OpenAI 모델로 카탈로그 정확도와 지원 처리 속도를 높이는 Wayfair

세계 최대 홈퍼니싱 리테일러 중 하나인 Wayfair는 공급업체 지원 워크플로와 상품 카탈로그 품질을 대규모로 개선하기 위해 핵심 내부 시스템에 OpenAI 모델을 도입했습니다. 2024년 일부 기능을 소규모로 적용해 효과를 검증하며 시작한 AI 시스템은 현재 수작업을 줄이고 의사결정의 속도를 높이며 수백만 개 상품의 데이터 품질을 끌어올리는 본격적인 운영 시스템으로 발전했습니다.

Wayfair는 생성형 AI를 단순한 실험이나 특정 문제를 해결하는 개별 솔루션으로 보지 않고, 핵심 워크플로에 OpenAI 모델을 직접 통합하는 방식으로 접근했습니다. 특히 복잡도가 높고 대규모 확장이 필요한 영역부터 우선적으로 적용했습니다. 공급업체 지원 요청을 정확히 분류하고 처리하는 작업과 약 3천만 개 상품으로 이루어진 카탈로그 전반에서 수만 개 상품 속성을 일관되게 개선하는 데 집중했습니다.

Wayfair의 카탈로그 팀은 약 1,000개에 이르는 상품 카테고리에서 수천만 개의 상품을 관리합니다. 색상, 소재, 크기, 세부 기능과 같은 상품 속성 태그는 검색과 추천, 머천다이징의 품질을 좌우하기 때문에 일관성과 정확성이 매우 중요합니다.    

Wayfair 카탈로그 머천다이징 부문 부이사 Jessica D’Arcy는 "데이터 품질이 높을수록 고객 신뢰도 함께 높아진다"고 말하며 "이는 고객이 올바른 구매 결정을 내릴 수 있도록 돕고, 잘못된 상품 정보로 인한 반품 등 비용 부담이 큰 문제를 직접적으로 줄일 수 있다는 점에서 중요하다"고 강조했습니다. 

OpenAI 모델을 도입하기 전에는 공급업체나 고객이 문제를 제기해야만 태깅 품질을 개선할 수 있었고, 수작업만으로는 처리 규모를 감당하기 어려웠습니다.  초기에는 개별 태그마다 맞춤형 AI 모델을 적용해 기술적으로는 효과를 볼 수 있었지만, 구축과 유지 비용이 많이 들었습니다. Wayfair의 머신러닝 스태프 사이언티스트 캐롤린 필립스(Carolyn Phillips)는 "처음에는 각 태그마다 별도의 모델을 만드는 방식으로 접근했고 기술적으로는 잘 작동했지만, 태그가 4만 7천 개에 달하는 상황에서 이 방식으로는 더 이상 확장이 불가능했다"고 설명합니다.

개별 모델 중심의 접근 방식에서 벗어나기 위해 Wayfair는 단일 OpenAI 모델을 기반으로 태그 유형에 종속되지 않는 시스템을 구축했습니다. '정의 에이전트'는 웹과 내부 시스템에서 태그 정보를 수집해 각 태그의 맥락적 의미를 생성합니다. 캐롤린 필립스는 이에 대해 "진짜 병목은 모델 성능이 아니라 각 태그가 실제로 무엇을 의미하는지 정의하고 이를 구조화하기 위해 사람이 들여야 하는 시간이었다"고 설명합니다. 이렇게 생성된 맥락 정보와 Wayfair의 데이터 생태계 전반에서 집계한 상품 데이터는 다양한 상품 카테고리의 속성을 분류하는 프레임워크에 입력됩니다. 현재 Wayfair 팀은 1년 전보다 70배 빠른 속도로 새로운 속성에 대한 모델 적용 범위를 확대하고 있습니다.

이 시스템은 현재 프로덕션 환경에서 100만 개 이상의 상품에 적용되고 있습니다. 개선된 속성을 적용한 1차 상품군이 충분한 기간 동안 운영됨에 따라 데이터 품질 향상이 고객 여정에 미치는 영향 또한 측정할 수 있게 되었습니다.  캐롤린 필립스는 "속성의 완성도를 높이면 그 효과는 단순히 추상적인 수준에 머무르지 않고 SEO와 PLA 성과, 즉 고객이 상품을 발견하는 방식에서 직접적으로 나타난다"고 평가합니다. 통제된 A/B 테스트 결과, 실험군에서는 노출 수, 클릭 수, 페이지 순위가 모두 유의미하게 증가한 것으로 나타났습니다.

