AI 추천 시스템 공개

시행일: 2026-04-29 (v0.2) · 근거: 「개인정보 보호법」 제37조의2 ④항 (시행 2025-10-02)

Semore 는 「개인정보 보호법」 제37조의2 ④항에 따라, 채팅 추천 (이하 "AI 추천") 의 기준 · 절차 · 개인정보 처리 방식 을 정보주체가 쉽게 확인할 수 있도록 공개합니다. 본 페이지는 일반 이용자 친화적 문체로 작성하며, 기술적 세부 사항은 접을 수 있는 영역에서 별도 안내합니다.

1. AI 추천 시스템 개요

Semore 의 채팅 추천은 Anthropic Claude Opus 4.7 LLM 과 Anthropic Model Context Protocol (MCP) 5-tool (search_product · get_product · create_cart · quote_checkout · submit_intent) 그리고 Cloudflare Workers AI 임베딩 모델 (@cf/baai/bge-m3) 기반의 카탈로그 매칭 알고리즘으로 구성됩니다. 사용자의 자유 입력 (텍스트 · 언어 무관) 을 받아 K-bundle 카탈로그에서 가장 적합한 5개 SKU 를 제시합니다.

기술 세부 (개발자용)

LLM: Anthropic Claude Opus 4.7 — 시스템 프롬프트로 K-bundle 추천 범위로 제한
도구: Anthropic MCP 5-tool 표준, 추천 단계에서는 search_product · get_product 만 호출 가능
임베딩: Cloudflare Workers AI @cf/baai/bge-m3 1024-dim 벡터
카탈로그 매칭: cosine 유사도 기반 nearest-neighbor 검색, top-K=5
응답 형식: JSON schema 검증 + 응답 직전 get_product(sku_id) 실재 SKU 검증

2. 추천 기준

사용자의 자연어 입력을 다국어 안전 분류기 (Llama Guard 3 8B + OpenAI omni-moderation) 가 검수하여 안전 · 합법 여부를 확인합니다.
입력을 Cloudflare bge-m3 임베딩 (1024차원) 으로 변환하여 K-bundle 카탈로그 임베딩과 cosine 유사도를 계산합니다.
임계값 cosine ≥ 0.65 이상 SKU 만 후보로 채택합니다 (off-topic 차단).
후보 중 상위 5개 SKU (top-K=5) 를 LLM 이 응답 빌드 시 컨텍스트로 주입합니다.
19세 이상 인증이 필요한 SKU (주류 · 담배 · 청소년유해매체) 는 미인증 사용자에게 노출되지 않습니다.

3. 추천 절차 (6단계 가드레일)

(1단계) 입력 검수 — Cloudflare WAF 와 Workers Binding 이 비정상 트래픽 (스팸 · DDoS · prompt injection 시도) 을 차단합니다.
(2단계) 안전 분류 — Llama Guard 3 8B 가 입력을 4-tier 분류 체계 (허용 · 주의 · 거부 · 블록) 로 평가합니다. 거부 · 블록은 즉시 차단되고, 사용자에게 6-locale 안내 메시지를 송출합니다.
(3단계) 시스템 프롬프트 — Semore 의 시스템 프롬프트가 LLM 의 행동 범위를 K-bundle 추천으로 한정하고, 카탈로그 외 SKU 환각을 금지합니다.
(4단계) 도구 실행 — LLM 이 MCP search_product 와 get_product 만 호출 가능하며, 응답은 실제 카탈로그 데이터로 grounded 됩니다.
(5단계) 출력 검증 — JSON schema 검증 + MCP get_product 실재 SKU 응답 주입으로 환각 SKU 0% 를 보장합니다.
(6단계) 아키텍처 격리 — 결제 · 개인정보 처리는 별도 도메인 · 별도 권한 영역에서 수행되어 채팅 surface 와 분리됩니다.

4. 추천 방식

Semore 의 LLM 은 사용자의 입력 + 6-Layer 가드레일을 통과한 후, 카탈로그 임베딩 검색 결과 (top-5 SKU 의 실제 가격 · 재고 · 옵션 · 이미지) 를 컨텍스트로 받아 자연어 응답을 생성합니다. LLM 자체는 카탈로그 외 SKU 를 만들어내지 못하며 (system prompt + JSON schema 강제), 모든 응답은 응답 직전 get_product(sku_id) 검증을 거쳐 송출됩니다.

