리테일업체가 AI로 구매 경험을 개인화하는 방법

연초 NRF Big Show를 앞두고 리테일 업계는 LLM과 Generative AI를 고객 경험과 운영 전반에 적용하는 방법을 찾고 있다. AI21은 방대한 판매·재고·구매 데이터를 자연어로 다루는 챗봇이 개인화된 추천과 메시지를 만들고, 더 빠른 의사결정으로 재고 손실을 줄일 수 있다고 본다.

기존 챗봇이 정형화된 답변에 머물렀다면, LLM chatbots는 문맥과 표현을 더 잘 이해해 더 유연하게 응답한다. 활용처는 다음과 같다.

• 고객 지원: 반품, 가격, 재고, 사이즈 같은 질문을 자연어로 처리한다.
• Private Shopping Assistant: 구매 이력과 선호를 바탕으로 맞춤 추천을 제공한다.
• 백오피스: 상품 설명을 대량 생성하고, buyer persona에 맞게 문구를 변형한다.

범용 모델을 처음부터 학습하기 어려운 기업을 위해 AI21은 **Task Specific Models(TSMs)**를 제시한다. Semantic Search TSM은 사용자가 입력한 단어보다 의도를 기준으로 검색하고, Contextual Answers TSM은 기업이 넣은 신뢰 가능한 데이터만 바탕으로 답한다. 한 가지 작업에만 집중하는 구조와 내장된 커스터마이징·검증 장치로 더 빠른 배포와 낮은 지연, 낮은 오류율을 노릴 수 있다고 설명한다. 결국 conversational commerce 시대의 현실적인 해법으로 TSM을 내세우며, 개발자 한 명이 한 줄의 코드로도 개인화된 커머스와 셀프서비스를 시작할 수 있다고 주장한다.