요 1년 사이 #AI 가 #이커머스 씬에 이런저런 충격파를 던지면서 온라인 시장은 매우 혼란스러운 상황이에요. 하지만 이제 ‘#표준’들이 생겨나고 있는데요. 처음 표준에 맞추는 건 그리 어려운 게 아닐 수 있지만, 지속적으로 관리하고 운영한다는 건 또 다른 얘기일 수 있죠. 다행히 표준에 맞춰가는 방법에도 표준이 생기고 있어요. 이제 미래를 감 잡을 수 있는 실마리들이 하나 둘 나오고 있답니다. AI 시대를 위한 웹의 구조화에 관심이 있거나, 미래에 살아남을 SaaS가 되고 싶은 기업이라면 오늘 필독이에요. 그리고 이 모든 이야기를 글로 이해하기 힘들다면, 5월 14일 강의를 놓치지 마세요.
안냐세요~ 상쾌한 아침입니다!
요즘 ‘AI 검색’에 대한 관심이 어느 때 보다 크지요? 오늘은 미래를 “감 잡을 수 있는” 굵직한 이야기 하나를 들고 왔어요.
요 1년 사이 AI가 이커머스씬에 이런저런 충격파를 던지면서 온라인 시장은 매우 혼란스러운 상황이에요. 어디서부터 어떻게 준비해야 AI 시대에 대응할 수 있을지 막막한 상황이 계속되고 있죠. 원래 패러다임이 바뀌는 시기에는 많은 혼란이 있답니다.
돌이켜보면 초기 이커머스가 유행하던 시절에도 이런 혼란이 있었어요. 하지만 곧 새로운 승자들이 번갈아 등장하기 시작했죠. 초기엔 ‘G마켓에서 10억벌기’ 같은 책이 유행하며 G마켓이 승자를 낳는 산실이 되었다가, 또 ‘소호몰’과 ‘스타일난다’ 신화가 확산되며 카페24가, 그 다음엔 소셜 커머스가 유행하며 페이스북과 인스타그램이 승자를 낳는 산실이 되었지요?
그때마다 이커머스 기업들은 ‘어떻게 플레이하는지’ 빠르게 배워나갔어요. 아마 AI 커머스 또한 그런 길을 걷게 될 거 같아요. 지금은 많은 기업들이 GEO를 배우는 중인데요. 이제 커머스가 ‘에이전틱 커머스’로 발전할 것을 전제로 한다면 좀 다른 플레이도 배워나갈 필요가 있어요.
특히 이제 생기는 ‘표준’들에 관심을 가질 필요가 있어요. 핵심은 각 AI들이 요청하는 프로토콜에 대응하는 것인데요. 사실 이 작업 자체도 막막할 수 있어요. 하지만 이제, ‘음, 이렇게 대비해야겠구나’란 뼈대가 생기고 있죠. 이럴 때 리테일 기업들에게 필요한 건 바로 그런 플레이를 도와줄 기술 기업들이랍니다. 누군가는 AI의 도움으로 미래엔 SaaS가 필요없어질 거라 이야기하지만, 글쎄요. 현실적으론 AI가 그리는 미래와 리테일 기업의 현재 사이엔 너무도 큰 간극이 있고, 이를 뛰어넘으려면 전문가의 도움이 필요한 걸 어쩌나요.
다행히 이런 전문가들이 등장하고 있어요. 오늘은 Coveo란 검색 기술 기업의 행보를 중심으로 이 변화를 설명해볼께요. 오늘 글의 핵심은 Coveo의 기술을 소개하는 데에 목적이 있는 게 아니라, 이 기업이 구축한 프로세스에서 영감을 얻는 데에 있어요. 이 혼란스런 상황에 어떤 나침반과 지도가 필요할지 오늘 감잡아보자구요. 좌, 다같이 고고씽!
미래에 자사몰에 챗봇 붙이실 건가요?
대부분의 리테일러는 AI챗봇에 대해 2가지로 접근하고 있어요.