Semore 는 사용자의 채팅 입력을 LLM 학습에 사용하지 않습니다 (Anthropic Zero Data Retention addendum 체결 완료). 채팅 trace 는 30일 보관 후 자동 삭제되며, 카드 PAN/CVV 는 시스템을 통과하지 않습니다 (PCI Tokenization).

5. 정보주체 권리 행사 채널

사용자는 다음 권리를 행사할 수 있습니다.

거부권 (PIPA §37조의2 ①항)채팅 화면 설정에서 "AI 자동 추천 끄기" 토글로 즉시 비활성화할 수 있습니다. 비활성화 시 카테고리 브라우징 모드로 전환되며 추천 알고리즘은 적용되지 않습니다.
설명요구권 (PIPA §37조의2 ②항)특정 추천에 대해 "왜 이 SKU 가 추천되었는지" 알고 싶으시면 채팅의 ? 메뉴 → "이 추천 설명 요청" 을 선택하시거나 [email protected] 으로 문의해 주십시오. 통상 7일 이내, 법정 상한 14일 이내 회신합니다.
인적 개입 재처리권 (PIPA §37조의2 ③항)자동 추천 결과에 이의가 있으시면 cs-agent 의 사람 검토를 요청할 수 있습니다. 통상 7일 이내, 법정 상한 14일 이내 회신합니다.
연락처[email protected] · 채팅 ? 메뉴 · 개인정보처리방침 §10 (개인정보 보호 책임자)

Last updated: 2026-04-29 (v0.2) · 변경 이력 · 근거 법령: 개인정보 보호법 제37조의2 (시행 2025-10-02)

AI Recommendation Disclosure

Effective: 2026-04-29 (v0.2) · Legal basis: Korean Personal Information Protection Act (PIPA) §37-2(4) (in force since 2025-10-02)

Pursuant to PIPA §37-2(4), Semore publishes the criteria, procedure, and personal-data processing method of its chat recommendation system (hereinafter "AI recommendation") so that data subjects can readily verify them. This page is written for general users; technical details are placed in collapsible sections.

1. Overview of the AI Recommendation System

Semore's chat recommendation runs on Anthropic Claude Opus 4.7 LLM, the Anthropic Model Context Protocol (MCP) 5-tool stack (search_product / get_product / create_cart / quote_checkout / submit_intent), and a catalog-matching algorithm built on Cloudflare Workers AI embeddings (@cf/baai/bge-m3). It accepts free-form user input in any of 6 supported languages and returns the top 5 K-bundle SKUs from our catalog.

Technical details (for developers)

LLM: Anthropic Claude Opus 4.7 — system prompt confines the model to K-bundle recommendations
Tools: Anthropic MCP 5-tool standard; only search_product and get_product are callable during recommendation
Embeddings: Cloudflare Workers AI @cf/baai/bge-m3 1024-dim vectors
Catalog matching: cosine-similarity nearest-neighbor search with top-K=5
Output: JSON-schema validation plus a final get_product(sku_id) existence check before delivery

2. Recommendation Criteria

Your free-form input is screened by a multilingual safety classifier stack (Llama Guard 3 8B + OpenAI omni-moderation) for legality and safety.
Your input is encoded as a 1024-dim Cloudflare bge-m3 embedding and compared with each catalog SKU embedding via cosine similarity.
Only SKUs with cosine similarity >= 0.65 are eligible (off-topic queries are blocked).
The top 5 eligible SKUs are injected as grounded context for the LLM response.
SKUs requiring age verification (alcohol, tobacco, adult media) are never surfaced to unverified users.

3. Recommendation Procedure (6-Layer Guardrail)

(Step 1) Input vetting — Cloudflare WAF and Workers Bindings block abnormal traffic (spam, DDoS, prompt-injection attempts).
(Step 2) Safety classification — Llama Guard 3 8B classifies each input on a 4-tier scale (allow / caution / refuse / block). Refused or blocked inputs are stopped immediately and the user receives a 6-locale notice.
(Step 3) System prompt — Semore's system prompt confines the LLM's behavior to K-bundle recommendations and forbids the model from hallucinating SKUs outside the catalog.
(Step 4) Tool execution — The LLM may only call MCP search_product and get_product; responses are grounded against live catalog data.
(Step 5) Output validation — JSON-schema validation plus a final get_product lookup against the actual catalog guarantees a 0% hallucinated-SKU rate.
(Step 6) Architectural isolation — Payment and personal-data processing run on separate domains and privilege boundaries, isolated from the chat surface.

