비 오는 밤 9시, AI 비서는 별점 높은 식당부터 권할까?

AI 식당 추천에서는 별점이 높다는 사실만으로 충분하지 않다. 옐프 식당 추천 200문제에서 별점 순으로 고르면 조건에 맞는 식당이 3위 안에 든 비율은 23.0%였지만, 고객 조건을 읽는 AI는 67.5%까지 올렸다. 필요한 출처와 정보만 골라 읽은 방식에서는 74.0%까지 올라갔다.

비 오는 날에는 AI가 어떻게 식당을 고를까?

2026년 8월 공개된 한 연구에는 날씨와 위치를 보고 식당을 추천하는 AI 비서 시제품이 나온다. 고객이 「근처에 괜찮은 점심 집 찾아 줘」라고 하면 AI가 위치 서비스, 날씨 서비스, 식당 검색을 차례로 불러온 뒤 정보를 함께 보고 추천하는 방식이다.

이 시제품의 특징은 날씨와 음식의 관계를 규칙표로 모두 적어 넣지 않았다는 점이다. 연구자는 AI가 지역의 음식 문화를 바탕으로 판단하게 했고, 같은 비 오는 날이라도 지역에 따라 다른 음식을 떠올릴 수 있다고 설명했다.

다만 이 연구만으로 AI 추천의 성능을 숫자로 말할 수는 없다. 시제품은 잠시 실제로 운영된 뒤 유료 위치 서비스 비용 때문에 내려갔고, 이용자 실험이나 수치 비교도 없었다.

연구자도 사는 곳이 곧 입맛을 뜻하는 것은 아니며, AI의 지역 음식 지식이 고르지 않거나 고정관념에 빠질 수 있다는 한계를 적었다. 그래서 식당 사장님이 참고할 때는 이 시제품 자체의 성적보다, 같은 식당 추천 상황을 숫자로 측정한 다른 연구를 함께 볼 필요가 있다.

별점이 높으면 고객 조건에도 잘 맞을까?

미국 노스캐롤라이나대·칭화대 등의 연구진은 옐프 식당 추천 자료에서 어려운 추천 문제 200개를 골라 실험했다. 각 문제에는 후보 식당 10곳이 있었고, 그중 고객의 조건을 모두 만족하는 정답 식당은 1곳이었다.

별점은 높지만 고객 조건을 하나 이상 어기는 식당도 후보에 들어 있었다. 그래서 별점만으로 순서를 정하면 정답 식당의 평균 순위는 10곳 중 5.49위였고, 3위 안에 들어간 경우는 23.0%뿐이었다.

이 실험에서 중요한 것은 AI가 무엇을 읽느냐였다. 플랫폼 기본 정보뿐 아니라 최근 후기, 커뮤니티 후기, 지인 같은 사람들의 신호, 가게가 직접 낸 정보까지 모두 별도의 출처로 나눠 볼 수 있게 했다.

판단에는 같은 GPT-5.4를 사용했다. 따라서 결과의 차이는 어떤 출처를 읽는지와 고객 정보를 얼마나 넘기는지에서 생겼다.

AI가 식당 정보를 다시 읽으면 얼마나 달라질까?

플랫폼 정보만 AI가 다시 읽어도 정답 식당이 3위 안에 들어간 비율은 23.0%에서 67.5%로 올랐다. 다섯 출처의 정보를 모두 읽으면 69.0%였고, 문제마다 세 곳만 골라 읽으면 71.5%였다.

고객 정보까지 필요한 만큼만 넘기는 방식을 함께 적용했을 때는 74.0%였다. 이때 출처 조회는 문제당 30회로, 다섯 곳을 모두 읽는 방식의 50회보다 40% 줄었다.

이 숫자는 AI에게 정보를 무조건 많이 주는 것이 답은 아니라는 점도 보여준다. 다섯 곳을 모두 읽는 방식보다 필요한 세 곳을 고른 방식이 오히려 높은 결과를 보였다.

다만 연구진은 이 차이가 작은 한 번의 측정값이고 통계 검정을 하지 않았다고 밝혔다. 따라서 74.0%를 모든 식당 추천에 그대로 적용할 수 있는 수치로 보면 안 된다.

고객이 원하는 조건은 어디에 적어야 할까?

고객의 조건은 한곳에 모여 있지 않을 수 있다. 연구에서 든 예처럼 「신주쿠 근처, 밤 9시 넘어, 조용하고 채식 가능한 저녁」을 찾으려면 위치와 영업시간, 분위기, 메뉴 정보를 각각 확인해야 한다.

AI 비서는 예약 플랫폼에서 빈자리를 보고, 현지 지인에게 분위기를 묻고, 채식 관련 정보에서 메뉴를 확인할 수 있다. 반대로 필요한 출처를 빠뜨리거나, 질문을 모호하게 하거나, 오래된 정보를 다시 쓰면 추천이 틀릴 수 있다.

가게가 직접 낸 정보도 문제가 될 수 있다. 연구에서는 근거 없는 자기 자랑성 정보를 받아들이거나, 출처마다 다른 내용을 하나로 뭉개는 경우도 AI 비서가 틀리는 원인으로 봤다.

