리테일의 과제

리테일은 빠듯한 마진, 변동성이 큰 수요, 공급망의 복잡성 등으로 항상 사업 운영이 어려운 업종이며, 리테일 기업은 고객에게 최고의 경험을 제공해야 한다는 끊임없는 압박을 받고 있습니다.

고객이 브랜드를 어디에서 접하든 물리적 경험과 디지털 경험이 매끄럽게 이어지고 각 접점에서 새로운 차원의 편의성과 개인화가 제공되기를 바라는 기대가 점점 커지면서, 오늘날 리테일 환경에서는 이러한 어려움이 가중되고 있습니다.

디지털 시대에 소매업체는 거래, 웹사이트 방문, 포인트 제도 등의 고객 상호작용으로부터 방대한 양의 정보를 생성할 수 있지만 리테일 비즈니스 중 73%는 수집하는 데이터로부터 활용 가능한 인사이트를 추출하는 데 어려움을 겪고 있습니다.1 이들이 당면한 과제는 마진을 보호하고 고객 경험을 향상시킬 수 있도록 모든 데이터를 신속한 의사 결정으로 연결하는 것입니다.

AI를 활용하면 소매업체가 실제 행동에 옮길 수 있도록 데이터를 유용한 정보로 바꿀 수 있습니다. 소매업체의 최대 97%가 AI 도구에 대한 지출을 유지하거나 늘리려고 하는 상황에서 AMD는 파트너에게 AMD 솔루션의 장점을 소개할 수 있는 완벽한 기회를 마련해 줍니다.2

인프라가 중요한 리테일 AI

리테일 AI는 한 곳에서 실행하는 하나의 애플리케이션이 아닙니다. 이는 데이터 센터와 클라우드부터 매장 에지에 이르기까지, 비즈니스 전반에 퍼져 있는 다양한 워크로드입니다.

데이터 센터: ERP, 데이터베이스, 분석, 가상화, 공급망 플랫폼, 중앙 IT 및 모델 개발 도구가 여기에 해당합니다.

클라우드: 전자 상거래, 추천 엔진, 고객 분석, 성수기 또는 프로모션 기간에 맞춰 적응해야 하는 확장형 애플리케이션 및 워크로드에 적합합니다.

매장 에지: 컴퓨터 비전, 지능형 결제, 재고 모니터링, 비디오 분석, 더 스마트한 시스템 및 의사 결정이 고객 가까이에서 더 빠르게 이루어져야 하는 기타 워크로드 등을 말합니다.

소매업체는 문제를 해결하기 위해 더 많은 컴퓨팅을 쏟아붓기보다 지연율, 대역폭 사용량 또는 비용을 늘리지 않고 각 워크로드를 처리할 수 있도록 적재적소에 적절한 컴퓨팅을 활용해야 합니다. AMD는 클라우드부터 에지까지 각 영역에 걸친 다양한 솔루션을 소매업체에 제공하여, 필요한 곳에서 운영 효율성을 높이고 스마트한 고객 인사이트를 얻으며 성능을 개선할 수 있도록 지원합니다.

AMD가 소매업체의 더 스마트한 업무를 지원하는 방법

AMD는 이러한 환경의 각 계층에서 리테일 고객에게 옵션을 제공합니다. 이미 리테일 업계의 많은 기업이 AMD 하드웨어를 사용하고 있으며, 10대 Fortune 100 소매업체 중 7곳이 AMD EPYC™ 서버 CPU를 사용 중입니다.3

데이터 센터에서 AMD EPYC 서버 CPU는 ERP, 데이터베이스, 분석, 가상화, 전자상거래, 공급망 애플리케이션과 같은 핵심 워크로드를 지원하며, 인프라를 불필요하게 확장하지 않고도 컴퓨팅 능력을 성장시키는 데 필요한 성능과 효율성을 고객에게 제공합니다.

클라우드에서도 마찬가지로, 리테일 워크로드는 바쁜 시기, 프로모션 또는 고객 수요의 변동에 맞춰 빠르게 변화할 수 있습니다. 일례로, 온라인 개인화 서비스 제공업체인 Qubit은 상품 추천 엔진을 AMD EPYC 서버 CPU 기반 Google Cloud 인스턴스로 이전한 후 13%의 비용을 절감했습니다. 비슷한 워크로드를 대규모로 실행하는 소매업체라면 이와 같은 효율성을 통해 사용량이 증가할 때도 클라우드 비용을 관리 가능하게 유지할 수 있습니다.

Qubit 사례 연구 자세히 알아보기

매장 현장에서도 AMD 기술은 소매업체가 도입을 늘려 가고 있는 컴퓨터 비전과 에지 AI 워크로드를 지원할 수 있습니다. 여기에는 지능형 결제, 손실 방지, 재고 모니터링, 고객 흐름 분석, 데이터를 빠르게 처리해야 하는 기타 애플리케이션이 포함됩니다. AMD EPYC 서버 CPU, AMD Ryzen™ 임베디드 프로세서, AMD 적응형 컴퓨팅 기술에 기반한 에지 플랫폼은 처리가 이루어지는 위치와 각 워크로드의 필요에 따라 고객에게 다양한 옵션을 제공합니다.

