ChatGPT 가상 피팅, Google의 AI 쇼핑 우위에 도전

Google이 자체 AI 피팅 서비스를 수년간 구축해 온 가운데, ChatGPT 가상 피팅이 10월 1일 두 가지 연계 쇼핑 기능과 함께 출시됐다. OpenAI는 이제 쇼핑객이 선택한 의류나 액세서리를 착용한 자신의 이미지를 생성할 수 있도록 한다. 또한 ChatGPT 안의 Favorites 컬렉션에 제품을 저장할 수도 있다.

이번 업데이트는 쇼핑 대화를 더 연속적인 의사결정 과정으로 전환한다. 쇼핑객은 의상을 설명하고, 조건에 맞는 제품을 둘러보며, 상품을 미리 착용해 보고, 유망한 선택지를 어시스턴트를 벗어나지 않고 보관할 수 있다. 다만 생성된 이미지는 시각화 결과일 뿐, 의류가 실제로 맞는다는 증거는 아니다.

이 구분은 Google과의 경쟁을 규정한다. Google은 2025년에 개인 사진 기반 가상 피팅을 도입한 뒤 Search, Shopping, Images, Chrome, 그리고 실험적 패션 제품 전반으로 경험을 확장해 왔다. OpenAI는 더 늦게 진입하지만, ChatGPT는 하나의 인터페이스 안에서 제품 탐색, 대화, 이미지 생성, 저장한 선택지를 연결할 수 있다.

ChatGPT 가상 피팅, 탐색과 시각화를 연결하다

중요한 변화는 이미지 생성만이 아니다. OpenAI는 ChatGPT 안의 기존 쇼핑 여정에 시각적 실험을 연결했다.

ChatGPT 쇼핑 결과에서 대상 의류 및 액세서리 목록에는 새로운 Try on 버튼이 표시될 수 있다. 이를 선택하면 사용자는 셀카를 촬영하거나 업로드한 뒤, 해당 제품을 자신이 착용한 모습으로 생성해 달라고 요청할 수 있다.

OpenAI에 따르면 결과물은 ChatGPT Images가 생성한다. 쇼핑객은 스크린샷을 포함해 별도의 상품 이미지를 업로드하고, 자신이 그 제품을 착용한 모습으로 시각화해 달라고 ChatGPT에 요청할 수도 있다. 영감이 항상 구조화된 제품 목록에서 시작되는 것은 아니기 때문에 이 경로는 중요하다.

사용자는 매장에서 본 액세서리를 촬영하거나, 소셜 미디어에서 의상을 캡처하거나, 리테일러의 이미지를 저장할 수 있다. ChatGPT는 색상, 스타일, 상황, 대안에 관해 논의하는 동일한 대화 안에 그 참고 자료를 배치할 수 있다.

회사는 2026년 10월 1일 이 기능들을 발표했다. 자사의 릴리스 노트에 따르면, 모바일 기기 및 웹의 ChatGPT를 통해 이용할 수 있다.

OpenAI 문서에 따르면 참고 사진은 이후 가상 피팅을 위해 저장된다. 사용자는 Personalization 설정에서 이 이미지를 교체하거나 삭제할 수 있다. 같은 참고 사진을 재사용하면 한 번의 쇼핑 세션에서 여러 제품을 시험해 볼 때의 번거로움이 줄어든다.

Favorites는 업데이트의 두 번째 부분을 구성한다. 북마크 컨트롤을 통해 사용자는 ChatGPT Library에 제품을 저장할 수 있으며, 폴더를 사용해 해당 제품들을 더 작은 컬렉션으로 정리할 수 있다.

여행을 계획하는 쇼핑객은 신발, 재킷, 액세서리별로 별도 폴더를 만들 수 있다. 면접 의상을 비교하는 사람은 방문할 리테일러를 정하기 전 여러 조합을 보관할 수 있다.

Library는 단순히 북마크를 저장하는 공간을 넘어선다. OpenAI는 이를 업로드한 문서, 생성된 파일, 이미지, 제품, 장소를 위한 지속적 영역으로 발전시켜 왔다. 새로운 쇼핑 컨트롤은 제품 결정을 또 다른 유형의 재사용 가능한 자료로 만든다.

