[더케이뷰티사이언스] 데이터·AI 결합, K-뷰티 글로벌 도약의 골든타임

이 기사는 2026년 3월 26일자 더케이뷰티사이언스에 안용찬 기자가 최초로 게재한 기사입니다. 전체 내용을 확인하시려면 아래 링크를 방문해 주세요.

데이터·AI 결합, K-뷰티 글로벌 도약의 골든타임

“AI 시대의 핵심 경쟁력은 AI가 학습할 수 있는 정제된 데이터와 팀의 빠른 실행력입니다.” 지난해 5월 메저커머스가 개최한 ‘트렌디어(trendier) AI 부트캠프’에서 제시된 핵심 메시지다. 서울에서 시작된 이 프로그램은 아시아 최대 뷰티 전시회인 Cosmoprof Asia에서

THE K BEAUTY SCIENCE안용찬 기자

AI를 앞세우지 않는 혁신
[INTERVIEW] 천계성 메저커머스·트렌디어 AI 공동대표

“AI 시대의 핵심 경쟁력은 AI가 학습할 수 있는 정제된 데이터와 팀의 빠른 실행력입니다.” 

지난해 5월 메저커머스가 개최한 ‘트렌디어(trendier) AI 부트캠프’에서 제시된 핵심 메시지다. 서울에서 시작된 이 프로그램은 아시아 최대 뷰티 전시회인 Cosmoprof Asia에서 4시간 특집 세션으로 편성됐다. 미국 리테일 업계의 ‘슈퍼볼’로 불리는 ‘NRF Big Show 2026’에서는 가장 주목해야 할 Innovators Showcase 기업 중 하나로 선정되며, 차세대 리테일 시장을 혁신할 기술로 주목받았다. 

트렌디어 AI를 운영하는 메저커머스의 천계성 공동대표에게 AI 시대를 맞아 화장품 산업이 준비해야 할 과제를 들었다. 트렌디어 AI는 뷰티 산업에 특화된 AI 솔루션이다. 글로벌 30여 개 시장의 상품 공급과 소비자 수요 데이터를 동시에 분석한다. 이를 바탕으로 R&D부터 상품 기획, 마케팅, 판매 전략까지 전 과정의 의사결정과 실무 자동화를 지원한다. 현재 세계적인 리테일·브랜드·제조사를 포함한 3,000여개 뷰티 팀이 트렌디어 서비스를 활용하고 있다.

이번 인터뷰에서 천 공동대표는 K-뷰티가 데이터와 AI를 결합해 글로벌 표준을 선점할 수 있는 시점에 도달했다고 진단했다. 그는 이를 “매우 짧고 중요한 골든타임”이라고 표현했다. 기획력과 제품력 측면에서는 이미 글로벌 경쟁력을 입증했지만, 이제는 의사결정 구조 자체가 경쟁력을 좌우하는 국면에 들어섰다는 설명이다.

그는 “데이터와 AI 기반 의사결정이 더해질 경우, K-뷰티는 단순한 시장 참여를 넘어 글로벌 스탠다드를 만드는 단계로 이동할 수 있다”며 이를 산업 구조 전환의 분기점으로 규정했다. 모바일 시대 1세대, 글로벌 확장을 경험한 2세대 K-뷰티 기업을 거친 젊은 인재들이 AI 시대를 맞아 다시 창업에 나서고 있으며, 국내외 투자자들도 이 흐름에 주목하고 있다고 덧붙였다. 각 주체의 강점을 반영한 지원 프로그램과 산업 생태계가 빠르게 형성되고 있다는 점도 강조했다.

천 공동대표는 “K-뷰티가 가진 속도와 실행력, 산업 인프라, 글로벌 성장 경험에 데이터와 AI가 본격적으로 결합되고 있다”며 “지금이야말로 한 단계 도약할 수 있는 시점”이라고 강조했다. 그는 “2026년에는 형태와 방식에 관계없이 AI를 기업 경영과 실무에 반드시 도입해 보기를 권한다”고 말했다.

Q. 트렌디어 AI 부트캠프를 기획한 배경은 무엇인가요?

트렌디어 AI 부트캠프는 글로벌 유통 데이터 기반 AI를 실무에 적용한 국내 최초의 실습형 프로그램입니다. 상품 기획부터 글로벌 확장까지, 뷰티 산업의 실제 업무 단계에서 적용 가능한 AI 자동화 전략을 공유하기 위해 기획했습니다. 출발점은 현장의 질문이었습니다. ‘AI가 중요한 건 알겠는데, 우리 실무에 어떻게 써야 하는지 모르겠다’는 고민이 많았습니다. 이미 많은 분들이 범용 AI를 써 보았겠지만, 사실과 다른 답변이나 할루시네이션(hallucination, AI가 실제로 존재하지 않거나 사실로 확인되지 않은 정보를 근거 있는 사실처럼 생성하는 현상) 때문에 중요한 의사결정에는 쓰기 어렵다는 한계를 느끼고 있습니다.