첫째는 우리 자사몰에 우리가 운영하는 챗봇을 붙이는 거고, 둘째는 ChatGPT 같은 외부의 범용 챗봇에서 우리 자사몰이 잘 노출되도록 하는 거예요.
이미 월마트에는 Sparky란 챗봇이 굴러가고 아마존에는 Rufus란 챗봇이 굴러가는 중인데요. 각자 자기의 챗봇을 붙인 쇼핑몰들은 불완전한 기능임에도 불구하고 소비자들이 이 챗봇을 생각보다 많이 찾고 있음에 놀라고 있죠.
좌, 근데 자사몰에 챗봇을 붙이려면 어떻게 해야 할까요?
뭔가 겁나 막막할 때 “막막하시죠? 그냥 저희에게 맡겨주세요. 저희가 자사몰 챗봇 솔루션 자체를 제공해드립니다”란 SaaS 기업이 있다면 되게 반갑겠지요?
Coveo가 바로 그런 기업인데요. Coveo는 원래 AI 검색을 도와주는 툴이었어요. 얘는 생성AI가 득세하기 전부터 고도화된 머신러닝으로 고객의 의도를 파악해 가능성이 높은 제품을 추천하는 데에 일가견이 있는 애였죠. 이를테면 ‘피크닉 갈 때 입기 좋은 자켓’이라든지, ‘초보자가 마시기 좋은 위스키’ 처럼 고객이 추상적인 자연어를 칠 때, 이 언어를 여러 필터로 전환하고 고객의 성향까지 접목해 추천 목록을 짜는, 소위 ‘벡터 검색’을 하는 애예요. 전에 함 소개드렸지요?
최근 Coveo는 자연어 상호작용을 이커머스 검색에 직접 내장한 대화형 상품 탐색 기능을 출시했어요. Coveo Conversational commerce의 일부인 “Conversational Product Discovery(대화형 발견)”이란 기능인데요. 기존 Coveo 고객들은 바로 이 애드온을 설치하면 바로 내 자사몰에 AI 챗봇이 붙게 되어요.
이 애드온이 더 각별한 이유는 별도의 챗봇창에서 대화가 시작되는 게 아니라, 그냥 몰의 기존 검색창이 알아서 챗봇창의 역할을 한다는 점이에요. 사실 소비자들 중에선 별도의 챗봇창에서 AI랑 수다떨고 싶어하지 않는 고객이 더 많거든요.
아래 영상 보시면, 검색창을 열어 소비자가 ‘나이키 여성 러너 사이즈 6 150 달러 미만’이라고 걍 원하는 바를 치면, 검색창이 확장되며 챗봇창처럼 변하는 걸 볼 수 있어요. 이 창에서 Coveo는 고객이 찾는 상품을 나열하고, 추가 후속 질문이나 필터링을 통해 더 정교하게 원하는 제품을 찾도록 유도하죠. 독립적인 챗봇 인터페이스에서 벗어나, 기존 검색 환경 안에 AI를 통합하는 방향으로의 전환이 이루어지고 있는 거예요.
Coveo 챗봇의 의 대답이 정확할까요?
좌, 근데.. 과연 Coveo의 이 애드온이 제대로 된 제품을 추천할 수 있을까요?
네. 기존에 Coveo를 쓰던 고객이라면 스스로 AI 챗봇을 가르치고 튜닝하는 것보다는 확실히 더 빠르고 안정적인 성과를 낼 수 있어요. 왜냐면 방식은 매끄러운 LLM이란 UI를 가지고 있지만 실제로는 기존 Coveo 검색 엔진 위에 얹힌 구조예요. 즉, LLM이 직접 DB를 뒤져 답을 만드는 게 아니라, 검색 결과를 기반으로 UI를 생성하는 거죠.
검색은 기존 Coveo 엔진이 똑같이 해요. Coveo 시스템을 다시 설명하면, 사용자가 자연어로 질문을 입력하면 먼저 시스템은 문장을 단어·구문 단위로 나누고 의미를 파악해 핵심 의도(intent)와 조건(entity)을 추출해요.
