중국 피트니스 앱 Keep이 2026년 세계인공지능대회(WAIC)에서 자사 운동 특화 AI 'Keepace.ai'를 공개했다. 2025년 초 'All in AI' 전략을 선언한 뒤 핵심 AI 역량을 처음 공개한 자리다.
범용 AI로는 안 되는 이유 세 가지
Keep이 범용 AI 대신 피트니스 전용 AI를 만든 이유는 세 가지 문제에서 출발한다.
| 문제 | 범용 AI | Keepace.ai 접근 |
|---|---|---|
| 잘못된 정보의 결과 | 사용자가 직접 확인하면 그만 | 신체 부상으로 이어질 수 있어, 절대 어기면 안 되는 규칙으로 설계 |
| 유사과학 | 인터넷 콘텐츠를 그대로 학습·재생산 | 권위 있는 출처 검증을 평가 기준으로 고정 |
| 개인화 정밀도 | 센서 원시 데이터 해석에 한계 | 전문 훈련으로 개인 신체 능력을 정밀하게 모델링 |
Keep 알고리즘 리드는 "스포츠를 이해한다는 것은 무엇을 훈련시키지 말아야 하는지 알고 그 이유를 설명하는 것"이라고 말했다.
'안전'을 어떻게 설계에 박아 넣었나
일반 AI에서 안전은 여러 최적화 목표 중 하나다. 성능을 높이다 보면 안전 가중치가 조정될 수 있다. Keepace.ai는 다르다. 안전을 훈련·평가 단계부터 절대 어기면 안 되는 규칙으로 박아 넣었다. 성능과 맞바꿀 수 있는 대상이 아니라는 뜻이다.
실제 작동 방식은 세 가지 시나리오에서 확인된다.
- 운동 프로그램 생성: 사용자가 덤벨 등 운동을 요청하면서 최근 허리 불편을 언급하면, 모델은 척추에 부담이 큰 벤트오버 로우나 데드리프트 대신 한 팔 지지 로우를 선제적으로 선택한다.
- 운동 지식 질문: 체중 감량에 맞는 달리기 페이스를 물으면, 칼로리 적자가 핵심 원리임을 먼저 짚는다. '유산소 운동 중 지방만 태운다'는 흔한 오해도 바로잡는다. 세 가지 에너지 시스템이 강도에 따라 비율을 달리하며 동시에 작동한다는 설명을, 운동과학 자문단이 검토한 출처와 함께 제공한다.
- 운동 데이터 해석: 기기 센서가 수집한 원시 데이터를 사용자 신체 능력 모델로 변환해 개인화된 피드백을 준다.
10년치 140억 건 — 데이터의 양보다 구조가 관건
Keepace.ai의 기반은 10년에 걸쳐 쌓은 140억 건의 실제 운동 기록이다. 이 데이터를 17개 분류 항목과 700개 이상의 지표로 촘촘하게 구조화했다. 쉽게 말해, 단순히 기록이 많은 게 아니라 각 기록을 수백 가지 각도에서 분석할 수 있도록 정리해 뒀다는 뜻이다. 돈을 들여 컴퓨팅 자원을 늘린다고 복제할 수 있는 구조가 아니다.
Keep은 2025년 처음으로 연간 흑자를 달성했다. 순이익(조정 기준)은 2,522만 위안(발행 시점 환율 기준 약 55억 3,000만 원)으로, 전년 4억 7,000만 위안 손실에서 반전했다. 매출에서 비용을 뺀 이익률(매출총이익률)은 52.2%로 높아졌다. Keep은 AI 투자를 새로 늘어난 비용이 아니라 기존 콘텐츠 제작 비용을 대체하는 지출로 보고 있다. 이를 통해 사용자 한 명당 매출을 최대 10배까지 늘릴 수 있다고 회사 측은 전망한다.
국내 피트니스·헬스케어 기업에 주는 시사점
Keepace.ai 사례는 운동·재활·의료처럼 신체에 직접 영향을 미치는 AI를 만들 때 반복 적용할 수 있는 원칙 세 가지를 보여준다.
- 안전을 목표가 아닌 선으로 설계한다 — 성능을 높이다 보면 안전이 조정 대상이 되는 구조를 처음부터 막아야 한다.
- 도메인 전용 평가 기준을 따로 만든다 — 권위 있는 출처 검증, 유사과학 필터링처럼 일반 AI 평가 지표에 없는 항목을 평가 체계에 직접 넣어야 한다.
- 데이터 구조화가 모델 품질을 결정한다 — 원시 데이터 규모보다 어떻게 분류하고 지표화하느냐가 개인화 정밀도를 좌우한다. 국내 피트니스 플랫폼이 보유한 누적 운동 기록도 구조화 전략에 따라 남이 쉽게 못 따라오는 데이터 우위가 될 수 있다.
