구글 클라우드, 소매점용 AI 도구 공개…카메라로 매대 결품 실시간 감지

매장 진열대가 비어 상품을 놓치는 문제는 유통업계의 오랜 골칫거리입니다. NielsenIQ에 따르면 2021년 한 해 동안 미국 소매업체들이 재고 관리 실패로 날린 매출만 820억 달러에 달합니다. 업계 분석가들이 '매장 재고 파악은 사실상 감에 의존하는 수준'이라고 지적할 만큼 관리가 까다롭기 때문입니다.

구글 클라우드가 전미소매협회 연례 콘퍼런스 NRF 2023을 앞두고 소매업체를 위한 인공지능 도구 세트를 공개했습니다. 핵심은 오프라인 매장의 진열대 재고를 실시간으로 파악하는 진열대 점검 AI입니다.

10억 개 상품 데이터로 진열대 빈틈 잡는다

버텍스 AI 기반의 이 솔루션은 공용 이미지와 제조사 제공 데이터 등 10억 개 이상의 제품 이미지로 학습되었습니다. 제품 인식과 가격표 인식의 두 가지 머신러닝 알고리즘을 결합해 조명 차이나 비스듬한 촬영 각도, 계절별 포장 변경에도 상품을 정확히 식별하도록 설계되었습니다.

인프라 제약이 적다는 점도 강점입니다. 천장에 설치된 고정 카메라뿐만 아니라 직원의 스마트폰 촬영 영상이나 매장을 돌아다니는 자율주행 로봇의 카메라 영상까지 유연하게 지원합니다.

미국 슈퍼마켓 체인 자이언트 이글이 실제 매장 환경을 구현한 연구소에서 테스트한 결과 90% 이상의 정확도를 보였습니다. 다만 자이언트 이글 측은 대규모 매장 도입까지는 몇 년이 더 걸릴 것으로 내다봤습니다. 카메라 각도에 따른 인식 오류를 지속적으로 보정해야 하는 데다, 매장 전체에 영상 인프라를 구축하는 비용이 만만치 않기 때문입니다.

월마트가 2020년 매장 내 재고 조사 로봇 운영을 중단하고 단순한 방식으로 돌아간 사례도 있습니다. 시장조사업체 가트너는 컴퓨터 비전 진열대 점검 기술이 유통업계 주류로 자리 잡기까지 3년에서 6년은 더 걸릴 것으로 보고 있습니다.

온라인 매장 진열도 AI가 전담

구글 클라우드는 디지털 매장을 위한 솔루션도 대거 보강했습니다. 72개 언어를 지원하는 'Browse AI'는 기존의 고정된 베스트셀러 순위나 수동 규칙 대신, 머신러닝이 소비자의 구매 이력과 구매 확률을 학습해 상품 노출 순서를 스스로 최적화합니다.

기존 리테일 서치에는 사용자 맞춤형 검색 결과 기능이 추가되었고, 추천 AI는 페이지 단위로 추천 패널을 유동적으로 배치하는 기능이 더해졌습니다. 2026년 글로벌 온라인 리테일 시장이 8조 달러를 돌파할 것으로 예상되는 상황에서 검색과 추천 전반을 고도화한 셈입니다.

왜 중요한가

구글의 이번 접근은 하드웨어 종속성을 없앴다는 점에서 영리합니다. 전용 로봇이나 특수 카메라 구매를 강제하지 않고, 구글의 방대한 상품 카탈로그를 무기 삼아 스마트폰 카메라 수준으로 진입 장벽을 낮췄기 때문입니다.

하지만 현실적인 한계도 뚜렷합니다. 마진이 극도로 박한 오프라인 유통업에서 실험실 정확도 90%는 결코 안전한 수치가 아닙니다. 10%의 오인식이 발생하면 발주와 재고 데이터가 꼬이게 되며, 월마트의 로봇 철수 사례처럼 때로는 직원의 육안 확인이 비용 측면에서 더 합리적일 수 있습니다.

그럼에도 불구하고 이 행보는 의미가 큽니다. 구글 클라우드가 단순 연산 인프라 판매를 넘어 오프라인 진열대부터 이커머스 추천까지 커머스 전반의 워크플로를 자사 생태계로 묶어두려는 전략적 진화를 보여주기 때문입니다.