4. How Recommendations Are Produced

Once your input passes the 6-Layer guardrail, Semore's LLM receives the catalog embedding search results (the actual price, stock, options, and images of the top 5 SKUs) as grounded context and produces a natural-language response. The LLM itself cannot fabricate SKUs outside the catalog (enforced by the system prompt and JSON schema), and every response is verified by a final get_product(sku_id) lookup before delivery.

Semore does not use chat input for LLM training (Anthropic Zero Data Retention addendum executed). Chat traces are auto-deleted after 30 days, and card PAN/CVV never traverses our systems (PCI tokenization).

5. Channels for Exercising Data-Subject Rights

You may exercise the following rights:

Right to refuse (PIPA §37-2(1))Toggle "Disable AI auto-recommendation" in chat settings to opt out instantly. While disabled, the experience switches to category browsing and no recommendation algorithm is applied.
Right to explanation (PIPA §37-2(2))To learn why a particular SKU was recommended, open the chat ? menu → "Request explanation for this recommendation" or email [email protected]. We typically reply within 7 days; the statutory upper bound is 14 days.
Right to human re-review (PIPA §37-2(3))To challenge an automated recommendation, you may request human review by cs-agent. We typically reply within 7 days; the statutory upper bound is 14 days.
Contact[email protected] · chat ? menu · Privacy Policy §10 (Data Protection Officer)

Last updated: 2026-04-29 (v0.2) · Change history · Legal basis: PIPA §37-2 (in force since 2025-10-02)

AI レコメンドの公開

施行日: 2026-04-29 (v0.2) · 根拠: 韓国「個人情報保護法 (PIPA)」第 37 条の 2 第 4 項 (2025-10-02 施行)

Semore は「個人情報保護法」第 37 条の 2 第 4 項に基づき、チャットレコメンド (以下「AI レコメンド」) の基準 · 手続 · 個人情報の処理方式を、情報主体が容易に確認できるように公開します。本ページは一般利用者向けの平易な文体で作成しており、技術的な詳細は折りたたみ領域に分けています。

1. AI レコメンドシステムの概要

Semore のチャット推薦は、Anthropic Claude Opus 4.7 LLM、Anthropic Model Context Protocol (MCP) 5-tool スタック (search_product / get_product / create_cart / quote_checkout / submit_intent)、および Cloudflare Workers AI 埋め込みモデル (@cf/baai/bge-m3) を基盤とするカタログマッチングアルゴリズムで構成されています。本システムは 6 言語の自由入力テキストを受け付け、K-bundle カタログから最適な上位 5 件の SKU を提示します。

技術詳細 (開発者向け)

LLM: Anthropic Claude Opus 4.7 — システムプロンプトで K-bundle 推薦に範囲を限定
ツール: Anthropic MCP 5-tool 標準。推薦段階では search_product および get_product のみ呼び出し可能
埋め込み: Cloudflare Workers AI @cf/baai/bge-m3 1024 次元ベクトル
カタログマッチング: コサイン類似度に基づく最近傍検索、top-K=5
応答形式: JSON スキーマ検証および応答直前の get_product(sku_id) 実在検証

2. レコメンドの基準

ユーザーの自由入力は、多言語安全分類器スタック (Llama Guard 3 8B + OpenAI omni-moderation) によって合法性および安全性の観点から検査されます。
入力は 1024 次元の Cloudflare bge-m3 埋め込みに変換され、各カタログ SKU の埋め込みとコサイン類似度で比較されます。
コサイン類似度 0.65 以上の SKU のみが候補となります (主題から外れた問い合わせは遮断されます)。
候補のうち上位 5 件 (top-K=5) が、応答生成時に LLM の根拠付きコンテキストとして注入されます。
年齢確認が必要な SKU (酒類 · たばこ · 青少年有害メディア) は、未認証のユーザーには一切表示されません。

3. レコメンドの手続 (6 層ガードレール)

