K-뷰티 회사가 AI를 하는데, 왜 첫 문제는 콘텐츠가 아니라 매출·재고·물류일까

구다이글로벌은 2026년 9월 말 AX센터를 신설했다. 보도에 따르면 이 조직이 먼저 다루는 문제는 브랜드·국가·판매채널별로 흩어진 매출, 재고, 물류 데이터를 통합하고 AI 분석을 사람의 판단과 실행으로 연결하는 일이다.

회사는 Beauty of Joseon(조선미녀), TIRTIR, SKIN1004, ROUND LAB, SKINFOOD 등 여러 브랜드를 운영한다. 공식 연혁에 따르면 2025년 연결 매출은 1.4조원을 기록했다. 브랜드와 시장, 채널이 늘어날수록 데이터만 많아지는 것이 아니라 함께 판단해야 할 조합도 늘어난다.

따라서 흥미로운 지점은 ‘K-뷰티 회사도 AI를 한다’는 사실이 아니다. 빠르게 커진 회사가 AI의 첫 적용 문제를 콘텐츠 생성보다 내부 데이터와 의사결정 구조에서 찾고 있다는 점이다.

네 개의 채용공고를 함께 보면 AX센터의 설계가 더 선명해진다

구다이글로벌은 AX센터에서 AI Product Owner, AI Engineer, Data Engineer, Backend Engineer를 채용하고 있다. 하나씩 보면 흔한 디지털 직무처럼 보이지만 네 직무를 함께 놓으면 역할이 이어진다.

Data Engineer는 상품·주문·매출·광고·재고·물류 같은 데이터를 공통 모델과 파이프라인으로 정리한다. AI Product Owner는 현업의 업무와 의사결정을 분석해 어떤 문제를 AX 과제로 만들지 정하고, Agent와 사람의 역할 경계를 설계한다.

AI Engineer는 분석 → 제안 → 승인 → 실행 → 결과 기록으로 이어지는 Agent 업무 흐름을 구현한다. Backend Engineer는 인증·권한·승인 절차·감사 로그와 사내외 시스템 연동을 맡는다. 데이터에서 판단, 실행, 통제로 이어지는 한 개의 운영 레이어가 만들어지는 구조다.

가장 흥미로운 직무는 AI Engineer만이 아니라 AI Product Owner다

AI Product Owner 공고에는 현업 인터뷰와 데이터를 이용해 문제를 정의하고 우선순위를 정하며, 사람과 AI Agent가 함께 일하는 workflow를 설계하는 업무가 적혀 있다.

특히 Agent가 어디까지 실행할 수 있는지, 어느 지점에서 사람의 승인이나 개입이 필요한지, 예외 상황을 어떻게 처리할지까지 정의하도록 한다. PoC와 MVP의 성공지표를 정하고 여러 브랜드로 확장하는 역할도 포함된다.

질문이 ‘어떤 모델을 쓸 것인가’에서 ‘어떤 판단을 AI에게 맡길 수 있고, 어디서부터 사람에게 책임이 남는가’로 이동한다. 기업의 AX가 깊어질수록 기술 선택만큼 판단 경계를 설계하는 역할이 중요해질 수 있다.

AI Engineer의 업무도 챗봇 개발보다 실제 운영 흐름에 가깝다

AI Engineer 공고에는 LLM, RAG, Agent orchestration 같은 기술이 등장한다. 하지만 더 중요한 부분은 그 기술을 실제 업무 과정 안에 넣는 방식이다.

분석과 제안에서 끝내지 않고 승인, 실행, 결과 기록까지 이어지는 workflow를 만들고, 평가·관측·모니터링을 통해 성능과 비용, 오류와 실패를 관리하도록 한다. 사람의 승인과 개입을 포함하는 Human-in-the-loop도 명시돼 있다.

검증된 기능은 여러 브랜드가 다시 사용할 수 있는 Shared AX Core로 발전시키는 역할도 포함된다. 일회성 데모보다 반복 가능한 회사 capability를 만들겠다는 방향에 가깝다.

Data Engineer와 Backend Engineer가 있어야 Agent가 실제 회사 안으로 들어간다

Data Engineer는 상품·SKU·BOM·거래처·주문·매출·광고·재고·물류·VOC 같은 데이터를 공통 모델로 연결하고 ERP, WMS, 이커머스, 광고 플랫폼 사이의 파이프라인을 구축하도록 되어 있다.