예를 들어 “가볍고 방수 되는 등산화”라면 제품 유형, 기능, 속성으로 구조화하는 거예요. 이렇게 정리된 정보는 검색 인덱스에 맞는 쿼리로 변환되고, 이후 기존 검색 랭킹 알고리즘과 개인화 추천이 결합되어 가장 적합한 상품 리스트가 반환되어요.
이 과정을 매끄럽게 수행하기 위해, 원래 Coveo는 모든 상품 + 콘텐츠를 하나의 unified index로 통합해두고 있어요. 보통 ERP에는 가격과 재고 데이터가, PIM에는 상품 스펙이, CMS에는 설명과 콘텐츠가, CRM에는 고객 정보가, 또 리뷰/문의에는 고객과의 소통 정보가 담겨 있지요? 이걸 그대로 두면 검색할 때마다 여러 시스템을 다 뒤져야하는데, Coveo는 여러 시스템을 호출하지 않아도 되는 구조로 먼저 만들고 여기서 관련 상품을 추출하는 방식으로 AI 벡터 검색의 선두주자가 된 기업이에요.
여기서 얻을 수 있는 영감은 , 자사몰에 자체 챗봇을 붙이는 경우에 Coveo처럼 unified index를 만들 필요가 있다는 거예요. 물론 우리 챗봇이 우리 시스템을 뒤지고 다니는 만큼, 그냥 여러 시스템을 호출하도록 가르쳐도 되는데요.
문제는 향후 우리 챗봇만 우리 자사몰에서 우리 제품을 소개하는 게 아니라, 외부 챗봇도 우리 자사몰 데이터를 가져가게 하고 싶지요? 바로 이럴 때 unified index를 구축해두면 두 번 일하지 않는 더 나은 환경을 구축할 수 있어요.
무슨 소리냐면, Coveo는 자신들의 강점을 무기로, 최근 이런 비즈니스를 시작했답니다.
“고갱님, 제가 여러분 몰의 정보를 저만 잘 검색하는 게 아니라, ChatGPT 같은 외부 챗봇도 잘 검색할 수 있게 해드릴께요.”
Hosted MCP Server라고 들어봤숴
Coveo는 올해 들어 ‘Hosted MCP(Model Context Protocol) Server 기능을 출시했어요.
MCP는 Anthropic의 Claude가 제안한 프로토콜로, “이런 방식으로 사이트에 게이트를 열어어두시면, 저희 AI들이 그 통로로 출입하며 데이터를 긁어가서 잘 소개할께요”란 약속이에요. Claude 뿐 아니라, OpenAI나 Google에 노출되기 위해서도 필요한 첫 걸음에 가까운 프로토콜이랍니다. 현재로선 곧 여러분의 자사몰에도 구축하게 될 가장 기초적인 프로토콜이라고 여러 번 말씀드렸지요?
보통 브랜드들은 AI 챗봇들에게 브랜드가 인용되기 위해 GEO를 시작하는데요. 향후 AI가 인용을 넘어 커머스를 직접 대행하는 ‘실행’ 단계로 가면, MCP 같은 데이터 인터페이스는 필수적으로 필요해요.
현재 이커머스에서 AI는 단순한 서칭 기능을 넘어 ‘에이전틱 커머스’로 빠르게 진화하고 있어요. 아직까진 콘텐츠 중심이어서 중요성에 대해 GEO > MCP로 느낄 수 있는 상황일 수 있지만, 곧 다가올 미래는 에이전트 중심이기 때문에 MCP > GEO가 된달까요?
이미 한국에서도 여행사들은 에이전틱 커머스 시대에 대비하기 위해 MCP 서버구축에 들어간 상황이죠.