(ステップ 1) 入力検査 — Cloudflare WAF および Workers Bindings が、異常トラフィック (スパム · DDoS · プロンプトインジェクション試行) を遮断します。
(ステップ 2) 安全分類 — Llama Guard 3 8B が入力を 4 段階 (許可 · 注意 · 拒否 · 遮断) で分類します。拒否 · 遮断対象は直ちに停止され、6 言語の案内メッセージがユーザーに送信されます。
(ステップ 3) システムプロンプト — Semore のシステムプロンプトが LLM の挙動を K-bundle 推薦に限定し、カタログ外 SKU の幻覚を禁止します。
(ステップ 4) ツール実行 — LLM は MCP の search_product と get_product のみを呼び出すことができ、応答は実カタログデータに対して根拠付けられます。
(ステップ 5) 出力検証 — JSON スキーマ検証と、実カタログに対する最終的な get_product 照会により、幻覚 SKU を 0% に保証します。
(ステップ 6) アーキテクチャ分離 — 決済および個人情報処理は、チャット領域から分離された独立ドメインおよび権限領域で実行されます。

4. レコメンドの方式

ユーザー入力が 6 層ガードレールを通過した後、Semore の LLM は、カタログ埋め込み検索の結果 (上位 5 件の SKU の実際の価格 · 在庫 · オプション · 画像) を根拠付きコンテキストとして受け取り、自然言語の応答を生成します。LLM 自体はカタログ外の SKU を生成することはできず (システムプロンプトと JSON スキーマで強制)、すべての応答は配信直前に get_product(sku_id) 検証を経て送信されます。

Semore はチャット入力を LLM の学習には使用しません (Anthropic Zero Data Retention 追加合意を締結済み)。チャットトレースは 30 日後に自動削除され、カードの PAN / CVV は当社システムを一切通過しません (PCI トークナイゼーション)。

5. 情報主体の権利行使チャネル

ユーザーは次の権利を行使できます。

拒否権 (PIPA 第 37 条の 2 第 1 項)チャット画面の設定で「AI 自動推薦を無効にする」のトグルを切り替えると即時に無効化されます。無効化中はカテゴリーブラウジングモードに切り替わり、推薦アルゴリズムは適用されません。
説明要求権 (PIPA 第 37 条の 2 第 2 項)特定の推薦について「なぜこの SKU が推薦されたのか」を知りたい場合、チャットの ? メニュー →「この推薦の説明を要求する」を選択するか、[email protected] までお問い合わせください。通常は 7 日以内、法定上限は 14 日以内に回答します。
人的介入による再処理請求権 (PIPA 第 37 条の 2 第 3 項)自動推薦の結果に異議がある場合、cs-agent による人手の再審査を請求できます。通常は 7 日以内、法定上限は 14 日以内に回答します。
連絡先[email protected] · チャットの ? メニュー · プライバシーポリシー第 10 条 (個人情報保護責任者)

Last updated: 2026-04-29 (v0.2) · 変更履歴 · 根拠法令: PIPA 第 37 条の 2 (2025-10-02 施行)

Offenlegung der KI-Empfehlungen

Stand: 29.04.2026 (v0.2) · Rechtsgrundlage: Koreanisches Datenschutzgesetz (PIPA) §37-2 Abs. 4 (in Kraft seit 02.10.2025)

Gemäß §37-2 Abs. 4 PIPA legt Semore die Kriterien, das Verfahren und die Art der Verarbeitung personenbezogener Daten seines Chat-Empfehlungssystems (im Folgenden „KI-Empfehlung") so offen, dass betroffene Personen sie leicht überprüfen können. Diese Seite ist für allgemeine Nutzer formuliert; technische Einzelheiten sind in einklappbare Abschnitte ausgelagert.

1. Überblick über das KI-Empfehlungssystem

Die Chat-Empfehlung von Semore basiert auf dem Anthropic Claude Opus 4.7 LLM, dem Anthropic Model Context Protocol (MCP) mit 5 Werkzeugen (search_product / get_product / create_cart / quote_checkout / submit_intent) sowie einem Katalog-Matching-Algorithmus, der auf Cloudflare Workers AI-Embeddings (@cf/baai/bge-m3) aufsetzt. Das System verarbeitet freie Texteingaben in einer der sechs unterstützten Sprachen und gibt die fünf am besten passenden K-bundle SKUs aus dem Katalog zurück.

