상점 운영자가 지능형 카메라 도입을 알리면, 직원들은 기술적인 질문을 던지는 경우가 드뭅니다. 오히려 이렇게 묻습니다. "이 카메라가 나를 지켜보는 건가요?" 정당한 질문이지만, 영업용 브로슈어는 여기에 답해 주지 않습니다. 비전 AI가 매장에서 실제로 무엇을 분석하는지 알아보는 가장 쉬운 방법은 이미지 한 장이 카메라에서 알림까지 이동하는 경로를 따라가며, 그 과정에서 모델이 무시하는 모든 것을 짚어 보는 것입니다.

한편 비디오 분석은 아직 유통 업계에서 널리 도입되지 않았습니다. 2024년에 대부분 유럽과 북미 소재 유통업체 70곳을 대상으로 실시한 ECR Retail Loss의 유통 분야 비디오 분석 조사에서, 조사된 분석 솔루션의 평균 이용률은 10%를 넘지 않았고 매장 판매 공간에서는 4%까지 떨어졌습니다. 업계에 합의된 정의가 없기 때문에, 같은 보고서는 비디오 분석에 대한 작업 정의를 제시합니다. 영상을 자동으로 해석하여 명확하게 정의되고 활용 가능한 결과를 만들어 내는 시스템입니다. 이어지는 모든 내용은 이 두 단어에 담겨 있습니다.

비전 AI에게 "본다"는 것의 의미

카메라는 연속된 이미지를 전송합니다. 모델은 매장 직원처럼 장면을 "이해"하지 않습니다. 손의 위치, 사물, 움직임을 학습된 범주와 비교할 뿐입니다. 관찰한 내용이 그중 하나와 충분히 일치하면 이벤트를 생성합니다. 즉 제스처의 유형, 구역, 시각, 짧은 영상 클립입니다. 그 이상은 없습니다.

그러므로 모든 것은 이미지의 선명도에 달려 있습니다. 저해상도 스트림에서는 재킷 주머니에 면도기를 밀어 넣는 손이 흐릿한 몇 개의 픽셀로 줄어들기 때문에, 고해상도 메인 스트림 기반 영상 분석이 중요합니다. Oxania에서는 이 메인 스트림을 매장에 설치된 전용 GPU에서 처리합니다. 감지는 현장에서 이루어지고, 카메라 스트림은 매장 밖으로 나가지 않으며, 알림과 관련된 클립만 고객 소재 국가와 가장 가까운 서버에 보관됩니다.

사람을 지켜보는 시선이 아닌, 한정된 제스처 어휘

손실 예방에 적용될 때, 제스처 감지 모델은 한정된 범주 목록을 기반으로 작동합니다. 절도 측면에서는 일반적으로 다음과 같은 범주가 있습니다.

  • 주머니, 옷 안쪽 또는 개인 가방 안에 상품을 은닉하는 행위
  • 상품을 배낭, 핸드백 또는 용도가 불분명한 가방에 넣는 행위
  • 계산대에서 결제하기 전에 포장을 뜯는 행위
  • 결제하지 않은 상품을 매장에서 마시거나 먹는 행위
  • 카트, 유모차, 장바구니처럼 장면을 읽는 데 도움이 되는 맥락 요소

일부 시스템은 낙상 알림을 추가하기도 하는데, 이는 상품보다는 고객과 직원의 안전에 유용합니다. 이 범주 중 어느 것도 이미지 속 인물이 누구인지 알려 주지 않습니다. 위험 제스처 감지는 특정 시점에 특정 구역에서 일어나는 하나의 동작을 대상으로 합니다.

AI가 하지 않는 일

감지 목록만큼이나 제외 목록도 중요하며, 직원들을 안심시키는 것도 대개 이쪽입니다. 이러한 틀 안에서 설계된 제스처 분석 AI는 다음과 같습니다.