그러나 Wayfair는 상품 데이터 수정 결정을 모델에만 전적으로 맡기지 않았습니다. "고객이 완전한 확신을 가지고 상품을 구매할 수 있도록 신뢰를 구축하는 것이 우리의 목표"라고 필립스는 설명합니다. Wayfair는 담당자가 실제 샘플을 직접 확인해 모델 결과를 검증하는 현장 중심의 감사 프로세스를 기반으로 체계적인 테스트를 구축했고, 공급업체와 협력해 변경 사항을 검증했습니다. 현재는 데이터 기반 신뢰도가 높다고 판단되면 자동화 시스템이 콘텐츠를 직접 수정하고 해당 변경 사항을 공급업체에 알립니다. 반대로 기준을 충족하지 못하거나 태그가 고위험으로 판단될 경우에는 변경 전에 공급업체의 확인을 먼저 거칩니다.

Wayfair는 방대한 카탈로그를 운영하기 위해 수만 개의 공급업체와 협력합니다. 기존에는 공급업체의 지원 요청을 처리하기 위해 담당자가 모든 티켓을 직접 검토하고 요청 사항을 파악하여 적절한 내부 담당자에게 전달해야 했습니다. 이 과정은 시간이 많이 들고 오류가 발생하기 쉬웠습니다. Wayfair의 공급업체 지원 및 운영 담당 그레이엄 간슬(Graham Ganssle)은 "공급업체 요청은 단순하지 않고 수백 가지 유형에 걸쳐 있어 한 사람이 모든 것을 숙지하는 것은 현실적으로 불가능하다"고 설명했습니다.

Wayfair는 이러한 워크플로를 개선하기 위해 내부 시스템 Wilma에 에이전트 기능을 새롭게 추가했습니다. 프로덕션 환경에 처음 도입된 주요 기능 중 하나는 OpenAI 모델을 기반으로 한 티켓 분류였습니다. Wilma는 접수된 요청을 읽고 부족한 맥락을 보완한 뒤 적절한 팀으로 티켓을 전달합니다. 신속한 배포를 목표로 설계된 이 시스템은 이미 OpenAI API가 통합된 기반 위에서 구축되어 약 한 달 만에 프로토타입에서 프로덕션 환경으로 전환되었습니다. 그레이엄 간슬은 Wilma를 "담당자의 업무 효율을 높여주는 시스템"이라고 소개하며 "티켓을 읽고 의도를 파악하고 내부 데이터베이스를 기반으로 맥락을 보완하여 필요할 경우 공급업체에 추가 정보를 요청하고, 문제를 적절한 방향으로 안내하는 역할"을 한다고 설명했습니다.

Wayfair는 단순한 티켓 라우팅에 그치지 않고 문제 해결 팀의 업무 특성까지 반영해 12개의 에이전트형 AI 워크플로를 도입했습니다. 예를 들어 교체 부품 운영 팀을 위한 코파일럿은 복잡한 케이스 이력을 분석해 다음 조치를 제안하고, 담당자가 검토할 수 있도록 응답 초안을 제공합니다. 이러한 보조 시스템은 과거 데이터를 기반으로 학습해 어떤 결과가 성공인지 맥락에 맞게 판단할 수 있습니다. 그레이엄 간슬은 "모델은 전체 여정에 걸친 맥락을 종합적으로 파악할 수 있는데, 이는 한 명의 담당자가 수행하기 어려운 수준"이라며 "폭넓은 맥락 이해가 고객과 공급업체의 만족도를 높이는 데 기여한다"고 평가했습니다.

Wayfair는 정렬률이라는 지표를 통해 AI의 추천이 담당자의 최종 결정과 얼마나 일치하는지를 측정합니다. 이 정렬률이 일정 기준에 지속적으로 도달하면 해당 팀의 워크플로는 보조 모드('코파일럿')에서 반자동 모드('오토파일럿')로 전환됩니다. 이러한 단계적 접근 방식은 AI 시스템 도입 과정에서 신뢰를 쌓고 품질을 안정적으로 관리할 수 있게 합니다.

