검색창이 사라지고 있다
패션 전문몰 LF몰이 패션 커머스 업계 최초로 ChatGPT 앱을 출시했다. 한국경제 보도에 따르면, 이 서비스의 핵심은 단순하다. "검색어를 입력하는 대신, 상황을 설명하면 된다." 오늘 저녁 비즈니스 캐주얼 미팅이 있다고 말하면, AI가 TPO 기반으로 상품을 큐레이션한다. 키워드 검색 대신 맥락 기반 대화가 쇼핑의 시작점이 되는 것이다.
이건 단순한 기능 추가가 아니다. LF가 직접 밝혔듯 "브랜드 발견 방식이 검색에서 응답 중심으로 변화하고 있다"는 구조적 전환에 대한 대응이다. GEO(Generative Engine Optimization) 전략까지 병행한다는 점에서, 이 회사는 SEO 시대의 문법이 AI 시대에 더 이상 작동하지 않는다는 사실을 꽤 일찍 직시했다.
프론트엔드 개발자 입장에서 이 전환이 흥미로운 이유는 하나다. 검색창 하나를 없애는 일이, 실제로는 사용자 여정 전체를 다시 설계하는 일이기 때문이다.
대화형 UX가 어려운 진짜 이유
검색 UI는 사실 굉장히 관대한 인터페이스다. 사용자가 무엇을 원하는지 명확하지 않아도 된다. "파란 셔츠"라고 입력하면 결과가 나오고, 마음에 안 들면 필터를 조작하면 된다. 실패의 책임이 사용자에게 있는 구조다.
대화형 AI UX는 다르다. 시스템이 먼저 맥락을 이해하고, 사용자 의도를 추론하고, 그에 맞는 응답을 생성해야 한다. 실패의 책임이 시스템으로 이동한다. "제가 원하는 걸 찾아줄 줄 알았는데"라는 실망은 검색 결과보다 훨씬 감정적으로 크게 다가온다. AI가 틀리면, 브랜드 신뢰가 직접 깎인다.
여기서 PRD(Product Requirement Document)의 역할이 중요해진다. AI 서비스 기획 방법론을 다루는 인공지능사관학교 커리큘럼에서 강조하듯, PRD는 "무엇을, 왜, 누구를 위해, 성공은 무엇인가"를 팀이 합의하는 나침반이다. 대화형 UX를 도입할 때 이 문서가 없으면, 개발팀은 기능을 만들고 있고 기획팀은 경험을 설계하고 있는 엇갈린 상황이 발생한다.
프론트엔드가 실제로 고민해야 할 설계 프레임
대화형 AI UX를 구현할 때 프론트엔드 개발자가 마주치는 구체적인 설계 결정들이 있다.
첫째, 입력 모달리티를 어떻게 정의할 것인가. 텍스트 입력창 하나를 두는 방식과, 상황별 선택지를 제시하는 칩(chip) UI를 결합하는 방식은 사용자 진입 장벽에서 큰 차이를 만든다. 빈 텍스트 박스는 '무엇을 써야 할지 모르는' 사용자를 이탈시킨다. 인공지능사관학교 커리큘럼의 표현을 빌리자면, MVP 단계에서는 "자동화는 필수 구간만, 나머지는 운영/수동 규칙으로 대체"하는 전략이 유효하다.
둘째, 응답 스트리밍과 로딩 상태를 어떻게 처리할 것인가. 검색은 결과가 일괄 렌더링된다. 대화형 AI는 응답이 스트리밍된다. 사용자가 답변이 생성되는 과정을 지켜보는 동안 UX가 어떻게 작동해야 하는지—스켈레톤 UI, 타이핑 애니메이션, 중간 로딩 상태—를 미리 설계해두지 않으면 나중에 패치가 산더미처럼 쌓인다.
셋째, 대화 맥락을 어떻게 유지하고 시각화할 것인가. LF몰의 현재 서비스가 "조건 기반 추천 중심"으로 운영된다고 밝힌 것은 솔직한 고백이다. 진짜 개인화—이전 대화 맥락을 기억하고, 선호 브랜드와 가격대를 누적 반영하는—는 단계적으로 확대 예정이다. 프론트엔드에서는 이 진화를 대비해 상태 관리 구조를 처음부터 확장 가능하게 설계해야 한다.
넷째, MoSCoW 기법으로 기능 우선순위를 명확히 끊어야 한다. Must Have(대화 입력 + 상품 추천 결과 렌더링), Should Have(대화 히스토리 유지), Could Have(이미지 인식 스타일 추천), Won't Have(오프라인 매장 연계—지금은). 이 구분 없이 개발을 시작하면 LF몰이 "단계적으로 확대"라고 표현한 그 단계들이 뒤섞여 MVP가 과부하에 걸린다.
성공 지표를 먼저 정의하지 않으면 아무것도 모른다
프론트엔드 관점에서 가장 간과하기 쉬운 것이 바로 성공 지표다. 인공지능사관학교 커리큘럼이 강조하듯 "출시 후 성패를 판단할 측정 가능한 성공 지표"가 PRD에 포함되어야 한다. 대화형 AI UX에서는 전통적인 검색 지표(검색 클릭률, 결과 페이지 이탈률)가 무의미해진다.
대신 추적해야 할 것들이 있다. 대화 완료율(첫 메시지를 보낸 사용자 중 실제로 상품 페이지에 도달한 비율), 추천 수락률(AI 추천 상품을 클릭한 비율), 대화 재시도율(같은 세션에서 다시 질문을 수정한 비율). 재시도율이 높다면 첫 추천의 정확도가 낮거나 입력 UX가 사용자 의도를 제대로 끌어내지 못하고 있다는 신호다.
검색 박스를 지운 자리에 무엇을 두어야 하는가
LF의 전략이 시사하는 더 큰 그림이 있다. GEO 전략—유튜브, 인스타그램, 블로그 콘텐츠를 생성형 AI가 일관된 맥락으로 인식하도록 구조화하는 것—은 단순히 SEO를 AI 버전으로 업데이트하는 것이 아니다. 브랜드 정보가 검색 인덱스가 아니라 AI 학습과 응답의 소스가 되도록 콘텐츠 구조 자체를 재설계하는 작업이다.
프론트엔드 개발자에게 이 전환의 의미는 명확하다. 앞으로 우리가 만드는 인터페이스는 사람이 검색하는 것만이 아니라, AI가 브랜드 정보를 정확히 읽어낼 수 있도록 구조화되어야 한다. 시맨틱 마크업이 SEO를 위한 것이었다면, 앞으로는 AI 응답 품질을 위한 것이 된다. 접근성(a11y)과 구조화 데이터(structured data)가 동시에 중요해지는 이유다.
검색창 하나를 없애는 일이 이렇게 많은 것을 건드린다. 사용자 여정, 상태 관리, 로딩 UX, 성공 지표, 콘텐츠 구조까지. 결국 대화형 AI UX 전환은 개발 태스크가 아니라 프로덕트 결정이다. 그리고 그 결정을 가장 먼저 체감하는 것은 프론트엔드다.