"똑같은 상품사진인데, 왜 제 노트북 크롬에선 선명한데 고객 폰에선 뿌옇게 보인다는 컴플레인이 들어올까요?"
— 쇼핑몰 상세페이지 대행사 6년차 디자이너의 실제 하소연
쇼핑몰 매출의 70%는 '상품사진'에서 갈립니다. 그런데 디자이너가 포토샵에서 완벽하게 보정한 사진이 브라우저와 기기마다 다르게 렌더링된다는 사실은 의외로 잘 알려져 있지 않습니다. 사파리에선 쨍한데 크롬에선 채도가 빠지고, 갤럭시에선 선명한데 아이폰에선 뿌옇게 뭉개지는 현상. 이건 디자이너의 실수가 아니라 컬러 프로파일·압축 방식·픽셀 밀도의 차이가 만드는 구조적 문제입니다.
문제는, 대행사들이 이걸 사람 눈으로 일일이 확인한다는 겁니다. 상세페이지 하나에 이미지 30~50장. 이걸 크롬·사파리·엣지에서, 그리고 아이폰·갤럭시·태블릿에서 다 열어보려면 반나절이 사라집니다. 오늘은 비전공자도 AI 코딩 도구만으로 '브라우저·기기별 이미지 품질 검수 봇'을 만들어 이 문제를 자동화하고, 대행사에 월 100만원을 받는 과정을 5단계로 풀어드립니다.
왜 같은 이미지가 다르게 보일까?
먼저 원인을 이해해야 검수 봇이 '무엇을' 잡아내야 하는지 알 수 있습니다. 이미지 렌더링 차이는 크게 세 가지 원인에서 발생합니다.
검수 봇의 역할은 '예쁘게 만드는 것'이 아니라 문제 있는 이미지를 자동으로 골라내는 것입니다. 컬러 프로파일 누락, 압축 품질 미달, 해상도 부족 — 이 세 신호만 잡아도 대행사 업무의 90%가 자동화됩니다.
이 일이 왜 '돈'이 될까?
상세페이지 대행사는 보통 월 40~80건을 처리합니다. 건당 4시간의 검수 노동이 3분으로 줄면, 디자이너 1명분의 인건비가 통째로 절약됩니다. 월 100만원짜리 검수 봇은 대행사 입장에서 '비용'이 아니라 '수익 도구'인 셈이죠. 그래서 팔립니다.
비전공자를 위한 5단계 실전 가이드
STEP 1. 이미지 수집·업로드 설계
AI 코딩 도구(예: 커서, 클로드)에게 "상세페이지 URL을 넣으면 그 안의 모든 상품 이미지를 자동으로 내려받는 기능"을 요청합니다. 코드를 몰라도 됩니다. "쇼핑몰 상세페이지 주소를 입력하면 img 태그의 이미지를 전부 수집하는 파이썬 스크립트를 만들어줘"라고 자연어로 지시하면 됩니다. 폴더 업로드 방식도 함께 지원하면 대행사가 로컬 원본으로도 검수할 수 있습니다.
STEP 2. 품질 지표 자동 측정
이 단계가 봇의 심장입니다. 각 이미지에서 4가지 수치를 뽑아냅니다. ① 실제 픽셀 해상도(레티나 대응 여부), ② JPEG 압축 품질 추정치, ③ 컬러 프로파일(sRGB인지 아닌지), ④ 라플라시안 분산값으로 계산한 '선명도 점수'. 특히 선명도 점수는 "뿌옇다"를 숫자로 바꿔주는 핵심 지표라 반드시 넣어야 합니다.
이미지 분석은
Pillow와 OpenCV 두 라이브러리면 충분합니다. AI에게 "이 두 라이브러리로 선명도·압축률·컬러프로파일을 측정하는 함수를 만들어줘"라고 하면 30분 안에 작동하는 코드가 나옵니다.
STEP 3. 환경별 시뮬레이션
실제 크롬·사파리 등 여러 브라우저를 자동으로 띄우는 도구(플레이라이트)를 이용해, 같은 이미지가 각 환경에서 어떻게 표시되는지 스크린샷을 자동으로 캡처하고 픽셀 단위로 차이를 비교합니다. 아이폰·갤럭시 화면 크기와 픽셀 밀도도 시뮬레이션 설정으로 재현할 수 있습니다. 차이가 임계값을 넘으면 '경고' 플래그를 답니다.
STEP 4. 진단 리포트 자동 생성
대행사가 원하는 건 '데이터'가 아니라 '바로 고칠 수 있는 지시서'입니다. 문제 이미지를 빨간 테두리로 표시하고, "3번 이미지: 컬러프로파일이 AdobeRGB → sRGB로 재저장 필요"처럼 구체적 수정 가이드를 붙인 PDF/HTML 리포트를 자동 생성합니다. 이 리포트의 완성도가 곧 서비스의 가격을 결정합니다.
STEP 5. 구독형 서비스화
마지막은 돈을 받는 구조입니다. 대행사별 계정을 만들고, 월 검수 건수에 따라 요금제를 나눕니다. 처음엔 수동으로 파일을 받아 리포트를 돌려주는 '반자동'으로 시작해 3~4곳의 고객을 확보한 뒤, 웹 대시보드로 자동화하는 순서를 추천합니다. 실적이 먼저, 자동화는 나중입니다.
시작하기 전, 꼭 기억할 3가지
첫째, 완벽한 봇을 만들려 하지 마세요. STEP 2의 '선명도 점수' 하나만 정확해도 첫 고객은 잡힙니다. 둘째, 대행사의 실제 워크플로우에 붙어야 합니다. 그들이 쓰는 파일 형식, 납품 규격을 그대로 받아들이는 리포트가 이길 확률이 높습니다. 셋째, 기술보다 '문제 정의'가 90%입니다. "뿌옇게 보인다"는 막연한 불만을 4개의 측정 가능한 수치로 번역한 사람이 돈을 법니다.
비전공자의 무기는 코딩 실력이 아니라 '현장의 반복 노동을 AI에게 시키는 설계력'입니다. 이미지 품질 검수는 그 설계력을 연습하기에 가장 좋은 실전 소재입니다.
혹시 "라이브러리 이름은 알겠는데, 이걸 실제로 어떻게 엮어서 하나의 작동하는 서비스로 만드는지" 막막하다면 — 바로 그 '연결하는 감각'이 핵심입니다. 투더제이(TTJ) 코딩클래스 정규반에서는 이런 실전 자동화 프로젝트를 처음부터 끝까지 직접 완성하며, AI에게 무엇을 어떻게 지시해야 돈이 되는 결과물이 나오는지를 단계별로 익힙니다. 오늘 소개한 검수 봇처럼, 여러분의 주변에 이미 존재하는 '반복 노동'을 수익 모델로 바꾸는 방법을 함께 만들어갑니다. 🚀