고객의 합리적 결정을 돕는 AI 쇼핑 에이전트를 만듭니다.

레브잇에 합류한지 3년 가까이 되어가고 있습니다. 정준님이 레브잇에 합류한 이유와, PS로 일하면서 느끼는 가치는 무엇인가요?

저는 원래 환경문제를 풀고 싶다는 생각을 오래 해왔고, 사회운동, 친환경 B2C 앱 운영, 환경 정책 연구, 환경 데이터셋 비교 앱 개발 등 여러 방식으로 도전해왔습니다. 그러면서 “세상에 큰 영향을 주려면 영향력과 자산이 필요하다”는 결론에 도달했고요.

어느날 우연히 CEO 재윤님의 스토리를 접하게 되었습니다. 재윤님과 코파운더들이 글로벌 단위의 문제해결에 큰 뜻을 가지고 있지만, 본인들이 가지고 있는 한계 내에서 가장 큰 서비스를 만드는 것이 시작점이라 생각을 하여 ‘모두가 매일 사용하는 소프트웨어(모매사소)‘라는 비전을 가지고 이를 실현하고 있는 것이 너무나 매력적이라 생각했습니다. 그 뿐 아니라, 이 비전에 공감하고 이를 같이 열정적으로 실현하고 있는 동료들이 모여있는 곳이고, ‘여기에 가면 내가 가지고 있는 이상을 가장 잘 실현할 수 있겠다’라는 확신을 가지고 있습니다.

요즘 가장 집중하고 있는 일은 무엇인가요?

요즘은 카탈로그 시스템을 만드는 일에 집중하고 있어요. PMF팀에서 만들고 있는 AI 쇼핑비서가 고객에게 신뢰할 수 있는 도움을 제공하려면, 상품과 가격, 그리고 상품의 속성 정보를 기반으로 정확한 의사결정을 도울 수 있어야 한다고 생각합니다. 이를 위해 상품 데이터를 구조화하고 서빙하는 카탈로그 시스템을 만들고 있습니다.

쇼핑비서를 만들면서, 왜 새로운 카탈로그 시스템이 필요하다고 판단하셨나요?

기존의 카탈로그 시스템에는 크게 두 가지 문제가 있습니다.

첫 번째는 휴먼 검수 기반으로 운영되는 경우가 많아 스케일업이 어렵다는 점이에요. 제휴와 검수 구조에 의존하다 보니, 네이버 가격비교나 다나와 같은 서비스에서도 실제로 유의미한 다른 플랫폼 상품들이 빠져 있는 경우가 꽤 많습니다. 구조적으로 그럴 수밖에 없고요.

두 번째는 상품의 상세 속성 정보가 체계화되어 있지 않고 커버리지가 낮다는 점입니다. 그 이유가 뭘까 생각해보면, 지금까지의 검색형 커머스나 디스커버리형 커머스는 대부분 유저 행동 기반 추천이 주류였습니다. 예를 들어 20대 여성 A가 어떤 상품을 샀고 다음에 어떤 상품을 방문했다—그러면 비슷한 나이대/관심사의 다른 유저가 들어왔을 때 “유사한 유저의 행동을 분석했을 때 이걸 좋아할거야” 같은 방식으로 추천을 해주는 형태요. 이 방식은 공급자/소비자 모두 만족하는지가 중요했지, 왜 이 상품이 추천됐는지가 핵심은 아니었습니다. 그래서 소비자는 추천 근거를 알기 어려운 상황이었고요.

쇼핑비서는 고객의 상황을 이해하고, 선택지를 좁혀주고, 결국 가장 좋은 선택에 도달하게 하는 것을 목표로 합니다. 그러려면 왜 이 상품이 추천되는지를 고객이 이해할 수 있는 언어로 설명하는 게 중요해지고 그걸 가능하게 하려면 속성 정보가 체계적으로 관리되어야 하는데 기존의 구조로는 어렵다고 판단했어요. “합리적인 선택”을 돕기 위해서는 LLM이 상품을 제대로 이해해야 하는데 현실의 상품 데이터는 플랫폼마다 흩어져 있고 포맷도 제각각이죠. 무엇보다 구매에 중요한 정보가 비정형 데이터(리뷰/이미지/상세페이지) 안에 숨어 있습니다. 기존 상품 DB가 “스펙을 저장”하는 시스템이라면, 우리가 만드는 카탈로그 엔진은 속성을 생성하고 관리하는 시스템에 가깝습니다. 여기서는 객관적 속성 외에도 체감 속성을 함께 다루게 되는데요, 체감 속성이 중요한 이유는 실제 구매 결정에서 사람들이 보는 건 스펙만이 아니기 때문이에요. 스펙은 같아도 실제로 써보니 어땠는지가 만족도와 후회를 갈라놓거든요. 그래서 쇼핑비서가 합리적인 선택을 돕기 위해서는 이런 속성들이 카탈로그 안에 있어야 합니다. 그리고 또 중요한 게 판매 속성인데요. 상품을 구매하기로 결정을 하더라도 “어떤 플랫폼에서 구매할지”, “언제 구매할지”에 따라 가격이 달라지죠. 배송비도 다르고, 가전은 지역에 따라 설치비가 달라지기도 합니다. 최고의 선택을 돕기 위해서는 이런 조건까지 반영할 수 있어야 한다고 생각합니다.