이러한 지속성은 ChatGPT의 역할을 바꾼다. 어시스턴트는 더 이상 빈 프롬프트나 잊힌 제품 링크에서 모든 쇼핑 논의를 시작할 필요가 없다.

저장된 참고 사진은 시각적 연속성을 제공한다. Favorites는 후보군을 보존한다. 대화는 다음 요청을 다듬을 수 있는 선호도와 피드백을 제공한다.

OpenAI의 쇼핑 안내에는 중요한 경고도 담겨 있다. 생성된 가상 피팅 이미지는 고객이나 제품을 정확하게 나타내지 않을 수 있으며, 사이즈나 착용감을 보장하지 않는다.

사용자는 여전히 판매자의 치수 정보, 제품 설명, 반품 정책을 확인해야 한다. 이 도구는 사이즈 관련 질문보다 스타일 관련 질문에 더 설득력 있게 답한다.

이러한 한계는 이번 출시를 현실적인 범위에 머물게 한다. ChatGPT는 누군가가 의상을 상상하도록 도울 수는 있지만, 실제 피팅룸에서 얻을 수 있는 물리적 정보를 재현할 수는 없다.

OpenAI는 쇼핑 의사결정의 더 많은 부분을 확보하려 한다

가상 피팅과 Favorites는 쇼핑객이 선택지를 좁히고 선호도를 형성하는 결제 이전 단계로 ChatGPT를 더 깊이 끌어들인다.

OpenAI는 여러 제품 출시를 통해 이 경로를 구축해 왔다. 2025년 11월, 회사는 제품을 조사하고 개인화된 구매 가이드를 준비하는 특화 경험인 쇼핑 리서치를 도입했다.

쇼핑 리서치는 명확화 질문을 던지고, 재고 여부, 사양, 리뷰, 이미지 같은 세부 정보를 검색한다. 사용자는 추천이 관심 없다고 표시하거나 유사한 특성을 지닌 더 많은 제품을 요청할 수 있다.

2026년 3월, OpenAI는 더 풍부한 제품 표시, 나란히 비교하는 기능, 시각적 탐색, 이미지 기반 제품 탐색을 추가했다. 또한 판매자와 커머스 제공업체가 구조화된 제품 정보를 ChatGPT에 보낼 수 있도록 하는 Agentic Commerce Protocol도 확장했다.

최신 기능은 남아 있던 두 가지 공백을 채운다. 가상 피팅은 개인화된 시각화를 추가하고, Favorites는 사용자가 초기 비교를 통과한 제품을 보관할 장소를 제공한다.

10월 결혼식에 입을 의상을 찾는 쇼핑객을 생각해 보자. 이 사람은 장소, 예상 날씨, 드레스 코드, 색상, 의류 선호도를 일상적인 언어로 지정할 수 있다.

ChatGPT는 제품 후보를 제시하고 비교하며 피드백을 받을 수 있다. 이어 쇼핑객은 참고 사진을 활용해 드레스나 재킷을 미리 착용해 보고, 가장 유력한 선택지를 결혼식 폴더에 저장할 수 있다.

이러한 순서는 단발성 제품 질문에 답하는 것보다 상업적으로 더 가치가 높다. 구매가 가까워질수록 각 추가 단계가 사용자를 ChatGPT 안에 머물게 하기 때문이다.

OpenAI는 모든 쇼핑객이 모든 단계를 완료할 필요는 없다. 모호한 의도가 짧은 제품 목록으로 전환되는 장소가 ChatGPT가 되는 것이 목표다.

회사는 이미 더 직접적인 커머스 전략을 시험했다. 2025년 9월, OpenAI는 대상 제품을 위한 Instant Checkout을 발표하며 처음에는 ChatGPT를 Etsy 판매자와 연결했고, Shopify 지원도 계획했다.

OpenAI는 이를 뒷받침하는 커머스 표준을 위해 Stripe와 협력했다. 이전 커머스 보도가 설명했듯, 이 움직임은 어시스턴트를 거래 플랫폼에 더 가깝게 위치시켰다.

가상 피팅은 다른 경로를 택한다. 사람들에게 제품을 비교하고 자신에게 어울리는지 묻는 구매 전의 불확실한 기간에 초점을 맞춘다.

이 단계는 결제보다 대화의 여지가 더 크다. 또한 느슨하게 표현된 선호도를 해석하고 후속 질문을 통해 추천을 조정하는 ChatGPT의 능력과도 잘 맞는다.

