급식 잔반을 분석했더니,
급식회사가 직접 투자했다

식판이 돌아오는 자리에
카메라를 달았다

Ganiga는 원래 물건을 인식해 분류하는 AI 폐기물 분류 장치를 개발했다. 2026년 투자 보도에서 기업은 공항·쇼핑센터·대기업 등에 분류 장치 300대 이상을 판매했다고 설명했다. 이 숫자는 회사의 기존 분류장치 판매 수치이며 새 음식물 분석 제품의 판매량은 아니다.[1]

회사가 새로 내놓은 HooolyFood의 출발점은 단순하다. 수거함 위의 카메라가 버려지는 음식을 보고 종류를 구분하고, 여러 회차에서 수집된 정보를 운영자가 읽을 수 있는 데이터로 만드는 것이다. 보도에 따르면 수작업으로 음식 종류를 일일이 기록하거나 개별 접시를 저울에 올릴 필요 없이 분석하도록 설계됐다. 회사 공식 상품 안내에는 추가 자동 계량 기능도 소개되어 있어, 어떤 현장에 어떤 센서 구성이 설치되는지는 별도 확인이 필요하다.[1][3]

투자 보도에 나온 총 250만 유로는 신규 지분투자 150만 유로에 이탈리아 정부의 Smart&Start Italia 프로그램을 통해 확보한 100만 유로를 합친 수치다. 전액이 이번에 외부 투자자로부터 들어온 주식 투자금이라고 쓰면 틀린다.[1][2]

그리고 그 돈을 넣은 Vivenda는 연간 5,000만 식 이상을 제공한다고 소개된 급식업체다. 따라서 이번 투자는 환경 캠페인 후원이라는 설명만으로 끝나지 않는다. 대규모 식재료 구매와 조리 계획을 직접 운영하는 회사가 폐기 데이터를 다루는 기술에 관심을 갖게 된 실제 사례다.[2]

음식을 버리는 사람 말고
누가 이 데이터에 돈을 낼까?

수거함에 남은 밥을 버리는 사람은 데이터를 사러 온 고객이 아니다. 실제로 돈을 지불할 가능성이 있는 쪽은 급식시설을 운영하는 기업, 계약급식 업체, 호텔이나 식당의 운영자다. 이들은 매일 식재료를 구매하고 인력과 메뉴를 조정하며 쓰레기를 처리한다. 같은 재료를 덜 버릴 수 있다면 그 절감 가능성은 운영자의 손익과 직접 연결된다.

그렇다면 기술기업은 무엇을 파는 것일까? 잔반 이미지 그 자체보다는 어떤 메뉴가 반복적으로 남는지, 발주와 배식량을 어떻게 조정할지 판단할 실마리를 파는 것이다. 카메라·소프트웨어·유지보수·데이터 서비스 등의 계약 형태를 상상할 수 있지만, Ganiga의 실제 HooolyFood 장비 가격과 이용료·계약 방식은 공개 자료에서 확인하지 못했다. 특정 월 구독료를 회사의 실제 매출처럼 제시할 수는 없다.

여기서 특이한 점이 있다. 투자자와 잠재 고객의 산업이 일치한다. Vivenda가 투자한 사실은 급식 현장의 문제가 중요하다는 신호일 수 있지만, Vivenda가 장비를 얼마에 계약했는지, 몇 개 지점에 어떤 조건으로 배포했는지까지 입증하는 자료는 아니다. 투자금은 Ganiga가 운영 서비스를 판매해 벌어들인 매출과도 다르다.[1][2]

매출을 늘리지 않고도
이익을 바꿀 수 있을까?

급식회사가 하루 1,000인분을 만든다고 가정해 보자. 어떤 반찬을 늘 같은 양으로 준비하는데 거의 매일 많이 버린다면 식재료 구매비와 조리 노동, 폐기물 처리비가 겹쳐 발생할 수 있다. 원인을 확인하고 적절히 조정할 수 있다면 식사 가격을 올리거나 손님을 더 모으지 않고도 지출을 줄일 가능성이 생긴다.

