2026. 3. 19. 19:04ㆍ카테고리 없음
솔직히 저도 처음엔 '8500종 와인 정보를 어떻게 다 머릿속에 넣냐'는 생각에 한숨부터 나왔습니다. 와인 하나 팔려면 산지, 당도, 바디감까지 외워야 하고, 손님이 "삼겹살 먹을 건데 뭐가 좋아요?"라고 물으면 순간 머리가 하얘지는 게 자영업자의 현실이니까요. 그런데 롯데마트 보틀벙커가 구글 제미나이(Gemini) 기반 AI 소믈리에를 도입한 뒤 9개월 만에 앱 이용자 36% 증가, 픽업 예약 40% 상승이라는 성과를 냈다는 기사를 보고 생각이 확 바뀌었습니다. 제가 운영하는 작은 와인 가게에도 이런 시스템을 적용할 수 있지 않을까, 그런 고민이 시작됐습니다.
AI가 8500종 와인 데이터를 학습한다는 의미
보틀벙커 AI 소믈리에의 핵심은 '메타데이터(metadata)' 기반 추천 시스템입니다. 여기서 메타데이터란 와인 한 병에 대한 국가, 지역, 당도, 산도, 바디감, 가격 같은 상세 정보를 구조화해 둔 데이터를 의미합니다. 쉽게 말해 와인병에 붙은 라벨 정보를 넘어서, 소믈리에가 알아야 할 모든 특성을 숫자와 텍스트로 정리해 둔 것이죠.
제가 이 부분에서 '아차' 싶었던 건, AI는 이미 세계의 모든 와인을 학습한 상태라는 점입니다. 제 가게에 있는 와인 100종을 일일이 코드로 입력해야 한다고 착각했는데, 사실은 이미 학습된 AI 모델에 제 매장 재고 정보만 연결하면 됐습니다. 구글 제미나이 같은 생성형 AI(Generative AI)는 방대한 와인 지식을 이미 보유하고 있고, 여기에 보틀벙커가 보유한 8500종 실제 상품 데이터를 결합해 '우리 매장에서 지금 살 수 있는 와인'만 골라 추천하는 구조입니다.
롯데마트는 약 6개월간 외부 개발자와 협업해 이 시스템을 구축했다고 합니다(출처: 파이낸셜뉴스). 저 같은 소상공인이 6개월을 투자하긴 어렵지만, 이미 만들어진 AI 설루션을 활용하면 훨씬 적은 비용과 시간으로 비슷한 효과를 낼 수 있다는 생각이 들었습니다. 실제로 제가 제미나이에게 "삼겹살과 어울리는 5만 원대 와인 추천해 줘"라고 물었더니 10초 안에 칠레산 까베르네 소비뇽 3종과 스페인 리오하 템프라니요 2종을 추천해 줬습니다. 이 정도면 손님 앞에서도 충분히 전문가처럼 보일 수 있겠더군요.
자연어 처리와 이미지 인식 기능의 실전 활용
보틀벙커 AI 소믈리에는 자연어 처리(NLP, Natural Language Processing) 기반으로 작동합니다. 여기서 NLP란 사람이 일상적으로 쓰는 말을 컴퓨터가 이해하고 분석하는 기술입니다. "마르게리타 피자와 어울리는 5만 원대 와인 추천해 줄래?"처럼 편하게 물어보면, AI가 '피자', '5만 원대', '어울리는'이라는 키워드를 추출해 조건에 맞는 상품을 찾아주는 방식입니다.
제가 실제로 써보니 이미지 인식 기능이 정말 유용했습니다. 손님이 "지난번에 식당에서 마신 와인이 맛있었는데, 사진만 있어요"라고 할 때가 많거든요. 보틀벙커 시스템은 와인병 사진을 찍으면 라벨의 텍스트를 OCR(Optical Character Recognition, 광학 문자 인식) 기술로 읽어내서 어떤 제품인지 알려줍니다. 매장에 없으면 유사한 스타일의 와인까지 추천해 주니, 손님 입장에선 발품 팔 필요가 없어지는 거죠.
개인적으로는 이 부분이 가장 큰 차별화 포인트라고 봅니다. 일반 검색 엔진에서 '와인 추천'을 치면 블로거 개인 의견이나 광고성 콘텐츠가 먼저 뜨지만, 보틀벙커 AI는 실제 소믈리에가 검수한 페어링 데이터를 기반으로 합니다. 그러니까 "이 와인은 토마토소스 파스타와 잘 어울립니다"라는 추천이 나왔다면, 그건 전문가가 직접 테스트해 본 결과라는 뜻입니다. 저도 제 가게에 이런 시스템을 도입하려면 최소한 제가 직접 마셔본 와인 50종 정도는 페어링 노트를 만들어둬야겠다는 생각이 들었습니다.