뷰티 산업의 데이터는 소비자 언어, 판매량, 성분, 효능, 가격, 평점이 서로 촘촘하게 얽혀 있습니다. 이런 복잡도가 양질의 데이터와 실무 맥락이 없는 상태에서 범용 AI에 질문하면, 원하는 수준의 답을 얻기 어렵습니다. 그래서 우리는 뷰티 업계에 특화된 정제된 데이터와, 이를 실무에서 바로 쓰게 만드는 프로세스를 함께 제공하는 것이 중요하다고 판단했습니다.

트렌디어 AI 부트캠프의 핵심은 단순한 AI 교육이 아닙니다. R&D, 기획, 마케팅, 영업 등 각 조직의 업무 흐름을 AI 중심으로 어떻게 다시 설계할 것인지 직접 실습해보는 자리였습니다.

Q. ‘트렌디어 AI 부트캠프’에서 “3년 내 AI를 도입하지 않으면 도태된다”는 경고는 상당히 강한 메시지였습니다. 산업적으로 어떤 의미를 담고 있나요?

현재 화장품 산업의 경쟁력은 ‘좋은 제품’을 만드는 것에서 끝나지 않습니다. 소비자 반응, 가격 변동, 리뷰 패턴, 원료·효능 키워드가 실시간으로 바뀌는 시장에서 얼마나 빨리 대응하느냐가 곧 경쟁력이 되는 시대가 되었습니다. 

K-뷰티는 미국·일본을 넘어 유럽, 중동, 동남아까지 확장되고 있고, 카테고리도 스킨케어에서 색조, 헤어·바디, 이너뷰티로 계속 넓어지고 있습니다. 국가·문화·언어·규제·소비자 코드가 기하급수적으로 늘어나면서, 인간의 인지 능력만으로는 전체 그림을 따라잡기 어려운 지점에 와 있다고 봅니다. 

여기에 AI가 등장하면서 한 달 걸리던 업무가 수 시간, 수 분 단위로 줄어드는 변화가 일어나고 있습니다. 저는 2026년 전후가 기업의 조직 구조와 업무 프로세스가 근본적으로 재편되는 전환점이 될 것이라고 봅니다. 그래서 앞으로 3년은 ‘AI를 쓸지 말지’가 아니라, ‘AI와 함께 어떻게 일할 것인지’를 설계해야 하는 골든타임이라고 생각합니다.

Q. AI 도입 시 기업들이 가장 흔히 겪는 오해나 실패 요인은 어떤 것들이 있나요?

가장 흔한 오해는 두 가지입니다. 첫 번째는 ‘AI는 알아서 답을 가져다 주는 만능 도구’라는 인식이고, 두 번째는 ‘최신 모델을 쓰면 더 좋은 답을 얻는다’는 믿음입니다. 

하지만 뷰티 업무 관점에서는 아무리 최신 모델을 써도, AI가 이해할 수 있는 형태로 데이터가 구조화되어 있지 않거나, 문제가 명확히 정의되어 있지 않으면 원하는 결과를 얻기 어렵습니다. 실제로 기업이 AI 프로젝트에서 실패하는 가장 큰 이유는, AI 도입이 기존 업무 프로세스와 분리된 채로 진행될 때입니다. 경영진이 도입을 추진했더라도 실무자가 기존 방식 그대로 일하면, 결국 성과도 기대하기 어렵습니다. 

그래서 저는 ‘기술 도입’보다 ‘실무 문제 정의 → 데이터 기반 해결책 수립 → 실행 자동화’ 순으로 접근하시라고 말씀드립니다. AI 전환은 IT 부서의 과제라기보다 전사 인재 개발과 업무 방식 전환에 가깝다고 생각합니다.

Q. 트렌디어 AI 분석 결과는 어떻게 신뢰할 수 있나요?

실제로 처음 뵙는 고객분들께 가장 많이 받는 질문입니다. 일반적인 범용 AI는 PR 기사나 블로거 콘텐츠, SNS 등 공개된 텍스트를 폭넓게 학습하기 때문에 문장은 자연스럽지만, 개별 기업의 구체적인 의사결정에 바로 활용하기에는 한계가 있습니다.