Technische Details (für Entwickler)

LLM: Anthropic Claude Opus 4.7 — der System-Prompt beschränkt das Modell auf K-bundle-Empfehlungen
Werkzeuge: Anthropic MCP 5-Werkzeug-Standard; in der Empfehlungsphase sind nur search_product und get_product aufrufbar
Embeddings: Cloudflare Workers AI @cf/baai/bge-m3 mit 1024-dimensionalen Vektoren
Katalog-Matching: Nearest-Neighbor-Suche per Kosinus-Ähnlichkeit, top-K=5
Ausgabe: JSON-Schema-Validierung sowie eine abschließende get_product(sku_id)-Existenzprüfung vor der Auslieferung

2. Empfehlungs-Kriterien

Ihre freie Eingabe wird durch einen mehrsprachigen Safety-Klassifikator-Stack (Llama Guard 3 8B + OpenAI omni-moderation) auf Rechtmäßigkeit und Sicherheit geprüft.
Die Eingabe wird als 1024-dimensionales Cloudflare-bge-m3-Embedding kodiert und über die Kosinus-Ähnlichkeit mit den Embeddings der einzelnen Katalog-SKUs verglichen.
Nur SKUs mit einer Kosinus-Ähnlichkeit von >= 0,65 sind zulässig (themenfremde Anfragen werden blockiert).
Die fünf am besten passenden SKUs werden als fundierter Kontext in die LLM-Antwort eingespeist.
SKUs, die eine Altersverifizierung erfordern (Alkohol, Tabak, jugendgefährdende Medien), werden nicht verifizierten Nutzern niemals angezeigt.

3. Empfehlungs-Verfahren (6-Layer-Guardrail)

(Schritt 1) Eingabeprüfung — Cloudflare WAF und Workers Bindings blockieren auffälligen Datenverkehr (Spam, DDoS, Prompt-Injection-Versuche).
(Schritt 2) Sicherheitsklassifikation — Llama Guard 3 8B klassifiziert jede Eingabe in vier Stufen (Zulassen / Vorsicht / Ablehnen / Sperren). Abgelehnte oder gesperrte Eingaben werden sofort gestoppt; der Nutzer erhält einen Hinweis in den sechs unterstützten Sprachen.
(Schritt 3) System-Prompt — Der System-Prompt von Semore beschränkt das Verhalten des LLM auf K-bundle-Empfehlungen und untersagt das Halluzinieren von SKUs außerhalb des Katalogs.
(Schritt 4) Werkzeugausführung — Das LLM darf ausschließlich die MCP-Werkzeuge search_product und get_product aufrufen; alle Antworten sind durch die aktuellen Katalogdaten fundiert.
(Schritt 5) Ausgabevalidierung — Eine JSON-Schema-Validierung sowie eine abschließende get_product-Abfrage gegen den realen Katalog garantieren eine Halluzinationsrate von 0 % bei SKUs.
(Schritt 6) Architektonische Trennung — Zahlungs- und personenbezogene Datenverarbeitung erfolgen auf getrennten Domains und Berechtigungsbereichen, isoliert von der Chat-Oberfläche.

4. Funktionsweise der Empfehlungen

Sobald die Nutzereingabe die 6-Layer-Guardrail durchlaufen hat, erhält das LLM von Semore die Ergebnisse der Katalog-Embedding-Suche (tatsächliche Preise, Bestände, Optionen und Bilder der fünf besten SKUs) als fundierten Kontext und erzeugt daraus eine natürlichsprachliche Antwort. Das LLM selbst kann keine SKUs außerhalb des Katalogs erfinden (System-Prompt und JSON-Schema setzen dies durch), und jede Antwort wird unmittelbar vor der Auslieferung durch eine finale get_product(sku_id)-Abfrage verifiziert.

Semore verwendet Chat-Eingaben nicht für das Training des LLM (Anthropic Zero Data Retention Addendum abgeschlossen). Chat-Traces werden nach 30 Tagen automatisch gelöscht; Karten-PAN/CVV durchlaufen unsere Systeme zu keinem Zeitpunkt (PCI-Tokenisierung).

