엉터리 상품 데이터, AI로 해결될까? 리테일 업계의 난제와 미래

리테일 업계는 오랫동안 부정확하거나 불완전한 상품 데이터로 골머리를 앓아왔습니다. 소비자는 품절된 상품을 온라인에서 구매하려 하거나, 매장에 있는 줄 알고 찾아갔지만 헛걸음하는 경우가 빈번합니다. 심지어 리콜 정보를 제대로 전달받지 못해 위험에 노출되기도 합니다. 이러한 문제의 근본적인 원인은 공급업체에서 제공하는 신뢰할 수 없는 데이터에 있습니다.

데이터 품질 문제, 얼마나 심각할까?

상품 데이터의 신뢰도는 판매되는 상품의 종류, 세부 업종 (약국 vs 식료품점 vs 의류 체인), 지역, 그리고 소매업체가 필요로 하는 정보의 유형에 따라 크게 달라지기 때문에 정확히 측정하기 어렵습니다. 전문가들의 의견도 분분합니다. 어떤 이는 공급업체 데이터의 신뢰도를 65%에서 80% 사이로 추정하는 반면, 또 다른 이는 50% 이하라고 주장합니다. 심지어 구글의 한 임원은 최고 수준의 소매업체의 경우 80%에서 90% 수준이라고 반박하기도 합니다.

AI, 해결사가 될 수 있을까?

많은 전문가들이 생성형 AI (GenAI)와 에이전트 AI가 상품 데이터 문제를 해결하는 데 도움이 될 수 있다고 전망합니다. 마치 에이전트 AI가 전자상거래 상호작용을 혁신하는 것과 마찬가지로, AI 에이전트들이 끊임없이 결함 있는 데이터를 찾아 수정하는 것이 해결책이 될 수 있다는 것입니다. 구글은 에이전트 시스템을 활용하여 공급업체 데이터를 평가하고, 문제를 발견하면 공급업체에 직접 알리는 방식을 제안합니다. 초기 단계에서는 AI가 누락되거나 잘못된 정보를 찾아내고, 공급업체에 수정을 요청합니다. 다음 단계에서는 AI가 스스로 데이터를 수정할 수 있도록 학습시키는 것을 목표로 합니다.

QR코드 도입의 가능성

공급업체 데이터의 신뢰성이 향상되면 바코드에서 QR 코드로의 전환이 가속화될 수 있습니다. QR 코드는 바코드보다 훨씬 많은 정보를 담을 수 있기 때문에, 상품에 대한 풍부하고 유용한 데이터를 제공할 수 있습니다. 이를 통해 소매업체는 배송 방법, 제조일자, 유통기한 등 다양한 정보를 추적할 수 있습니다. 하지만 QR 코드 도입은 전 세계 공급업체, 유통업체, 소매업체 간의 합의와 협력이 필요하며, QR 코드의 구체적인 사양을 결정할 표준 단체의 설립도 필요합니다. 데이터 신뢰성이 확보되지 않으면 이러한 노력은 무의미합니다.

플래노그램 문제 해결

구글은 플래노그램(planogram), 즉 매장 내 상품 진열 위치도 개선에도 AI를 활용하고자 합니다. 정확한 플래노그램은 고객이 모바일 앱을 통해 특정 상품의 정확한 위치를 파악할 수 있도록 도와줍니다. 하지만 현실적으로 플래노그램은 정확하지 않은 경우가 많습니다. 각 매장이 고객에게 더 나은 서비스를 제공하기 위해 상품 배치를 변경하는 경우가 많고, 이러한 변경 사항이 플래노그램 시스템에 반영되지 않기 때문입니다. 구글은 매장 내 상품 추적을 위해 고정 카메라나 드론을 활용하여 정기적으로 매장 내 스캔을 수행하고, AI가 이미지를 분석하여 시스템 데이터를 자동 업데이트하는 방식을 제안합니다.

리테일을 넘어선 AI의 가능성

AI 기반 솔루션은 리테일 업계의 데이터 문제 해결에 기여할 수 있을 뿐만 아니라, 다른 산업 분야에도 적용될 수 있습니다. 예를 들어, 의료 분야에서는 생성형 AI 도구가 과로한 응급실 레지던트가 환자의 방대한 의료 기록에서 핵심 데이터를 추출하는 데 도움을 줄 수 있습니다. 금융 분야에서는 에이전트 AI 시스템이 지연 없이 거래를 검증하여 사기 방지를 강화할 수 있습니다. 각 산업 분야의 IT 리더들은 AI를 통해 해결할 수 있는 데이터 관련 문제들을 찾아낼 수 있을 것입니다.

결론

AI는 리테일 업계의 오랜 골칫거리였던 상품 데이터 문제를 해결할 수 있는 잠재력을 가지고 있습니다. 데이터 신뢰성 향상은 고객 경험 개선은 물론, QR 코드 도입, 플래노그램 개선 등 다양한 혁신을 가져올 수 있습니다. 리테일 업계의 성공 사례는 다른 산업 분야에도 적용되어 데이터 기반의 의사 결정을 강화하고 운영 효율성을 높이는 데 기여할 수 있을 것입니다.