명품 중고 시장이 커지면서, 감정의 정확도는 운영 효율성과
브랜드 신뢰를 좌우하는 핵심 과제가 되었습니다.
구구스는 렛서와 협력해 이미지 인식 기반의 AI 감정 시스템을 구축했습니다.
국내 1위 중고 명품 거래 플랫폼 구구스는, 연간 수만 건의 감정 업무를 수행하는 조직입니다. 구구스의 성장 배경에는 숙련된 감정사들의 전문성과 감정 정확도를 중심으로 구축된 고객 신뢰가 자리하고 있습니다. 그러나 거래량의 증가, 소비자의 정품 인증에 대한 기대치 고도화, 운영 효율화 요구가 맞물리면서, 감정 업무의 품질과 속도를 동시에 향상시킬 수 있는 기술 기반의 체계적인 대응이 필요해졌습니다. 과거 구구스는 AI 기반 감정 기술 도입을 시도한 바 있으나, 데이터 구조 미비 및 문제 정의 부재로 인해 프로젝트가 중단된 경험이 있었습니다. 이에 따라 이번 프로젝트는 단순한 모델 개발을 넘어, AI 기술 도입의 전제 조건이라 할 수 있는 문제 정의, 데이터 구조 설계, 사용자 경험 기반 프로덕트 설계를 전면 재검토하는 방식으로 기획되었습니다. 렛서는 본 프로젝트를 구구스의 디지털 감정 시스템 구축이라는 전략 과제로 정의하고, 감정 데이터 활용 체계 개선, 감정 업무 구조화, 사용자 경험 기반의 프로덕트 설계를 포괄하는 종합적 접근을 수행했습니다. 이는 단기적인 업무 효율화뿐 아니라, 장기적으로 AI 기반 감정 표준 정립과 조직의 데이터 역량 내재화라는 구구스의 중장기 목표와도 맞닿아 있습니다.
우선 구구스 내부에 누적된 이미지, 감정 결과, 브랜드 정보, 시리얼 데이터를 전수 조사하여 AI 학습용 구조로 재정의하는 작업을 수행했습니다. 기존 데이터는 감정 업무에는 충분했지만, 모델 학습에는 비정형성이 높아 정합성과 확장성 측면에서 제약이 있었습니다.
렛서는 감정사와 협업하여 시리얼 위치, 로고 패턴, 마모 부위 등 주요 감정 포인트를 정형화된 입력값으로 재구성하고, 신규 데이터가 지속 축적될 수 있도록 데이터 정제 템플릿을 설계했습니다. 이를 통해 단일 프로젝트 수준을 넘어, 지속적 학습과 고도화가 가능한 순환 구조의 기반을 마련했습니다.
기존에는 'AI가 정가품을 자동으로 판단'한다는 포괄적 목표 아래 AI를 설계했지만, 실사용자(감정사)의 피드백을 바탕으로 역할 정의를 재구성했습니다.
렛서는 감정 과정을 ①시리얼 인식 → ②감정 포인트 추출 → ③이상 탐지 → ④결과 판단 보조의 네 단계로 분해하고, 각 단계에서 AI가 수행할 수 있는 구체적인 서브태스크를 설계했습니다. 이를 통해 AI는 최종 판단자가 아닌 감정사의 판단을 보조하는 기능으로 재정립되었으며, 실제 워크플로우에 무리 없이 통합될 수 있는 UX를 구현할 수 있었습니다.
성공적인 AI 기반 감정 시스템을 운영 중인 해외 명품 플랫폼들을 벤치마킹하여, 시리얼 자동 검출, 분석 리포트 자동 생성, 신뢰도 표기 등 주요 기능 흐름을 분석했습니다.
이를 기반으로 구구스만의 차별화 요소로 감정사 기반 추천 기능, 정량·정성 평가를 병기한 리포트 자동화, 감정 정확도 향상을 위한 시리얼 기반 사전 필터링 기능 등을 설계했습니다. 기능 하나하나가 사용자와 감정사의 실질적 효용에 기여하도록 구조화했습니다.
감정사가 실제로 사용할 수 있는 제품으로 구현되기 위해, 단순 기능 구현을 넘어선 프로덕트 단위 설계를 진행했습니다. 감정사 인터뷰를 통해 워크플로우를 분석하고, 각 단계별 화면 흐름, 입력·출력 구조, 예외 처리 등을 명확히 정의했습니다.
