AX Implementation

국내 기업 AX 소식: 쇼호스트·촬영 없이 AI가 판매 방송 전체를 만든다 (11월 16일 묶음)

11월 16일 묶음은 현대홈쇼핑 1건입니다. 쇼호스트와 카메라 없이 AI가 음성과 화면을 모두 만드는 판매 방송 AI-REAL을 정규 편성했고, 시범 방송에서 협력사의 샘플·인서트 영상 비용이 80% 이상 줄고 매출은 목표의 120%였습니다.

출처
국내 언론 묶음 · 1건
유형
포스트
읽은 날
2026.11.16
원문 발행
2026.11.15

현대홈쇼핑은 쇼호스트도 카메라도 없이 AI가 음성과 화면을 모두 만드는 판매 방송 AI-REAL을 11월 16일부터 정규 편성했습니다. 시범 방송에서 협력사가 대던 샘플·영상 제작 비용이 80% 이상 줄었고 매출은 목표의 120%였습니다. 따라 하려면 영상 모델을 고르기 전에 협력사에게 받을 상품 정보와 근거부터 정하고, 생성한 장면을 사람이 사실과 대조하는 검수 단계를 둬야 합니다.

요약

이번 묶음은 1건입니다. Korea Herald 임예진 기자의 11월 15일 기사를 원문으로 읽고, 같은 날 나온 지디넷코리아와 서울경제 보도로 채널 이름과 발언자 직함을 맞췄습니다. 현대홈쇼핑은 데이터홈쇼핑(TV 데이터 방송으로 상품을 팔고 주문을 받는 홈쇼핑) 채널인 현대홈쇼핑 플러스샵에 AI-REAL을 들였습니다. AI-REAL은 방송에 필요한 음성과 화면을 모두 AI로 만드는 시스템이며, 쇼호스트가 나오지 않고 카메라 촬영도 하지 않습니다. 업계에는 장면 일부나 쇼호스트만 AI로 바꾼 예가 있었지만, 방송 한 편을 통째로 AI로 만든 것은 처음이라고 회사는 설명합니다. 첫 정규 방송은 11월 16일 오후 3시 20분에 나가는 제주 하트 골드키위입니다.

기존 판매 방송협력사 샘플 준비촬영·인서트 영상쇼호스트 출연AI-REALAI가 음성 생성AI가 화면 생성촬영·출연 없음첫 정규 방송11월 16일 15:20현대홈쇼핑 플러스샵제주 하트 골드키위
촬영·출연 단계를 AI 생성으로 바꾼 흐름 (기사 기준)

비용이 준 곳은 협력사입니다. 시범 방송에서 협력사가 부담하던 샘플 준비, 인서트 영상(본 방송 중간에 끼워 넣는 상품 설명 영상) 제작 같은 비용이 기존보다 80% 이상 줄었고, 매출은 목표의 120%를 기록했습니다. 촬영이 빠지니 실물 샘플과 소품을 따로 마련할 일이 줄어듭니다. 카메라로 담기 어려웠던 산지의 토양 상태, 상품이 소비자에게 오기까지의 유통 과정, 조리 예시도 촬영 없이 영상으로 만듭니다. 임수진 방송제작담당 사업부장은 시청자가 사람이 나오는 방송만큼 자연스럽게 받아들였고, 재배 환경과 조리 예시가 구매 판단에 도움이 됐다고 전했습니다. 회사는 신선식품부터 월 1회 이상 편성하고 중소 협력사 입점 수요가 큰 가공식품·리빙으로 넓힐 계획입니다. 아래에서는 사례를 정리한 뒤, 같은 방식을 다른 회사가 돌릴 때 필요한 기술·현업 디테일을 덧붙입니다.

