애즈위메이크, 실제 POS 데이터에 Claude를 연결한 마트 운영 AI 비서 구축 | 그릿지 AX 사례

자연어로 매출·상품·재고 데이터를 조회하고, 홍보 문자와 고객 응대 문구까지 생성하는 Claude 기반 마트 운영 AI 비서 구축기

“단순 데이터 조회와 문안 작성에 수십 분이 걸리던 업무를 수 분 내 처리할 수 있게 됐습니다.”

개인마트 점주는 매일 매출과 상품 판매 현황, 재고, 판매가격 등 다양한 데이터를 확인해야 합니다.

하지만 필요한 정보가 여러 POS 시스템과 대시보드, 파일에 나뉘어 있으면 간단한 매출 정보 하나를 확인하기 위해 여러 화면을 오가야 합니다. 직접 확인하기 어려운 데이터는 운영 담당자나 데이터 담당자에게 별도로 요청해야 하죠.

행사 홍보 문자, 휴무 공지, 고객 리뷰 답변과 클레임 대응 문구를 매번 작성하는 일도 점주와 운영 담당자에게는 반복적인 부담이 됩니다.

식자재마트 디지털 전환 플랫폼 ‘큐마켓’을 운영하는 애즈위메이크는 이 문제를 해결하기 위해 그릿지와 함께 Claude 기반 마트 운영 AI 비서 ‘마트 메이트’를 구축했습니다.

마트 메이트는 단순히 질문에 답변하는 범용 챗봇이 아닙니다.

애즈위메이크가 보유한 실제 POS·주문·상품·재고 데이터와 Anthropic API를 연결해, 점주가 자연어로 매장 데이터를 조회하고 운영에 필요한 문구까지 하나의 대화형 화면에서 생성할 수 있도록 설계한 AX 서비스입니다.

이번 글에서는 애즈위메이크가 기존 서비스에 Claude를 어떻게 적용했는지, 그릿지가 Claude Code와 Anthropic API를 활용해 실제 업무 환경에 맞는 AX 전환을 어떻게 지원했는지 소개해 보겠습니다.

1. 애즈위메이크는 어떤 기업인가요?

애즈위메이크는 식자재마트와 개인마트의 디지털 전환을 지원하는 리테일 테크 기업입니다.

소비자와 지역 마트를 연결하는 온라인 장보기 서비스 ‘큐마켓’과 함께, 점주가 주문·상품·재고·가격 등 매장 운영 전반을 관리할 수 있는 ERP 서비스 ‘큐마켓 파트너스’를 운영하고 있습니다.

애즈위메이크는 2025년 기준 전국 약 1,500개 마트와 연동된 큐마켓 파트너스를 통해 POS 정보, 상품명, 주문 고객, 발주 주기, 상품 회전율 등 하루 100만 건 이상의 상거래 데이터를 확보하고 있다고 밝혔습니다. 이러한 데이터를 기반으로 자체 매입 자동화와 가격 자동화 AI 솔루션을 SaaS 형태로 확장하며, ‘리테일 AI 인프라 기업’으로의 전환을 추진하고 있습니다.

2024년에는 실시간 판매 데이터와 재고, 유통기한, 시장 수요를 분석하는 AI 기반 가격 최적화 기술로 중소벤처기업부 스케일업 TIPS에 선정됐습니다. 2025년에는 100억 원 규모의 시리즈 C 투자를 유치하며 데이터와 AI를 중심으로 사업 확장을 이어갔습니다.

애즈위메이크가 추진하는 방향은 단순히 기존 마트 업무를 온라인으로 옮기는 DX에 머무르지 않습니다.

마트에서 발생하는 실제 데이터를 AI가 이해하고, 점주의 판단과 운영을 직접 지원하도록 만드는 AX 전환에 가깝습니다.

2. 개인마트 운영에는 왜 AI 전환이 필요했나요?

개인마트에서는 매일 많은 데이터가 발생합니다.