이런 것들이 가능하도록 돕기 위해 새로운 시스템을 만들고 있고, 지금 만들고 있는 시스템을 한 문장으로 정의하면 "흩어진 상품 정보를 모아 ‘상품을 이해 가능한 형태로 구조화’하고, AI가 추천·비교·설명에 바로 사용할 수 있도록 서빙하는 데이터 엔진"이라고 할 수 있겠네요.

굉장히 방대한 데이터를 다루게 되는데 소수의 팀원으로 이런 도전을 하고 있어요. 가능한 이유는 무엇인가요?

저는 이 질문에 대한 대답은 결국 “팀”이라고 생각해요. PMF팀 인재상은 크게 네 가지인데, 인재상을 정말 그대로 보여주는 분들이거든요.

1. Impact-oriented

   임팩트 관점에서, 이분들은 어쩌면 저보다도 더 10~20년간 정체돼 있던 커머스 카탈로그 시스템을 깨고 새로운 혁신을 만들고 싶다는 강한 의지를 가지고 계십니다. 미션을 이루는데 있어서 비전 얼라인이 정말 중요하다고 생각합니다.

2. Intelligence

   열정만 있는 게 아니라 Intelligence도 굉장히 높습니다. 방대한 데이터를 가장 비용/시간 효율적으로 가공해 시스템으로 만들면서 타협하지 않은 것은 정확도입니다. 프로덕션에서 쓰려면 99%의 정확도를 가져야 한다는 기준을 가지고 있어요. 고객이 한 번 잘못된 정보로 잘못된 경험을 하면 이탈할 가능성이 매우 높다고 생각하거든요. 그래서 precision/recall 같은 지표를 쉽게 타협할 수 없습니다. 효율성을 챙기면서 정확도까지 챙기는 밸런스를 찾는 건 굉장히 어려운 일이에요. 굉장히 소수의 팀원으로 이뤄가고 있고 그 정도로 팀의 밀도가 높습니다.

3. Hardworking

   개인적으로 투입한 네트 시간의 가치가 굉장히 크다고 생각하는데, 저도 자극을 받을 정도로 열심히 해주는 팀원들이 있어요. 공격적으로 잡은 데드라인을 어떻게든 맞추려고 하고, 서로 디펜던시가 걸려 있는 작업이다보니 그걸 최소화하기 위해 몰입해서 일합니다.

4. Humble

   열정과 실력만으로는 좋은 ‘팀’이 되기는 어렵다고 생각해요. 커뮤니케이션이 어렵거나 “내가 틀릴 수도 있다”는 걸 인정하지 않으면 팀은 앞으로 나아가기 힘들거든요. 그런데 저희 팀원들은 공통적으로 본인이 틀릴 수 있음을 인지하고 배우고 싶은 열망이 강하고 바뀌는 시대적 흐름에서 본인의 지식이 새롭게 정의될 수 있다는 것에 대해서 열려 있는 분들이에요.

   
   

기술적인 어려움도 물론 있지만 이런 팀원들과 함께하기 때문에 “방대한 데이터를 짧은 시간 안에 고품질로 관리한다”는 목표가 실현 가능하다고 믿습니다.

PMF팀에 대한 이야기를 해보려고 합니다. Problem Solver와 Product Engineer는 어떻게 협업하나요?

지금은 이렇게 설명할 수 있을 것 같아요.

PS는 각 카테고리별로 고객을 직접 만나고, AI Agent 제품을 기획하고 개발하면서 어떻게 하면 고객에게 더 큰 가치를 줄 수 있을지 고민합니다. 그런데 그 과정에서 매번 “데이터를 어떻게 구하지?” “이걸 어떻게 구조화하지?” 같은 질문에 발목이 잡히면, PS가 고객 가치에 온전히 집중하기 어렵습니다.

