‘월마트 직원을 위한 구글지도’ 인도 IT팀이 개발한 AI 최적동선·대체상품 추천 시스템

인도에 있는 월마트의 기술개발센터 월마트 글로벌 테크 인디아(Walmart Global Tech India) 팀은 팬데믹 기간 급변한 고객 수요에 대응하기 위해 새 AI 시스템을 개발했다. 종업원이 한 번에 최대한 많은 상품을 픽업할 수 있도록 안내하는 최적 동선 알고리즘과 재고가 떨어진 상품의 대체제를 추천해주는 알고리즘이 그 결과물이다. 
 

팬데믹이 닥치자 미국 최대 소매업체인 월마트의 온라인 주문이 급증했다. 매장 내 직원들의 어깨가 훨씬 더 무거워졌다. 특히 특정 제품의 주문이 몰리자 재고가 자주 동났다.

월마트의 주문 앱은 고객이 동난 제품 대신 다른 제품을 고를 수 있는 옵션을 제공했지만, 몇몇 고객은 이 단계를 건너뛰었다. 그 결과 고객이 동난 제품을 주문했을 때 상품을 골라 포장하는 월마트 직원들이 직접 대체제를 골라야 했다. 

이에 불만을 품은 고객은 대체품 중 10개 중 1개를 반품하기에 이르렀다. 월마트는 전액을 환불하고 재입고 비용을 부담해야 했다. 

반품 건수와 그에 따른 손실을 줄이는 동시에 고객 경험을 개선하고자 월마트의 혁신 허브인 월마트 글로벌 테크 인디아(Walmart Global Tech India, WGTI)가 나섰다. 데이터로 사용자의 행동, 선호도 및 요구를 예측하는 AI 시스템을 개발했다. 

WGTI의 미국 기술 담당 부사장인 로힛 카일라는 “AI가 주도하는 시스템은 일정 기간에 걸쳐 모든 고객의 개별 선호도를 학습했다. 이를 바탕으로 특정 품목의 재고가 떨어졌을 때 직원에게 고객이 선호할 대체제를 제안한다”라고 말했다. 

동난 제품의 대체제를 찾는 일 외에도 직원들은 업무량은 늘어났다. 팬데믹 기간 고객과의 노출을 줄이고자 커브사이드 픽업(편집자 주;고객이 차에서 기다리는 동안 직원이 주문한 제품을 가져다주는 서비스) 서비스가 생겼기 때문이다. 

카일라는 “기존 업무 흐름은 매장에 고객이 들어오는 방식만 고려했다. 하지만 이제 고객의 매장 이용 방식이 다양해지자 업무 흐름도 이에 맞게 바뀌어야 했다. 더 유동적인 워크플로우 시스템이 필요했다”라고 말했다. 

그 결과물이 WGTI가 2021년 6월 출시한 Me@Walmart 앱이다. 이 앱은 월마트 종업원이 업무 일정을 보다 효율적으로 관리하고 운용할 수 있게 해준다. 이 앱으로 월마트 종업원은 서로 원활하게 소통할 수 있으며 재고를 즉각적으로 확인할 수도 있다. 

하지만 이 앱의 대표 기능은 따로 있다. 바로 최적화된 동선 안내 기능이다. 종업원이 한 번 움직일 때마다 최대한 많은 상품을 픽업할 수 있도록 최적의 동선을 알려준다. 
 

‘픽업 동선 최적화‘ 알고리즘, 트럭 운행에서 착안 

종업원에게는 항상 픽업해야 하는 주문이 산더미처럼 쌓여있다. 이전에는 단지 직감과 경험으로 최대한 빨리 많은 상품을 픽업하려 애쓸 수밖에 없었다. Me@Walmart의 동선 최적화 기능은 비슷한 부류의 주문을 묶어 직원이 한 상품 통로에서 최대한 많은 상품을 픽업할 수 있도록 안내한다. 

카일라는 “매장 내의 구글 지도라고 할 수 있다. 비슷한 주문을 묶어 직원이 상품을 픽업할 최적의 동선을 파악한다. 이 과정에서 재고가 떨어진 걸 발견하면 시스템에 바로 기록할 수도 있다”라고 설명했다. 