AI의 결과에 대한 신뢰를 높이기 위해, 결과값에 대한 근거 제시, 수동 검토 요청, 신뢰도 보조 지표 등을 포함한 정교한 사용자 인터페이스를 구현했습니다.
이번 프로젝트를 통해 구구스는 단순한 AI 기능 도입을 넘어, 실제 감정사 업무 흐름에 자연스럽게 통합되는 감정 보조 시스템의 기반을 구축했습니다. 특히 기존에 비정형으로 존재하던 데이터 자산을 구조화하고, 이를 기반으로 지속적인 학습이 가능한 AI 순환 구조를 설계한 것이 가장 큰 성과 중 하나입니다.
운영 현장에서도 실질적 효과가 확인되고 있습니다. 감정 업무 초반 단계에서 AI가 시리얼 인식 및 이상 요소를 자동 분석해 제공하면서, 감정사의 반복 작업 시간이 평균 40%가량 단축되었습니다. 또한 감정사 간의 기준 차이를 줄여 재감정 요청률 감소 효과도 기대할 수 있게 되었습니다.
감정 결과 리포트 자동화 기능은 고객 응대 측면에서도 변화를 만들고 있습니다. 감정사의 판단과 AI의 정량적 분석 결과를 함께 제공함으로써, 고객은 더 높은 신뢰를 갖고 감정 결과를 받아들이고 있으며, 이는 구구스 브랜드에 대한 전문성과 투명성을 강화하는 데 기여하고 있습니다.
무엇보다 의미 있는 변화는, 이번 프로젝트를 통해 AI가 독립적인 도구가 아닌, 감정사의 판단을 보조하고 데이터 기반으로 진화하는 ‘협업 시스템’으로 정착되었다는 점입니다. 감정사가 수정·보완한 기록은 자동 로그로 저장되고, 이는 차후 모델 개선을 위한 데이터로 활용됩니다. 결과적으로 이 시스템은 Active Learning 기반의 반복 학습 구조로 발전할 수 있으며, 예외 케이스에 대한 대응력을 지속적으로 높일 수 있습니다.
본 프로젝트는 도구를 개발하는 데 그치지 않고, 사람과 AI가 협업하는 감정 체계를 조직 내부에 정착시키는 전환점이 되었습니다. 이는 구구스가 AI 기반 중고 명품 감정의 미래 기준을 선도하는 데 있어 전략적 자산이 될 것입니다.
이번 프로젝트는 단순한 기술 구현을 넘어, 감정 업무 전반을 재정의한 조직 단위의 구조 혁신 과제였습니다. 아래 두 가지 시사점은 향후 유사한 고도화 프로젝트에 있어 본질적인 기준이 될 수 있습니다.
AI는 기존 프로세스를 자동화하는 수단이 아니라, 감정사의 업무 흐름과 조직의 판단 체계를 함께 구조화하는 도구로 설계되어야 합니다. 이번 프로젝트에서는 감정 과정을 세분화하고, 각 단계에 AI가 기여할 수 있도록 서브태스크를 정의함으로써 실제 현장 적용성을 높였습니다.
단순히 AI 학습을 위한 수단이 아닌, 감정 기준의 정형화, 고객 응대의 일관성 확보, 모델 고도화를 위한 순환 구조까지 연결되는 핵심 기반입니다. 이번 사례처럼 데이터를 정제·축적·확장 가능한 형태로 설계하는 것이 조직 전체의 디지털 경쟁력을 결정짓습니다.
렛서는 앞으로도 데이터와 전문성을 함께 다루는 기업들과 협력하여, 단순한 기능 구현을 넘어 실질적인 문제 해결과 조직 변화까지 이어지는 프로젝트를 만들어가고자 합니다. 특히 감정과 같이 정성적 판단이 중심이 되는 분야일수록, 기술이 조직 내부의 기준과 문화를 어떻게 변화시킬 수 있는지에 대한 설계가 핵심입니다. 렛서는 AI를 통해 신뢰의 기준을 정교화하고, 그 기준이 다시 데이터로 환류되는 구조를 설계하며, 기술이 기업의 핵심 경쟁력으로 자리 잡을 수 있도록 돕겠습니다.
.svg)
