Choco의 AI 에이전트가 바꾸는 것: 주문 자동화가 아니라 유통 운영의 재설계

Choco가 식자재 유통용 AI 에이전트 'Autopilot'을 내놨다. 핵심은 주문을 "읽어주는" 수준이 아니라, 들어온 주문을 AI가 스스로 검토해 ERP로 바로 넘길지, 사람에게 보낼지를 판단한다는 점이다.¹² OpenAI가 소개한 원문도 이 변화를 "AI agents" 맥락에서 다룬다.³

왜 지금 중요할까. 식자재 유통은 여전히 음성사서함, 문자, 왓츠앱, 이메일처럼 제각각인 채널로 주문이 들어오고, 이를 사람이 ERP에 옮겨 적는 노동에 크게 의존해 왔다. Choco는 바로 이 비정형 주문 입력 구간을 자동화의 진짜 병목으로 보고 파고들고 있다.⁴⁵ 즉, 이번 발표는 "AI가 또 들어왔다"가 아니라, 현장 운영의 마지막 수기 구간을 AI가 대신 맡기 시작했다는 신호에 가깝다.

이번 변화의 본질은 '인식 AI'에서 '판단 AI'로의 이동

확인된 사실부터 보자. Choco는 2023년부터 음성, SMS, 이메일, 메신저 주문을 디지털화하는 Choco AI를 운영해 왔고, 이번 Autopilot은 그다음 단계로 소개됐다.² 이전에는 AI가 주문 내용을 구조화해도 사람이 마지막 검토를 해야 했다면, 이제는 AI가 주문별로 신뢰도를 평가해 일부는 자동 처리한다는 구조다.¹²

이 차이는 생각보다 크다. OCR이나 음성 인식 기반 자동화는 "입력 속도 개선"에 가깝지만, 자동 승인까지 가면 업무 흐름의 책임 분기점이 바뀐다. 누가 데이터를 입력하느냐의 문제가 아니라, 누가 예외를 고르고 누가 기본값을 결정하느냐의 문제로 넘어가기 때문이다.

실무적으로는 여기서 ROI가 급격히 달라진다. Choco는 초기 도입 고객에서 주문의 50%를 수동 검토 없이 처리한다고 설명하고, 현장 세일즈 담당자는 반복 입력 대신 고객 대응과 영업에 시간을 더 쓸 수 있다고 말한다.²⁴ 다만 이 수치는 Choco 측 사례와 초기 도입 맥락이므로, 모든 유통사에 그대로 적용된다고 보기는 어렵다. 중요한 것은 퍼센트 자체보다 "사람이 전수검사하던 흐름을 예외검사 중심으로 바꿀 수 있느냐"다.

잘 맞는 곳은 분명하다: 주문이 많고, 채널이 제각각이고, ERP가 이미 있는 곳

Choco의 제품 설명과 기술 글을 종합하면, 이 시스템이 강한 환경은 비교적 명확하다. 주문이 여러 채널에서 들어오고, 고객별로 자주 사는 품목 패턴이 있으며, 최종적으로는 ERP에 정리된 주문 데이터가 들어가야 하는 식자재 유통사다.⁴⁵ Choco는 자체적으로 Top Shelf, Sage, 커스텀 ERP 등과 연결 가능하다고 강조한다.⁴

왜 이런 조건이 중요할까. 이 AI는 일반적인 챗봇처럼 "말을 잘하는" 것이 아니라, 고객 이력과 카탈로그 문맥을 붙여 "이 주문이 실제로 무엇을 뜻하는지" 맞히는 데 가치가 있다. 예를 들어 "토마토 2킬로"라는 표현만으로는 상품 코드가 정해지지 않지만, 거래 이력과 포장 단위 정보가 있으면 특정 SKU로 매칭할 수 있다는 게 Choco의 설명이다.⁵

반대로 한계도 분명하다. 상품 마스터가 부정확하거나, 고객별 주문 패턴이 자주 바뀌거나, 예외 주문이 많은 사업자는 자동 승인 비율이 기대보다 낮을 수 있다. AI가 똑똑하냐보다 데이터와 운영 규칙이 얼마나 정리돼 있느냐가 더 중요해지는 구간이다. "비정형 입력을 AI가 해결해준다"는 말만 보고 도입하면, 실제로는 혼란스러운 카탈로그와 불명확한 가격 규칙이 병목으로 다시 드러날 가능성이 높다.