그래서 사장님이 준비할 정보는 「맛집」처럼 넓은 표현보다 실제 조건을 확인할 수 있는 문장에 가깝다. 고객이 되는지 안 되는지를 판단할 수 있는 정보가 있어야 한다.

그럼 식당 홈페이지에는 무엇을 적어야 할까?

첫째는 영업시간이다. 특히 「밤 9시 넘어」처럼 시간이 들어간 조건에 대응하려면 요일별 영업시간과 마지막 주문 시간을 홈페이지에 적어 두는 것이 좋다(예상).

둘째는 분위기와 좌석 정보다. 조용한 공간인지, 룸이 있는지, 좌석이 몇 개인지처럼 고객이 조건으로 사용할 수 있는 내용을 문장으로 적어 두는 방식이다.

셋째는 메뉴 정보다. 메뉴를 사진으로만 올리지 말고 메뉴 이름과 설명을 글자로 제공해야 한다. 채식 가능 여부와 알레르기 관련 정보도 함께 적어 두면 고객 조건과 연결될 수 있다.

넷째는 날씨와 연결되는 메뉴다. 비 오는 날이나 더운 날에 잘 찾는 메뉴가 있다면 그 메뉴의 이름과 설명을 글자로 적어 두는 것이 좋다.

다섯째는 정보의 최신성이다. 휴무일이나 가격이 바뀌었다면 홈페이지의 정보도 바로 고쳐야 한다. AI가 오래된 정보를 다시 쓰는 것이 추천 오류의 한 원인이기 때문이다.

홈페이지가 정말 AI 추천에 영향을 줄까?

발리의 식당·카페·바 4,776곳을 대상으로 한 다른 조사에서도 비슷한 결과가 나왔다. AI 네 종의 추천을 조사했을 때 85.6%는 한 번도 추천받지 못했고, 자체 홈페이지가 있는 곳은 추천 진입 승산이 1.92배였다.

후기 수는 1.64배, 가격 표시는 1.54배, 제3자 웹 언급은 1.44배였다. 반면 별점은 0.89배로 효과가 없었다.

이 조사 역시 한국 식당을 대상으로 한 결과는 아니다. 따라서 한국에서 홈페이지가 있으면 반드시 같은 효과가 난다고 말할 수는 없지만, 식당 정보를 AI가 읽을 수 있는 형태로 공개해 두는 것의 의미를 살펴볼 근거는 된다.

2026년 7월 23일 챗GPT는 옐프와 계약해 후기·별점·사진·업체 정보를 답변에 넣기 시작했고, 8월 10일부터는 대화 안에서 옐프 예약과 대기 등록도 지원하기 시작했다. 다만 예약이 가능한 곳은 미국·캐나다 식당 수천 곳이므로, 한국 식당 정보가 같은 경로로 들어간다고 볼 수는 없다.

그래서 한국 식당 사장님에게 필요한 것은 먼저 자기 가게의 기본 정보를 스스로 열어 두는 일이다. 연구 결과를 한국 식당에 그대로 대입할 수는 없지만, 무엇을 제공해야 하는지는 정리할 수 있다.

결국 핵심은 별점을 높이는 방법을 찾는 데만 있지 않다. 고객이 「늦게까지 하는 곳」, 「조용한 곳」, 「채식 가능한 곳」, 「비 오는 날 먹기 좋은 메뉴가 있는 곳」처럼 조건을 말했을 때, AI가 그 조건에 맞는 정보를 실제 문장으로 확인할 수 있게 만드는 것이다.

같이 읽을 글

• AI는 노트북 하기 좋은 카페를 어떻게 고를까?
• 식당은 홈페이지가 없는데 AI는 어떻게 추천할까?
• AI는 묻는 사람에 따라 다른 식당을 권할까?
• 고객이 말로 가게를 고르면 무엇을 준비해야 할까?

자료 출처

• Position: Recommender Systems Should Move Beyond Platform-Centric Ranking toward Personal Agent-Mediated Recommendation(Yuan·He 등 5인, 노스캐롤라이나대 샬럿·칭화대 등, 2026년 arXiv 공개, 옐프 식당 추천 200문제·GPT-5.4)
• 같은 연구 전문(HTML판, 부록 D~G 실험 설정·전체 결과표)
• Weather- and Location-Aware Agentic Dining Recommendation: Leveraging LLM World Knowledge for Region-Sensitive Contextual Reasoning(Kadharmoideen Fadurudeen, 개인 연구자, 2026년 8월 arXiv 제출, 시제품·이용자 실험 없음)
• Invisible to the Machine: Auditing AI Restaurant, Café, and Bar Recommendation Against a Complete Market Census(2026년 8월 arXiv, 발리 식당·카페·바 4,776곳·AI 4종·질문 96개)
• Yelp stock pops 8% as OpenAI licensing deal brings reviews to ChatGPT(야후 파이낸스·인베스팅닷컴, 2026년 7월 23일 — 후기·별점·사진·업체 정보, 비독점 계약)
• Yelp Brings Reservations and Waitlist to ChatGPT(옐프 공식 블로그, 2026년 8월 10일 — 미국·캐나다 식당 수천 곳)