5. Kanäle zur Wahrnehmung der Betroffenenrechte

Sie können die folgenden Rechte ausüben:

Widerspruchsrecht (PIPA §37-2 Abs. 1)Aktivieren Sie in den Chat-Einstellungen den Schalter „KI-Empfehlung deaktivieren", um sofort zu widersprechen. Während der Deaktivierung wechselt der Dienst in den Kategorie-Browsing-Modus, und es kommt kein Empfehlungsalgorithmus zum Einsatz.
Recht auf Erläuterung (PIPA §37-2 Abs. 2)Wenn Sie wissen möchten, warum ein bestimmtes SKU empfohlen wurde, öffnen Sie im Chat das ?-Menü → „Erläuterung zu dieser Empfehlung anfordern" oder schreiben Sie an [email protected]. In der Regel antworten wir innerhalb von 7 Tagen; die gesetzliche Höchstfrist beträgt 14 Tage.
Recht auf erneute Überprüfung durch einen Menschen (PIPA §37-2 Abs. 3)Wenn Sie einer automatisierten Empfehlung widersprechen möchten, können Sie eine manuelle Überprüfung durch cs-agent verlangen. In der Regel antworten wir innerhalb von 7 Tagen; die gesetzliche Höchstfrist beträgt 14 Tage.
Kontakt[email protected] · Chat-?-Menü · Datenschutzerklärung §10 (Datenschutzbeauftragter)

Stand: 29.04.2026 (v0.2) · Änderungshistorie · Rechtsgrundlage: PIPA §37-2 (in Kraft seit 02.10.2025)

Divulgation des recommandations IA

Date d'effet : 29/04/2026 (v0.2) · Fondement légal : Loi coréenne sur la protection des renseignements personnels (PIPA) art. 37-2 §4 (en vigueur depuis le 02/10/2025)

Conformément à l'article 37-2 §4 de la PIPA, Semore publie les critères, la procédure et la méthode de traitement des données personnelles de son système de recommandation par chat (ci-après « recommandation IA »), afin que la personne concernée puisse les vérifier facilement. Cette page est rédigée à l'attention des utilisateurs ; les détails techniques sont placés dans des sections dépliables.

1. Présentation du système de recommandation IA

La recommandation par chat de Semore repose sur le LLM Anthropic Claude Opus 4.7, sur la pile à cinq outils du Anthropic Model Context Protocol (MCP) (search_product / get_product / create_cart / quote_checkout / submit_intent) et sur un algorithme de mise en correspondance de catalogue fondé sur les embeddings Cloudflare Workers AI (@cf/baai/bge-m3). Le système accepte les saisies libres de l'utilisateur dans l'une des six langues prises en charge et renvoie les cinq SKU K-bundle les plus pertinents issus du catalogue.

Détails techniques (pour les développeurs)

LLM : Anthropic Claude Opus 4.7 — l'invite système restreint le modèle aux recommandations K-bundle
Outils : standard MCP 5 outils d'Anthropic ; en phase de recommandation, seuls search_product et get_product peuvent être appelés
Embeddings : Cloudflare Workers AI @cf/baai/bge-m3 en vecteurs de 1024 dimensions
Mise en correspondance du catalogue : recherche du plus proche voisin par similarité cosinus, top-K=5
Sortie : validation par schéma JSON et vérification finale d'existence via get_product(sku_id) avant envoi

2. Critères de recommandation

La saisie libre de l'utilisateur est filtrée par une pile multilingue de classificateurs de sécurité (Llama Guard 3 8B + OpenAI omni-moderation) afin de vérifier la légalité et la sécurité.
La saisie est encodée sous forme d'embedding Cloudflare bge-m3 à 1024 dimensions, puis comparée à l'embedding de chaque SKU du catalogue par similarité cosinus.
Seuls les SKU dont la similarité cosinus est >= 0,65 sont éligibles (les requêtes hors sujet sont bloquées).
Les cinq SKU éligibles les plus pertinents sont injectés en tant que contexte sourcé pour la réponse du LLM.
Les SKU soumis à une vérification d'âge (alcool, tabac, médias destinés aux adultes) ne sont jamais présentés aux utilisateurs non vérifiés.

3. Procédure de recommandation (garde-fous à 6 couches)

(Étape 1) Filtrage de l'entrée — Cloudflare WAF et les Workers Bindings bloquent le trafic anormal (spam, DDoS, tentatives d'injection de prompt).
(Étape 2) Classification de sécurité — Llama Guard 3 8B classe chaque entrée sur quatre niveaux (autoriser / vigilance / refuser / bloquer). Les entrées refusées ou bloquées sont immédiatement interrompues, et l'utilisateur reçoit un message d'information dans l'une des six langues prises en charge.
(Étape 3) Invite système — L'invite système de Semore restreint le comportement du LLM aux recommandations K-bundle et lui interdit de produire des SKU hors catalogue.
(Étape 4) Exécution d'outils — Le LLM ne peut appeler que les outils MCP search_product et get_product; les réponses sont sourcées à partir des données réelles du catalogue.
(Étape 5) Validation de la sortie — Une validation par schéma JSON et une vérification finale via get_product sur le catalogue réel garantissent un taux d'hallucination de SKU de 0 %.
(Étape 6) Isolation architecturale — Le traitement des paiements et des données personnelles est exécuté sur des domaines et périmètres de privilèges distincts, isolés de la surface de chat.