Favorites는 쇼핑 결정이 여러 세션에 걸쳐 이뤄지는 경우가 많기 때문에 이 전략을 강화한다. 쇼핑객은 휴대폰에서 제품을 발견하고, 나중에 노트북에서 다시 고려한 뒤, 리테일러의 치수 정보를 확인하고 돌아올 수 있다.

Library는 이 과정 전반에 걸친 연속성을 제공한다. 또한 사용자가 의도적으로 보존하기로 선택한 항목의 구조화된 기록을 ChatGPT에 제공한다.

OpenAI는 제품 결과가 광고가 아니며 회사 파트너십의 영향을 받지 않는다고 말한다. 또한 광고는 제품 추천과 분리되어 있다고 밝힌다.

ChatGPT가 커머스에 더 깊이 관여할수록 이 약속은 더 엄격한 검증을 받게 될 것이다. 추천이 광고로 표시되지 않더라도 제품 순위는 구매 결정에 영향을 미칠 수 있다.

더 어려운 문제는 투명성이다. 쇼핑객은 제품이 왜 표시됐는지, 세부 정보가 얼마나 최신인지, 비교 가능한 대안이 누락됐는지를 이해할 필요가 있다.

OpenAI는 프롬프트, 대화 맥락, 가격, 재고, 리뷰, 사용 편의성 등이 요인에 포함될 수 있다고 말한다. Memory와 맞춤 지침도 ChatGPT가 어떤 상품을 노출하는지에 영향을 줄 수 있다.

이러한 신호는 관련성을 높일 수 있다. 동시에 두 사용자가 차이의 모든 이유를 확인하지 못한 채 실질적으로 다른 제품군을 받게 만들 수도 있다.

Google은 여전히 더 강력한 쇼핑 기반을 갖고 있다

OpenAI는 최초의 개인 사진 기반 피팅룸을 도입하는 것이 아니다. 이미 자리 잡은 카테고리에서 더 대화형인 진입 경로로 Google에 도전하고 있다.

Google은 2023년 의류용 생성형 가상 피팅을 제공하기 시작했으며, 처음에는 실제 모델들을 대상으로 의류를 보여줬다. 이 접근 방식은 다양한 체형, 피부 톤, 사이즈, 포즈를 표현하도록 설계됐다.

2025년 5월, Google은 개인 사진을 업로드하는 기능을 추가했다. 쇼핑객은 대상 의류를 선택하고, 미리 정의된 모델 대신 자신의 이미지를 사용해 시각화를 생성할 수 있었다.

Google의 가상 피팅 가이드는 사용자가 몸에 맞는 옷을 입고 조명이 충분한 전신 이미지를 제공하도록 안내한다. 또한 생성된 스타일을 저장하거나 공유할 수도 있다.

이 기능은 이제 지원 시장에서 Search, Shopping, Images 전반의 대규모 카탈로그에 적용된다. Google은 자사 시스템이 수십억 개의 의류 상품과 작동할 수 있다고 말하지만, 대상 카테고리와 지역별 요건은 여전히 적용된다.

Google은 제품 목록, 판매자, 브랜드, 리뷰, 재고 정보의 대규모 집합인 Shopping Graph의 이점도 누린다. 이 인프라는 빠르게 바뀌는 리테일 데이터를 정리한 직접적인 경험을 제공한다.

ChatGPT는 반대 방향에서 같은 문제에 접근한다. Google은 검색 결과에서 시작해 개인화된 이미지 레이어를 추가한다. OpenAI는 대화에서 시작해 제품 결과를 그 대화 안으로 가져온다.

이 대조는 각 회사의 강점을 형성한다.

Google은 가상 피팅을 폭넓은 제품 범위와 익숙한 쇼핑 검색에 연결할 수 있다. 특정 드레스, 재킷, 신발을 검색하며 이미 강한 구매 의도를 보이는 사용자 가까이에 이 기능을 배치할 수 있다.

OpenAI는 질적 맥락을 더 자연스럽게 유지할 수 있다. ChatGPT 대화에는 행사, 날씨, 기존 옷장, 선호하는 실루엣, 싫어하는 색상, 예산 제약, 이전 제안에 대한 피드백이 포함될 수 있다.

