아이디어는 있는데, 그다음이 막막할 때가 많습니다. 영상을 찍어야 할지, 앱 화면을 만들어야 할지, 시제품을 깎아야 할지, 아니면 아예 누군가에게 제작을 맡겨야 할지부터 헷갈립니다. AI 도구가 많아질수록 문제는 더 단순해지는 게 아니라, "내가 필요한 것은 도구인가, 운영 시스템인가?"라는 질문으로 바뀝니다.
Marc Lore의 푸드테크 기업 Wonder가 말하는 Wonder Create는 이 질문을 극단적으로 보여줍니다. 사용자가 만들고 싶은 식당 콘셉트를 입력하면 AI가 이름, 브랜딩, 메뉴, 가격, 영양 정보, 레시피까지 생성하고, 이를 Wonder의 주방 네트워크에 올리는 구상입니다. Wonder는 현재 120개 기술 기반 주방을 운영 중이며, 내년에는 400개까지 늘리겠다는 계획을 밝히고 있습니다.1
Wonder Create는 '식당용 챗GPT'가 아니라 운영 플랫폼에 가깝다
겉으로 보면 Wonder Create는 "프롬프트로 식당 브랜드 만들기"입니다. 하지만 핵심은 생성 AI 자체보다 그 뒤에 붙은 실행 인프라입니다.
Wonder의 주방은 여러 브랜드를 한 공간에서 돌리는 '프로그래머블 쿠킹 플랫폼'에 가깝습니다. 보도에 따르면 이 주방들은 700개 재료 라이브러리를 기반으로 여러 유형의 음식을 만들고, 컨베이어와 로봇 팔 같은 자동화 장비를 점점 더 많이 도입하고 있습니다.1
이 차이가 중요합니다. 단순 AI 도구는 아이디어를 문서나 이미지로 바꿉니다. 반면 Wonder Create가 지향하는 것은 아이디어를 실제 판매 가능한 음식 브랜드로 바꾸는 것입니다. 즉, 생성의 병목이 "콘셉트 설계"에서 "품질, 조리, 배송, 반복 운영"으로 이동합니다.
실무적으로는 이렇게 봐야 합니다. 내가 필요한 것이 로고와 메뉴 초안이라면 AI 도구면 충분합니다. 하지만 고객이 돈을 내고 먹을 수 있는 상품을 만들려면 주방, 재료, 위생, 조리 일관성, 물류가 필요합니다. Wonder Create의 야심은 바로 이 후자를 패키지화하는 데 있습니다.
'누구나 식당을 열 수 있다'는 말의 반쪽만 믿어야 한다
Wonder Create가 흥미로운 이유는 식당 창업의 진입 장벽을 낮출 가능성 때문입니다. 인플루언서, 트레이너, 비영리 단체, 기존 셰프가 자기 콘셉트의 메뉴를 빠르게 테스트할 수 있습니다. 물리적 매장을 임대하지 않고도 수요를 확인할 수 있다는 점은 분명 매력적입니다.
하지만 이것이 곧 "누구나 성공적인 식당을 운영한다"는 뜻은 아닙니다.
비슷한 약속을 했던 고스트 키친은 이미 한 차례 현실의 벽을 만났습니다. 특히 여러 위탁 주방에 의존한 브랜드들은 음식 품질과 고객 경험의 일관성을 유지하는 데 어려움을 겪었습니다. Wonder는 자동화와 자체 주방망으로 이 문제를 줄이려 하지만, 대규모로 검증됐다고 보기는 아직 이릅니다.1
또 한계도 명확합니다. Lore는 피자 도우를 던지고 늘리거나, 스시를 자르고 마는 작업처럼 숙련 손기술이 필요한 영역은 아직 어렵다고 인정했습니다. 현재 강점은 버거, 치킨, 볼 메뉴처럼 표준화하기 쉬운 패스트캐주얼 카테고리에 가깝습니다.1
따라서 판단 기준은 "AI가 메뉴를 잘 짜느냐"가 아닙니다. 중요한 질문은 세 가지입니다.
