#AI

AI를 쓰는 회사 vs AI를 만드는 회사

Summary

LLM 래핑을 넘어 '데이터 자산'으로: 무신사가 AI를 직접 만드는 이유

외부 모델 의존도를 낮추고 체형 데이터를 자산화하여 독보적인 O4O 경험을 설계하는 법

무신사 O4O 팀이 단순한 LLM 활용을 넘어 독자적인 AI 기술을 구축하게 된 전략적 배경을 다룹니다. 오프라인의 '핏(Fit) 경험'을 온라인으로 연결하기 위해 외부 API 호출 방식의 한계를 극복하고, 체형 데이터를 내재화하여 장기적인 기술 경쟁력을 확보하는 과정을 소개합니다.

01LLM 기반 POC로 '체형 분석' 서비스의 시장 가능성을 빠르게 검증
02API 호출 위주 방식의 고비용, 낮은 차별화, 제어 불가능성 문제 직시
03단순 결과 생성이 아닌 '개인 체형 데이터' 축적을 통한 자산화 전략 수립
04사내 20% 프로젝트 문화를 활용한 자율적인 기술 탐색과 빠른 POC 수행
05LLM을 서비스의 중심이 아닌 개발 효율화 도구로 재정의하여 기술적 통제권 확보

RECOMMENDATION

빠른 시장 검증이 필요한 초기 단계에서는 LLM을 적극 활용하되, 서비스 규모가 커짐에 따라 자체 데이터 자산화와 기술 내재화 전략을 병행하려는 팀에게 이 아티클의 전략적 접근을 추천합니다.

The Problem

오프라인 매장에서의 '핏(Fit)' 경험이 온라인 구매로 이어지지 못하고 단절되어 고객의 사이즈 고민과 반품 발생이 반복되는 문제가 있었습니다. 이를 해결하기 위해 초기에는 외부 LLM을 활용해 빠르게 기능을 구현했으나, 높은 비용과 낮은 차별화, 기술적 통제력 부재라는 한계에 직면했습니다.

The Solution

단순히 외부 LLM을 래핑하여 기능을 제공하는 'AI를 쓰는 회사'에서 벗어나, 무신사만의 고유한 체형 데이터를 축적하고 기술을 내재화하는 'AI를 만드는 회사'로의 전략적 전환을 선택했습니다. LLM은 개발 도구로 활용하여 시행착오를 줄이되, 핵심 자산은 무신사 내부에 쌓이도록 체형 분석 기술을 직접 개발하는 프로젝트를 추진했습니다.

The Result

무신사 사내 '20% 프로젝트' 제도를 통해 Fit My Box(가칭) 프로토타입을 개발하고, 오프라인의 체형 데이터를 디지털 자산으로 전환하는 기술적 기반을 마련했습니다. 이를 통해 온·오프라인 경험을 유기적으로 연결하고 장기적인 기술 경쟁력을 확보할 수 있는 'AI 걸음마' 단계의 성과를 거두었습니다.

Trade-off

자체 기술 구축은 외부 API를 호출하는 방식보다 초기 개발 속도가 느리고 고도의 전문 인력이 필요하며, 본문에서 언급했듯 현재는 'AI 걸음마 단계'로서 완성도 측면에서 지속적인 연구 개발이 필요하다는 한계가 있습니다.