이 맥락 기록은 고객이 아직 어떤 제품을 검색할지 결정하지 못했을 때 도움이 된다. 사용자가 불확실한 목표를 구체적 기준으로 전환하는 과정에 어시스턴트가 참여할 수 있다.

Google도 이 영역을 외면하지는 않았다. AI Mode와 기타 대화형 검색 경험은 복잡한 질문을 해석할 수 있으며, Doppl 같은 제품은 AI 생성 개인 스타일링을 탐색해 왔다.

Doppl은 사용자가 의상 이미지를 업로드하고, 애니메이션으로 구현된 자신의 디지털 버전에 이를 미리 착용해 볼 수 있도록 한다. Google은 사용자의 사진 라이브러리에서 감지된 의류를 정리할 수 있는 Wardrobe 기능도 도입했다.

이러한 실험은 OpenAI가 왜 어려운 상대와 맞붙는지를 보여 준다. Google은 여러 확립된 표면에 걸쳐 제품 검색, 개인 사진, 브라우저 활동, 이미지 탐색, 광고, 판매자 피드, 패션 실험을 연결할 수 있다.

OpenAI의 장점은 인터페이스 집중도다. 사용자는 어느 특화된 Google 제품이 각 단계를 처리하는지 이해할 필요가 없다. ChatGPT는 익숙한 대화 안의 또 다른 기능으로 이 경험을 제시한다.

이 단순성에는 자체적인 위험도 따른다. 탐색, 추천, 시각화, Memory, 저장 항목을 결합하면 근거가 뒷받침하는 수준보다 어시스턴트의 결과가 더 권위 있어 보일 수 있다.

세련된 이미지는 의류 치수나 생성된 세부 사항이 부정확하더라도 쇼핑객을 감정적으로 설득할 수 있다. 대화형 표현은 정보에 기반한 추천과 그럴듯한 제안 사이의 경계도 더 흐릴 수 있다.

이 때문에 핵심 경쟁은 단순히 누가 더 보기 좋은 이미지를 만들어내느냐가 아니다. ChatGPT가 과도한 신뢰를 부추기지 않으면서 여러 단계의 쇼핑 과정을 일관되게 느끼도록 만들 수 있느냐가 관건이다.

Google의 기존 우위가 이 질문에 답을 주는 것은 아니다. 검색 지배력은 유통 채널을 제공하지만, 새로운 인터페이스가 반복 작업을 줄인다면 쇼핑 행동은 달라질 수 있다.

OpenAI는 실제 상품 카탈로그, 완벽하지 않은 이미지, 변동하는 재고, 복잡한 의류 사이즈의 현실 속에서도 이러한 편의성이 유지된다는 점을 입증해야 한다.

ChatGPT Try-On의 작동 방식과 한계

ChatGPT try-on은 상품과 사람을 시각적으로 해석한 이미지를 생성한다. 실제 착용감을 시뮬레이션하거나 상품을 검증하지는 않는다.

가상 피팅 시스템은 사람의 이미지 정보와 의류 또는 액세서리의 시각적 특성을 결합한다. 이후 모델은 두 대상의 정체성을 모두 보존하려는 새 이미지를 생성한다.

이 작업은 한 이미지를 다른 이미지 위에 붙여 넣는 것보다 어렵다. 의류는 신체를 따라 주름지고, 자세에 반응하며, 기존 의류를 가리고, 소재에 따라 형태가 달라진다.

패턴, 로고, 여밈 장치, 스트랩, 원단 질감도 이미지 생성 과정에서 달라질 수 있다. 시각적으로 설득력 있는 결과라도 구매자에게 중요한 세부 요소를 바꿔 놓을 수 있다.

OpenAI는 이 쇼핑 기능의 상세한 기술적 구조를 공개하지 않는다. 지원 자료에서는 ChatGPT Images가 생성된 가상 피팅 이미지를 만든다고 설명한다.

워크플로는 대상 상품 목록 또는 업로드된 상품 이미지를 받는다. 또한 사용자가 제공한 셀피나 저장된 다른 참조 사진을 사용한다.

이 방식은 전반적인 외관을 평가하는 데 유용하다. 색상 조합, 실루엣, 전체적인 스타일링, 눈에 보이는 특징과의 조화를 더 쉽게 상상할 수 있다.