예를 들어 실제 시설이 아닌 가상 계산으로, 한 급식장에서 매일 피할 수 있는 식재료 낭비 비용이 3만 원이고 한 달 22일 운영된다면 월 66만 원이 된다. 하지만 여기에 카메라·관리비 30만 원을 가정하면 순절감 여지는 36만 원이다. 또 조리량을 줄여 품절과 불만이 늘어나면 단순 비용 절감이 오히려 손실로 바뀔 수도 있다. 이 숫자는 Ganiga 도입 시설의 실측 성과가 전혀 아니다.

Ganiga가 초기에 판매한 300대 이상 장비와 새 HooolyFood는 같은 수익으로 합산하면 안 된다. 현재 확인되는 것은 이전 제품의 판매 정황, 새 제품의 적용 정황, 그리고 개발·영업 확장을 위한 투자다. 신규 시스템의 매출·계약 단가·실제 비용 절감률·순이익은 미공개다. 회사는 수집한 데이터를 발주 자동화와 메뉴 계획까지 확장하려 하지만, 향후 계획을 이미 판매 중인 서비스 실적처럼 해석할 수도 없다.[1][3]

많이 남겼다는 사실만으로
이유까지 알 수 있을까?

여기서 조금 까다로운 질문이 생긴다. 어떤 메뉴가 많이 버려졌다는 결과는 알 수 있어도, 이유는 하나가 아닐 수 있다. 맛이 없었을까? 양이 너무 많았을까? 배식 시간이 짧았을까? 손님이 선택할 수 없는 고정 메뉴였을까? 카메라가 본 건 버려진 음식이지, 손님의 마음이 아니다.

게다가 같은 음식이라도 조리 전에 버린 재료, 주방에서 남긴 음식, 손님 식판에서 돌아온 잔반은 원인과 해결법이 다르다. 이미지 인식은 음식이 소스와 섞이거나 국물에 젖었을 때 부정확할 수도 있다. 단순 식별 정확도와 실제 절감 성과는 별도의 지표다.

장비 설치 후에는 수거함 위치, 조명, 카메라 오염, 네트워크와 고장 대응을 관리해야 한다. 사람을 식별할 수 있는 화면이 함께 찍히는 환경이라면 영상의 수집 범위와 저장·접근 권한도 검토해야 한다. 모든 급식장에 고가 시스템을 들여놓는 것이 적절하다는 결론은 아니다.

또 하나의 외부 변수는 제도다. 유럽연합은 2025년 개정된 폐기물 지침을 통해 2030년까지 식품 제조 분야 음식물 폐기 10%, 소매·외식·가정 부문 1인당 폐기 30% 감축이라는 회원국 단위의 목표를 도입했다. 그렇다고 이 목표가 개별 급식업체마다 동일한 감축률을 직접 의무화한다는 뜻은 아니다.[4][5]

사람들은 판매된 음식을 셌다
버려진 음식은 얼마나 세었을까?

대부분의 사업에서는 판매가 완료된 순간 숫자가 남는다. 몇 개 팔렸고, 얼마가 입금됐고, 어떤 메뉴가 인기인지 파악한다. 그런데 그 메뉴가 고객의 접시에 얼마나 남았는지는 기록 밖에 있을 수 있다. 여기서 흥미로운 역전이 일어난다. 돈을 벌기 위해 팔린 데이터를 보는 대신, 돈이 새는 곳을 찾기 위해 버린 데이터를 본다.

Ganiga가 이 시장을 주목한 이유를 ‘AI라서’만으로 설명할 필요는 없다. 매일 반복되는 운영 현장에서 작은 낭비가 누적될 수 있고, 그 손실을 줄이는 데 데이터를 연결하려는 시도 자체가 사업적 핵심이다. 기술기업에 급식기업이 투자한 장면은 이 가능성을 보여주지만, 구체적인 투자 회수 성과를 증명한 장면은 아니다.