경기 침체 속 36% 성장의 비결
2024년은 자영업자에게 정말 힘든 한 해였습니다. 통계청 자료를 보면 2024년 기준 국내 자영업자 수는 약 550만 명에 달하지만, 폐업률도 역대 최고 수준이었습니다(출처: 통계청). 제 주변 가게들도 하나둘 문을 닫는 상황에서, 보틀벙커가 9개월 만에 앱 이용자 36% 증가, 픽업 예약 40% 상승을 기록했다는 건 단순한 수치 이상의 의미가 있습니다.
제가 보기에 핵심은 '진입장벽 제거'였습니다. 롯데마트 관계자는 "와인이나 위스키는 모델명이나 브랜드를 알아야 검색이 가능한 경우가 많아 진입장벽이 높다"라고 설명했는데, 실제로 제 가게에 오는 손님 10명 중 7명은 "와인 잘 모르는데 뭐가 좋아요?"라고 먼저 물어봅니다. AI 소믈리에는 바로 이 지점을 공략했습니다. 복잡한 검색 없이 자연스러운 질문만으로 원하는 상품을 찾게 해 준 거죠.
또 하나 주목할 점은 고객층 확대입니다. 기존 4050 중심이었던 보틀벙커 고객층이 2030까지 넓어졌다는 건, 젊은 세대가 AI 인터페이스에 익숙하고 이를 통해 와인 시장에 진입했다는 의미입니다. 제 경험상 2030 손님들은 직원에게 직접 물어보는 걸 부담스러워하는 경향이 있는데, 앱에서 혼자 검색하고 픽업 예약까지 할 수 있으니 훨씬 편하게 느끼는 것 같습니다.
구체적인 성과를 정리하면 다음과 같습니다.
- 2024년 6월 AI 소믈리에 정식 도입
- 9개월간(2024년 6월~2025년 2월) 앱 이용자 수 전년 동기 대비 36% 증가
- 같은 기간 픽업 예약 건수 40% 상승
- 고객층 확대: 기존 4050 중심에서 2030까지 유입 증가
작은 가게도 적용 가능한 AI 전략
저는 롯데마트처럼 큰 유통 기업이 아니기 때문에, 똑같은 시스템을 구축할 순 없습니다. 하지만 핵심 아이디어는 얼마든지 가져올 수 있습니다. 제가 당장 실천하기로 한 건 세 가지입니다.
첫째, 제 가게 와인 100종에 대한 간단한 데이터베이스를 만드는 것입니다. 구글 스프레드시트에 와인 이름, 산지, 가격, 어울리는 음식, 맛 특징을 정리하고, 이걸 바탕으로 고객 질문에 빠르게 답할 수 있도록 준비했습니다. 제미나이나 챗GPT 같은 무료 AI 도구에 이 데이터를 입력하고 "삼겹살에 어울리는 5만 원 이하 와인 추천해 줘"라고 물으면, 제 재고 범위 내에서 답을 줍니다.
둘째, 매장에 QR 코드를 붙여서 손님이 직접 AI에게 물어볼 수 있게 만드는 것입니다. QR 코드를 찍으면 제미나이 챗봇 링크로 연결되고, 거기서 자유롭게 질문할 수 있게 하는 방식입니다. 이렇게 하면 제가 다른 손님 응대 중일 때도, 기다리는 손님이 혼자서 와인을 고를 수 있습니다.
셋째, 고객 구매 이력을 수기로라도 기록하기 시작했습니다. 보틀벙커는 앞으로 개인화 추천 기능을 강화할 계획이라고 했는데, 이건 정말 중요한 포인트입니다. "지난번에 이 와인 사셨던 분은 이런 와인도 좋아하실 거예요"라고 말할 수 있으면, 단골 고객 만족도가 확 올라가거든요. 지금은 수기 장부로 시작하지만, 나중에 간단한 POS 시스템이라도 도입하면 이 데이터를 체계적으로 관리할 수 있을 겁니다.
저는 맹목적으로 AI를 따라가자는 게 아닙니다. 다만 제가 아직 와인을 사랑하고, 이 일로 먹고살고 싶다면, 새로운 도구를 활용하는 게 선택이 아니라 필수라는 걸 인정할 수밖에 없습니다. 롯데마트 보틀벙커 사례는 AI가 대기업만의 무기가 아니라, 작은 가게도 충분히 응용 가능한 전략이라는 걸 보여준 좋은 예시입니다. 손님을 끌어들이는 건 여전히 가장 큰 숙제지만, 적어도 온 손님이 만족하고 다시 찾아오게 만드는 도구는 이제 우리 손안에 있습니다.