상품이 판매될 때마다 POS에 거래 데이터가 쌓이고, 주문과 입고에 따라 재고가 달라집니다. 계절과 요일, 행사 여부, 주변 상권의 가격에 따라서도 상품별 판매량이 달라지죠.

하지만 데이터가 많이 쌓인다고 해서 점주가 이를 바로 활용할 수 있는 것은 아닙니다.

점주가 특정 데이터를 확인하기 위해서는 여러 시스템과 자료를 직접 조회해야 했습니다.

• 오늘 매출과 결제 건수는 얼마인지
• 지난주 대비 이번 주 매출이 얼마나 달라졌는지
• 어떤 상품이 가장 많이 판매됐는지
• 특정 상품의 재고가 얼마나 남아 있는지
• 최근 판매 데이터를 고려했을 때 적정 판매가는 얼마인지

데이터를 확인하는 방법을 알지 못하거나 조회 조건이 복잡한 경우에는 내부 데이터·운영 담당자에게 요청해야 했습니다.

이 과정에서 단순하고 반복적인 문의가 누적되고, 담당자는 데이터를 조회하고 다시 설명하는 업무에 시간을 사용하게 됩니다.

점주가 고객에게 전달해야 하는 문구도 별도로 작성해야 했습니다.

• 행사 및 신상품 홍보 문자
• 휴무 및 영업시간 변경 공지
• 고객 리뷰 답변
• 클레임 대응 문구
• 사과문 초안

애즈위메이크는 데이터 조회와 운영 콘텐츠 작성을 각각 다른 도구에서 처리하는 대신, 하나의 AI 비서 안에서 연결하고자 했습니다.

3. 기존 챗봇과 Claude 기반 마트 메이트는 무엇이 다른가요?

일반적인 챗봇은 미리 등록된 질문에 정해진 답변을 제공하거나, 사용자의 질문에 일반적인 정보를 생성하는 데 그치는 경우가 많습니다.

하지만 매장 운영에 활용하려면 단순히 자연스러운 답변을 만드는 것만으로는 부족합니다.

사용자가 무엇을 확인하려는지 정확하게 이해하고, 해당 사용자가 접근할 수 있는 매장 데이터를 조회한 뒤, 그 결과를 업무에 활용할 수 있는 형태로 제공해야 합니다.

마트 메이트는 점주의 질문을 다음과 같은 데이터 조회 조건으로 해석합니다.

• 어느 매장의 데이터인지
• 어떤 기간을 조회해야 하는지
• 어떤 상품 또는 바코드에 관한 질문인지
• 매출·재고·가격 중 어떤 데이터를 확인하려는지
• 비교 기준이 전주인지, 전월인지
• 결과를 설명·표·차트·CSV 중 어떤 형태로 제공해야 하는지

예를 들어 점주가 “지난주보다 매출이 떨어진 상품을 알려줘”라고 질문하면, 단순한 문장을 생성하는 것이 아니라 해당 매장과 기간을 확인하고 비교에 필요한 데이터를 조회해야 합니다.

마트 메이트는 조회 결과를 점주가 이해하기 쉬운 자연어로 정리하고, 필요에 따라 표·차트·CSV 형태로 제공합니다.

또한 같은 대화 화면에서 “판매가 낮아진 상품을 홍보하는 문자를 작성해 줘”와 같이 데이터 조회 결과를 매장 운영 업무로 연결할 수 있도록 구성했습니다.

즉, 마트 메이트는 데이터 조회 AI와 운영 지원 AI를 하나의 업무 흐름으로 연결한 서비스입니다.

4. 실제 POS 데이터와 Claude는 어떻게 연결했나요?

기업의 AX 전환에서 가장 어려운 부분은 AI 모델을 사용하는 것 자체가 아닙니다.

기존 시스템에 저장된 데이터를 AI가 안전하고 정확하게 활용하도록 연결하는 과정이 더 중요합니다.

마트 메이트는 애즈위메이크의 기존 데이터 인프라와 연동해 실제 매장 운영 데이터를 기반으로 답변합니다.

