Glowe: AI가 만든 나만의 K-뷰티 루틴 - 도메인 특화 AI 에이전트의 실용적 사례

스킨케어 제품을 선택하는 일은 생각보다 복잡합니다. 수천 개의 제품과 수만 개의 리뷰 속에서 내 피부에 맞는 제품을 찾기란 쉽지 않죠. 특히 한국의 스킨케어 시장은 혁신적인 제품들이 끊임없이 출시되지만, 개인의 피부 타입과 고민에 맞는 체계적인 루틴을 구성하기는 여전히 어려운 일입니다.

이런 문제를 해결하기 위해 벡터 데이터베이스 전문 기업 Weaviate에서 흥미로운 AI 애플리케이션을 선보였습니다. 바로 Glowe라는 K-뷰티 전문 추천 앱입니다. 이 앱은 단순한 제품 추천을 넘어서, 실제 사용자 리뷰 데이터를 분석하고 도메인 특화 AI 에이전트를 활용해 개인 맞춤형 스킨케어 루틴을 제공합니다.

왜 도메인 특화 AI 에이전트가 중요한가?

범용 AI가 아무리 똑똑해도 전문 분야에서는 한계가 있습니다. 스킨케어 분야에서 진정으로 유용한 조언을 하려면 단순히 인기 제품을 추천하는 것이 아니라, 다음과 같은 전문 지식이 필요합니다:

각 성분이 피부에 미치는 실제 효과
제품 간의 상호작용이나 충돌 가능성
개인의 피부 타입과 고민에 대한 정확한 이해
안전하고 효과적인 제품 조합 방법

Glowe의 핵심은 바로 이런 스킨케어 도메인 에이전트입니다. 이 에이전트는 Weaviate Agents와 Elysia 플랫폼을 통해 구현되었으며, 스킨케어 과학에 기반한 전문적인 조언을 제공합니다. 24시간 언제든지 접근할 수 있는 개인 스킨케어 전문가를 둔 것과 같습니다.

실제 사용자 경험 데이터로 제품 효과 분석

대부분의 추천 시스템은 제품 설명이나 브랜드 마케팅 자료에 의존합니다. 하지만 Glowe는 다른 접근법을 택했습니다. 1,440개의 엄선된 K-뷰티 제품과 94,500개의 실제 사용자 리뷰를 활용해, 제품의 실제 효과를 데이터로 분석했습니다.

리뷰 데이터의 구조화된 분석

각 리뷰를 Gemma 3 12B 모델로 분석해 실제 효과를 추출했습니다:

{
  "text": "처음에는 약간 트러블이 났지만, 계속 쓰니까 홍조가 줄어들고 촉촉해졌어요",
  "positive_effects": ["홍조 완화", "수분 공급"],
  "negative_effects": ["초기 트러블"]
}

이런 방식으로 마케팅 문구가 아닌 실제 사용자 경험에 기반한 제품 효과를 파악할 수 있었습니다.

혁신적인 듀얼 임베딩 전략

일반적인 제품 추천 시스템은 제품 전체 정보(이름, 브랜드, 설명, 성분)를 하나의 벡터로 임베딩합니다. 하지만 스킨케어에서는 이런 방식이 문제가 될 수 있습니다. 일반적인 정보가 벡터 공간을 지배하면서 ‘수분 공급’, ‘글로우’, ‘여드름 완화’ 같은 핵심 효과가 묻힐 수 있기 때문입니다.

해결책: 두 가지 독립적인 임베딩

Glowe는 Weaviate의 네임드 벡터 기능을 활용해 제품을 두 가지 관점에서 임베딩합니다:

제품 임베딩: 브랜드, 카테고리, 성분 등 기본 정보
효과 임베딩: 실제 사용자 리뷰에서 추출한 스킨케어 효과

TF-IDF를 활용한 효과 가중치 계산

특히 흥미로운 것은 효과 임베딩에서 TF-IDF 가중치를 활용한 점입니다. 단순히 ‘수분 공급’이 언급되었다는 것보다, ‘얼마나 강하게 수분 공급 효과가 있는지’를 수치화했습니다.

TF-IDF 계산 과정:

TF (Term Frequency): 해당 제품 리뷰에서 특정 효과가 얼마나 자주 언급되는가
IDF (Inverse Document Frequency): 전체 제품 중에서 해당 효과가 얼마나 드문가

예를 들어, 모든 제품에서 언급되는 ‘수분 공급’보다는 일부 제품에서만 나타나는 ‘홍조 완화’ 효과에 더 높은 가중치를 부여합니다. 이를 통해 제품의 특별한 강점을 정확히 파악할 수 있습니다.