트렌디어 AI는 접근 방식이 다릅니다. 전 세계 30개 이상의 이커머스 채널에서 발생하는 실제 상품·가격·리뷰·판매 데이터를 기반으로 분석합니다. 가격, 성분, 효능 같은 공급 정보와 판매량, 평점, 불만 내용 같은 수요 정보를 동시에 보기 때문에, 단순 트렌드 요약이 아니라 구체적인 시장 맥락과 경쟁 구조를 제공합니다.

또 하나 중요한 점은, 트렌디어 AI가 결과만 던지는 구조가 아니라 근거 데이터까지 다시 확인하도록 설계되어 있다는 점입니다. 특히 사업 규모가 큰 편인 중견·대기업 고객사들은 트렌디어 대시보드에서 특정 세그먼트 내 경쟁 SKU의 표현 문구, 고객 리뷰 원문, 가격 변동 등 실제 원본 데이터(raw data)를 직접 교차 확인하며 맥락을 파악하는 경우가 많습니다. 요약 결과만이 아니라, 근거를 투명하게 검증할 수 있다는 점이 실무 신뢰도를 만드는 핵심입니다.

Q. 트렌디어가 말하는 ‘정제된 데이터’는 무엇이고, 왜 검증 체계가 중요한가요?

우리가 말하는 ‘정제된 데이터’는 단순히 깨끗한 데이터가 아니라, AI와 사람이 동시에 이해할 수 있는 구조로 표준화된 데이터를 의미합니다. 국가·플랫폼마다 카테고리 구조와 표기 방식이 제각각이고, 같은 개념을 부르는 표현도 다릅니다. 이런 것들을 통합하고, 리뷰와 키워드에 포함된 유사어·동의어·오탈자를 정리해야 비로소 업무에 활용할 수 있습니다.

또 트렌디어는 하나의 AI가 모든 일을 처리하는 구조가 아니라, ‘역할별로 특화된 AI 에이전트 팀’으로 움직입니다. 소비자 리뷰와 마케팅 키워드를 정제하는 에이전트, 사용자의 질문을 데이터 쿼리로 변환하는 에이전트, 질문의 본질을 재구성하는 문제 정의 에이전트 등이 역할을 나눠 협업합니다. 사용자는 하나의 AI와 대화하는 것처럼 느끼지만, 실제 시스템에서는 복수의 전문화된 AI 에이전트들이 팀으로 함께 작동합니다.

이들은 트렌디어 팀이 2018년부터 수집해온 뷰티 시장 데이터의 오류 패턴과 고객 피드백을 학습해 왔습니다. 어떤 표현에서 오해가 생기는지, 어떤 키워드가 노이즈인지 선제적으로 걸러내기 때문에 시간이 지날수록 더 높은 품질의 정보를 제공합니다.

Q. 브랜드·제조사가 데이터를 정제·구조화하려면 무엇부터 준비해야 하나요?

가장 먼저 선행되어야 할 것은 대표와 경영진의 ‘비전’과 ‘문제 정의’ 라고 생각합니다. 동일한 데이터 셋에 접근할 수 있더라도 대표와 경영진의 비전, 해결하려는 고객 문제, 공략하려는 시장에 대한 가설에 따라 데이터를 활용하는 패턴이 달라지고, 전혀 다른 성과가 나옵니다. 

실무 차원에서는, 글로벌 급성장 트렌드 같은 외부 데이터와 자사의 광고·고객 반응·매출 성과 같은 내부 데이터를 함께 비교하여 검토 할 수 있는 구조를 만드는 것이 출발점 입니다. 그리고 이 데이터를 R&D, 기획, 마 케팅, 영업이 함께 볼 수 있도록 조직·프로 세스를 정비하는 일이 필요합니다. 

AI는 방대한 데이터 속에서 성장 가능성이 높은 시장과 포지셔닝을 더 빨리 찾아주고, 실행 실험 비용을 낮춰주는 도구입니다. 하 지만 어디에 집중할지 방향을 정하는 일, 어 떤 가설을 세울지 결정하는 일은 여전히 리 더의 역할입니다. 그래서 저는 항상 ‘AI 도 입의 시작점은 기술이 아니라, 비전과 문제 정의’라고 말씀드리고 있습니다. 

Q. 화장품 연구원은 트렌디어 AI를 어떻게 활용할 수 있나요? 

연구원분들은 논문과 학술적 팩트 검증에 는 익숙하지만, ‘이 콘셉트가 실제 시장에서 소비자의 지갑을 열게 할 것인가?’를 확인하 는 데 어려움을 겪습니다. 이 간극을 메우는 것이 트렌디어 AI의 역할입니다. 논문과 실 험실 데이터 위에 실제 시장 데이터를 한 겹 더 얹는 역할이라고 보면 됩니다. 

