한때 인터넷이 세상을 바꾼 방식은 꽤 분명했습니다.
사람들이 모르던 정보를 더 빨리, 더 투명하게 보여주는 것. 가격비교 사이트가 생기고, 리뷰 플랫폼이 생기고, 중개 앱이 생겼습니다. 전화하지 않아도, 발품을 팔지 않아도 검색 한 번이면 답을 찾을 수 있다는 것 자체가 혁명인 시절이었습니다.
지금은 조금 다릅니다.
"3인 가족이고, 예산은 300만 원 정도인데 북유럽 스타일 거실 가구를 추천해줘"라고 말하면, AI가 10초 만에 여러 쇼핑몰의 가격과 리뷰, 배송 조건까지 정리해줍니다. 한때 플랫폼의 핵심 가치였던 탐색, 비교, 요약은 이제 범용 AI 하나로 꽤 잘 해결됩니다.
그렇다면 질문은 자연스럽게 바뀝니다.
AI가 잘하는 일 말고, AI가 아직 끝까지 풀지 못하는 일은 무엇일까요?
이 질문 앞에서 두 가지 축을 그어보면 윤곽이 드러납니다. 개인의 취향이 얼마나 깊이 들어가는가, 그리고 물리적으로 관리해야 할 것이 얼마나 많은가.
취향의 개입이 낮고 물리적 관리도 필요 없는 영역 — 가격비교, 스펙 검색, 단순 추천 — 은 AI가 가장 먼저, 가장 완벽하게 대체합니다. 그 영역은 이미 끝난 게임입니다.
반대편에는 전혀 다른 종류의 문제가 있습니다. 취향이 깊이 개입하고, 변수가 많고, 실패하면 되돌리기 어려운 문제. 최종 판단은 결국 사람이 내려야 하는 문제들.
내가 사랑하는 공간을 만드는 일이 바로 그 한가운데에 있습니다.
공간을 바꾸는 일, 추천으로만 풀리지 않는 문제
집을 바꾸는 일은 얼핏 보면 추천의 문제처럼 보입니다. 어떤 소파가 예쁜지, 어떤 조명이 어울리는지 고르는 일처럼 보이니까요.
하지만 실제로는 전혀 다릅니다.
34살 A씨에게 실제로 일어나는 단계를 따라가 보겠습니다. 아이가 태어나면서 더 넓은 집으로 옮기기로 결심합니다. 자신의 취향이 뭔지 찾으면서 동시에 예산 안에서 가능한 선택지가 무엇인지 정보를 모으기 시작합니다.
그리고 일단 줄자를 꺼냅니다. 25평 아파트의 방 사이즈에 맞춰 가구를 배치하면 어떨지, 집의 벽지와 조명에는 잘 어울릴지 고민하면서 옵션을 비교하고, 머릿속으로 공간 배치를 그려봅니다. 침대 하나를 사려고 해도 일정을 맞춰야 합니다. 동시에 인테리어 시공도 진행 중이라 벽지와 바닥이 끝난 뒤에 가구가 들어와야 합니다. 배송, 시공, 이사 — 세 개의 일정이 하루 단위로 엮여 있어 치밀한 테트리스가 필요합니다.
시공이 끝나면 하자 점검이 시작됩니다. 하자인지 아닌지, 누구 책임인지를 따져야 합니다. 가구가 도착하면 자리를 잡고, 문제가 있으면 A/S를 요청합니다. 이사 후에는 파손이나 분실 여부까지 확인해야 합니다. 모든 게 끝나고 나서도, 다시 하나하나 검색하며 집에 어울리는지, 공간에 맞을지 고민하며 나머지 가구와 소품을 찾고 집을 가꾸어 나갑니다.
이 전체 여정에서 AI가 혼자 완주할 수 있는 구간은 맨 처음 — '뭘 살까' 고민하는 단계 — 뿐입니다. 그마저도 고객이 자신에 대한 정보를 정확하고 풍성하게 제공해야 하는 허들이 남습니다. 나머지는 전부 물리적 실행과 동기화의 문제입니다. 추천은 할 수 있지만, 그게 실제 공간에서 잘 맞는지 확인하고 완성하는 것은 AI의 손이 닿지 않는 영역입니다.
이 복잡한 과정은 영원히 해결되지 않는 걸까요. 우리는 언제까지 머릿속으로 상상하고, 수천 개의 콘텐츠와 상품과 전문가를 찾아다니고, 리뷰를 읽고, 고민하고 불안해 해야 할까요.
우리는 그럴 필요가 없다고 믿습니다.
오늘의집이 풀고자 하는 문제가 바로 여기에 있습니다.
이 문제를 제대로 풀기 위해서는 세 가지가 필요합니다.
1. 취향 데이터
고객이 어떤 공간에서 영감을 받고, 어떤 취향으로 실행에 옮기고, 그 결과에 만족했는지 담긴 데이터가 있어야 합니다. 오늘의집에는 10년이 넘는 시간 동안 쌓인 5천만 개의 태그 데이터가 있습니다. 유저가 어디서 어떻게 영감을 받았고, 어떻게 실행에 옮겼는지가 고스란히 담겨 있습니다. 고객이 정성껏 올린 콘텐츠, 상품, 태그, 리뷰 하나하나가 가장 강력한 자산입니다. '많은 걸 알고 있지만 나를 모르는 검색 엔진'과, '내 취향과 공간과 라이프스타일을 아는 오늘의집'의 차이가 여기서 생깁니다.