주요 연동 범위

• 매장 POS의 매출 데이터
• 결제 건수와 객단가
• 상품 및 바코드 정보
• 매장별 재고 데이터
• 상품별 판매수량과 판매 실적
• 기존 주문 데이터
• POS·주문 데이터와 연결된 데이터웨어하우스
• 사용자 및 매장별 데이터 접근 범위
• 대시보드, 표, 차트 및 CSV 출력 기능

사용자가 자연어로 질문하면 Claude가 질문의 의도를 해석하고, 조회에 필요한 매장·기간·상품 조건을 구조화합니다.

이후 연결된 데이터 시스템에서 필요한 정보를 확인하고, 조회 결과를 다시 Claude가 점주에게 이해하기 쉬운 형태로 정리합니다.

이 과정에서 중요한 것은 Claude가 모든 데이터에 무제한으로 접근하지 않도록 하는 것입니다.

마트 메이트는 사용자와 매장별로 허용된 데이터 범위를 반영해 답변하도록 구성했습니다. 이를 통해 특정 점주가 다른 매장의 데이터를 조회하거나, 권한이 없는 정보에 접근하는 문제를 방지할 수 있도록 설계했습니다.

5. Claude Sonnet과 Claude Opus는 각각 어디에 활용했나요?

마트 메이트는 모든 업무를 하나의 모델에 맡기지 않고, 업무 특성에 따라 Claude 모델의 역할을 구분했습니다.

Claude Sonnet: 질문 의도 파악과 결과 정리

Claude Sonnet은 점주의 질문이 어떤 업무에 해당하는지 분류하고, 데이터 조회에 필요한 조건을 추출하는 데 활용했습니다.

예를 들어 “지난달 가장 많이 팔린 상품을 알려줘”라는 질문에서 다음 요소를 구분합니다.

• 조회 대상: 상품별 판매 실적
• 조회 기간: 지난달
• 정렬 기준: 판매수량
• 요청 결과: 상위 판매 상품

데이터 조회가 완료된 후에는 숫자와 결과를 점주가 쉽게 이해할 수 있도록 설명하고, 표나 요약 형태로 정리합니다.

Claude Opus: 데이터 조회문과 운영 문구 생성

Claude Opus는 자연어 질문을 실제 데이터 조회에 필요한 형태로 변환하고, 문맥을 고려해야 하는 매장 운영 콘텐츠를 작성하는 데 활용했습니다.

• 데이터 조회문 생성
• 행사 홍보 문자 작성
• 신상품 안내 문구 작성
• 휴무 및 영업시간 변경 공지
• 고객 리뷰 답변
• 클레임 대응 문구
• 사과문 초안

Claude Opus가 생성한 결과를 그대로 사용하는 것이 아니라, 매장과 상품, 운영 상황에 필요한 정보를 반영해 실제 업무에서 사용할 수 있는 문구로 제공하도록 구성했습니다.

Anthropic API: 실시간 대화형 서비스 구현

마트 메이트에는 Anthropic API를 직접 연동했습니다.

답변이 모두 생성된 뒤 한 번에 표시되는 방식이 아니라, 생성되는 내용을 실시간 스트리밍으로 제공해 점주가 자연스럽게 응답 과정을 확인할 수 있도록 구현했습니다.

6. Claude Code를 개발 과정에 적용하면 무엇이 달라지나요?

이번 프로젝트에서 Claude는 최종 사용자에게 제공되는 챗봇 기능에만 활용되지 않았습니다.

그릿지 개발팀은 서비스 구현과 기능 고도화 과정에서도 Claude Code를 활용했습니다.

Claude Code 주요 활용 범위

• 기존 코드 구조 분석
• 반복 코드 리팩터링
• 데이터 연동 로직 검토
• 테스트 코드 작성
• 오류 원인 분석
• 디버깅 지원
• 영향 범위 확인
• 기능별 문서화
• 유지보수 과정의 컨텍스트 정리

신규 기능 코드 작성

AI 개발 도구를 사용하면 코드가 무조건 빠르게 완성된다고 생각하기 쉽습니다.