찍기 어려워 빠지던 정보AI-REAL이 영상으로 보여 주는 것· 산지 토양 상태· 상품이 집까지 오는 유통 과정· 조리 예시· 별도 촬영 없이 장면 생성· 소품 제작 없이 장면 생성· 재배·조리 정보가 구매 판단에 도움
비용이 준 이유와 시청자 반응 (기사 기준)

사례별 정리

현대홈쇼핑: 촬영을 AI 생성으로 바꿔 협력사 제작비를 80% 이상 줄였다

  • 상황: 홈쇼핑 판매 방송을 하려면 협력사가 샘플을 준비하고 인서트 영상을 만드는 비용을 댑니다. 산지의 토양이나 유통 과정처럼 실물 촬영으로 보여 주기 어려운 정보도 있습니다. 업계의 기존 AI 활용은 장면 일부나 쇼호스트를 바꾸는 수준이었다고 회사는 설명합니다.
  • 한 일: 데이터홈쇼핑 채널 현대홈쇼핑 플러스샵에 AI-REAL을 도입했습니다. AI가 음성과 화면을 모두 만들고, 쇼호스트 출연과 카메라 촬영은 없습니다. 토양 상태, 유통 과정, 조리 예시는 별도 촬영이나 소품 없이 생성 영상으로 보여 줍니다. 11월 16일 오후 3시 20분 제주 하트 골드키위 방송으로 정규 편성을 시작합니다.
  • 결과: 최근 시범 방송에서 협력사의 샘플 준비·인서트 영상 제작 등 비용이 기존 대비 80% 이상 줄었고, 매출은 목표 대비 120%였습니다. 임수진 사업부장은 시청자 반응을 “as natural as one with a human host”라고 전했습니다(Korea Herald).
  • 다음 계획: 농·축·수산물 같은 신선식품을 중심으로 월 1회 이상 정례 편성합니다. 이어 가공식품과 리빙처럼 중소 협력사 입점 수요가 큰 상품군으로 넓힙니다. 임현태 채널전략디비전 부문장은 중소 협력사와의 상생, 차별화된 쇼핑 경험을 위해 시스템을 개발했고 AX 속도를 높이겠다고 밝혔습니다.
  • 원문에서 밝히지 않음: 사용한 AI 모델과 도구, 제작 공정과 직원의 역할, 시범 방송의 날짜·횟수·상품·참여 협력사.
상황협력사가 샘플·인서트영상 비용을 부담산지·유통은 찍기 어려움한 일AI-REAL 도입음성·화면 모두 AI 생성쇼호스트·카메라 없음결과(시범 방송)협력사 비용 80% 이상↓매출 목표 대비 120%11월 16일 정규 편성
상황 → 한 일 → 결과 (기사 기준)
시범 방송 결과 (기존·목표 = 100 기준)협력사 제작 비용 · 기존샘플 준비·인서트 영상 등100협력사 제작 비용 · AI-REAL80% 이상 감소20 이하매출 · 목표목표치100매출 · 실적목표 대비 120%1200120
0 기준 막대 · 비용은 '80% 이상 감소'를 20 이하로 표시 (기사 기준)
11월 15일AI-REAL 발표11월 16일 15:20첫 정규 방송 · 키위정례 편성신선식품 월 1회 이상확대가공식품·리빙가공식품·리빙은 중소 협력사 입점 수요가 큰 상품군
편성 계획 (기사 기준)

기술 디테일: 촬영 없는 판매 방송을 AI로 만들려면

아래는 AI-REAL 같은 방식을 다른 회사가 만들 때 필요한 것입니다. 기사에 나온 내용이 아니라 AX Review가 덧붙인 실행 방법이며, 필드명·설정값·기준은 모두 가상 예시입니다.

촬영을 대신하려면 입력을 협력사의 상품 정보 시트 한 장으로 받습니다(협력사 샘플·인서트 영상 비용을 줄인 부분). 샘플과 촬영이 빠지면 화면에 나올 사실은 모두 협력사가 넘긴 정보에서 나와야 합니다. 시트에는 상품명(product_name), 산지(origin), 재배 환경(cultivation: 토양, 기후, 재배 방식), 유통 단계(supply_steps: 수확, 선별, 저장, 출하, 배송), 규격(spec: 중량, 등급, 협력사가 잰 측정값), 판매 구성과 가격(offer), 조리 예시(recipes), 반드시 알릴 사항(must_disclose)을 담습니다. 가장 공들일 필드는 주장 목록(claims)입니다. “OO 지역 노지 재배” 같은 문장마다 근거 문서(evidence_doc)를 붙이게 하면, 나중에 생성 장면이 사실을 넘어서지 않았는지 대조할 기준이 생깁니다. 상품 외관은 협력사가 휴대폰으로 찍은 실물 사진 5~10장이면 충분하게 받습니다.

