팔로나, 레스토랑용 Palona Vision·Workflow 공개: AI 빌더 4가지 교훈

개요

팔로알토의 팔로나(Palona AI)는 불안정하게 변화하는 LLM 환경이라는 ‘ shifting sand ’ 위에서 엔터프라이즈 AI를 구축해야 한다는 과제를 정면 돌파하고 있다. 이번에 발표한 Palona Vision과 Palona Workflow는 카메라·통화·대화·업무를 아우르는 멀티모달 에이전트를 레스토랑 운영용 실시간 운영체계로 끌어올린다. 공동창업자 팀 하우스와 마리아 장은 모델 성능·유창성·비용에 따라 즉시 교체 가능한 오케스트레이션 레이어를 바탕으로 수직 산업에 특화된 해법을 구축했다고 밝혔다.

새 제품: ‘디지털 GM’으로서의 운영 OS

Palona Vision: 기존 카메라를 운영 보조로

Palona Vision은 매장 내 보안 카메라를 활용해 대기열 길이, 테이블 회전, 준비 공정 병목, 위생 상태 등 운영 시그널을 분석한다. 추가 하드웨어 없이 프런트(청결·대기열·회전율)와 백오브하우스(준비 지연·스테이션 셋업 오류)를 동시에 모니터링해 문제를 사전 탐지한다.

Palona Workflow: 다단계 업무 자동화

Palona Workflow는 케이터링 주문, 오픈·클로즈 체크리스트, 식재·조리 이행 등 복합 프로세스를 자동화한다. Palona Vision의 영상 신호를 POS 데이터·스태핑 정보와 상관 분석해 지점 간 운영 표준을 일관되게 실행하며, 이탈·지연을 즉시 플래그한다. 한 외식 브랜드 창업자는 “모든 매장에 디지털 GM을 배치한 느낌”이라며 사전 경고와 시간 절약 효과를 강조했다.

수직화: 도메인 집중이 부른 전환

구글·메타 출신 엔지니어링 리더십으로 출발한 팔로나는 초기엔 패션·전자 등 D2C를 아우르는 세일즈 에이전트를 시도했지만, 운영 비효율이 큰 레스토랑 산업의 기회에 집중하기로 방향을 틀었다. 다중 산업 공략 대신 한 도메인에 수직화하면서 ‘얇은 채팅 레이어’에서 벗어나 시각·음성·텍스트를 함께 처리하는 다감각 정보 파이프라인을 구축했고, 준비 매뉴얼·콜 트랜스크립트 등 고유 학습 데이터 접근성을 확보했다.

AI 빌더를 위한 4가지 교훈

1. ‘Shifting sand’에 대비하는 오케스트레이션

신형 모델이 주간 단위로 쏟아지는 2025년의 현실에 맞춰 팔로나는 특허받은 오케스트레이션 레이어를 개발했다. 특정 공급자에 묶이지 않고 성능·비용 기준으로 모델을 즉시 교체하며, 비전 벤치마크엔 제미니를, 스페인어·중국어 유창성엔 특화 언어 모델을 혼합한다. 핵심 가치는 단일 벤더 종속으로 정의되지 않도록 설계돼야 한다.

2. 단어에서 ‘월드 모델’로: Palona Vision

많은 개발자가 API를 덧대는 데 그치는 반면, Palona Vision은 주방의 물리 세계를 실시간으로 해석한다. ‘옅은 베이지’색으로 덜 구워진 피자를 식별하거나, 진열대가 비었을 때 관리자를 즉시 알리는 등 원인·결과를 파악한다. 언어만 다루는 환경과 달리 물리 법칙이 지배하는 현장을 이해하는 월드 모델 접근이 핵심이다.

3. ‘머핀’(Muffin): 맞춤형 메모리 아키텍처

레스토랑 맥락에서 메모리는 단골의 ‘늘 먹던 것’을 기억해 주는 마법의 출발점이다. 범용 오픈소스 도구는 오류율이 높아, 팔로나는 웹 ‘쿠키’에서 영감을 딴 전용 시스템 머핀을 설계했다. 머핀은 벡터 위주의 일반 방식이 약한 구조화 데이터를 포함해 네 계층을 견고히 다룬다.

구조화 데이터: 주소·알레르기 등 변하지 않는 사실

완만 변동 차원: 충성도 선호, 즐겨 찾는 메뉴

일시·계절 기억: 7월엔 냉음료, 겨울엔 코코아처럼 선호 변화

지역 컨텍스트: 시간대, 언어 기본값 등

4. ‘GRACE’로 담보하는 신뢰성

주방에서 AI의 오답은 오타가 아니라 폐기물과 안전 리스크다. 실제로 한 피자 가게에서 AI가 허위 할인을 ‘환각’해 혼란을 초래한 사례가 있다. 팔로나는 내부 프레임워크 GRACE로 이를 예방한다: Guardrails(무단 프로모션 차단), Red Teaming(의도적 파괴 테스트), App Sec(TLS·토큰화 등 통합 보안), Compliance(검증된 메뉴 데이터로 그라운딩), Escalation(복잡도 상승 시 사람에게 이관). 대규모 시뮬레이션으로 품질을 검증하며, ‘피자 주문 100만 가지 시나리오’를 상호작용 AI로 재현해 환각을 제거했다.

결론

팔로나는 범용 비서가 아닌 도메인 특화 ‘운영 시스템’이 엔터프라이즈 AI의 미래라고 본다. Palona Vision과 Workflow는 질의 응답을 넘어 레스토랑 업무를 실제로 실행하고, 단골의 ‘usual’을 기억하며, 공정 전반을 관찰해 문제가 발생하거나 발생 직전에 경고한다. 핵심은 사람 운영자가 음식의 본질에 집중하도록 돕는 것—“맛을 완성했다면, 무엇을 할지 우리가 알려주겠다”는 메시지다. Palona Vision을 축으로 한 이 수직화 전략은 AI 빌더가 얇은 래퍼를 넘어 물리 세계의 고난도 문제를 푸는 길잡이가 된다.