내 콘셉트가 표준화된 조리 공정에 맞는가
브랜드 차별성이 맛보다 스토리와 유통에 있는가
실패했을 때 빠르게 접고 다시 실험할 수 있는가
이 세 가지에 "예"가 많을수록 Wonder Create 같은 모델과 잘 맞습니다.
도구, 스튜디오, 랩 중 무엇이 필요한가
'Wonder Create'라는 이름 주변에는 흥미로운 혼선이 있습니다. 검색해 보면 영상 녹화·편집 도구인 Wondershare DemoCreator, 교육용 로봇과 코딩 플랫폼 Make Wonder, 디자인을 코드로 연결하는 Wonder.design, AI 개발과 엔터테인먼트를 결합한 일본의 WONDER CREATE 같은 전혀 다른 서비스들이 함께 나타납니다.2345
이 혼선은 오히려 좋은 힌트입니다. 창작 기술을 고를 때 이름보다 먼저 목적을 분리해야 합니다.
콘텐츠를 만들고 싶다면 녹화·편집 도구가 맞습니다. 예를 들어 DemoCreator는 화면, 웹캠, 오디오를 분리 트랙으로 녹화하고 AI 자막, 노이즈 제거 같은 기능을 제공합니다.2 제품 화면이나 서비스 설명 영상을 만들 때 유용합니다.
아이에게 창의적 문제 해결을 가르치고 싶다면 학습 시스템이 필요합니다. Make Wonder는 Dash 로봇과 가상 로봇, 교사용 대시보드, 수업 계획을 결합해 코딩 교육을 지원합니다.3
디자인을 실제 코드로 밀어 넣고 싶다면 디자인-개발 연결 도구가 맞습니다. Wonder.design은 캔버스에서 AI로 디자인하고 코드 컨텍스트와 연결하는 방향을 내세웁니다.4
반면 Wonder Create 식의 식당 생성은 단순 도구가 아니라 "브랜드 생성 + 제조 + 유통" 모델입니다. 이 경우 사용자는 창작자가 아니라 실험 설계자에 가까워집니다. 무엇을 만들지보다, 어떤 고객 반응을 검증할지가 더 중요해집니다.
올인원 창작의 편리함은 독창성과 맞바꿀 수 있다
AI가 이름, 가격, 사진, 레시피까지 한 번에 만들어주면 속도는 압도적으로 빨라집니다. 그러나 올인원 시스템에는 보이지 않는 비용이 있습니다.
첫째, 표현의 범위가 플랫폼의 재료와 공정 안으로 좁아집니다. Wonder의 700개 재료 라이브러리는 커 보이지만, 결국 그 안에서 가능한 음식만 빠르게 확장됩니다.
둘째, 브랜드가 쉽게 생기는 만큼 쉽게 비슷해질 수 있습니다. 프롬프트 기반 생성은 초기 품질을 끌어올리지만, 차별화의 마지막 20%는 여전히 인간의 취향, 고객 이해, 반복 실험에서 나옵니다.
셋째, 플랫폼 의존성이 생깁니다. Wonder가 Grubhub, Blue Apron, Spice Robotics 같은 자산을 결합하는 이유는 유통과 공급망, 자동화까지 장악하기 위해서입니다.1 창업자 입장에서는 편리하지만, 동시에 고객 데이터와 운영 통제권 일부를 플랫폼에 맡기는 구조가 됩니다.
결론은 단순합니다. Wonder Create는 "요리 경험이 없어도 식당을 만들 수 있다"기보다, "식당이라는 실험을 소프트웨어처럼 배포할 수 있다"에 가깝습니다.
지금 이 흐름을 신경 써야 할 사람은 셰프만이 아닙니다. 크리에이터, 브랜드 마케터, 프랜차이즈 기획자, 로컬 푸드 창업자 모두 해당됩니다. 다만 첫 질문은 바뀌어야 합니다. "AI로 무엇을 만들 수 있나?"가 아니라 "내 아이디어는 도구로 충분한가, 아니면 생산과 유통까지 묶인 플랫폼이 필요한가?"입니다.
참고
1Marc Lore says that AI will soon enable anyone to open a restaurant
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.