트렌디어는 30개 이상의 시장 데이터를 바 탕으로 급성장 성분·효능 트렌드, 포뮬러별 고객 인식, 소비자 불만 패턴 등을 분석해 제공합니다. 이를 통해 연구원은 시장 성공 확률이 높은 처방을 더 빠르게 결정하고, 시 행착오를 줄여 R&D 초기 의사결정 시간을 단축할 수 있습니다. 

예를 들어 국내 PDRN 상품군에서 ‘효능+성 분 조합’과 고객 반응을 본다고 하면, AI가 주요 채널에 출시된 상품들의 핵심 조합을 자동으로 정리하고, 리뷰에서 긍·부정 비율 과 주요 코멘트를 추출해 상위 브랜드별로 비교합니다. 과거에는 샘플 제작과 리서치 를 거쳐야 파악할 수 있었던 포뮬러별 고객 반응을, 이제는 하루 안에 검토 가능한 형태 로 압축할 수 있습니다. 

Q. ‘AI Factory’는 화장품 산업에서 어떻게 적용되나요? 

AI Factory는 물리적인 공장이 아니라, 화 장품 산업에서 매주 반복되는 의사결정을 자동화하는 생산설비에 가깝습니다. 특정 성분이 급성장할 때 어떤 효능·카테고리 조 합으로 접근할지 시나리오를 만들고, 경쟁 사 가격 변동이 감지되면 가능한 가격 시뮬 레이션을 돌려 보고, 리뷰에서 반복되는 불 만 요소를 추출해 개선 아이디어로 연결하 고, 경쟁사 광고 크리에이티브를 분석해 차 별화 포인트를 제안하는 식입니다. 

이런 것들이 공정처럼 자동화되는 구조가 AI Factory입니다. 결국 R&D–기획–마케 팅–영업이 따로가 아니라 하나의 지능 레이 어 위에서 연결된 조직으로 전환되는 것이 중요합니다. 저는 향후 3년을, 인간과 AI의 협업을 넘어 여러 AI 에이전트가 서로 협업 하는 시대로 넘어가는 과도기라고 보고 있 습니다. 

Q. AI 도입이 마케팅을 넘어서 ‘제조사 선택 기준’에도 영향을 주고 있다고 했는데요. 그 의미는 무엇인가요? 

최근 글로벌 리테일 바이어들은 세부 트렌드 세그먼트별 성장성과 수익성을 함께 검 토합니다. 특정 성분이 떠오르면 ‘그 성분을 내세운 브랜드 중 누가 가장 빠르게 성장하는지’, ‘어떤 세부 카테고리가 우리의 신규 매출 라인이 될 수 있는지’를 데이터로 검증 합니다. 이 과정에서 시장 공급(출시 빈도· 경쟁 강도)과 소비자 수요(리뷰·효능 반응) 를 동시에 비교하고, 두 방향에서 모두 성장 성이 높은 팀을 우선순위에 올리는 흐름입 니다. 

이런 방식은 리테일사의 브랜드 소싱 기준 및 PB 상품 개발로도 빠르게 연결됩니다. 그래서 바이어들은 트렌디어에 ‘주요 국가· 카테고리·효능·성분별로 두각을 나타내는 제조사가 어디인지’를 자주 묻습니다. 결국 제조사에게 기대하는 기준도 변하고 있습니다. 과거에는 단가와 품질이 전부였다면, 이제는 △시장 데이터 해석 △소비자 언어를 제품 언어로 번역 △브랜드와 함께 가설을 세우고 테스트하는 역량을 더 요구합니다. 제조사는 단순 생산 파트너가 아니라, 데이터를 기반으로 상품 개발 전 과정을 함께 설계하는 ‘지능형 개발 파트너’로 평가받는 시대가 되었다고 생각합니다.

Q. AI를 활용한 ‘글로벌 진출 전략’은 어떤 흐름으로 진행되고 있나요? 

AI 기반 글로벌 진출 전략은 신상품 개발 이전 단계인지, 이미 출시된 상품을 수출에 집중하는 단계인지에 따라 접근이 달라집니다. 신상품 개발 이전 단계에서는 특정 국가에서 급성장 중인 아이템들의 공통 패턴과 소비자들이 반복적으로 언급하는 관심 영역, 미해결 문제를 먼저 분석합니다. 특히 공급 대비 수요가 빠르게 커지거나, 아직 충분히 해결되지 않은 시장 공백을 신규 진입이 가능한 카테고리로 정의합니다. AI는 이런 조건을 종합해 시장 진입에 필요한 상품의 핵심 특징, 콘셉트, 마케팅 소구 포인트를 자동으로 제안합니다.

