AI는 도입했는데 왜 성과가 없을까? 데이터에서 찾은 이커머스 성장의 조건

지난 8월 6일, 서울 역삼 Snowflake 한국 오피스에서 ‘AI와 데이터로 만드는 이커머스 성공 사례’를 주제로 Lunch & Learn을 진행했습니다.

‍

하이트진로음료, 네슬레코리아, 농심켈로그, 아디다스코리아, APR, 켄뷰코리아 등 식음료·뷰티·패션·생활소비재를 비롯한 다양한 산업의 실무자들이 참석해 AI와 데이터가 실제 업무 성과로 이어지기 위한 조건을 함께 살펴봤습니다.

‍

‍

‍

AI가 신뢰할 수 있는 답을 내리려면?

첫 번째 세션에서 Snowflake의 엄상렬 영업대표는 AI가 실제 운영 단계에서 멈추는 세 가지 지점으로 컨텍스트, 거버넌스, 비용을 짚었습니다.

‍

일반 LLM에 테이블이나 파일을 단순히 연결하는 것만으로는 부서별 지표 정의와 예외 규칙, 데이터 권한을 일관되게 반영하기 어렵습니다. 반면 공통 지표와 비즈니스 규칙을 데이터에 연결하면 AI는 같은 질문에 더 정확하고 재현 가능한 답을 제공할 수 있습니다.

‍

행사에서 소개된 Anthropic의 내부 분석 사례도 이를 뒷받침했습니다. 공인된 데이터 정의가 없을 때 21%에 그쳤던 답변 정확도는 공통 기준을 적용한 뒤 95% 이상으로 높아졌습니다. 이어진 Snowflake CoWork 데모에서는 기업 데이터와 의미 체계, 보안 정책이 하나의 환경에서 작동할 때 AI가 분석을 넘어 다음 행동까지 연결하는 과정을 확인했습니다.

‍

‍

‍

흩어진 이커머스 데이터를 매출 성과로

마크비전 박준영 선임 영업대표는 브랜드·상품·가격·판매자 데이터가 여러 채널에 흩어져 있을 때 발생하는 그레이마켓 유통, 가격 교란, 위조상품 문제를 소개했습니다.

‍

마크AI는 이 데이터를 하나의 브랜드 온톨로지로 연결하고, 가격 모니터링과 셀러 인텔리전스를 통해 고위험 판매자와 연관 네트워크를 식별합니다. 이를 바탕으로 브랜드는 단순 탐지 건수가 아니라 회복된 가격과 매출, 대응 시간 등 비즈니스 성과를 중심으로 우선순위를 정할 수 있습니다.

‍

실제 연세유업 사례에서는 마크AI 도입 후 1년간 쿠팡 납품가를 인상함은 물론, PPM을 3~5% 높였으며, 기존 대응 대비 업무 시간을 70% 줄였습니다. 그레이마켓 관리가 온라인 유통 질서를 안정화하고 수익을 회복하는 출발점이 될 수 있음을 보여준 사례입니다.

‍

‍

‍

더 좋은 AI보다, 더 좋은 데이터 구조가 핵심

이번 행사에서 확인한 핵심은 분명했습니다.

AI의 성과를 결정하는 것은 더 비싼 모델이 아니라, 기업의 데이터와 기준을 AI가 이해할 수 있도록 연결하는 구조입니다. 세션 이후에는 점심 식사와 함께 각 기업이 현업에서 마주한 데이터 활용과 이커머스 운영 과제를 나누는 네트워킹이 이어졌습니다.

‍

함께해주신 모든 분께 감사드리며, 마크AI가 흩어진 이커머스 데이터를 연결해 브랜드의 신뢰와 수익을 보호하는 방법이 궁금하다면, 마크비전의 다양한 성공사례를 확인해보세요.

‍