[재고 자동화] 사진 한 장 '딸깍' 했더니 엑셀 정리가 끝? AI의 비밀 무기 📸

1. Inventory Automation 도입 배경: "수기 입력의 종말"

휴대폰 유통 시장의 재고 관리는 사장님들에게 '야근의 주범' 이라 불립니다. 공급처마다 제각각인 엑셀 양식, 흐릿한 스크린샷, 그리고 수시로 발생하는 오타('256GG', '아이퐁') 때문입니다. 사람이 일일이 눈으로 보고 타이핑하는 기존 방식은 시간 낭비일 뿐더러, 결정적인 순간에 '재고 불일치'라는 치명적인 비즈니스 리스크를 야기합니다.

저희는 OCR - 광학 문자 인식과 LLM 기반의 파싱(Contextual Parsing) 기술을 결합해 이 문제를 해결했습니다.

Universal Recognition: 정해진 엑셀 양식이 아니어도, 이미지 속 텍스트의 위치와 의미를 스스로 파악합니다.
Auto-Correction: '256GG' 같은 오타나 '아17' 같은 줄임말도 AI가 "이것은 아이폰 17 256GB임" 을 추론하여 표준 데이터로 변환합니다.

2. Core Mechanism: 맥락을 이해하는 파이프라인

슬릿(Slit)의 재고 시스템은 단순히 글자를 읽는 것을 넘어, 데이터의 '의도' 를 해석하도록 설계되었습니다. 코드 레벨에서 구현된 핵심 아키텍처는 다음과 같습니다.

A. Dynamic Parser Factory (유연한 대응)

공급처(Supplier)가 어떤 명칭이든 상관없습니다. 시스템은 이미지의 파일명과 패턴을 분석해 가장 적합한 전용 번역기(Parser) 를 자동으로 호출합니다. 이는 수십 개의 서로 다른 사투리를 동시통역하는 것과 같습니다.

B. Fuzzy Matching을 이용한 정규화 (Self-Healing)

가장 큰 기술적 장벽은 "비정형 데이터의 표준화" 였습니다. 저희는 이를 Fuzzy Logic(유사도 분석) 패턴으로 해결했습니다.

Extraction (추출): "S25 울트라 블랙 소량"이라는 텍스트를 읽어냅니다.
Inference (추론): '소량'을 숫자 '1'로, '울트라'를 모델명 'SM-S938N'으로 매핑합니다. 만약 '블랙'이 정확히 없다면, 가장 유사한 '티타늄 블랙'으로 자동 보정합니다.
Aggregation (집계): 중복된 데이터는 합치고, 최종적으로 SQL 쿼리를 생성해 데이터베이스에 즉시 반영합니다.

3. 데이터 무결성 (Integrity) 전략

단순히 읽는 것에서 끝나지 않습니다. 잘못된 정보가 DB에 들어가는 것을 막기 위해 이중 검증 시스템을 도입했습니다.

Validator: '아이폰 16'에 존재하지 않는 '1TB' 용량이 입력되면, 시스템은 이를 감지하고 폐기하거나 경고를 보냅니다.
Contextual Inference: 색상 정보가 누락되었더라도, 모델명을 통해 기본값을 유추하거나(Implicit Mode), 이전 행의 데이터를 참고해 빈칸을 채웁니다.

4. 요약

"사람의 눈과 손으로 처리하던 비효율적인 입고 처리를, OCR과 지능형 파싱 알고리즘으로 대체하여 '이미지 업로드' 단 한 번으로 데이터베이스화하는 초자동화(Hyper-automation) 시스템입니다."

[📌 에디터의 한마디]

진정한 기술력은 '사용자가 기술을 전혀 느끼지 못하게 하는 것' 입니다. 슬릿의 재고 관리 시스템은 복잡한 파이썬 코드와 AI 로직을 통해 돌아가지만, 사용자에게는 그저 "사진을 찍으니 정리가 끝났다"는 심플한 경험만 남깁니다.

"이제는 AI로 핸드폰 구매, 슬릿"