WGTI는 이 기능을 개발하기 위해 여러 접근방식을 취했다. 그중 하나가 ‘사이드웨이(sideways)’ 전략이다. 

그는 “공급망 부서에서 트럭의 운행을 최적화하는 방법을 연구하고 있었다. 우리 팀은 매장 재고에서 직원이 상품을 찾기 위해 움직이는 방식에 비슷한 접근방식을 소규모로 적용할 수 있다는 사실을 깨달았다”라고 말했다. 

추가 개발 작업을 진행하고자 WGTI는 UI/UX 엔지니어 및 데이터 과학자를 고용해 핵심 알고리즘을 개발했다. 데이터 애널리스트와 ML 엔지니어도 필요했다. 

카일라는 “새로운 알고리즘을 개발하기 위해 기존에 있었던 데이터 과학 기술을 십분 활용하면서 새 데이터 애널리스트를 여럿 고용했다. ML 엔지니어는 알고리즘을 개발하지는 않지만 여러 알고리즘을 학습하는 플랫폼을 만드는 데 필요했다”라고 설명했다. 

이 외에도 회사는 백엔드 엔지니어, 클라우드 엔지니어 및 데이터베이스 기술 전문가도 추가로 고용했다. 

채용 외에 WGTI는 기존 직원 교육에도 힘썼다. 또한 대학생을 위한 인턴십 프로그램을 제공하기 위해 대학과도 협력했다. 이 프로그램 역시 최종 결과물에 큰 도움이 됐다고 카일라는 전했다. 
 

양보다 시간  

카일라가 고객 선호도를 예측하는 알고리즘을 개발하는 데 있어 겪었던 가장 큰 어려움은 바로 팬데믹 그 자체였다. 팬데믹이 고객의 행태를 크게 바꿔놓았기 때문이다. 

카일라는 “예컨대 휴가 기간, 여름, 겨울에 사람들이 주로 사는 품목은 정해져 있었다. 하지만 팬데믹이 닥치자 소비 패턴이 급격히 달라졌다. 완전히 달라진 소비 패턴을 파악해 물류 운용 방식과 대체제 선택 시스템을 구축하는 일은 매우 어려운 작업이었다”라고 말했다. 

AI 시스템을 학습시키기 위해서는 대규모 데이터 세트가 필요하다. 이러한 데이터 세트에는 과거 구매 이력, 반품 내역을 비롯해 다른 고객과의 교차 학습 데이터 등이 조합되어 있다. 

통상 AI 모델 학습은 데이터가 많을수록 좋지만 WGTI의 경우 가장 좋은 데이터는 최근 데이터였다. 카일라는 “90일에서 120일이 지난 데이터를 거의 쓰지 않았다. 예컨대 팬데믹 기간 우유, 휴지 손소독제를 주문하는 고객이 급격히 늘어났는 데, 120일 전 데이터를 보면 이런 양상을 전혀 찾아볼 수 없었다. 따라서 데이터의 양보다 최신성이 매우 중요했다”라고 말했다. 

AI 기반 대체제 추천 기능은 처음 몇몇 사용자에게만 제공됐다. 반응을 보기 위해서였다. 사용자가 추천된 대체재를 마음에 들어 하지 않아 반품할 때마다 AI 솔루션은 이를 학습의 기회로 삼았다. 

2020년부터 개발에 들어간 이 AI 시스템은 도입 이래 눈에 띌만한 성과를 보이고 있다. 이전에는 추천 대체제 중 10%가 반품됐지만, 새 AI 시스템이 추천하는 대체제의 반품률은 2%에 불과하다. 늘어난 업무량에 허덕이는 종업원들의 짐을 크게 덜어준 셈이다. 

카일라는 WGTI가 월마트 시스템에 새로 적용한 AI 모델이 나름의 성공을 거두었지만 아직 갈 길이 멀다고 말했다. 그는 “모두가 팬데믹이 던진 막대한 과제를 과소평가했다. 과거를 돌이켜보면 공급망을 더 안정적으로 운영하고 더 나은 고객 경험을 제공할 수 있었을 것 같다”라며 아쉬움을 토로했다. ciokr@idg.co.kr