4. Méthode de génération des recommandations

Une fois que la saisie de l'utilisateur a franchi les six couches de garde-fous, le LLM de Semore reçoit les résultats de la recherche par embeddings dans le catalogue (prix, stocks, options et images réels des cinq meilleurs SKU) comme contexte sourcé, puis génère une réponse en langage naturel. Le LLM lui-même ne peut pas inventer de SKU en dehors du catalogue (l'invite système et le schéma JSON l'imposent), et chaque réponse est vérifiée par une requête finale get_product(sku_id) juste avant l'envoi.

Semore n'utilise pas les saisies de chat pour entraîner ses LLM (l'avenant Anthropic Zero Data Retention a été signé). Les traces de conversation sont supprimées automatiquement au bout de 30 jours, et les PAN / CVV de carte ne transitent jamais par nos systèmes (tokenisation PCI).

5. Canaux d'exercice des droits de la personne concernée

L'utilisateur peut exercer les droits suivants :

Droit de refus (PIPA art. 37-2 §1)Activez l'option « Désactiver les recommandations automatiques par IA » dans les paramètres du chat pour vous y opposer immédiatement. Lorsque l'option est désactivée, l'expérience bascule en mode de navigation par catégories et aucun algorithme de recommandation n'est appliqué.
Droit à explication (PIPA art. 37-2 §2)Pour savoir pourquoi un SKU précis a été recommandé, ouvrez le menu ? du chat → « Demander une explication pour cette recommandation » ou écrivez à [email protected]. Nous répondons généralement sous 7 jours ; le plafond légal est de 14 jours.
Droit à un nouvel examen par un humain (PIPA art. 37-2 §3)Si l'utilisateur souhaite contester une recommandation automatique, il peut demander un examen humain par le cs-agent. Nous répondons généralement sous 7 jours ; le plafond légal est de 14 jours.
Contact[email protected] · menu ? du chat · Politique de confidentialité §10 (Délégué à la protection des données)

Date d'effet : 29/04/2026 (v0.2) · Historique des modifications · Fondement légal : PIPA art. 37-2 (en vigueur depuis le 02/10/2025)

Divulgación de recomendaciones de IA

Fecha de vigencia: 29/04/2026 (v0.2) · Base legal: Ley coreana de Protección de Información Personal (PIPA) art. 37-2.4 (en vigor desde el 02/10/2025)

De conformidad con el art. 37-2.4 de la PIPA, Semore publica los criterios, el procedimiento y el método de tratamiento de datos personales de su sistema de recomendación por chat (en adelante, "recomendación de IA") para que el interesado pueda verificarlos con facilidad. Esta página está redactada para usuarios generales; los detalles técnicos se sitúan en secciones desplegables.

1. Descripción general del sistema de recomendación de IA

La recomendación por chat de Semore se ejecuta sobre el LLM Anthropic Claude Opus 4.7, la pila de cinco herramientas del Anthropic Model Context Protocol (MCP) (search_product / get_product / create_cart / quote_checkout / submit_intent) y un algoritmo de coincidencia de catálogo basado en los embeddings de Cloudflare Workers AI (@cf/baai/bge-m3). El sistema acepta entradas libres del usuario en cualquiera de los seis idiomas soportados y devuelve los cinco SKU K-bundle más adecuados del catálogo.

Detalles técnicos (para desarrolladores)

LLM: Anthropic Claude Opus 4.7 — la indicación del sistema restringe el modelo a recomendaciones K-bundle
Herramientas: estándar MCP de cinco herramientas de Anthropic; en la fase de recomendación solo se pueden invocar search_product y get_product
Embeddings: Cloudflare Workers AI @cf/baai/bge-m3 con vectores de 1024 dimensiones
Coincidencia de catálogo: búsqueda del vecino más cercano mediante similitud coseno, top-K=5
Salida: validación de esquema JSON y verificación final de existencia mediante get_product(sku_id) antes de la entrega

