후커블을 처음 만들 때의 핵심 질문은 단순했습니다.
"셀러가 상세페이지를 만드는 데 얼마나 걸리는가, 그리고 그 시간을 어떻게 줄일 것인가?"
초기 버전은 '생성' 그 자체에 집중했습니다. 정보를 입력하면 AI가 카피를 쓰고 섹션 구조를 제안했죠. 하지만 실제 셀러들을 만나보니 진짜 문제는 그 다음에 있었습니다.
문제는 '생성'이 아니라 '편집'이었다
상세페이지 제작의 진짜 병목은 반복되는 편집에 있습니다. 아무리 잘 만들어진 초안이라도 제품의 특성에 맞춰 다듬어야 하고, 마케팅 방향이 바뀌면 다시 처음부터 손을 대야 합니다. 디자이너나 마케터 없이 혼자 운영하는 1인 셀러에게 이 과정은 막막한 숙제와 같습니다.
어떻게 해결했나: 기술 뒤에 숨겨진 치열한 고민
사용자의 자연어 요청을 신뢰할 수 있는 편집 결과물로 바꾸는 것은 생각보다 까다로운 작업입니다. 단순히 "카피를 바꿔줘"라는 말 한마디에도 제품의 특성, 현재 섹션의 흐름, 이미지의 분위기라는 '맥락(Context)'이 담겨 있어야 하기 때문입니다.
우리는 이 문제를 해결하기 위해 멀티 에이전트(Multi-Agent) 구조를 선택했습니다.
사용자의 요청을 정밀하게 분석하는 에이전트
전체 맥락에 맞는 섹션을 구성하는 에이전트
상세페이지에 어울리는 카피라이팅을 고려하는 에이전트
제품의 특성을 잘 이해하고 이미지를 생성하는 에이전트
이들이 유기적으로 협업하며 하나의 완성된 결과물을 만들어냅니다. 특히 가장 공을 들인 부분은 하네스 엔지니어링(Harness Engineering)입니다. AI는 같은 요청에도 매번 다른 대답을 내놓을 수 있습니다. 저희는 수십 가지의 실제 셀러 시나리오를 케이스화하여 반복 검증했고, 어떤 상황에서도 일관된 품질의 결과가 나오도록 성능을 가다듬었습니다.
누구를 위한 기능인가요?
이번 업데이트는 스마트스토어나 쿠팡을 운영하는 1인 셀러와 소규모 팀에게 가장 강력한 무기가 될 것입니다. 이제 디자인 툴을 능숙하게 다루지 못해도, 비싼 비용을 들여 카피라이팅 외주를 맡기지 않아도 됩니다.
앞으로의 계획
정식 출시 이후에는 실제 운영 데이터를 바탕으로 AI 에이전트의 판단 능력을 더욱 정교하게 고도화할 예정입니다.