하지만 기업 서비스에서는 단순히 코드를 생성하는 것보다 기존 시스템의 구조, 데이터 흐름, 권한 정책, 운영 조건을 정확히 이해하고 변경 사항을 적용하는 과정이 중요합니다.

특히 POS와 주문, 상품, 재고 시스템처럼 여러 데이터가 연결된 환경에서는 작은 수정도 다른 기능에 영향을 줄 수 있습니다.

그릿지는 Claude Code를 단순 코드 자동완성 도구로 사용하지 않았습니다.

기존 코드와 요구사항, 데이터 구조, 테스트 조건을 함께 검토하게 하고, 개발자가 결과를 확인하고 수정하는 방식으로 활용했습니다. AI가 초안을 생성하고 개발자가 서비스 환경에 맞게 검증하는 Human-in-the-Loop 방식입니다.

이를 통해 개발 속도를 높이면서도 기존 시스템과의 정합성과 운영 안정성을 함께 확보하는 데 집중했습니다.

7.그릿지는 애즈위메이크의 AX 전환을 어떻게 지원했나요?

그릿지가 맡은 역할은 Claude API를 연결해 챗봇 화면을 만드는 데 그치지 않았습니다.

애즈위메이크의 기존 서비스와 데이터 구조를 이해하고, 점주가 실제 업무에서 사용할 수 있는 방식으로 AI 워크플로우를 설계했습니다.

① 비즈니스 문제를 AI 업무로 재정의했습니다

“마트에 AI 챗봇을 도입한다”는 요구만으로는 실제 개발 범위를 정하기 어렵습니다.

그릿지는 점주와 운영 담당자가 반복적으로 수행하던 업무를 먼저 구분했습니다.

• 데이터 조회가 필요한 업무
• 비교와 분석이 필요한 업무
• 문구 생성이 필요한 업무
• 매장별 권한 확인이 필요한 업무
• 표·차트·CSV 형태의 출력이 필요한 업무

각 업무를 Claude가 처리할 부분과 기존 시스템이 처리할 부분으로 나누고, 전체 흐름을 하나의 AX 워크플로우로 설계했습니다.

② Claude와 기존 데이터 인프라를 연결했습니다

기업용 AI 서비스는 사내 데이터와 연결되지 않으면 활용 범위가 제한적입니다.

그릿지는 Claude가 애즈위메이크의 POS, 주문 및 데이터웨어하우스에 연결된 정보를 활용할 수 있도록 데이터 조회 구조를 설계했습니다.

또한 사용자의 자연어 질문이 실제 데이터 조회 조건으로 변환되고, 결과가 다시 자연어와 표·차트 형태로 제공되는 전체 과정을 구현했습니다.

③ 모델별 역할을 나누고 응답 구조를 설계했습니다

질문 의도 분류, 조회 조건 추출, 데이터 조회문 생성, 결과 설명, 운영 문구 작성은 각각 요구되는 특성이 다릅니다.

그릿지는 Claude Sonnet과 Claude Opus의 역할을 구분하고, 각 단계의 입력과 출력이 다음 업무로 안정적으로 이어질 수 있도록 구조화했습니다.

④ 데이터 접근 권한과 운영 조건을 반영했습니다

AI가 실제 기업 데이터를 다룰 때는 답변의 자연스러움보다 데이터의 범위와 권한이 우선입니다.

그릿지는 매장별 데이터 접근 범위를 반영하고, 사용자가 허용된 정보 안에서 답변받을 수 있도록 권한 구조를 적용했습니다.

⑤ Claude Code를 개발 프로세스에 적용했습니다

Claude Code를 코드 작성뿐 아니라 리팩터링, 테스트, 오류 분석과 기능 고도화에 활용했습니다.

AI가 생성한 코드는 개발자가 검토하고, 기존 코드 구조 및 서비스 운영 조건과의 충돌 여부를 확인했습니다.