Backend Engineer는 API와 시스템 연동뿐 아니라 인증, 역할·권한, 승인 절차, 감사 로그, 배포와 운영 관측을 담당한다.

기업용 Agent가 실제 업무를 수행하려면 생성 능력만으로는 부족하다. 무엇을 사실로 볼지, 누가 어떤 행동을 허용받는지, 사람이 어디서 승인하는지, 실행 결과가 어떻게 기록되고 추적되는지가 함께 설계되어야 한다.

이 구조는 빠르게 성장하는 회사의 새로운 병목을 보여준다

브랜드 × 국가 × 판매채널의 조합이 늘어나면 성장 자체가 운영 복잡성을 만든다. 각 조직이 자기 데이터와 기준으로 판단하면 회사 전체의 속도와 일관성을 유지하기 어려워질 수 있다.

다만 현재 AX센터를 완성된 전사 AI 운영체계로 볼 수는 없다. 보도에 따르면 구다이글로벌은 아직 우선과제를 발굴하고 데이터 통합과 개발을 진행하는 초기 단계이며, 검증을 거친 과제부터 실제 업무에 적용할 계획이다.

따라서 지금 확인할 수 있는 것은 성과의 완성이 아니라 회사가 어디를 새로운 병목으로 보고 어떤 capability를 조직 안에 만들고 있는가이다.

AI 시대에 가치가 커지는 사람은 모델을 만드는 사람만이 아닐 수 있다

이번 네 직무에서 반복되는 능력은 모호한 현업 문제를 구조화하고, 필요한 데이터를 정의하고, Agent workflow와 통제 기준으로 바꾸는 능력이다.

AI Product Owner는 매출·비용·고객·재고·리드타임 같은 사업지표를 이용해 문제를 정의하고 기술조직과 현업 사이를 연결해야 한다.

기업의 AI 활용이 실험을 넘어 운영으로 들어갈수록 가치 있는 인재의 범위도 넓어질 수 있다. 모델을 만드는 사람뿐 아니라 도메인의 애매한 문제를 데이터·규칙·workflow로 번역하는 사람이 필요해진다.

BANSEOG VIEW | 성장의 다음 병목은 제품이 아니라 Decision Complexity일 수 있다

구다이글로벌의 AX센터는 아직 초기 단계지만 채용 구조만으로도 만들려는 운영 레이어의 윤곽은 보인다. 데이터를 공통화하고, 판단 규칙을 정하고, Agent가 실행하며, 권한과 기록으로 통제하는 구조다.

Banseog가 주목하는 것은 직무 이름보다 연결 순서다. Data Engineer → AI Product Owner → AI Engineer → Backend Engineer를 함께 보면 기술조직과 현업 사이의 단절을 줄이려는 설계가 나타난다.

빠르게 성장하는 회사의 경쟁력은 새로운 브랜드와 제품을 더 많이 만드는 것만으로 끝나지 않는다. 복잡해진 회사가 여전히 빠르고 일관되게 판단할 수 있는가가 다음 성장 단계의 capability가 될 수 있다.

BANSEOG VIEW

Banseog View — Growth → Decision Complexity → AX Operating Layer

브랜드·국가·채널이 늘수록 성장 자체가 데이터와 의사결정의 복잡도를 만든다.

구다이글로벌의 AX센터 채용은 Data → Decision Rule → Agent Execution → Control Platform을 동시에 쌓는 구조다.

AX의 핵심 인재는 모델 개발자뿐 아니라 현업 문제를 데이터·규칙·workflow로 번역하는 사람까지 넓어질 수 있다.

SOURCES

근거가 된 원자료

구다이글로벌 AX센터는 2026년 10월 3일 확인 시점에 우선과제 발굴·데이터 통합·개발을 진행하는 초기 단계다. 전사 자동화가 이미 완성됐다는 뜻이 아니다. Growth → Decision Complexity → AX Operating Layer와 Data → Decision Rule → Agent Execution → Control Platform은 공개된 조직·채용 구조를 연결한 Banseog의 해석이다. 채용공고는 공개 페이지의 확인 시점 기준이며 이후 모집 상태는 바뀔 수 있다.