StorePilot AI

CCTV 행동 정보와 POS·키오스크 등 결제 데이터를 연결하는 무인매장 통합관제 솔루션입니다. 결제가 불명확한 상황을 단계별로 구분하고 점주가 확인할 장면을 알려주는 서비스를 목표로 합니다. 현재 아이디어 구체화·기술 설계 단계입니다.

본 서비스의 핵심은 'CCTV 영상을 더 많이 보는 것'이 아니라, 점주가 직접 확인해야 하는 사건을 AI가 먼저 선별하는 것이다. 영상에서 고객의 행동 흐름을 분석하고 결제기록을 대조하여 운영상 의미가 있는 이벤트를 생성한 뒤, 점주에게 해당 이벤트와 관련된 짧은 영상·결제상태·판단근거를 제공한다. 이를 통 해 기존의 장시간 CCTV 탐색을 사건 중심 확인 방식으로 전환한다. ① CCTV 기반 행동 이벤트 생성 CCTV 영상에서 고객의 상품 취급, 이동경로, 결제구역 접근, 매장 이탈 등 결제 검증에 필요한 행동을 탐지·추적한다. 초기 MVP에서는 절도 자체를 직접 분류하기보다 '상품 취급 이후 결제영역을 거쳐 퇴장했 는가'와 같은 관찰 가능한 이벤트를 추출하는 데 집중한다. ② Unified Payment Event POS·키오스크 결제만을 정상 결제의 유일한 근거로 사용하지 않는다. POS 장애, 카드·간편결제 오류, 계좌이체 등 실제 매장에서 발생할 수 있는 예외를 반영하기 위해 POS/키오스크, 계좌이체, QR·간편결제, 점주 수동확인을 하나의 통합 결제 이벤트로 구성한다. 이를 통해 'POS 기록 없음 = 미결제'라는 단순 규 칙이 만드는 오탐을 줄인다. ③ 행동-결제 Event Matching 행동 이벤트와 결제 이벤트를 시간, 결제금액, 상품정보 등으로 연결한다. 매칭 결과는 정상 결제, 결제 가능성 높음, 확인 필요, 미결제 의심의 네 단계로 제공한다. AI의 결과는 수사·처벌을 위한 확정 판정이 아니라 점주가 확인해야 할 사건의 우선순위를 정하는 의사결정 지원 정보로 사용한다. ④ Privacy-preserving 영상처리 원격관제 과정에서 모든 이용자의 얼굴을 불필요하게 노출하지 않도록 직접 식별정보는 최소화하고, 행 동·이동·상품 상호작용 등 운영에 필요한 정보 중심으로 처리하는 구조를 지향한다. 원본 영상 접근은 권한과 목적에 따라 제한하고, 평상시 관제 화면은 익명화된 이벤트 중심으로 구성하는 방식으로 개인정보 노출 범위를 줄인다. ⑤ 다점포 통합 원격운영 결제누락 탐지 기능을 시작점으로 재고 부족, 진열 이상, 장시간 체류, 기기 이상 등으로 이벤트 유형을 확장한다. 여러 점포의 이벤트를 하나의 Dashboard에서 우선순위별로 확인할 수 있도록 하여 1명의 점주 또는 관제 인력이 여러 무인매장을 관리할 수 있는 구조로 발전시킨다.

초기 고객은 CCTV·키오스크를 갖추고 고객이 상품을 직접 선택해 셀프 결제하는 무인 아이스크림점, 식 품·과자점, 밀키트점, 무인카페 등이다. 이후 결제와 이용 행동의 연계가 필요한 셀프사진관·무인 세탁 소, 다점포 사업자 및 프랜차이즈 본사로 확장할 수 있다. 범죄통계에서도 시장의 필요성이 확인된다. 에스원의 고객사 무인매장 분석(2020년 1월~2022년 6월)에 따르면, 2021년 절도는 전년 대비 85.7% 증가했다. 경찰청 통계에서도 월별 절도는 2021년 3월 223건에서 10월 517건으로 2배 이상 늘었다. 별도 경찰청 집계를 인용한 보도에서는 2021년 3~12월 3,514건, 2022년 6,018건, 2023년 10,847건으로 나타났다. 2023년 건수는 2021년 3~12월 집계의 약 3.1배다. 다만 결제기록이 보이지 않는다는 이유만으로 고객을 절도자로 판단해서는 안 된다. 2024년 경기도의 한 무인점포에서는 3,400원을 정상 결제한 부부의 CCTV 사진이 미결제자로 게시된 사례가 보도됐다. 별도 사 건에서는 미결제 의심 고객의 얼굴 사진을 공개 게시한 업주에게 명예훼손 유죄가 선고됐다. 따라서 미결 제 탐지와 함께 정상 고객의 오인을 방지하는 절차적 안전장치와 개인정보 최소화가 필요하다. 고객 가치는 세 가지다. 첫째, CCTV 전체 영상의 탐색시간을 줄이고 필요한 사건만 빠르게 확인한다. 둘 째, POS·계좌이체·기타 결제수단을 함께 검토해 정상 고객의 오인 위험을 낮춘다. 셋째, 여러 매장의 결 제·재고·운영 이상을 한 화면에서 관리해 다점포 운영의 인력 의존도를 낮춘다.