이를 통해 Claude를 서비스 기능과 개발 프로세스 양쪽에 적용하는 AX 구조를 만들었습니다.

⑥ 운영 이후의 고도화까지 고려했습니다

AI 서비스는 한 번 구축한 뒤 끝나는 프로젝트가 아닙니다.

사용자가 실제로 어떤 방식으로 질문하는지, 어떤 질문에서 정확도가 낮아지는지, 어떤 업무가 반복되는지 지속적으로 확인해야 합니다.

애즈위메이크와 그릿지는 실제 POS 데이터를 기반으로 서비스를 운영하면서 응답 정확도, 사용성, 지원 가능한 업무 범위를 계속 고도화하고 있습니다.

8.실제 업무 방식은 어떻게 달라졌나요?

도입 전에는 점주나 내부 담당자가 기본적인 매출·상품·재고 정보를 확인하기 위해 여러 시스템과 파일을 직접 검토해야 했습니다.

데이터 조회 방법을 모르는 경우에는 운영 담당자 또는 데이터 담당자에게 별도로 요청해야 했고, 담당자는 데이터를 찾아 다시 설명해야 했습니다.

홍보 문자와 고객 응대 문구도 상황이 발생할 때마다 직접 작성했습니다.

마트 메이트 도입 후에는 점주가 자연어로 질문하고 하나의 AI 비서에서 필요한 정보와 운영 문구를 확인할 수 있게 됐습니다.

현재까지 확인된 주요 효과

✅ 단순 데이터 조회 및 문안 작성 업무 단축
수십 분이 소요되던 단순 조회와 초안 작성 업무를 수 분 내 처리할 수 있게 됐습니다.

✅ 반복적인 내부 데이터 요청 감소
점주가 직접 자연어로 데이터를 확인할 수 있어 데이터·운영 담당자에게 전달되던 단순 조회 요청이 줄었습니다.

✅ 여러 시스템과 파일을 확인하는 과정 축소
매출, 상품, 재고 정보를 확인하기 위해 여러 화면을 오가던 과정을 대화형 인터페이스로 통합했습니다.

✅ 운영 콘텐츠 작성시간 절감
행사 홍보 문자, 공지, 리뷰 답변과 클레임 대응 문구의 초안을 즉시 생성할 수 있게 됐습니다.

✅ 조회 결과의 즉각적인 활용
조회 결과를 설명뿐 아니라 표·차트·CSV 형태로 제공해 후속 업무에 바로 활용할 수 있습니다.

✅ 비기술 사용자의 데이터 접근성 향상
복잡한 조회 방법이나 데이터 구조를 알지 못해도 평소 사용하는 언어로 필요한 정보를 확인할 수 있게 됐습니다.

현재 마트 메이트는 실제 POS 데이터와 연동해 운영 중이며, 개별 매장명과 거래 내역, 매장별 성과 수치 및 POS 원천 데이터는 정보 보호를 위해 공개하지 않습니다.

9. 기존 큐마켓 프로젝트에서 AX 프로젝트까지 협업이 이어진 이유는 무엇인가요?

그릿지와 애즈위메이크의 협업은 이번 Claude 프로젝트에서 처음 시작된 것이 아닙니다.

애즈위메이크는 기존 하이브리드 프레임워크로 운영되던 큐마켓 서비스를 네이티브 안드로이드 앱으로 전환하고, 안드로이드 개발 역량을 내재화하기 위해 그릿지의 전문 개발자를 활용한 경험이 있습니다.

당시 애즈위메이크는 단순히 정해진 기능을 외주로 개발하는 방식이 아니라, 프로젝트에 필요한 전문성을 빠르게 확보하고 내부 개발팀과 함께 일할 수 있는 협업 구조를 선택했습니다.

애즈위메이크 류지원 CTO는 기존 그릿지 협업에 대해 다음과 같이 평가했습니다.

“그릿지의 노하우로 내부 프로세스까지 강화할 수 있었습니다. 그릿지의 정립된 프로세스를 내재화한다면 시너지가 날 것입니다. 개발팀이 있는데도 서비스 개발 속도가 뒤처진다면 추천합니다.”

