Crisp, 기업 클라우드 환경에서 리테일 AI를 구현하는 Halo 출시

Crisp가 기업 자체 클라우드 환경에서 실행할 수 있는 리테일 AI 플랫폼 Halo를 출시했다. 기업이 이미 운영 중인 데이터 및 거버넌스 시스템에 판매·공급망 분석을 더 가까이 가져오는 플랫폼이다. 10월 29일 발표된 이 플랫폼은 소비재(CPG) 제조업체와 소매업체, 유통업체, 브로커를 대상으로 한다.

이번 출시는 소매업계에서 익숙한 문제를 해결하려는 시도다. 팀은 판매나 재고의 변화를 확인하고도 그 원인을 파악하는 데 필요한 맥락을 모으느라 몇 시간씩 보내곤 한다. Crisp의 Halo 발표에 따르면, 이 시스템은 리테일 데이터와 업계 특화 로직, 에이전트형 도구를 결합해 사용자가 실적을 조사하고 다음 조치를 결정하도록 돕는다.

AI를 뒷받침하는 리테일 데이터 기반

Halo의 아키텍처는 소매업체와 유통업체에서 들어오는 정보에서 출발한다. Crisp의 플랫폼 개요는 이 기반을 데이터 통합, 관리, 모델링으로 나누고, 그 위에 에이전트형 도구와 역할별 애플리케이션을 구축한다.

이 구조가 중요한 이유는 거래 파트너마다 제품, 매장 또는 보고 기간을 서로 다르게 나타낼 수 있기 때문이다. 재고 부족에 관한 질문은 관련 시스템에서 어떤 품목과 위치, 기간을 가리키는지 일치할 때 더 유용해진다.

Crisp는 자사의 접근 방식을 수직형 AI라고 설명한다. 데이터를 분석에 활용하기 전에 정제하고 리테일 의미 체계를 더한다는 것이다. 회사의 관련 자료는 소매업체의 달력, 제품 계층 구조, 주문 충족률, 품절 분석을 관련 비즈니스 맥락의 예로 든다. Crisp에 따르면 상위 100개 CPG 기업 중 90곳을 포함해 7,000곳이 넘는 고객이 서비스를 이용하고 있다. 이는 회사가 발표한 도입 실적이다.

고객 클라우드 환경에서 실행

Halo는 호스팅형 플랫폼으로 제공되거나 고객 환경의 Databricks, Snowflake, Google Cloud에서 실행될 수 있다. 후자의 방식은 기업이 리테일 인텔리전스를 외부에서 호스팅하는 다른 애플리케이션으로 옮기지 않고도 활용할 수 있는 대안이다.

Crisp의 Databricks 아키텍처 문서는 구체적인 사례를 제시한다. 리테일 데이터는 Unity Catalog의 관리하에 Delta 테이블에 저장하고, 애플리케이션과 에이전트는 Databricks Apps에서 호스팅하며, 애플리케이션 상태와 대화, 에이전트 메모리에는 Lakebase 데이터베이스를 사용한다. 모델 호출은 Model Serving과 AI Gateway를 거치고, 의미 기반 쿼리에는 선택한 SQL 웨어하우스를 사용한다.

Crisp에 따르면 독점 데이터는 고객 환경 안에 유지되는 반면, 비독점 운영 로그와 원격 측정 데이터는 회사의 중앙 시스템과 공유된다. 이는 배포 과정에서 외부 통신이 전혀 없다고 말하는 것보다 정확한 설명이다. Crisp는 MLflow 통합과 자사의 의미 모델을 Unity Catalog Metric Views로 게시하는 기능도 로드맵 항목으로 제시한다.

IT 팀에 중요한 점은 운영 측면에 있다. 접근 제어와 추론 방식, 사용량 추적을 이미 갖춰진 인프라에 맞출 수 있다. 그러나 배포 위치만으로 답변의 정확성이나 자동화된 조치의 적절성이 입증되는 것은 아니다.

포트폴리오 전반의 질문에서 소매업체별 의사결정까지

이번 출시와 함께 Central Desk와 Customer Desk가 공개됐다. Central Desk를 사용하면 본사 팀이 소매 포트폴리오 전반을 살펴보며 영업 전략, 카테고리 관리, 공급망 계획을 수행할 수 있다. Customer Desk는 개별 소매업체의 지표와 용어, 운영 방식을 파악해야 하는 고객사 관리 팀을 대상으로 한다.

특정 제품의 판매 부진을 조사하는 브랜드를 생각해 보자. 중요한 질문은 변화의 원인이 수요, 재고 가용성, 유통 또는 다른 운영 요인인지 여부다. 매장 및 품목 단위 기록에 분석을 연결하면 팀이 조사 범위를 좁힐 수 있어, 포트폴리오 전체의 하락을 하나의 문제로만 취급하지 않아도 된다.

이것이 대화형 인터페이스와 리테일 애플리케이션의 실질적인 차이다. 리테일 애플리케이션은 질문의 배경에 있는 비즈니스 개체와 관계를 이해해야 한다. Halo의 플랫폼은 보충, 카테고리 계획, 공급업체 협업과 같은 기능을 중심으로도 역량을 구성한다.

추적 가능한 답변과 반복 가능한 워크플로

Crisp의 AI 에이전트 관련 자료는 매장 및 제품 단위의 일일 인텔리전스를 활용해 분석과 실행을 지원하는 도구를 설명한다. 회사는 Halo 전반에서 대화형 질문, 정기 보고서, 워크플로 자동화, 맞춤형 애플리케이션을 이러한 도구의 핵심 활용 방식으로 제시한다.

출시 자료는 추천의 근거가 된 원천 데이터와 생성에 사용된 로직을 추적할 수 있다는 점을 강조한다. 이러한 출처 정보가 있으면 답변을 더 쉽게 검토할 수 있다. 분석가는 매끄러운 설명을 그대로 받아들이는 대신 추천의 근거가 된 기록과 추론 과정을 살펴볼 수 있다.

플랫폼을 평가하는 기업은 이러한 설명을 넘어 실제 실행과 관련된 질문도 살펴봐야 한다. 어떤 조치가 허용되는지, 어떤 조치에 검토가 필요한지, 구현 후 변경 사항을 어떻게 측정하는지가 이에 해당한다. 공개 자료는 역량과 배포 아키텍처를 설명하지만, 예측 정확도나 재무적 수익에 대한 독립적인 벤치마크를 제시하지는 않는다.

Halo의 가장 큰 강점은 이러한 계층을 서로 연결한다는 점입니다. 소매업 관련 맥락은 AI 시스템이 활용할 수 있는 유용한 정보를 더 많이 제공하고, 고객 클라우드 환경에 배포하면 기존 거버넌스 체계에 맞출 수 있으며, 역할별 워크플로를 통해 분석 결과를 재고 및 상업적 의사결정을 담당하는 사람들에게 전달합니다.