그렇다면 작은 식당은 어떨까? 카메라가 없어도 일정 기간 음식 종류와 폐기 이유를 기록해 발주·메뉴와 대조하는 시도는 생각해 볼 수 있다. 반대로 기록 노동이 더 비싸다면 데이터를 쌓는 일이 오히려 손해가 될 수 있다. 정보가 비어 있는 곳을 발견하는 것과, 그 빈자리를 메우는 비용이 합리적인가는 서로 다른 문제다.

이번 사례는 급식장 쓰레기통에서 시작했지만, 우리가 궁금해할 곳이 꼭 음식물 쓰레기통일 필요는 없겠다. 판매 후 반품, 수리 요청, 고객이 사용하다 포기한 기능처럼 사업자가 놓쳐버린 ‘마지막 장면’에는 또 어떤 정보가 남아 있을까? 여기서부터는 각자의 사업에 대입해 볼 차례다.

손님이 말하지 않은 리뷰는
접시 위에 남아 있을까?

여기서 오래전 식당 풍경 하나를 떠올려 보자. 유명 셰프가 식사 후 돌아온 접시를 유심히 바라보는 장면이다. 손님은 이미 나갔고, 별점도 남기지 않았다. 그런데 셰프는 접시를 들여다본다. 무엇을 먹었고, 무엇을 남겼는가. 그 흔적에서 오늘의 요리에 대한 단서를 찾으려는 것이다.

어떤 반찬은 거의 모든 접시에 남아 있고, 어느 날만 유독 한 메뉴가 많이 돌아온다고 해보자. 맛이 문제일까, 양이 많았을까, 손님이 배가 불렀을까? 여기서 중요한 건 잔반이 답이 아니라 질문을 만든다는 점이다. 메뉴·조리 날짜·제공량·식사 시간을 함께 살펴야 이유에 가까워진다. 손님이 “맛있었어요”라고 말하고 접시를 절반 남겼어도, 그 말이 거짓이었다고 단정할 수는 없다.

Ganiga의 카메라에서 출발한 생각이 셰프의 오래된 관찰 습관으로 되돌아온다. 현장 경험을 가진 사람은 몇 장의 접시에서도 이상 신호를 포착할 수 있다. 하지만 바쁜 날, 담당자가 바뀐 날, 시간이 흐른 뒤에도 같은 판단이 가능할까? 일회성 직감과 반복된 기록의 차이가 여기서 드러난다. 미국 EPA도 음식물 폐기를 줄이려면 양뿐 아니라 무엇이, 왜 버려지는지 기록해야 운영을 바꿀 수 있다고 안내한다.[6]

그렇다면 고객 스스로 사진을 남기게 하는 방법은 어떨까? 예쁘게 담긴 음식이 아니라 식사를 끝낸 접시를 찍는 리뷰 말이다. 별도의 홍보 소재가 되고, 남기는 음식에 대한 관심도 생길 수 있다. 하지만 촬영을 위해 억지로 다 먹게 만들면 원래의 목적이 뒤집힌다. 빈 접시 사진은 만족도를 증명하지 않고, 이벤트 참여자만 기록된다는 편향도 있다. 혜택을 준다면 남김없는 식사나 좋은 평가가 아니라 솔직한 참여 자체에 제공하는 방향이 낫다. 외부 리뷰 서비스 정책과 보상 표시 기준도 확인해야 한다.

결국 후기는 사람이 말한 것이고, 잔반은 식사 뒤에 남은 행동의 흔적이다. 어느 쪽이 무조건 더 정확한가가 아니라, 두 정보가 어긋날 때 무엇을 더 물어볼지가 중요한 것 아닐까?

AI 장비가 없다면
작은 가게는 무엇을 기록할까?

대형 급식업체는 수만 끼 규모의 사업에서 장비 도입을 검토할 수 있다. 그러나 메뉴가 몇 가지뿐인 작은 식당이 똑같은 장비를 사야 할까? 떠올릴 수 있는 첫 방법은 놀랄 만큼 소박하다. 접시를 치울 때 잠깐 보고, 반복되는 현상만 남겨두는 것.