사업계획서에 제시된 비교입니다.

기존 무인매장 보안·관제 서비스가 있어, AI CCTV 활용이나 키오스크 결합의 최초성을 차별성으로 제시하지 않는다. 에스원 ‘안심24’는 CCTV 기반 침입·장기 체류 관리, 원격 개·폐점 및 비상상황 대응을 지원하며[1], SK쉴더스 ‘캡스 무인안심존’도 AI CCTV(침입·쓰러짐 감지 등)와 결제 키오스크를 통합 제공한다.[2] 핵심 차별성은 고객 행동과 실제 결제정보를 단일 이벤트로 연결한 복수 결제수단 교차 검증이다. POS 기록만으로 반영하기 어려운 계좌이체·간편결제·수동 승인 등의 예외를 포함해 모든 결제·확인 정보를 ‘Unified Payment Event’로 통합하고, CCTV의 상품 취급·이동·퇴장 행동과 시간·금액·상품정보 기준으로 연계한다. 판단 결과는 정상·절도의 이분법 대신 정상 결제 / 결제 가능성 높음 / 확인 필요 / 미결제 의심의 4단계로 제공하고, 관리자의 최종 확인으로 정상 고객에 대한 오탐을 최소화한다. 보도에 따르면 전국 무인점포 절도는 하루 평균 약 13건(2021.03~2022.06)[3], 서울 지역 무인점포 관련 범죄는 월평균 약 96건(2022.03~2023.02)[4]으로, 운영 리스크와 이상상황 관리의 필요성을 보여준다. 사생활 침해 최소화 가이드라인[5]에 따라 원본 CCTV 상시 열람 대신 AI 추출 이벤트 중심으로 관제해, 직접 식별정보 노출을 최소화하는 Privacy-preserving 구조를 지향한다. 얼굴 익명화 자체는 선행 특허[6]가 있어 신규 기술로 주장하지 않으며, 익명화된 행동 이벤트와 Unified Payment Event를 연계해 결제상태를 판단하는 ‘Privacy-preserving Behavior-Payment Event Matching’을 핵심 기술개발 방향으로 설정한다.

제안팀(AI01)은 일반대학원 AI학과 대학원생으로 구성되며, Computer Vision 전공역량을 바탕으로 CCTV 영상분석 및 AI 모델 개발을 추진한다. 주요 기술은 사람·상품 객체 탐지(Object Detection), 고객 이동 추적(Multi-Object Tracking), 행동 이벤트 생성, 영상·결제 데이터 시간 동기화 및 Event Matching이다. 본 서비스는 고객의 상품 취급·결제구역 접근·퇴장 과정을 시간적으로 연결하고 실제 거래기록과 대조 한다. 초기 MVP에서는 CCTV 행동 이벤트와 POS·키오스크 거래기록을 연결하는 CCTV-Payment Event Matching을 구현하고, 이후 계좌이체·간편결제·점주 수동확인을 포함하는 Unified Payment Event로 확장 한다. 실제 매장 PoC에서는 탐지 정확도, 오탐률, 점주의 CCTV 확인시간, 예외결제 처리 및 사용성을 검증 한다. 개인정보 보호를 위해 관련 가이드라인을 고려하여 원본 영상의 상시 열람보다 AI가 생성한 이벤트 중심 의 관제를 지향한다.[7] 얼굴 익명화 관련 선행기술을 검토하고, 익명화된 행동정보와 결제정보를 결합하 는 구조를 핵심 기술개발 방향으로 설정한다.[8] 팀의 경쟁력은 AI 영상분석 전공역량을 활용해 핵심 기능부터 MVP로 검증하고 사업범위를 단계적으로 확 장하는 개발전략에 있다. 결제 연동, 법률·개인정보 검토 및 매장 운영 관련 전문성은 외부 API, 전문가 자문과 실제 사업자와의 PoC를 통해 보완한다. 역할 분담 대표자: AI 영상분석 모델 설계, 객체 탐지·추적, 행동 이벤트 및 Event Matching 알고리즘 개발, 기술 실험·성능평가 팀원: 서비스 기획, 데이터 연동 구조 설계, 관제 Dashboard·사용자 인터페이스 개발, PoC 운영·고객 요 구사항 분석 현재 개발단계 현재는 아이디어 구체화 및 기술 아키텍처 설계 단계로, 상용 서비스 개발이나 실제 점포 PoC는 완료되지 않았다. 향후 CCTV-POS 기반 MVP를 구현하고, 실제 매장 데이터 확보와 검증을 거쳐 복수 결제 연동 및 개 인정보 보호형 영상처리 기능을 고도화할 계획이다.

