AIoT가 소매업을 변화시키는 방식: 더 스마트한 매장, 더 나은 서비스, 최적화된 공급망

소매 부문은 매장, 고객 서비스 채널, 창고, 공급망 전반에 걸쳐 IoT 지원 장치와 센서의 확산으로부터 자유롭지 못했습니다. 이제 소매업체들은 이 데이터를 더 잘 활용하기 위해 인공지능을 추가하고 있습니다.

따라서 사물의 인공지능(AIoT)이 소매업체들에게 중추적인 것으로 부상하고 있습니다. 왜일까요? IoT 장치의 데이터와 AI를 결합하면 소매업체들이 매장 내 경험을 재구상하고, 서비스 제공을 강화하며, 모든 운영 수준에서 제품 가시성을 유지할 수 있도록 돕습니다.

글로벌데이터(GlobalData)의 소매 및 의류 분야 IoT 주제 보고서에 따르면, 소매 분야에서 IoT 제품과 서비스에 AI를 통합하는 것은 불가피하며 이미 진행 중입니다: "IoT 가치 사슬의 핵심 레이어는 물리적, 연결성, 데이터, 앱, 서비스입니다. 이 레이어들은 논리적으로 분리되어 있지만, 대규모 IoT 솔루션에서는 이러한 논리적 경계가 상당히 모호해지고 있습니다.

예를 들어, 스택의 상단에 명확하게 식별 가능한 데이터 레이어가 계속 존재하겠지만, 데이터 처리의 증가하는 비율이 네트워크 내부와 엣지에서 발생합니다. 특히 ChatGPT의 가속화된 개발로 인한 생성형 AI의 발전은 모든 IoT 레이어에서 AI의 관련성을 높였습니다. 따라서 증가하는 수의 IoT 제품과 서비스가 특히 고객 주도 인터페이스 전반에 걸쳐 AI를 기능에 통합하고 있습니다.

이벤트 선택이 실시간 결과와 솔루션을 생성

이벤트 스트리밍을 통한 세분화된 라우팅은 시스템이 AI에 의해 분석되는 내용을 더 선택적으로 만들 수 있게 하여, 더 저렴하고 이벤트에 더 반응적으로 만듭니다. 이벤트는 상태 변화나 업데이트를 나타내며, 예를 들어 쇼핑 카트에 상품이 담기거나, 로열티 카드 신청이 제출되거나, 주문이 배송 준비가 되는 것 등이 있습니다.

이벤트는 그것이 무엇에 관한 것인지 나타내는 주제와 함께 '발행'되며, 시스템은 관련 주제를 가진 모든 이벤트를 수신하기 위해 '구독'할 수 있습니다. AI 시스템은 실시간 결과/솔루션/액션을 자동으로 트리거할 수 있는 실시간 결과를 생성하기 위해 이벤트를 수신하지만, 이 데이터 피드는 벡터 데이터베이스로의 수집이나 모델 자체의 파인튜닝을 통한 지속적인 학습을 위한 스트림도 제공합니다.

지능형 사용 사례로 이해관계자 설득하기

소매 분야에서 AI의 초기 애플리케이션 중 상당수는 생성형 AI(Gen-AI)와 대규모 언어 모델(LLM)에 초점을 맞출 것입니다. 이들은 매장 앱을 통한 직접 고객 상호작용, 옴니채널 고객 서비스 상호작용, 심지어 창고 근로자 지원에 사용될 수 있습니다.

하지만 오늘날 LLM 기반 AI의 가장 큰 문제 중 하나는 상대적으로 비싸고 느리다는 것입니다. 단순히 IoT 데이터를 LLM에 쏟아부어 처리하는 것은 빠르게 감당할 수 없게 되고 매우 비싸질 것입니다. AI와 IoT의 융합에서 가장 큰 이점은 소매 조직이 고객, 직원, 비즈니스 전체에 혜택을 주는 지능형 사용 사례를 식별함으로써 실현될 것입니다.

… 그리고 혜택이 스스로 말하게 하라

이벤트 지원 IoT 스트림은 매장 내, 고객 서비스 채널을 통해, 심지어 창고에서 소매 고객과 직원들에게 혜택을 제공할 수 있습니다.

이벤트 스트리밍을 기반으로 한 소매 분야의 AI와 IoT 융합이 실제 차이를 만들 수 있는 세 가지 사용 사례는 다음과 같습니다.

1) 연결된 공장 근로자 소개

창고에서 시작하여, AI는 공장 근로자의 예외 처리를 지원할 수 있습니다. 대부분의 소매업체들은 이제 창고 운영에서 어떤 종류의 모바일 또는 태블릿 장치를 사용하고 있으며, 이들은 재고 모니터링 및 기타 인벤토리 관련 작업을 위한 현장의 IoT 장치들에 의해 지원됩니다.

이 모든 것들은 AI가 새로운 인사이트를 얻고 잠재적 문제를 해결할 수 있는 풍부한 잠재적 이점을 제공합니다. 예를 들어, Gen-AI 솔루션은 모든 근로자들에게 문제, 사건/아차 사고, 효율성에 대한 생각을 보고할 수 있는 매우 쉬운 방법을 제공할 수 있습니다. 이것은 정성적 정보이지만, LLM 기반 AI는 그것을 검토, 분류, 그룹화하고 관리자에게 큐레이션된 조언을 제공할 수 있습니다.

운영을 안전하게 유지하기 위한 실시간 비상 대응

비상 상황에서, 예를 들어, 조직들이 창고나 공장 현장에서 실시간으로 대응하는 속도를 크게 높일 잠재력도 있습니다. 정보를 전달하고, AI가 그것을 전사하고, 살펴보고, 가능한 한 빨리 관련 담당자 앞에 놓는 이벤트 기반 시스템은 공장 현장에서 안전, 시간, 비용을 개선할 수 있습니다.