진짜 경쟁 상대는 사람이 아니라, '불완전한 자동화'다

이 시장에서 비교 대상은 완전 수기 입력만이 아니다. 이미 많은 유통사는 OCR, 주문 포털, 콜센터, 부분 자동화 조합으로 버티고 있다. 그래서 Autopilot의 관전 포인트는 "AI를 썼다"가 아니라, 기존 자동화 대비 어디까지 책임을 넘겨받느냐다.

Choco는 최대 97% 수준의 데이터 변환 정확도, 진행 중인 고객 운영 기준 최대 99% 주문 정확도를 목표로 제시한다.⁴ 또 음성 주문용 VoiceAgent는 OpenAI의 Realtime API를 기반으로 재고 확인, 대체품 추천, 프로모션 제안까지 수행한다고 밝혔다.⁶ 여기서 보이는 전략은 명확하다. 주문을 받아 적는 데서 끝나지 않고, 주문 접점 자체를 AI 인터페이스로 바꾸려는 것이다.

하지만 여기엔 트레이드오프가 있다. 자동 승인 비율을 높일수록 인건비 절감과 처리 속도는 좋아지지만, 잘못 승인된 주문 한 건의 비용도 커진다. 특히 식자재 유통은 품절 대체, 유통기한 임박 재고, 고객별 가격, 포장 단위 차이처럼 예외가 수익성에 직접 연결된다. 그래서 Choco가 "어떤 고객을 Autopilot에 태울지 유통사가 직접 결정한다"고 강조하는 건 단순한 옵션이 아니라 신뢰 설계의 핵심이다.²⁴

앞으로 봐야 할 것은 AI 성능보다 운영 통제 방식이다

Choco의 기술 블로그는 이 시스템이 하나의 거대한 모델이 아니라, 전사·추출·매칭 같은 좁은 작업을 여러 모델로 나누고 평가 데이터셋으로 지속 검증하는 방식이라고 설명한다.⁵ 이는 단순 홍보 문구보다 더 중요한 단서다. 현업용 AI는 데모보다 예외 처리와 평가 체계가 중요하다는 뜻이기 때문이다.

그래서 이 뉴스를 보는 실무자의 질문도 바뀌어야 한다. "AI 에이전트가 되냐"보다 "우리 주문 중 몇 %가 반복적이고 예측 가능하냐", "예외를 누가 어떻게 승인하냐", "ERP와 가격 규칙, 고객 이력이 얼마나 정리돼 있냐"를 먼저 봐야 한다.

결국 이 변화에 가장 민감해야 할 사람은 식자재 유통사 운영 책임자, 주문 데스크 관리자, ERP 연동을 맡는 IT팀이다. Choco가 보여준 것은 AI가 유통을 바꾼다는 추상적 선언이 아니라, 수기 주문 입력이라는 오래된 병목이 이제 자동 승인 가능한 영역으로 넘어가고 있다는 사례다. 다만 승부는 모델 이름이 아니라, 예외 통제와 데이터 품질에서 갈릴 가능성이 높다.

참고

¹Choco Launches Autopilot - The First AI Agent in Food Distribution

²Choco OrderAgent | Industry Leading AI For Food Distributors

³Choco automates food distribution with AI agents

⁴Choco and OpenAI join forces to launch the first AI Voice Agent for the food service industry

⁵Scaling AI Applications with LLMs

⁶Choco unveils Autopilot, an artificial intelligence dedicated to food distribution