대본은 장면 목록 형태의 구조화 출력(JSON)으로 받습니다(방송 한 편 전체를 AI로 만드는 부분). LLM에 시트를 넣고 장면 배열을 돌려받습니다. 장면마다 scene_id, 목적(purpose: 도입, 산지, 유통, 조리, 구성·가격, 주문 안내), 길이(duration_s), 내레이션(narration), 화면 지시(visual_prompt), 자막(on_screen_text), 쓴 시트 필드(source_fields)를 둡니다. source_fields가 비어 있는 문장은 자동으로 지웁니다. 대본은 temperature 0.3~0.5로 3안을 뽑아 MD가 하나를 고르게 하면, 매번 다른 대본이 나오는 편차를 사람이 거를 수 있습니다. 가격, 구성, 주문 방법처럼 틀리면 안 되는 문장은 생성하지 않고 시트 값을 틀에 그대로 끼웁니다. 호출은 대본 1회, 장면 생성은 장면마다 1회로 나눠야 한 장면만 다시 만들 수 있습니다.

협력사 정보 시트산지·재배 환경유통 단계·규격주장마다 근거 문서장면 목록(JSON)장면별 목적·길이내레이션·화면 지시source_fields 필수생성·합성TTS 음성장면별 영상 3~4안실물은 협력사 사진 기반검수·편성사실 대조 2인생성 표시 확인방송 송출
제작 파이프라인 (가상 예시)

찍기 어려운 장면을 생성할 때는 장면마다 근거를 붙입니다(토양·유통·조리 장면). AI-REAL이 보여 주는 토양 상태와 유통 과정은 실제로 찍은 화면이 아닙니다. 그래서 장면마다 근거 필드와 문서를 묶어 두고, 근거가 없는 장면은 편집에서 뺍니다. 상품 외관은 글로만 생성하지 않고 협력사 사진을 넣어 영상으로 만드는 방식(image-to-video)을 씁니다. 키위라면 과육 색과 크기가 실물과 다르게 나오는 것이 가장 흔한 실패입니다. 장면마다 3~4안을 만들어 고르고, 두 번 다시 만들어도 맞지 않으면 실물 사진에 움직임만 준 화면으로 대신합니다. 음성은 TTS(글을 음성으로 바꾸는 기술)로 만들고, 채널 전체가 같은 목소리 하나를 쓰게 고정하면 방송마다 느낌이 흔들리지 않습니다. 품종명, 산지명, 숫자는 TTS가 자주 잘못 읽으므로 발음 사전에 미리 넣고, 검수 때 귀로 한 번 더 듣습니다.

쓰는 필드근거 자료검수 규칙산지 토양 장면재배 환경 필드협력사 산지 자료근거 없으면 삭제유통 과정 장면유통 단계 필드출하·배송 기록근거 없으면 삭제조리 예시 장면조리 예시 필드협력사 레시피근거 없으면 삭제상품 외관 장면협력사 실물 사진규격·등급 값다르면 재생성
장면 ↔ 근거 대조표 (가상 예시)

검수는 채점표로, 효과는 협력사 비용 항목으로 잽니다(80% 절감과 목표 대비 120%를 재현하는 방법). 완성본은 두 사람이 따로 보고 사실 일치, 상품 외관, 생성 표시, 자연스러움을 0·3·5점으로 매깁니다. 사실 일치나 생성 표시에서 0점이 하나라도 나오면 송출하지 않습니다. 생성 장면임을 화면에 어떻게 알릴지는 법무·심의 담당과 미리 정합니다. 효과는 방송 한 편마다 협력사가 낸 비용을 샘플, 인서트 영상, 기타 제작비로 나눠 기존 방송과 비교합니다. 매출은 목표 대비 비율과 함께, 고객 문의 가운데 “화면과 실물이 다르다”는 건수를 같이 봐야 생성 영상이 판매를 부풀렸는지 가릴 수 있습니다.

0점3점5점사실 일치정보 시트와 다름일부 표현 과장모두 일치상품 외관색·모양이 다름세부 어긋남사진과 같음생성 표시표시 없음일부 장면만생성 장면 모두자연스러움끊김·어색한 음성한두 군데 걸림끝까지 자연스러움
검수 채점표 0·3·5점 (가상 예시)

현업 실행 디테일: 누가, 언제, 무엇을

신선식품 한 상품군으로 8주 동안 AI 생성 판매 방송을 시범 운영하는 경우를 예로 듭니다. 역할, 일정, 판정 기준은 모두 가상 예시입니다.