그릿지 홈페이지에는 애즈위메이크가 그릿지의 개발팀 구독 서비스를 통해 내부 프로세스를 강화하고 서비스 개발 속도를 높였다는 고객 평가가 공개돼 있습니다.

기존에는 네이티브 앱 전환과 개발 역량 확보를 함께했다면, 이번에는 그 협업 범위를 Claude 기반 AX 전환으로 확장했습니다.

서비스 구조와 기존 개발 환경에 대한 이해가 이미 축적되어 있었기 때문에, 단순히 AI 기능을 덧붙이는 것이 아니라 애즈위메이크의 데이터와 실제 마트 운영 업무에 맞는 AI 서비스를 설계할 수 있었습니다.

이 사례는 그릿지가 개발 인력을 제공하는 역할에서 출발해, 고객사의 비즈니스와 기술 환경을 이해하고 장기적으로 AX 전환을 지원하는 파트너로 협업 범위를 확장한 사례입니다.

고객사 코멘트

“애즈위메이크는 개인마트 데이터를 실제 운영에 활용하는 과정에서 발생하는 반복적인 조회·분석과 고객 지원 업무를 줄이기 위해 Claude 기반 마트 챗봇을 도입했습니다. 자연어로 매장 데이터를 확인하고 운영에 필요한 문구까지 생성할 수 있어 서비스 운영 효율과 고객 경험을 함께 개선하고 있습니다.”

손수영 대표, 애즈위메이크(ASWEMAKE)

그릿지 AX 운영 노트

1. 생성형 AI 도입보다 업무 흐름 정의가 먼저입니다

기업이 Claude를 도입할 때 가장 먼저 정해야 하는 것은 사용할 모델이나 프롬프트가 아닙니다.

현재 구성원이 어떤 업무를 반복하고 있는지, 어떤 데이터가 필요하며, 결과를 어떤 방식으로 활용하는지 먼저 파악해야 합니다.

그릿지는 실제 업무 흐름을 기준으로 다음 항목을 구분합니다.

• Claude가 판단하고 생성해야 하는 영역
• 기존 시스템에서 조회해야 하는 영역
• 사용자의 승인이 필요한 영역
• 반드시 권한 검증을 거쳐야 하는 영역
• 사람이 결과를 검토해야 하는 영역

이 과정이 선행돼야 범용 챗봇이 아닌 실제 업무용 AI 서비스를 만들 수 있습니다.

2. 기업 데이터와 연결돼야 AX가 시작됩니다

Claude가 일반적인 지식을 바탕으로 답변하는 것과, 기업의 실제 데이터를 바탕으로 업무를 수행하는 것은 완전히 다른 문제입니다.

애즈위메이크 사례에서는 POS와 주문, 상품, 재고 데이터를 Claude와 연결하고 사용자별 데이터 접근 범위를 함께 적용했습니다.

그릿지는 기존 데이터베이스와 API, 데이터웨어하우스, 업무 시스템을 분석해 Claude가 필요한 정보만 안전하게 활용할 수 있는 구조를 설계합니다.

3. Claude Code는 개발 속도뿐 아니라 AX 내재화에 활용할 수 있습니다

Claude Code는 신규 코드를 빠르게 작성하는 도구로만 활용할 수도 있습니다.

하지만 기존 코드 분석, 리팩터링, 테스트, 디버깅, 문서화까지 연결하면 조직의 개발 프로세스 자체를 AI 중심으로 전환하는 데 활용할 수 있습니다.

그릿지는 Claude Code가 생성한 결과를 개발자가 검증하고, 프로젝트의 코드와 요구사항, 테스트 결과가 지속적으로 연결될 수 있도록 운영합니다.

이를 통해 특정 개발자 개인에게만 남아 있던 지식과 판단 근거를 조직의 기술 자산으로 전환하고, AI를 활용한 지속적인 개발·운영 구조를 만드는 것을 목표로 합니다.