Wayfair는 내부 시스템에 OpenAI 모델을 통합한 이후 측정 가능한 개선 성과를 확인할 수 있었습니다.

카탈로그 측면에서는 고객에게 노출되는 상품 속성 태그 가운데 잘못되거나 누락된 태그의 수를 줄였으며, Wayfair 카탈로그에서 노출과 구매가 가장 많은 100만 개 이상의 상품을 대상으로 250만 개의 태그를 수정했습니다. Wayfair는 향후 6개월 안에 이 성과가 4배 이상 확대될 것으로 기대합니다.

공급업체 지원 측면에서는 티켓 분류, 코파일럿, 오토파일럿 시스템을 통해 월 4만 1천 건의 티켓을 자동화하여 처리량을 높였으며(일부 워크플로에서는 최대 70% 향상), 반복적인 수작업을 줄여 처리 시간을 단축했습니다. 그 결과 여러 워크플로에서 문제 해결까지 소요되는 시간이 크게 줄었고 공급업체 만족도가 높아졌으며, 티켓 재오픈율도 감소했습니다.

모델은 한 명의 담당자가 처리할 수 있는 수준을 넘어 보다 넓은 범위에서 티켓 내용과 공급업체의 요청 사항을 파악했고 이는 전체적인 만족도 향상으로 이어졌습니다.

운영 측면에서 팀이 확인할 수 있었던 변화는 다음과 같습니다.

• 복잡한 공급업체 티켓을 더 빠르게 분류하고 해결
• 공급업체 만족도 향상
• 수동 데이터 입력 및 분류 작업 감소
• 수백 가지 주제에 대한 전문 지식 없이도 더 넓은 범위의 문제 대응 가능
• 게시 전 카탈로그 속성에 대한 신뢰도 향상

Wayfair는 약 1만 2천 명 규모의 조직 전반에 1,200개 이상의 ChatGPT Enterprise 좌석을 배포하여 수시로 발생하는 업무와 내부 문제 해결을 지원하고 생성형 모델을 실험합니다.

Wayfair는 머신러닝에 꾸준히 투자하며 AI 플랫폼 및 대형 언어 모델 제공업체와 협업해 비즈니스를 발전시키고 있습니다. 최근에는 최첨단 모델, 특히 멀티모달 시스템의 발전으로 팀이 구현할 수 있는 범위가 한층 넓어졌습니다. 이는 상품이 시각적 요소와 스타일, 개인 취향의 영향을 크게 받는 홈퍼니싱 리테일 분야에서 특히 중요합니다.

캐롤린 필립스는 "이제 훨씬 더 다양한 문제를 다룰 수 있게 되어 기대가 크다"며 "전통적인 알고리즘에는 엄격하게 정의된 데이터셋이 필요했지만, 현재 모델은 모호함과 맥락을 반영한 방식으로 문제를 처리할 수 있어 이전에는 시도하기 어려웠던 접근 방식으로 확장이 가능해졌다"고 밝혔습니다. 

ChatGPT Enterprise에 대한 Wayfair 직원들의 수요는 계속해서 높은 수준을 유지할 것으로 예상됩니다. Wayfair 팀은 ChatGPT를 업무 속도를 높여주는 실용적인 도구로 바라보고 있습니다.

고객의 기대도 빠르게 변화하고 있습니다. 점점 더 많은 소비자가 일상생활에서 AI를 사용하는 데 익숙해지고 있으며, 온라인에서 상품을 탐색하고, 비교하고, 구매할 때도 유사한 기능을 기대하기 시작했습니다.

피오나 탠(Fiona Tan)은 "인터넷으로 상품을 찾을 때 고객은 원하는 것을 정확한 말로 표현하지 못하는 경우가 많다"며 "자연어와 멀티모달 시스템은 고객의 기대와 검색 결과 사이의 격차를 해소하는 데 도움이 된다"고 설명했습니다.

Wayfair 경영진은 AI를 활용해 인간의 전문성을 보완하면서 내부 역량을 확장하는 것을 목표로 합니다. 피오나 탠은 "웹사이트, 고객 지원, 대화형 인터페이스 등 다양한 접점에서 AI가 쇼핑 여정의 일부가 되는 환경을 구축하고 있다"고 밝혔습니다.