현장 요구와 데이터 확보 → 핵심기술·MVP → 실제 매장 PoC → 안정화·기능 확장 → 유료 베타·상용화로 추진합니다. 초기에는 표준화된 소수 매장과 제한된 결제 연동에 집중하고, 일부 과업은 병행합니다.

전국 관제 인프라, 완전 자동 절도 판정, 모든 결제사업자 동시 연동은 초기 개발 범위에서 제외합니다.

본 서비스의 핵심 수익모델은 매장당 월 구독료이다. 예상 서비스 구조는 다음과 같다. - Basic: CCTV 이상상황 모니터링 - Standard: CCTV + POS·키오스크 연동 및 미결제 탐지 - Pro: 계좌이체 등 복수 결제연동 + 다점포 통합관리 + 관제지원 사업성 검토를 위해 Standard 서비스 이용료를 월 8만원/매장으로 가정하면, - 100개 매장: 연 9,600만원 - 500개 매장: 연 4.8억원 - 1,000개 매장: 연 9.6억원 규모의 반복 매출 구조를 만들 수 있다. ※ 월 8만원은 시장조사 결과가 아니라 사업성 검토를 위한 가정이다. 추가 수익원은 다음과 같다. - 초기 CCTV·결제시스템 연동비 - 프랜차이즈 본사 단위 계약 - 다중 결제 연동 서비스 - 원격관제 Premium 서비스 주요 비용은 AI 서버, 영상 저장, 클라우드, 결제시스템 연동, 서비스 개발·운영 비용이다.

국내 무인매장 전체를 잠재시장으로 보고, CCTV와 키오스크가 설치된 무인 아이스크림점·무인 식품점·편의형 매장 등 초기 적용이 가능한 약 4,000개 점포를 서비스 가능 시장으로 설정합니다. 초기 2~3년 확보 목표는 500개 점포입니다. 이는 사업계획서의 시장 가정과 목표이며 실제 확보 실적은 아닙니다. 초기에는 좁은 업종부터 시작해 다른 무인점포 업종으로 확장할 계획입니다.

본 아이템의 사업화를 위해 다음과 같은 지원을 희망한다. 1. 무인매장 PoC 연계로 CCTV 영상과 POS·키오스크 결제데이터를 활용한 실증환경을 확보하고, 미결제 의심 탐지 정확도·오탐률·점주의 CCTV 확인시간 감소 효과를 검증하고자 한다. 2. 개인정보·영상정보·결제정보 관련 법률·보안 자문으로 영상·결제데이터 연계의 적법성과 데이터 보관·접 근권한·비식별화 방안을 검토하고자 한다. 3. 특허·지식재산권 지원으로 Privacy-preserving Behavior-Payment Event Matching 구조의 선행기술 을 조사하고, 차별성 확보 시 특허출원을 검토하고자 한다. 4. B2B SaaS 사업모델·가격정책 멘토링으로 점주의 지불의사와 운영비를 반영한 월 구독료·요금제·초기 시 장진입 전략을 구체화하고자 한다. 5. 중앙대학교 창업지원단의 「모두의 창업 프로젝트」와 연계해 본 경진대회에서 구체화한 아이디어를 MVP·PoC 단계로 발전시키고, 사업화자금·멘토링·비즈니스모델 고도화 등 후속 지원을 받고자 한다. 이후 PoC·유료 베타로 사업성이 검증되면 예비창업패키지·초기창업패키지 및 투자기관과 연계해 실제 창업 과 시장진입을 추진하고자 한다.