2. Criterios de recomendación

La entrada libre del usuario es filtrada por una pila multilingüe de clasificadores de seguridad (Llama Guard 3 8B + OpenAI omni-moderation) para verificar su legalidad y seguridad.
La entrada se codifica como un embedding Cloudflare bge-m3 de 1024 dimensiones y se compara con el embedding de cada SKU del catálogo mediante similitud coseno.
Solo los SKU con similitud coseno >= 0,65 son elegibles (las consultas fuera de tema se bloquean).
Los cinco SKU elegibles con mayor puntuación se inyectan como contexto fundamentado para la respuesta del LLM.
Los SKU que requieren verificación de edad (alcohol, tabaco, medios para adultos) nunca se muestran a usuarios no verificados.

3. Procedimiento de recomendación (barreras de seguridad de 6 capas)

(Paso 1) Filtrado de entrada — Cloudflare WAF y los Workers Bindings bloquean el tráfico anómalo (spam, DDoS, intentos de inyección de prompt).
(Paso 2) Clasificación de seguridad — Llama Guard 3 8B clasifica cada entrada en cuatro niveles (permitir / precaución / rechazar / bloquear). Las entradas rechazadas o bloqueadas se detienen de inmediato, y el usuario recibe un mensaje informativo en cualquiera de los seis idiomas soportados.
(Paso 3) Indicación del sistema — La indicación del sistema de Semore restringe el comportamiento del LLM a las recomendaciones K-bundle y le prohíbe alucinar SKU fuera del catálogo.
(Paso 4) Ejecución de herramientas — El LLM solo puede invocar las herramientas MCP search_product y get_product; las respuestas están fundamentadas en los datos reales del catálogo.
(Paso 5) Validación de la salida — La validación de esquema JSON y una consulta final mediante get_product contra el catálogo real garantizan una tasa de SKU alucinados del 0 %.
(Paso 6) Aislamiento arquitectónico — El procesamiento de pagos y datos personales se ejecuta en dominios y ámbitos de privilegio independientes, aislados de la superficie de chat.

4. Modo de generación de recomendaciones

Una vez que la entrada del usuario supera la barrera de seguridad de seis capas, el LLM de Semore recibe los resultados de la búsqueda de embeddings en el catálogo (precio, inventario, opciones e imágenes reales de los cinco SKU principales) como contexto fundamentado y genera una respuesta en lenguaje natural. El propio LLM no puede inventar SKU fuera del catálogo (la indicación del sistema y el esquema JSON lo imponen) y cada respuesta se verifica mediante una consulta final get_product(sku_id) justo antes de su entrega.

Semore no utiliza las entradas de chat para entrenar sus LLM (se ha firmado la adenda Zero Data Retention de Anthropic). Los registros de conversación se eliminan automáticamente a los 30 días y los PAN / CVV de tarjeta nunca atraviesan nuestros sistemas (tokenización PCI).

5. Canales para el ejercicio de los derechos del interesado

Usted puede ejercer los siguientes derechos:

Derecho de oposición (PIPA §37-2.1)Active la opción "Desactivar la recomendación automática por IA" en la configuración del chat para oponerse de inmediato. Mientras esté desactivada, la experiencia cambia al modo de navegación por categorías y no se aplica ningún algoritmo de recomendación.
Derecho a explicación (PIPA §37-2.2)Para saber por qué se recomendó un SKU concreto, abra el menú ? del chat → "Solicitar explicación de esta recomendación" o escriba a [email protected]. Habitualmente respondemos en un plazo de 7 días; el límite legal es de 14 días.
Derecho a una nueva revisión por una persona (PIPA §37-2.3)Si desea impugnar una recomendación automatizada, puede solicitar una revisión humana realizada por el cs-agent. Habitualmente respondemos en un plazo de 7 días; el límite legal es de 14 días.
Contacto[email protected] · menú ? del chat · Política de privacidad §10 (Responsable de protección de datos)

Fecha de vigencia: 29/04/2026 (v0.2) · Historial de cambios · Base legal: PIPA art. 37-2 (en vigor desde el 02/10/2025)

v0.2 — 2026-04-29: 6-locale 동시 발행 (KR/EN/JA/DE/FR/ES). PIPA §37조의2④ 시행 2025-10-02 이행. ScreenChat inline "How"-형 푸터 카피 통일. / v0.1 — 2026-04-28: KR/EN 마스터 작성, JA/DE/FR/ES placeholder.