Coveo의 Hosted MCP Server는 이 MCP 서버 구축을 각 브랜드가 직접 하지 않아도, Coveo가 클라우드 기반의 ‘호스팅 서비스’ 형태로 대신 제공하겠다는 거예요.
사실 MCP 서버 구축이 일단 만드는 건 그렇게 어렵지 않을 수 있는데 “실제로 쓸만하게” 운영하는 것은 꽤 까다로운 작업일 수 있어요.
우선 만드는 것 자체는 Anthropic이나 오픈소스 커뮤니티에서 제공하는 SDK(Python, Node.js 등)를 사용하면, 숙련된 개발자는 어렵지 않게 만들 수 있는데요. 실제 기업 환경에서 안정적으로 쓰려면 ‘귀찮고 복잡한 문제’들이 터져요.
“누가 이 데이터에 접근할 수 있는가?”를 체크하는 권한(Permission) 모델을 직접 짜야 하고, 노출해선 안될 데이터들을 마스킹해야 하고, 또 회사 데이터는 한곳에 있지 않은 경우가 많거든요. 제각각인 데이터 소스를 일일이 연결하고 형식을 맞추는 ‘노가다’ 작업이 필요하죠. AI가 엉뚱한 데이터를 가져오거나, 검색 결과가 너무 많아 문맥(Context) 범위를 넘어가지 않도록 정밀하게 튜닝해야 하는 뒷작업은 말할 것도 없어요.
그런데 이미 Coveo 엔진은 이미 unified index를 가지고 있잖아요? Coveo를 쓰는 기업들의 데이터를 이미 잘 노가다 해놓았죠. 이제 여기에 추가적으로 MCP 스위치를 켠다는 방식이에요. 하나의 엔진으로 여러 레이어를 만들어 자사몰 챗봇도 만들고, 외부 챗봇에도 대응하는 방식인 거죠.
좌, 바로 여기에 중요한 교훈이 있답니다.
자사몰에서 우리가 우리의 AI 챗봇을 붙일 때, 또 외부에서 AI 챗봇이 접근할 때 내부적으로 표준이 되는 데이터 엔진이 필요하다는 거요.
지금은 내부 챗봇은 내부 챗봇대로 만들어 튜닝하고, ChatGPT같은 외부 챗봇에서 노출되기 위해선 외부 챗봇이 웹크롤링을 해간다는 전제 하에 GEO 작업을 하는 기업들이 많아요. 단기적으론 유의미할 수 있지만, 여기에 너무 많은 자본이나 시간을 투입하고 있다면, 좀 다르게 생각해야 할지도요. AEO와 GEO는 장기적으론 프론트엔드의 문제가 아니라 반드시 웹의 구조화 문제, 인프라 문제로 이어질 과제거든요.
즉, unified index 개념의 데이터 표준을 보유하고 자사 AI이건, 외부 AI이건 이 엔진을 중심으로 여러 레이러를 구축해 플러그인할 수 있도록 시스템을 정돈해야 하는 상황이에요. 이 장기 과제를 언제 시작해야 할까요?
현재 AI의 확산속도는 너무나 빠르답니다. Coveo 커머스 부문 총괄 Peter Curran은 그런 얘길 했어요. “쇼핑객은 키워드로 사고하지 않습니다.”
한국에서는 현재 모든 기업이 각자도생의 마인드로 자기 AI 구축에만 열을 올리고 있어요. 네이버도 카페24도 모두모두 자신들의 플랫폼 내에서 AI를 사용하는 방법들을 이야기할 뿐, 자신들의 고객, 자신들의 셀러가 AI 시대에서 이기는 방법을 도와줄 생각은 딱히 안하고 있는 상황인데요.
기업들은 이 부분에서 도움이 절실하게 필요해요. 기술 기업들도 자신들의 기술에만 AI를 도입할 생각에 머물지 말고, 고객의 AX를 돕는 기술로 포지셔닝할 수 있었으면 좋겠어요.
영감이 되셨나요? 전 낼 또 새로운 이야기로 찾아오겠심다~ 휘리릭!