AI 기술 스택: Weaviate + Gemini 2.5 Flash

개인 맞춤형 루틴 생성 과정

사용자 정보 수집: 피부 타입, 고민, 목표, 민감도 등을 구조화된 데이터로 수집
제품 카테고리 선택: 기본 클렌저, 모이스처라이저에 개인 고민에 맞는 카테고리 추가
Weaviate 벡터 검색: 사용자 니즈와 제품 효과 벡터 간의 유사도 검색
Gemini 2.5 Flash 조합: 검색된 제품들을 안전하고 효과적으로 조합

지능적인 제품 조합

Gemini 2.5 Flash는 단순히 개별 제품을 추천하는 것이 아니라, 전체 루틴의 관점에서 제품들을 선택합니다:

성분 간의 상호작용 고려 (예: 강한 산성 성분들의 중복 사용 방지)
개인의 민감도 반영 (예: 레티놀 알레르기 시 대체재 선택)
아침/저녁 루틴의 차별화
제품 간의 시너지 효과 극대화

자연어 기반 대화형 AI: Elysia 플랫폼

Glowe의 또 다른 특징은 자연어로 소통할 수 있는 대화형 AI입니다. 이는 Weaviate에서 개발 중인 오픈소스 에이전트 플랫폼인 Elysia를 통해 구현되었습니다.

Elysia의 주요 특징

의사결정 트리 로직: 사용자 입력과 맥락에 따라 다른 대화 경로 선택
맥락 인식 및 사용자 관리: 대화 히스토리와 사용자 프로필 기억
커스텀 도구 통합: 스킨케어 전문 기능들을 쉽게 추가 가능
자체 교정 기능: 오해나 오류를 스스로 감지하고 수정

Weaviate Query Agent 활용

“민감한 피부에 좋은 수분 세럼을 찾아줘”라고 요청하면, Elysia는 이를 Weaviate Query Agent에 전달합니다. 이 에이전트는:

자연어를 구조화된 검색 쿼리로 변환
Weaviate 컬렉션에서 관련 제품 검색
결과를 종합해 개인화된 답변 생성

도메인 특화 AI의 미래 시사점

Glowe 사례는 AI 애플리케이션의 몇 가지 중요한 트렌드를 보여줍니다:

1. 전문성이 핵심 경쟁력

범용 AI가 아무리 발전해도, 실제 비즈니스 가치는 도메인 전문 지식과 결합될 때 극대화됩니다. 스킨케어, 의료, 금융 등 각 분야의 전문성을 AI에 효과적으로 주입하는 것이 관건입니다.

2. 벡터 데이터베이스의 필수적 역할

복잡한 유사도 검색과 추천 시스템에서 벡터 데이터베이스는 이제 필수 인프라가 되었습니다. 특히 Weaviate같은 AI 네이티브 데이터베이스는 임베딩 저장부터 검색까지 통합된 환경을 제공합니다.

3. 실데이터 기반 학습의 중요성

마케팅 자료나 제품 설명서가 아닌, 실제 사용자 경험 데이터를 활용한 AI 시스템이 더 정확하고 유용한 결과를 제공합니다. 이는 다른 도메인에서도 적용 가능한 중요한 원칙입니다.

실무 적용을 위한 고려사항

Glowe의 접근법을 다른 도메인에 적용하려면 다음 사항들을 고려해야 합니다:

도메인 전문 지식의 구조화: 해당 분야의 전문 지식을 AI가 활용할 수 있는 형태로 체계화
품질 높은 실데이터 확보: 마케팅 자료가 아닌 실제 사용자 경험 데이터 수집
적절한 임베딩 전략: 도메인 특성에 맞는 벡터 표현 방식 선택
사용자 경험 최적화: 복잡한 AI 기술을 사용자 친화적 인터페이스로 구현

K-뷰티 시장에서 시작된 Glowe의 실험은 AI가 단순한 자동화를 넘어 진정한 전문가 수준의 조언을 제공할 수 있음을 보여줍니다. 앞으로 더 많은 분야에서 이런 도메인 특화 AI 에이전트들이 등장해, 우리의 일상과 업무에 실질적인 도움을 줄 것으로 기대됩니다.

참고자료:

AI Sparkup

Glowe: AI가 만든 나만의 K-뷰티 루틴 – 도메인 특화 AI 에이전트의 실용적 사례