그러나 결과물은 원단의 촉감, 봉제선이 쓸리는지 여부, 신발이 발을 어떻게 지지하는지를 보여줄 수 없다. 표기된 사이즈가 구매자의 신체 치수와 일치한다고 보장할 수도 없다.

또한 실제 조명 아래에서 제조된 상품이 정확히 어떻게 드레이프될지도 보여주지 못한다. 충실한 상품 사진조차 하나의 샘플, 하나의 각도, 하나의 조건만 담는다.

가상 피팅 시스템을 연구하는 연구자들은 사이즈 제어를 외관 생성과 별개의 과제로 반복해서 다뤄 왔다. 모델은 착용감을 예측할 충분한 물리 데이터를 갖추지 않은 상태에서도 매력적인 이미지를 만들 수 있다.

OpenAI는 이 경계를 직접 밝힌다. 문서에서는 결과가 사이즈나 착용감을 보장하지 않으며 판매자 정보를 확인하라고 사용자에게 안내한다.

이 문구는 쇼핑객이 이 도구를 사용하는 방식의 기준이 되어야 한다. ChatGPT 가상 피팅은 원격 맞춤 서비스보다는 시각적 무드보드에 가깝다.

그럼에도 이 기능은 불확실성을 줄일 수 있다. 두 색상 사이에서 고민하는 쇼핑객은 센티미터 단위의 정확성을 기대하지 않고도 유용한 판단 근거를 얻을 수 있다.

또한 사용자가 매장에서 평소 시도하지 않을 스타일을 탐색하는 데 도움이 될 수 있다. 여러 룩을 생성하는 일은 피팅룸 안에 옷을 모아 두는 것보다 사회적·물류적 부담이 적다.

상품 이미지 업로드 경로는 이러한 실험의 폭을 넓힌다. 이미지가 적절하고 요청이 플랫폼 규정을 준수한다면 ChatGPT 밖에서 찾은 영감에도 활용할 수 있다.

다만 스크린샷은 또 다른 신뢰성 문제를 낳는다. 모델은 이미지에 담긴 정확한 상품, 원단, 재단, 구매 가능한 옵션을 알지 못할 수 있다.

대화형 요청으로 일부 맥락을 보완할 수는 있지만, 원본 자료에 없는 사실을 되살릴 수는 없다. 쇼핑객은 생성된 룩을 구매 기준으로 삼기 전에 판매자의 상품 페이지로 돌아가야 한다.

생성 결과는 신체 외관에 대한 기대에도 영향을 줄 수 있다. 이미지 모델은 더 일관된 구성을 만들기 위해 질감을 매끈하게 하거나, 비율과 얼굴 특징을 바꾸거나, 의류를 변형할 수 있다.

OpenAI는 상품과 사용자 어느 쪽도 정확하게 표현되지 않을 수 있음을 인정한다. 이 경고는 완성된 이미지의 사실감보다 더 큰 주의를 받을 가치가 있다.

최선의 결과는 한계가 분명히 드러나는 의사결정 지원이다. 최악의 결과는 치수와 반품 조건에서 얻을 수 있는 더 나은 증거를 압도하는, 설득력 있지만 부정확한 이미지다.

저장된 사진이 만드는 개인정보 보호의 시험대

반복적인 가상 피팅의 편의성은 개인 이미지를 보관하는 데 의존하므로, 데이터 통제는 쇼핑 경험의 일부가 된다.

OpenAI에 따르면 참조 사진은 향후 가상 피팅을 위해 저장된 상태로 유지된다. 사용자는 Settings, Personalization, Reference photos에서 이를 관리할 수 있다.

이 설계는 반복 업로드를 없애고 실험을 더 빠르게 만든다. 동시에 이 기능이 일시적 이미지를 처리한 뒤 즉시 폐기하는 방식만은 아니라는 뜻이기도 하다.

셀피나 전신 사진에는 민감한 맥락 정보가 담길 수 있다. 얼굴, 체형, 대략적인 나이, 집 내부, 위치 단서, 배경 속 다른 사람 등이 드러날 수 있다.

따라서 사용자는 참조 이미지를 신중하게 선택해야 한다. 단색 배경과 가상 피팅을 위해 별도로 촬영한 사진은 불필요한 정보를 줄일 수 있다.

