문의 증가, 그리고 부정적인 리뷰로 이어져 판매자에게 큰 부담이 됩니다. Pavel Kazantsev가 개발한 'PromiseDiff'는 이러한 문제를 해결하기 위해 디지털 상품의 약속 이행 여부를 자동으로 감사(audit)하는 AI 기반 도구입니다.
PromiseDiff는 판매자가 상품 목록(listing)을 붙여넣고 PDF나 ZIP 파일을 업로드하면, 해당 파일이 목록의 주장을 얼마나 잘 뒷받침하는지, 모순되는 점은 없는지, 혹은 확인할 수 없는 부분은 무엇인지 보고서로 제공합니다. 예를 들어, 목록에 '48페이지', 'A4 및 US 레터' 형식, '채무 상환 워크시트'라고 명시되어 있다면, PromiseDiff는 실제 파일이 이 주장들을 만족하는지 검사합니다. 페이지 수, 문서 크기, 파일 구성과 같은 측정 가능한 정보는 PyMuPDF를 통해 직접 확인하며, '채무 상환 워크시트'와 같이 의미론적 해석이 필요한 부분은 로컬에서 구동되는 Gemma AI 모델을 활용해 관련 내용을 분석합니다. 특히, AI 모델의 제안만으로 결론을 내리지 않고, 실제 파일 내에 명확한 증거(예: 정확한 문구, 페이지 존재 여부)가 있을 때만 '지원됨(SUPPORTED)'으로 판단하는 엄격한 증거 기반 접근 방식을 채택하고 있습니다.
이 도구는 디지털 상품 판매자들에게 출시 전 필수적인 품질 관리(QC) 단계를 제공함으로써, 잠재적인 문제 발생을 사전에 방지하고 고객 만족도를 높이는 데 크게 기여할 수 있습니다. 특히, 1인 또는 소규모 디지털 콘텐츠 창작자들이 수동 검증에 드는 시간과 노력을 절약하고, 일관된 품질의 제품을 제공할 수 있도록 돕습니다. PromiseDiff는 '증거 부족이 곧 모순은 아니다(Missing evidence is not a contradiction)'라는 원칙을 중요하게 여겨, 파일이 특정 주장을 입증하지 못하더라도 그것이 거짓임을 의미하지는 않는다는 점을 명확히 합니다. 이는 판매자가 불필요한 오해나 비난을 받지 않도록 보호하는 중요한 장치입니다. 궁극적으로 PromiseDiff는 디지털 상품 시장의 신뢰도를 높이고, 판매자와 구매자 모두에게 긍정적인 경험을 제공하는 데 중요한 역할을 할 것으로 기대됩니다.