Shopify VP Vanessa Lee가 말하는 AI 르네상스와 커머스의 미래

섹션별 상세

Sidekick은 Shopify 플랫폼 전반의 리소스를 관리하는 AI 어시스턴트로, 2년간의 기초 공사를 거쳐 실제 사용자 가치를 제공하는 아키텍처를 완성했다. 현재 1억 건 이상의 대화를 처리하며 제품 생성, 컬렉션 관리, 온라인 스토어 편집 등 복잡한 워크플로우를 지원한다.

AI의 할루시네이션을 방지하기 위해 'Ground Truth' 데이터셋과 'LLM-as-a-judge' 기법을 핵심 평가 시스템으로 활용한다. 사람이 직접 개입하여 평가 기준(Spec)을 설정하고, LLM이 다른 LLM을 채점하게 함으로써 개발 속도와 신뢰성을 동시에 확보하는 전략을 취한다.

고정된 UI의 한계를 극복하기 위해 LLM이 상점의 특정 요구에 맞는 맞춤형 애플리케이션 UI를 생성하는 기능을 도입했다. 이는 'Vibe Coding' 개념을 비기술자 사용자에게 확장한 것으로, 사용자가 필요한 기능을 말하면 그에 맞는 UI와 로직이 포함된 앱이 즉석에서 생성된다.

수백만 판매자의 데이터를 표준화하기 위해 AI를 활용한 제품 분류 시스템을 운영한다. 업로드된 이미지를 분석하여 카테고리를 정하고 소매 길이, 소재 등 상세 속성을 자동으로 제안함으로써 데이터 모델의 일관성을 유지하고 외부 플랫폼과의 연동성을 높인다.

외부 개발자들이 Sidekick의 워크플로우에 참여할 수 있도록 'App Intents'를 공개했다. 이는 MCP(Model Context Protocol)와 유사한 스키마를 사용하여, 사용자가 Sidekick과 대화하는 도중 서드파티 앱의 기능을 자연스럽게 호출하고 실행할 수 있는 생태계를 지향한다.

용어 해설

판사로서의 LLM(LLM-as-a-Judge): — 대형 언어 모델을 사용하여 다른 AI 모델의 응답 품질을 평가하는 기법이다. 사람이 모든 응답을 전수 조사하기 어려운 대규모 시스템에서 자동화된 평가 지표를 제공하며, 모델의 일관성과 정확도를 측정하는 핵심 도구로 활용된다.
지상 검증 자료(Ground Truth): — 모델이 예측하거나 분류해야 하는 실제 정답 데이터셋을 의미한다. AI 성능 평가의 절대적인 기준점이 되며, Shopify는 이를 통해 Sidekick의 응답이 브랜드 가치와 사용자 의도에 부합하는지 검증한다.
합성 데이터(Synthetic Data): — 실제 사용자 데이터 대신 알고리즘이나 모델을 통해 인위적으로 생성한 데이터이다. 초기 모델 학습 시 데이터 부족 문제를 해결하거나, 특정 시나리오를 시뮬레이션하여 모델의 대응 능력을 테스트하는 데 사용된다.
바이브 코딩(Vibe Coding): — 엄격한 문법이나 로직 설계 대신 자연어 대화와 추상적인 의도 전달만으로 소프트웨어를 구현하는 방식이다. 비전문가가 AI의 도움을 받아 복잡한 애플리케이션이나 UI를 생성할 때 주로 언급되는 개념이다.
모델 컨텍스트 프로토콜(MCP): — AI 에이전트가 외부 데이터 소스나 도구와 안전하고 표준화된 방식으로 연결될 수 있도록 돕는 프로토콜이다. Shopify는 이를 활용해 개발자들이 자신의 앱 기능을 Sidekick 에이전트에 통합할 수 있게 지원한다.

기술

Sidekick
Shopify CLI
GraphQL
Polaris
Cursor

활용 사례

자동 제품 카테고리 분류
맞춤형 비즈니스 앱 생성
AI 기반 상점 관리 어시스턴트
서드파티 앱 연동 워크플로우

언급된 리소스

문서How to convert empty to null in PostgreSQL? (Stack Overflow)

문서Shopify Sidekick Announcement