사진을 남길 사람도 꼭 사장일 필요는 없다. 고객은 식사 후 사진 리뷰를 남길 수 있고, 홀 직원은 어떤 메뉴의 접시가 돌아왔는지 알 수 있으며, 잔반을 처리하는 직원은 폐기 직전의 양을 가장 가까이서 볼 수 있다. 대신 세 방식에는 서로 다른 편향이 있다. 고객 리뷰는 자발적 참여자만, 홀 기록은 바쁜 시간대 누락이, 처리 단계 사진은 서로 다른 메뉴가 섞이는 문제가 생길 수 있다.

처음부터 모든 접시를 기록하라는 이야기도 아니다. 예를 들어 한 가게가 같은 메뉴에서 돌아오는 접시를 하루 몇 장씩 정해진 방식으로 살펴본다면? ‘많이 남음·조금 남음·거의 없음’ 같은 단순 분류만으로도 어느 날 어떤 메뉴에서 반복되는지 확인할 수 있다. 수치를 제대로 비교하려면 관찰한 전체 접시 수, 메뉴, 날짜를 함께 남겨야 한다. ‘생선구이 잔반 10건’보다 ‘생선구이 접시 30장 중 10장에서 잔반 많음’이 더 많은 정보를 준다. 위 숫자는 설명용 가상 예시다.

실제로 영국 WRAP의 ‘Guardians of Grub’는 작은 외식업체도 쓸 수 있는 무료 기록표·계산 도구를 제공하며, 고객 접시에서 돌아온 음식과 조리 준비 과정의 폐기를 별도로 보도록 안내한다. 처음에는 기준 기간을 정해 측정하고, 바쁜 시간에는 기록을 최소화하는 방법을 권한다.[7] 새 기술이 없어도 먼저 해볼 수 있는 일이 있다는 뜻이다.

여기에 직원 인센티브를 붙일 수는 있다. 다만 사진 장수나 ‘잔반 제로’ 성적에 보너스를 걸면 직원이 불필요하게 촬영하거나 사실을 왜곡할 유인이 생긴다. 기록의 일관성과 실제 개선에 도움이 된 제안을 인정하되, 추가 노동에 대한 보상과 업무 분담을 먼저 고려해야 한다. 손님 얼굴·결제정보가 찍히지 않게 하고, 폐기물 취급·촬영 과정에서 위생도 지켜야 한다.

종이 기록표나 기존 POS 판매량, 무료 설문 응답을 한데 모아도 출발할 수 있다. Google Forms는 응답을 Google Sheets로 자동 저장할 수 있지만, 그 자체가 잔반을 자동 인식해 주는 것은 아니다.[8] 결국 작은 가게의 전략은 ‘누가 데이터를 더 많이 모으느냐’가 아니라 무엇을 바꿀 수 있을 만큼만 기록하느냐가 아닐까?

버려둔 스마트폰 한 대가
잔반 분석기가 된다면?

그런데 매일 기록하는 일조차 번거롭다면? 생각은 다시 카메라로 돌아온다. 고가의 전용 장비를 따라 만드는 대신, 이미 있는 것들을 연결해 보는 것이다. 안 쓰는 스마트폰을 고정하고, 그 아래에 일반 전자저울을 놓는다. 직원이 잔반 용기를 저울에 올린 뒤 스마트폰 앞면의 셔터 버튼을 한 번 누른다. 후면 카메라는 남은 음식과 저울 표시 숫자를 한 화면에 담는다.

저울이 꼭 컴퓨터와 연결되어 있어야 할까? 무게가 화면에 찍힌다면 나중에 OCR로 숫자를 읽는 방법도 검토할 수 있다. 사진 속 음식 종류는 AI 이미지 분석이 돕는다. 메뉴명이 필요한 경우엔 직원이 간단히 선택하거나 영수증 글자를 읽는 OCR을 보조로 쓸 수도 있다. 다만 혼합된 음식의 무게를 각 메뉴에 정확히 배분하는 건 사진과 총중량만으로 어렵다. 용기 무게의 영점 조정, 표시창 반사, 음식 가림, 촬영 구도도 실제 현장에서 검증해야 한다.