역할담당하는 일
시범 책임방송제작 부서장대상 상품군 선정, 판정 기준 확정, 확대 결정
상품 담당MD 1~2명협력사 섭외, 정보 시트 회수, 대본 3안 중 선택
협력사중소 협력사 2~3곳정보 시트와 근거 문서, 실물 사진 제출, 사실 확인
제작PD 1명, AI 제작 담당 1~2명장면 목록 생성, 장면 생성·합성, 재생성 판단
심의·법무1명표시 의무, 과장 표현, 생성 표시 기준 확정

준비물은 네 가지입니다. 최근 방송 10편 정도의 협력사 비용 내역(샘플, 인서트 영상, 기타), 같은 상품군의 매출 목표와 실적, 방송 심의에서 지적받은 표현 목록, 협력사가 이미 가진 산지·유통 자료입니다. 1~2주차에는 상품과 협력사를 고르고 기존 방송의 비용 기준선을 잽니다. 3~4주차에는 정보 시트 양식과 검수 채점표를 확정하고 생성 도구를 시험합니다. 5~6주차에 시범 방송 2~3편을 만들어 내부 시사를 하고, 심의·법무 담당이 송출 전에 생성 표시와 표현을 확인합니다. 7~8주차에 실제로 편성하고 비용, 매출, 고객 문의를 재서 확대 여부를 정합니다.

준비설계제작편성1~2주상품·협력사 선정기준선 비용 측정3~4주정보 시트·검수표생성 도구 시험5~6주시범 2~3편 제작내부 시사7~8주편성·측정·판정
8주 시범 일정 (가상 예시)

협력사에게 처음 물을 질문은 다섯 가지입니다. 지금 방송 한 편에 샘플과 영상 제작으로 얼마를 쓰는가. 산지의 토양·재배 방식을 증명할 자료가 있는가. 수확부터 배송까지 단계와 걸리는 날짜를 적을 수 있는가. 조리 예시로 쓸 레시피가 있는가. 화면에 나와서는 안 되는 표현이 있는가. 진행 판정 기준의 예로는 협력사 제작 비용 50% 이상 감소, 매출 목표 대비 100% 이상, 송출 후 사실 오류 0건, “화면과 실물이 다르다” 문의가 기존 방송 이하일 것을 둘 수 있습니다.

같은 틀은 홈쇼핑 밖에서도 쓸 수 있습니다. 이 사례에서 눈여겨볼 점은 줄어든 비용이 협력사 몫이라는 것입니다. 협력사나 대리점이 홍보 영상 비용을 나눠 내는 유통·식품·소비재 회사라면, 상품 정보 시트와 근거 문서만 받아 영상을 만드는 방식으로 작은 협력사의 진입 비용을 낮출 수 있습니다. 제조사라면 공장 안이나 설치 현장처럼 찍기 어려운 과정을 보여 주는 B2B 제품 설명 영상, 협력사 교육 영상에 같은 틀을 쓸 수 있습니다. 시작은 찍기 어려운 정보가 구매 판단을 좌우하는 상품부터, 지표는 협력사 비용과 사실 오류 건수부터 잡는 순서를 권합니다.

원문 링크

회사제목매체 · 저자날짜링크
현대홈쇼핑Hyundai Home Shopping to debut fully AI-generated sales showKorea Herald · 임예진2026-11-15기사
현대홈쇼핑현대홈쇼핑, 쇼호스트·카메라 없는 ‘100% AI 방송’ 도입 (참고)지디넷코리아 · 안희정2026-11-15기사
현대홈쇼핑쇼호스트도 카메라도 없이…현대홈쇼핑, 업계 첫 ‘100% AI 방송’ (참고)서울경제 · 김경택2026-11-15기사