OpenAI의 쇼핑 페이지는 저장된 참조 이미지를 교체하거나 삭제하는 방법을 설명한다. 그러나 해당 페이지는 Google이 생체 데이터와 모델 학습에 관해 공개하는 것과 같은 수준의 상세한 가상 피팅 전용 보장을 제공하지는 않는다.

Google의 사진 정책에 따르면, 자사의 가상 피팅 경험은 생체 데이터를 수집하지 않는다. 또한 업로드된 이미지는 학습에 사용되지 않으며 제3자와 공유되지 않는다고 명시한다.

그렇다고 자동으로 한 서비스가 다른 서비스보다 안전해지는 것은 아니다. 다만 사용자가 비교할 수 있는 더 명시적인 주장들을 제공한다.

OpenAI 사용자는 자신의 계정과 조직에 적용되는 데이터 통제를 검토해야 한다. 소비자, 비즈니스, 교육, 엔터프라이즈 환경은 서로 다른 데이터 처리 방식을 적용할 수 있다.

또한 다른 사람의 사진을 허락 없이 업로드해서는 안 된다. 사실적인 가상 피팅 결과는 무해해 보일 수 있지만, 원본 사진은 여전히 식별 가능한 개인의 것이다.

판매자도 관련된 과제에 직면한다. 생성된 이미지가 의류의 세부 사항을 잘못 표현하면 실제 상품이 충족할 수 없는 기대를 만들 수 있다.

왜곡된 로고, 길이, 네크라인, 소재는 쇼핑객의 결정에 영향을 줄 수 있다. 판매자가 이미지를 생성하지 않았더라도 소비자는 그 오류를 판매자와 연결지을 수 있다.

OpenAI의 상품 순위 관련 주장도 관찰이 필요하다. 회사는 쇼핑 결과가 독립적이며 상업적 파트너십의 영향을 받지 않는다고 말한다.

그러나 상품 검색 시스템은 판매자 피드, 구조화된 메타데이터, 제3자 콘텐츠, 재고 신호에 의존한다. 이러한 입력 정보가 모든 판매자에게 동일하게 완전한 것은 아니다.

더 깔끔한 데이터를 보유한 판매자는 자동화 시스템이 더 쉽게 이해할 수 있다. 이것이 시스템이 해당 사업자를 의도적으로 우대한다는 뜻은 아니지만, 노출에는 영향을 줄 수 있다.

같은 문제는 이미 검색 엔진과 마켓플레이스에 존재한다. 대화형 쇼핑에서는 사용자가 여러 페이지의 대안 대신 간결한 추천만 볼 수 있어 선택 과정이 덜 드러난다.

Favorites는 이 효과를 심화할 수 있다. 쇼핑객이 여러 상품을 저장하면 이후 대화는 더 넓은 시장이 아니라 보존된 상품군을 중심으로 점점 이루어질 수 있다.

이러한 지속성은 편리하지만 탐색 범위를 좁힐 수 있다. 사용자는 주기적으로 대안을 요청하고 저장한 상품이 명시된 사양대로 계속 구매 가능한지 확인해야 한다.

OpenAI는 삭제, 수정, 추천 제어 기능을 쉽게 찾을 수 있도록 해야 한다. 개인 이미지와 축적된 선호도를 중심으로 구축된 기능은 사용자 신뢰에 의존한다.

정확성 역시 신뢰에 영향을 준다. 반복적인 가상 피팅이 신체 특징이나 의류 세부 사항을 일관되지 않게 바꾼다면, 저장된 참조 이미지는 더 이상 안정적인 표현처럼 느껴지지 않는다.

회사가 직접 고지한 한계 안내는 적절히 신중한 기준을 제시한다. OpenAI는 지원 문서 안에서만이 아니라 생성 이미지가 표시되는 모든 곳에서 이 경고를 유지해야 한다.

AI 쇼핑 경쟁을 결정할 요소

다음 시험대는 사람들이 재미로 가상 피팅 이미지를 한 번 만드는지가 아니라, 쇼핑을 위해 ChatGPT를 반복적으로 사용하는지다.

첫 번째 신호는 여러 상품과 세션에 걸친 지속적인 사용이다. Favorites는 쇼핑객이 가상 피팅을 단순한 신기함으로 취급하는 대신 이전 결정을 다시 찾는지를 보여줄 수 있다.