여기서 이벤트 메쉬는 각각 특정 이벤트 세트에 맞춤화된 많은 AI 에이전트들을 연결할 수 있습니다. 이는 원시 오디오가 포함된 모든 이벤트를 구독하고 음성-텍스트 모델을 사용하여 전사를 생성한 다음 메쉬로 다시 발행하는 것처럼 간단할 수 있습니다. 이 모든 구성 요소들은 보장된 메시징을 사용하여 비동기적으로 이벤트 메쉬를 통해 통신하여 어떤 이벤트도 전송 중 손실되지 않고 적절한 사람이나 장치에 전달되어 비상 대응을 트리거하도록 보장합니다.

2) 고객 선호도 더 잘 이해하여 쇼핑 경험 맞춤화

AIoT는 소매업체들이 매장 내 및 고객 데이터를 지능적으로 활용하여 고도로 맞춤화된 쇼핑 경험을 제공할 수 있게 합니다. IoT 장치의 고객 데이터를 AI로 분석함으로써 소매업체들은 제품 추천, 제안, 심지어 매장 내 경험을 개별 선호도에 맞게 조정할 수 있습니다. 고객이 어디에 있는지, 더 중요하게는 다른 모든 것이 어디에 있는지 아는 매장 내 고객 서비스 어시스턴트를 제공하는 경우를 예로 들어보겠습니다.

예를 들어, 고객이 매장 앱에 울타리를 짓고 싶다고 말할 수 있습니다. 그들은 더 이상 하드웨어 매장 직원이 그들이 필요한 제품이 어디에 있고 어떤 것을 사용해야 하는지 조언해주기를 기다릴 필요가 없습니다. 대신, AI 어시스턴트는 매장별 정보를 사용하여 각 고객의 필요에 맞춘 응답을 제공할 것입니다. 그것은 데이터베이스로 가서 쿼리에 지능적으로 답하고, '좋아, 이제 우리가 당신이 필요로 하는 자재 종류를 파악했으니, 매장을 돌아다니며 찾아보자'라고 말할 것입니다.

프론트엔드 고객 경험 극대화에는 백엔드 데이터 이동이 필요

이러한 요청을 빠르고 정확하고 효과적으로 조치할 수 있으려면 모든 재고 정보를 이벤트화하고 AI 처리를 해야 합니다. 고객들은 그들이 필요로 하는 자재가 실시간으로 사용 가능한지 알아야 하며, 이는 또한 매장 내 센서의 맥락적 사용을 요구하여 그들이 상품을 찾을 매장 구역으로 안내합니다.

이 장치 데이터와 AI 처리를 모두 통합하는 이벤트 기반 접근 방식은 이벤트 메쉬(애플리케이션, 클라우드 서비스, 장치 간에 이벤트 정보의 분배를 가능하게 하는 상호 연결된 이벤트 브로커 네트워크)를 사용하여 실시간 처리와 예측적 인사이트를 가능하게 합니다. 구매 후, 이벤트에는 고객이 집에 가서 필요한 프로젝트를 어떻게 만들지 설명하는 백엔드 문서와 지침도 포함될 수 있습니다.

3) 연락 센터에서 신뢰할 수 있는 코파일럿 에이전트 등장

현대 고객 연락 센터는 이제 더 나은 고객 서비스를 위해 설계된 AI 코파일럿과 함께 제공됩니다. 예를 들어 마이크로소프트 코파일럿은 이제 마이크로소프트 365에 내재되어 있으며, 생성형 AI로 기존 연락 센터 채널을 확장하여 서비스 경험을 향상시키고 상담원 생산성을 높입니다.

AI는 고객 서비스에 대한 녹음되거나 실시간 통화를 처리하여 긴급 지원이 필요한 심각한 문제가 있는지 강조할 수 있습니다. 이것은 AI가 고객 지원 담당자의 자리를 대신하는 것이 아니라, 인간 대 인간 통화에서 발생한 문제에 반응하여 고객과 그들이 겪고 있는 문제에 대한 실시간 맥락을 제공하는 것임을 주목하세요.

고객 서비스 담당자를 위한 추가 맥락을 위한 이벤트 지원 AI

이 AI 코파일럿을 이벤트화하고 고객 서비스 프로세스 전반의 수많은 데이터 포인트(고객 이력을 위한 CRM 데이터, 통신 중인 장치/채널 유형, 고객 서비스 스크립트/프로토콜, BI 리포팅)와 연결함으로써 조직들은 고객 서비스 담당자에게 새로운 수준의 실시간 인사이트를 제공할 수 있습니다.

AI 에이전트는 좁은 이벤트 세트를 구독하고, 해당 구독에 특화된 프롬프트 템플릿을 제공한 다음, LLM을 사용하여 이벤트에 추가 정보로 강화할 수 있습니다. 예를 들어, 사용자 상호작용에 대한 감정 분석을 수행하여 전문가에게 라우팅이 필요한 문제가 있는 고객, 업셀링이 적합한 고객, 또는 누적 데이터의 조합을 기반으로 새로운 이벤트를 합성하는 것을 식별합니다.

연결된 상거래가 더 스마트한 소매의 미래를 만든다

소매 산업에서 AI와 IoT의 결합은 소매업체들이 처분할 수 있는 기술과 데이터를 활용하는 방식에 혁신적 변화를 나타냅니다. 이벤트 기반 전략은 이 과정에서 중요한 구성 요소이며, 소매 조직들이 공장 현장에서 매장 내, 연락 센터까지 고객 경험을 향상시키고, 운영을 간소화하며, 직원들에게 권한을 부여하는 데 도움을 줄 것입니다.