2. 물리적 맥락
같은 소파도 25평 아파트 거실에 놓일 때, 아이가 있는 집에 놓일 때, 반려동물이 있는 집에 놓일 때의 의미가 달라집니다. 오늘의집은 '누가 무엇을 샀다'가 아니라 '어떤 삶의 맥락에 있는 사람인가'를 이해합니다. 취향 데이터와 물리적 조건을 결합해 예산, 가족 구성, 생활 방식까지 공간에 반영하는 것. 단순히 예쁜 것을 넘어, 그 사람의 기대와 경험까지 담을 수 있습니다.
3. 실행 인프라
시공, 배송, 설치 — 이 과정에서 한 번이라도 실패하면 큰돈과 시간을 잃습니다. 추천이 구매로 이어지고, 구매가 배송과 설치로 이어지고, 시공과 A/S까지 연결되어야 비로소 고객 경험이 완성됩니다. 오늘의집은 단순한 중개에 머물지 않습니다. 표준계약, A/S 프로세스 표준화, 업체 품질 관리, 그리고 강력한 품질보증까지. 정보가 부족해서 좋은 선택을 할 수 없었던 시장의 고질적인 문제를, 구조 자체를 바꿔서 해결하는 것에 도전하고 있습니다.
이 세 가지를 한 곳에서 모두 갖춘 곳은 거의 없습니다. 하루아침에 만들어지지 않기 때문입니다.
취향은 수년간의 행동 데이터로만 학습됩니다. 물리적 맥락은 실제 집과 사람을 연결해본 경험에서만 나옵니다. 실행 인프라는 수많은 시공과 배송, A/S의 시행착오 위에서만 단단해집니다. 오늘의집은 10년이 넘는 시간 동안 공간이라는 한 가지 영역에 이 세 자산을 동시에 쌓아왔습니다.
그래서 오늘의집에서 우리가 AI를 바라보는 방식도 조금 다릅니다.
우리에게 AI는 독립된 도구가 아니라, 세 자산 위에서 작동하는 '증폭기'입니다.
취향 데이터가 없으면 추천이 얕고, 물리적 맥락이 없으면 공간에서 헛돌고, 실행 인프라가 없으면 현실에서 멈춥니다. 이 세 자산은 AI와 만날 때 비로소 서로에게 지렛대가 됩니다. 취향이 추천으로, 추천이 공간 구현으로, 구현이 실행으로 막힘없이 흐를 때 비로소 고객은 집을 꾸미는 복잡함에서 자유로워집니다.
다시 A씨의 여정으로 돌아가 봅니다. 같은 다섯 단계가, 세 자산이 AI와 만날 때 어떻게 달라지는지 말이죠.
A씨는 더 이상 제로베이스에서 시작하지 않습니다. 오늘의집은 이미 A씨의 취향과 예산대를 알고 있고, 아이의 탄생이라는 라이프 이벤트가 더해지는 순간 '안전한 소재, 라운드 엣지'라는 조건이 그 위에 쌓입니다. 줄자도, 스케치업도 필요 없습니다. 핸드폰으로 방을 한 번 찍으면 AI가 공간을 읽고, A씨의 취향과 비슷한 집 구조의 데이터와 결합해 가구 배치를 눈앞에 그려냅니다.
배송과 시공과 이사 일정은 상황에 맞춰 조정됩니다. 파트너사 응대에 얹힌 AI 코파일럿이 변수와 맥락에 맞는 답변과 데이터를 불러옵니다. 처리 속도가 빨라지는 만큼 A씨는 안심하고 제시되는 가이드를 따라가기만 하면 됩니다. 하자 점검도, A/S도, 파손 확인도 같은 이력 위에 쌓입니다. 문제가 생겼을 때 A씨는 자신이 누구인지, 무엇을 샀는지 다시 설명할 필요가 없습니다.
한 달 뒤에 산 러그, 6개월 뒤 바꾼 조명 — 그 모든 선택이 다시 취향 데이터가 되어 다음 추천의 출발선이 됩니다. 여정의 끝이 다음 여정의 시작으로 이어집니다.
파편화된 여정이 하나로 연결되고, 복잡함이 자동화되어 고객이 모든 수고로부터 자유로워지는 것. 그것이 오늘의집이 풀고자 하는 문제의 본질입니다.
그렇다면 지금, 가장 흥미로운 문제는 어디에 있을까요?
AI가 이미 풀어버린 문제를 다루는 곳이 아닐 겁니다. AI와 함께 풀어야 할 문제가 산더미처럼 쌓여 있는 곳일 겁니다. 사람의 취향을 이해하고, 물리적 공간을 바꾸고, 그 과정에서 생기는 수많은 마찰을 하나씩 녹여가는 일. 스크린 안에서 끝나는 문제가 아니라, 스크린 밖의 삶을 실제로 바꾸는 문제.
오늘의집은 지금 그 한가운데에 있습니다.
그리고 그 문제를 함께 풀어갈 분들을 기다립니다.