OpenAI는 새 기능의 채택 수치를 공개하지 않았다. 반복 사용, 폴더 생성, 저장 상품에서 판매자 페이지로의 이동에 대한 증거는 통합 쇼핑 전략을 강화할 것이다.

짧은 기간의 이미지 생성 급증은 다른 것을 시사할 수 있다. 이는 시각적 효과에 대한 관심은 보여주지만 ChatGPT가 진지한 구매 결정에 영향을 준다는 점까지 증명하지는 못한다.

두 번째 신호는 상품 및 이미지 정확성이다. OpenAI는 사용자의 외관을 일관되게 보존하면서 생성된 의류 세부 사항도 식별 가능하게 유지해야 한다.

상품의 핵심 특성을 바꾸는 오류는 특히 중요하다. 달라진 밑단, 사라진 주머니, 흐려진 패턴, 변형된 액세서리는 시각화를 오정보로 바꿀 수 있다.

시스템에는 최신 상품 데이터도 필요하다. 사용자가 결제 단계에 도달하기 전에 색상, 사이즈, 판매자, 재고 여부가 바뀌었다면 설득력 있는 추천도 가치를 잃는다.

OpenAI의 확장된 커머스 프로토콜은 카탈로그 표현을 개선하기 위해 마련됐다. 판매자의 참여와 데이터 최신성은 이 기술적 기반이 Google의 쇼핑 인프라와 맞먹는지를 결정할 것이다.

세 번째 신호는 Google의 대응이다. Google은 가상 피팅을 더 많은 표면으로 확장하고, Wardrobe를 Shopping과 더 밀접하게 연결하거나, 상품 주변의 대화형 안내를 강화할 수 있다.

Google은 브라우저 지위를 활용해 가상 피팅을 판매자 페이지에 직접 도입할 수도 있다. 기존 Chrome 구현은 이미 사용자를 따라 웹 전반에 걸쳐 작동하는 쇼핑 레이어를 가리킨다.

더 빠른 Google의 출시 확대는 OpenAI의 인터페이스 우위를 약화시킬 것이다. 반대로 파편화되거나 혼란스러운 대응은 ChatGPT가 더 단순한 출발점이 될 여지를 남긴다.

판매자는 어느 한 회사가 여정을 지배할 것이라고 가정하지 말고 두 회사를 모두 지켜봐야 한다. 상품 피드, 정확한 이미지, 완전한 사이즈 정보, 일관된 식별자는 어떤 AI 시스템이든 상품을 올바르게 표현하도록 돕는다.

쇼핑객은 더 단순한 기준을 적용해야 한다. ChatGPT 가상 피팅은 스타일 비교에 사용하되, 치수, 소재 세부 사항, 반품 정책을 대체하는 수단으로 사용하지 말아야 한다.

결과가 일관되지 않아 보인다면 참조 이미지를 두 장 이상 사용해 같은 상품을 시도해 보라. 시각화에 의존하기 전에 상품의 고유한 세부 사항이 생성 과정에서도 유지되는지 확인해야 한다.

Personalization에서 저장된 사진을 검토하고 더 이상 필요하지 않은 이미지는 삭제하라. 상품 정보와 재고는 변할 수 있으므로 구매 전 Favorites를 다시 확인해야 한다.

가장 중요한 것은 생성된 사진을 판매자의 원본 이미지와 비교하는 일이다. 사진처럼 보여도 어시스턴트의 버전은 해석에 불과하다.

OpenAI는 모호한 의류 아이디어에서 저장된 상품 후보 목록까지 이어지는 일관된 경로를 만들었다. Google은 여전히 상품 검색과 가상 피팅의 역사에서 더 강력한 기반을 보유한다.

결과는 출시 첫날의 신기함이 아니라 행동에 달려 있다. 쇼핑객은 하나의 대화가 상품 발견, 시각화, 비교, 기억을 안내하도록 신뢰할까, 아니면 전문 쇼핑 도구로 돌아갈까?

현재로서는 ChatGPT 가상 피팅을 유용한 시각적 필터로 여겨야 한다. 실제 상품 세부 사항과 비교해 보고, 저장된 사진 제어 기능을 계속 확인하며, 앞으로 몇 달 동안 OpenAI가 일관성을 개선하는지 지켜보라.