  • 누구도 식별하지 않습니다. 얼굴 인식도, 이름도, 인물 데이터베이스도 없습니다.
  • 한 사람을 이 매장 구역에서 저 구역으로, 또는 한 번의 방문에서 다음 방문으로 추적하지 않습니다.
  • 어떤 프로파일도 만들지 않습니다. 나이도, 출신도, "위험한" 복장도 다루지 않습니다. 통계는 사람별이 아니라 구역별, 시간대별로 확인합니다.
  • 의도를 판단하지 않습니다. 위험 제스처는 범죄가 아니라 사람의 확인이 필요한 상황일 뿐입니다.
  • 직원의 업무를 측정하지 않습니다. 생산성, 휴식 시간, 절차 준수에 관한 범주는 전혀 없습니다.

이처럼 범위가 좁게 한정되어 있으면 도구의 용도를 설명하기가 쉽습니다. 무엇이 알림을 발생시키는지 직원에게도, 고객에게도 한 문장으로 말할 수 있으며, 바로 이 점이 도구를 받아들이기 쉽게 만듭니다.

알림은 판결이 아닙니다. 결정은 여전히 사람의 몫입니다

모델도 때로는 실수합니다. 커피 한 팩을 집은 직후 안경을 주머니에 넣는 고객을 예로 들어 봅시다. 기계의 눈에는 이 장면이 은닉처럼 보일 수 있습니다. 따라서 알림은 팀에게 던지는 하나의 질문이지, 결코 결론이 아닌 것으로 다뤄야 합니다.

유럽 AI 규정의 인간 감독에 관한 제14조는 이 함정을 분명하게 짚습니다. 바로 자동화 편향, 즉 기계의 결과를 자동적으로 또는 지나치게 신뢰하는 경향입니다. 이 조항은 감독을 맡은 사람이 시스템의 결과를 무시하거나, 대체하거나, 뒤집을 수 있어야 한다고 요구합니다. 이 규정은 고위험 시스템을 대상으로 하지만, 위험 제스처를 감지하는 모든 도구에 같은 원칙을 적용하지 못할 이유는 없습니다.

현장에서 알림을 받은 사람은 영상 클립을 확인한 뒤 선택합니다. 아무것도 하지 않거나, 해당 매장 구역을 둘러보거나, 고객에게 도움을 제안하거나, 상황이 확인되면 당국에 신고 절차를 진행합니다. 직원과 AI는 함께 일하며, 간단한 원칙을 따릅니다. 기술이 감지하고, 사람이 결정합니다.

고객과 직원에 대한 투명성

2019년에 채택되어 2024년 5월에 개정된 OECD AI 원칙은 투명성, 설명 가능성, 책임성을 신뢰할 수 있는 AI의 다섯 가지 원칙에 포함합니다. 매장에서는 이것이 몇 가지 구체적인 습관으로 이어집니다.

  1. 설치 전에 설명하기. 무엇이 감지되고 무엇이 감지되지 않는지, 누가 알림을 받는지 직원들에게 보여 주세요. 규정에 따라 필요한 경우에는 직원 대표도 참여시키세요.
  2. 사용 규칙을 문서로 작성하기. 이 도구는 손실을 줄이고 사람을 보호하기 위한 것이지 직원을 평가하기 위한 것이 아닙니다. 이를 명확히 문서로 남겨 두는 것이 좋습니다.
  3. 고객에게 안내하기. 입구의 안내문 게시는 기존 카메라 설비와 마찬가지로 운영자의 책임입니다. 읽기 쉬운 안내판과 열람하기 쉬운 짧은 안내문만으로도 우려를 해소하는 데 충분한 경우가 많습니다.
  4. 알림 해석 교육하기. 클립을 확인하고, 예의를 지키며, 알림만 믿고 누군가를 불러 세우는 일은 절대 하지 마세요.
  5. 정기적으로 점검하기. 제외된 알림을 다시 검토하고, 커버되는 구역을 조정하며, 여기서 배운 점을 팀과 공유하세요.

제대로 도입된 비전 AI는 판단하는 눈이라기보다 어휘가 매우 제한된 동료에 가깝습니다. 제스처를 알려 주고, 그 이후는 매장을 잘 아는 사람들에게 맡깁니다. 이 틀은 장비를 설치하기 전, 킥오프 미팅 단계부터 소개하는 것이 좋습니다. 도구가 무엇을 보고 무엇을 보지 않는지 아는 팀은 이를 제대로 활용하며, 바로 그때부터 이 도구는 비로소 재고 손실(démarque inconnue)을 줄이기 시작합니다.