또한 AMD는 소프트웨어, OEM, 인프라 파트너와 테스트를 거친 리테일 솔루션을 함께 마련하여 고객이 셀프 결제, 재고 관리, 비디오 분석과 같은 분야에 더 쉽게 진입하도록 지원합니다.

Palexy는 이를 잘 보여주는 사례입니다. 이 회사의 리테일 분석 플랫폼은 AMD 프로세서에 기반한 Google Cloud VM을 사용하여 오프라인 매장의 비디오를 분석하며, 이는 고객이 고객 행태와 매장 운영 등의 분야를 이해하는 데 도움이 됩니다. AMD 프로세서 기반 인스턴스로 이전한 결과, 성능은 50% 향상된 반면, 비용은 30% 절감되었습니다.

Palexy 사례 연구 자세히 알아보기

리테일 AI의 발전이 계속되면서 AMD는 더 까다로운 AI 워크로드를 실행하는 고객을 대상으로 AMD Instinct™ GPU와 AMD ROCm™ 오픈 소프트웨어 플랫폼 등을 통해 가속화된 컴퓨팅을 제공하고 있습니다. AMD CPU, 임베디드 및 적응형 컴퓨팅 기술과 결합하면 파트너는 모든 리테일 AI 요구 사항에 동일한 방식으로 접근하는 것이 아니라 고객이 실제로 다루는 워크로드에 맞춰 솔루션을 빌드하도록 지원할 수 있습니다.

데이터 센터, 클라우드, 매장 에지 사이를 오가는 데이터가 많아지고 있으므로 보안도 여전히 중요한 문제로 남아 있습니다. AMD EPYC 서버 CPU에는 민감한 데이터와 시스템을 보호하도록 설계된 AMD Infinity Guard 보안 기능이 포함되어 있어, 소매업체가 고객, 결제, 고객 우대 프로그램, 기타 정보를 계속 처리하면서 새로운 서비스를 도입할 수 있도록 지원합니다.4

AMD Infinity Guard에 대해 자세히 알아보기

AMD로 더 스마트해지는 리테일

리테일 비즈니스는 이미 유용한 데이터를 대량으로 보유하고 있으며 AI는 이러한 정보를 매장 재고와 추천부터 손실 방지, 고객 경험에 이르기까지 모든 분야에 활용할 새로운 방법을 만들어 내고 있습니다.

AMD 파트너는 고객이 이러한 워크로드에 적합한 인프라를 마련하는 과정을 도와줄 수 있습니다. 데이터 센터, 클라우드, 매장 에지까지 AMD 기술을 활용하여, 파트너는 소매업체가 기존 환경을 현대화하고 의미 있는 차이를 만들어 낼 수 있는 영역에 AI를 도입하도록 지원할 수 있습니다.

AMD 솔루션으로 리테일 비즈니스를 지원하는 방법을 자세히 알아보려면 AMD 리테일 및 전자 상거래 솔루션 페이지를 방문하세요.

더 많은 읽을거리

AMD Arena


AMD AI 솔루션, AMD EPYC™ 서버 CPU, AMD Instinct™ GPU 등 AMD 포트폴리오 전반에 걸친 교육을 통해 전문 지식을 쌓아보세요.

각주
  1. 개인화된 고객 중심 쇼핑을 위한 AI 기반 리테일, Cloudera 2026 https://www.cloudera.com/solutions/retail.html
  2. 설문조사: 대부분의 소매업체가 2026년에 AI 투자를 유지 또는 확대할 계획, CSA 2025 https://chainstoreage.com/survey-most-retailers-plan-maintain-or-increase-ai-investment-2026
  3. 'Fortune 100대 기업'은 2025년 6월에 발표된 2025년 Fortune 500대 기업 중 상위 20%를 의미합니다. Fortune 및 Fortune Media IP Limited는 Advanced Micro Devices, Inc.와 제휴하지 않으며, Advanced Micro Devices, Inc.의 제품이나 서비스를 보증하지도 않습니다. 출처: Fortune ©2025 Fortune Media IP Limited. All rights reserved. 라이선스 하에 사용됩니다.
  4. AMD Infinity Guard 기능은 AMD EPYC™ 프로세서 세대 및/또는 시리즈에 따라 다르며, 작동하려면 서버 OEM 및/또는 클라우드 서비스 제공업체가 활성화해야 합니다. 고객님의 OEM 또는 제공업체에 해당 기능을 지원하는지 문의하세요. AMD Infinity Guard에 대한 자세한 내용은 amd.com/ko/products/processors/server/epyc/infinity-guard.html 페이지를 참조하세요. GD-183A.