그래서 PE는 카탈로그 시스템을 구축하고 데이터를 서빙하는 역할을 합니다. 중간에서 데이터를 준비해주면, 각 PS들은 그걸 기반으로 고객 경험을 더 날카롭게 설계할 수 있고 전체적으로 시너지가 난다고 생각합니다.

그리고 이게 비단 기술적인 어젠다만은 아니에요. 속성 체계를 잡을 때는 고객들이 어느 정도 속성 값을 비슷하다고 여기는지, 어떤 건 구분해야 하는지 같은 판단이 필요하거든요. 그래서 엔지니어도 높은 수준의 고객 중심 사고를 함께 가져가야 한다고 생각하고, 실제로 PS/PE가 면밀하게 협업하고 있습니다.

Product Engineer를 채용하고 있습니다. 어떤 사람과 함께하고 싶나요?

개인적으로 이 프로젝트가 굉장히 큰 기회라고 생각합니다. 어렵고 복잡한 문제를 풀고 있고 어려운 만큼 해자가 될 수 있다는 믿음이 있어요. 그리고 이런 수준의 시스템을 초기부터, 총체적으로 기획하고 고민하고 만들 수 있는 경험은 흔치 않다고 생각합니다. 대기업에서는 한 명의 플레이어로서 이런 시스템 전체를 만들 기회가 많지 않거든요. 그런데 지금은 회사의 안정적인 자본을 사용하면서 큰 문제에 도전할 수 있고, 동시에 높은 자율성을 부여받고 직접 만들 수 있습니다. 한국뿐 아니라 미국, 일본 등 커머스 시장이 큰 나라들까지도 저희는 도전할 계획이 있어요. 그런 여정에 가슴이 뛰는 분이 함께해주시면 좋겠다는 생각입니다.

그럼 Problem Solver에게 필요한 역량은 조금 다를까요?

중요한 역량은 ‘문제의 본질을 파악하는 힘’이라고 생각합니다. 세상은 복잡계라 다양한 문제가 얽혀 있고, 해결 방식도 정답이 하나로 정해져 있지 않은 경우가 많습니다. 이런 환경에서 지금 풀어야 하는 문제가 무엇인지, 그리고 그 문제를 가장 잘 해결할 방법이 무엇인지를 끝까지 찾아갈 수 있는 사람이 PS에 어울린다고 생각해요.

또 속도에 대한 집착이 굉장히 중요하다고 봅니다. “이 문제를 해결하는 데 도움이 된다면 무엇이든 할 수 있다”는 태도를 기반으로 답은 결국 고객만 알고 있기 때문에, 최대한 빠르게 제품을 만들고 고객을 만나고 배우는 과정을 반복해야 합니다. 이 과정에 진심으로 몰입할 수 있는 사람이면 좋겠습니다. 마지막으로, 문제를 푸는 데 집착해서 누구보다 많은 시간과 에너지를 쏟을 수 있는 분이라면, 레브잇에서 정말 크게 성장할 수 있다고 생각합니다.

미래의 동료에게 전하고 싶은 말이 있으신가요?

저는 지금이 격변의 시대라고 생각해요. AI 발전으로 인해 월 단위가 아니라 주 단위, 어쩌면 일 단위로 세상이 바뀌고 있다고 느끼고요.

위에서 말씀드린 역량을 가진 분들이라면 혼자서도 충분히 의미있는 문제에 도전할 수 있다고 생각합니다. 저에게도 학교로 돌아가거나 창업을 하는 여러가지 선택지가 있었지만 결국 한 명의 플레이어로 남아서 직접 문제를 풀고 시장의 변화를 몸으로 겪는 것이 더 중요하다고 판단했어요. 또 지금 레브잇에서 창업에 준하는 자유도와 오너십을 누리고 있다고 생각합니다. 물론 완전히 동일하다고 할 수는 없겠지만요.

무엇보다 중요한 건 레브잇에는 비슷한 인생 방향성을 가진 코파운더급 동료들이 있다는 점이에요. 혼자 영향력을 키워서 더 큰 문제에 도전하는 것보다 같은 방향을 보는 사람들과 함께 더 빠르게 도전할 수 있고 더 큰 문제를 풀 수 있다고 믿습니다. 혼자서 외롭게 버티지 않아도 되는 환경에서 같은 방향을 보고 정말 문제를 풀어나가는 희열을 느낄 수 있다고 생각해요.

함께 성장하면서, 더 많은 문제들을 더 큰 스케일로 풀어갈 수 있으면 좋겠습니다.