OTTO 사례: 모호한 질문을 추천 전에 다시 검증하는 AI 검색

고객은 검색창에 ‘세탁기’를 쓰기도 하지만, 실제로는 “반려견이 있고 혼자 사는데 조용한 제품이 필요해요”처럼 목적·환경·제약을 함께 말합니다. 이 질문을 키워드로만 바꾸면 수천 개 후보가 나오고, 반대로 AI가 바로 하나를 추천하면 근거가 약해질 수 있습니다. 대화형 검색의 품질은 말솜씨보다 후보 검증 흐름에서 갈립니다.

Google Cloud가 공개한 OTTO 사례는 약 1,900만 제품을 대상으로 한 대화형 쇼핑 도우미를 소개합니다. 사례에서 시스템은 모호한 요청을 후보 검색과 검증 문제로 다루며, 후보를 먼저 찾은 뒤 고객 조건에 맞는지 다시 평가합니다. 또한 대화 흐름의 안전 규칙을 지키기 위해 별도의 오케스트레이션 계층을 만들었다고 설명합니다.

검색과 추천은 다른 업무입니다

검색은 가능한 후보를 빠뜨리지 않는 데 집중합니다. 추천은 고객의 조건과 후보의 속성을 비교해 하나 또는 몇 개를 제시하고 이유를 설명하는 일입니다. 두 단계를 섞으면 AI가 처음 떠오른 결과를 확신 있게 말하거나, 고객이 말한 제약을 놓칠 수 있습니다.

OTTO 사례는 이 차이를 명확하게 보여 줍니다. 예를 들어 ‘조용한 세탁기’라는 말은 제품 속성, 사용 환경, 고객이 중요하게 생각하는 기준을 함께 해석해야 합니다. 그래서 후보를 찾은 뒤 다시 적합성을 확인하고, 고객에게 닿기 전에 검증 단계를 둡니다. 이 글의 운영표는 해당 사례에서 배운 원칙을 일반 업무 검색에 적용한 LeanX 제안입니다.

대화형 검색의 세 단계

이 구조는 상품 검색뿐 아니라 내부 지식 검색, B2B 솔루션 추천, 상담 전 사전 진단에도 쓸 수 있습니다. 예를 들어 “우리 팀에 맞는 자동화가 무엇인가요?”라는 질문에 바로 특정 도구를 추천하지 말고, 업무량·데이터 위치·승인 필요 여부를 먼저 확인하고 후보를 비교해야 합니다.

검증 단계에는 ‘맞지 않는 이유’도 남기세요

추천 AI가 잘하려면 맞는 후보만 보여 주는 것보다, 왜 다른 후보는 제외됐는지도 내부적으로 기록해야 합니다. 가격 조건이 불명확한지, 재고·권한·지원 범위가 맞지 않는지, 고객이 말하지 않은 조건이 남았는지 표시하면 다음 질문이 더 정확해집니다.

결과를 고객에게 모두 길게 보여 줄 필요는 없습니다. 다만 ‘조용함’이라는 요구를 어떤 사양으로 해석했는지, 추천한 후보가 어떤 조건을 충족하는지, 무엇은 확인이 필요한지 정도는 간단히 말해야 합니다. 답이 불확실하면 추천보다 질문으로 돌아가는 것이 맞습니다.

모호한 질문 한 개로 시작하는 파일럿

사이트 전체 검색을 바꾸려 하지 말고 고객 상담에서 자주 나오는 모호한 질문 한 유형을 고릅니다. 최근 문의 20건에서 질문, 실제 추천, 고객의 추가 질문, 최종 선택을 익명화해 대표 사례로 만듭니다. AI가 후보를 찾는지보다, 필요한 확인 질문을 빠뜨리지 않는지부터 검수하세요.

첫 단계에서는 추천을 고객에게 바로 보여 주지 않고 상담자에게 초안으로 제시할 수 있습니다. 상담자는 후보·이유·추가 질문을 채택하거나 고치고, 왜 수정했는지 기록합니다. AI 후보의 위험도와 사람이 검수할 위치는 AX 자가진단에서 업무 흐름으로 나눠 볼 수 있습니다.

검증 가능한 추천 카드

고객의 원문 질문:
확인된 조건 / 아직 모르는 조건:
후보 검색 범위와 사용한 자료:
후보별 충족 조건과 제외 이유:
추천 결과와 근거 링크:
추가로 물어볼 질문:
사람 검수: 채택 / 수정 / 보류:
고객 반응과 다음 대표 사례:

이 카드가 있으면 추천이 그럴듯한 문장 경쟁이 아니라, 조건과 근거를 관리하는 업무가 됩니다. 추천이 틀렸을 때도 프롬프트를 무작정 늘리는 대신 후보 검색, 속성 데이터, 확인 질문 중 어디를 고칠지 찾을 수 있습니다.

대화 UX는 자유로움보다 통제가 필요합니다

OTTO는 대화가 자연스럽게 이어지면서도 안전 규칙을 지키기 위해 별도 오케스트레이션 계층을 뒀다고 설명합니다. 팀의 첫 버전에도 같은 원칙이 필요합니다. 금지된 조언, 근거 없는 추천, 재고·가격처럼 실시간 확인이 필요한 정보, 사람에게 이관할 상황을 미리 정하세요. 고객이 대화 중에 주제를 바꿔도 이 규칙은 유지되어야 합니다.

서비스의 고객 질문·검색 데이터·추천 책임 경계를 함께 설계하려면 AX 교육 프로그램에서 대표 사례와 검수 기준을 팀 단위로 만들 수 있습니다.

자주 묻는 질문

대화형 검색은 일반 검색을 대체하나요? 아닙니다. 목록 탐색에는 일반 검색이 효율적일 수 있고, 대화형 검색은 맥락과 확인 질문이 결과 품질을 바꾸는 상황에 적합합니다.

왜 후보를 다시 검증해야 하나요? 비슷한 키워드가 있어도 목적·조건·제약에 맞지 않을 수 있습니다. 추천 전에 적합성을 다시 비교해야 합니다.

출처: Google Cloud, “A product marketplace that listens: OTTO built a voice shopping AI across 19 million products”를 2026년 9월 22일 확인했습니다. 페이지에 게시일은 표시되지 않았으며, 사례는 2026년 5월 공개 베타와 후보 검색·재검증 방식을 설명합니다. 세 단계 표와 추천 카드는 LeanX의 제안입니다.