핵심 개념

데이터홈쇼핑
TV 데이터 방송 기술로 상품을 보여 주고 리모컨으로 주문을 받는 홈쇼핑. T커머스라고도 부른다.
AI-REAL
현대홈쇼핑이 만든 판매 방송 생성 시스템. 쇼호스트와 카메라 없이 음성과 화면을 모두 AI로 만든다.
인서트 영상
판매 방송 중간에 끼워 넣는 상품 설명 영상. 기사에서는 협력사가 비용을 내는 항목으로 나온다.
가상 쇼호스트
사람 대신 AI로 만든 진행자. 기존 업계 사례는 이처럼 방송의 일부만 AI로 바꿨다.
구조화 출력
모델이 정해진 필드의 JSON처럼 형식이 고정된 결과를 내게 하는 방식. 장면 목록을 받아 검수하기 쉽게 한다.
TTS
글을 사람 목소리처럼 읽어 주는 음성 합성 기술.
image-to-video
실물 사진을 넣어 그 모습을 유지한 채 움직이는 영상을 만드는 생성 방식.

내 메모

TODO: 내 생각 추가

원문: Korea Herald 임예진 「Hyundai Home Shopping to debut fully AI-generated sales show」(2026.11.15)를 원문으로 읽고 썼습니다. 같은 발표를 다룬 지디넷코리아 안희정 「현대홈쇼핑, 쇼호스트·카메라 없는 ‘100% AI 방송’ 도입」(2026.11.15)과 서울경제 김경택 「쇼호스트도 카메라도 없이…현대홈쇼핑, 업계 첫 ‘100% AI 방송’」(2026.11.15)을 함께 읽어 채널의 한국어 이름(현대홈쇼핑 플러스샵), 발언자 직함, 음성과 화면을 모두 생성한다는 설명을 확인했습니다. 요약과 사례는 기사의 사실을 AX Review가 다시 정리한 것이고, 기술·현업 디테일과 필드명, 일정, 판정 기준, 인포그래픽은 새로 작성한 가상 예시입니다. 현대홈쇼핑이 쓴 AI 모델과 제작 공정은 기사에 나오지 않습니다. 전체 내용은 원문에서 확인할 수 있습니다.

Related

함께 읽으면 좋은 노트

AX Implementation아티클

VLM-OCR Fusion Scoring: Amazon이 상품 상세 A+ 콘텐츠 품질을 자동 판정하고 고칠 점까지 알려 주는 방법

AWS Machine Learning Blog · James Kim 외

Amazon Marketplace 팀은 판매자의 A+ 콘텐츠를 고객 화면 그대로 캡처해, 고정한 VLM의 항목 점수와 OCR 가독성 신호 8개를 CatBoost로 묶어 품질을 판정합니다. 전문가 라벨 5,478건 기준 정확도는 평균 점수 방식 0.80에서 0.94로 올랐고 SHAP과 LLM이 만든 권고를 반영한 페이지는 10점 척도에서 평균 1.4점 올랐습니다.

CIO·CTO마케팅PM·프로덕트
#사례#평가 2026.11.14 ↗
AX Implementation아티클

Shop the Look: Fanatics가 OpenAI 모델로 리그 공식 스토어에 코디 추천을 붙여 참여 10% 올린 방식

OpenAI 고객 사례

OpenAI가 공개한 고객 사례입니다. Fanatics는 팬이 팀 저지를 보면 재고 있는 같은 팀 상품으로 코디를 짜 주는 기능을 NFL·NBA·MLB·NHL 공식 스토어에 붙였고, 첫 50개 상품은 하루 안에 테스트해 같은 주에 MVP를 승인했습니다. MLB 상품 약 30,000개 테스트에서 참여가 10% 높았습니다.

PM·프로덕트마케팅CIO·CTO
#사례#생성형 AI 2026.10.28 ↗
AX Implementation아티클

Store-Item Level Visibility: Kroger가 RFID·컴퓨터 비전 데이터로 매장 품목별 재고 위험을 먼저 잡는 방식

Supply Chain Dive · Kelly Stroh

Kroger는 data pipeline 20개를 묶은 AI 도구로 매장 품목 단위의 재고 위험을 일찍 잡고, 베이커리 RFID 파일럿 약 1,500개 매장에서 재고 조사를 약 70% 빠르게, 폐기를 50% 줄였다고 밝혔습니다. 컴퓨터 비전 데이터는 공급사와 나눕니다. 데이터 신뢰 규칙, 위험 점수 필드, 8주 시범안을 붙였습니다.

현업 리더CIO·CTOAX 추진
#사례#SCM 2026.11.01 ↗