이미 판매 중인 상품을 보유한 브랜드가 수출에 집중하는 단계라면, 해당 제품의 매력을 해외 바이어에게 데이터로 설명할 수 있는지가 핵심입니다. 주력 성분과 효능, 연관 트렌드 키워드가 타깃 국가에서 얼마나 성장하고 있는지, 유사한 성장 흐름을 보인 성공 사례를 함께 제시함으로써 바이어가 공략 시장과 성장 가능성을 빠르게 이해하도록 돕습니다. 이 분석 시나리오는 브랜드뿐 아니라 제조사, 원료사, 용기 업체 등 각 업종의 업무 흐름에 맞게 최적화되어, 글로벌 파트너와의 커뮤니케이션을 보다 설득력 있게 만듭니다.

Q. AI 전환을 위해서는 ‘경영진 설득’과 ‘비용 부담’이라는 장벽을 넘어서야 하는데요.

한국은 생성형 AI에 대한 관심과 학습 속도가 매우 빠른 시장입니다. 그래서 요즘 현장에서 느끼는 장벽은 ‘이해 부족’보다는 ‘어디부터, 어떤 규모로 시작할 것인가’에 가깝습니다. 결국 AI 전환 전략은 어떤 문제를 풀고 싶고, 그것을 성장과 어떻게 연결할 것인가에 따라 달라질 수밖에 없습니다.

제가 가장 중요하게 보는 포인트는 ‘시간의 기회비용’과 ‘복리 효과’입니다. 실제로 3~4년 전, 작은 규모에서 출발했지만 데이터를 적극 활용하며 급성장한 인디 브랜드들이 다수 등장했습니다. 이들의 공통점은 상품 개발과 마케팅 데이터를 활용해 노하우를 축적하며 시장 이해의 정밀도와 실행 속도를 계속 높여왔다는 점입니다. 결국 시간을 가장 잘 복리로 활용한 팀들이었습니다.

그래서 처음부터 큰 투자를 하기보다는 리스크가 낮고 반복적인 업무부터 자동화를 시도해 보시길 추천드립니다. 결국 비용을 판단할 때 중요한 관점은 표면적인 구독료 자체가 아니라 의사결정 속도를 얼마나 높이고, 실험을 얼마나 빠르고 정확하게 반복할 수 있는지입니다. AI 전환은 인력 축소를 위한 비용 절감 프로젝트라기보다 시간과 학습을 앞당기는 성장 전략이라고 생각합니다.

Q. 앞으로 AI 모델의 고도화, 멀티모달 기술 접목 등 기술 진화가 예상됩니다. 트렌디어 AI의 확장 방향이 궁금합니다.

트렌디어의 장기 비전은 단순한 분석 도구를 넘어, 기업의 핵심 의사결정부터 실무 전 과정을 함께하는 ‘Co-founder AI’를 구축하는 것입니다. 전략 수립부터 R&D, 상품 기획, 마케팅, 실행 자동화까지 실제 업무 흐름 속에서 함께 판단하고 실행하는 AI를 지향하고 있습니다.

K-뷰티 기업들은 전 세계 시장에서 가장 빠르고 치열하게 경쟁하며, 데이터를 기반으로 더 다양한 시장의 더 세부적인 카테고리로 침투해 새로운 글로벌 스탠다드를 만들어 가고 있습니다. 이런 흐름 속에서 향후 3~5년 안에는 일하는 방식 자체가 바뀌는 대규모 자동화와 산업 구조 재편이 본격화되며, K-뷰티의 혁신 속도도 더 가속화될 것으로 보고 있습니다.

이런 관점에서 보면, 뷰티 산업에 특화된 글로벌 AI 솔루션을 만들어 가기에 대한민국은 가장 빠르게 실험하고 확산할 수 있는 환경을 갖춘 시장이라고 생각합니다. 실제로 트렌디어가 한국에서 시도한 AI 혁신 사례에 대한 해외 관심도 빠르게 높아지고 있습니다. 매주 글로벌 급성장 뷰티 트렌드를 정리해 제공하는 트렌디어 라이브러리 서비스는 134개국에서 누적 250만 건 이상 활용되고 있습니다. K-뷰티 기업들이 글로벌 시장에서 새로운 혁신의 기준을 만들어 가고 있는 것처럼, 트렌디어 AI는 뷰티 산업 전반에서 통용되는 AI 혁신의 새로운 스탠다드를 만들어 가는 기업으로 성장해 나가고자 합니다.