여기서 한 단계 더 단순하게 생각할 수 있다. 촬영한 사진을 지정 이메일로 자동 보내고, 별도 Windows 도구가 메일에 도착한 사진을 날짜별로 모아 ZIP이나 읽기 쉬운 분석 자료로 만든다. 가게 주인은 자신이 이미 사용하는 AI 서비스를 열어 파일과 분석 프롬프트를 직접 넣는다. AI에게 ‘사진별 잔반 상태, 읽힌 저울 숫자, 반복되는 메뉴, 판독 불가 항목’을 구분해 표로 정리하라고 요청하는 식이다.

다만 이 방식은 아직 실제 개발과 현장 검증을 거치지 않은 아이디어다. 일반 카메라 앱이 촬영 후 자동으로 이메일을 보내는 것은 아니므로 별도 앱·자동화 설정이 필요하다. 메일 인증과 첨부파일 제한, Windows 도구의 실제 구현도 확인해야 한다. AI 서비스마다 ZIP·PDF 속 사진을 읽는 기능과 파일·사용량 제한이 다르다. 기존 AI 구독을 외부 프로그램이 마음대로 호출할 수 있는 것도 아니다. 따라서 초기 운영 방식은 사진 수집·정리까지만 자동화하고 AI 분석은 사람이 직접 실행하는 구조다.

이렇게 해도 도입비가 무조건 0원인 것은 아니다. 스마트폰 거치와 전원, 저장공간, 계정·개인정보 보호, 카메라 청소, 인식 오류 검토 같은 비용과 관리가 남는다. 고객과 직원이 찍히지 않는 좁은 촬영 구도, 최소 저장 기간, 접근 권한 제한도 필요하다. 분석 결과는 셰프의 판단을 대신하는 정답이 아니라, 다시 확인할 신호여야 한다.

흥미로운 것은 관찰하는 방법이 달라진다는 점이다. 대형 급식회사는 AI 장비로 잔반을 분석하고, 셰프는 돌아온 접시를 직접 살펴보기도 한다. 작은 식당에서는 고객과 직원이 남긴 사진 기록이 관찰을 도울 수 있다. 여기서 한 걸음 더 나아가면 안 쓰는 스마트폰과 기존 AI 서비스만으로도 작은 가게의 잔반 기록을 만들 수 있지 않을까라는 질문이 생긴다.

이것이 실제로 얼마나 정확하고 저렴할지는 아직 모른다. 그러나 꼭 비싼 장비를 작게 복제해야만 하는 것은 아닐 것이다. 작은 가게에는 작은 문제를 푸는 다른 설계가 있을 수 있다. 그렇다면 음식점이 아닌 다른 가게에서는 고객이 말없이 남기고 가는 어떤 장면을 기록할 수 있을까? 다음 생각은 거기서 시작될지도 모른다.

자료와 확인 사항

실제 투자·사업 규모와 회사 발표, 검증되지 않은 사업 가설을 구분하기 위해 확인한 자료다.

1. Tech.eu, 2026.10.20. Ganiga 신규 지분투자 150만 유로, Smart&Start 지원 100만 유로, Vivenda 참여, 기존 분류장치 300대 이상, HooolyFood 적용 규모 및 제품 설명. 원문 ↗
2. Forbes Italia, 2026.10.20. Vivenda 연간 5,000만 식 제공 규모, 투자 배경과 Ganiga 창업자 발언. 원문 ↗
3. Ganiga 공식 제품 소개, 2026.10.27 확인. HooolyFood 음식 인식·자동 계량 및 운영 대시보드 등 업체 자체 제품 안내. 현장별 설치 구성·절감 효과의 독립 증거 아님. 공식 홈페이지 ↗
4. 유럽연합 집행위원회 음식물 폐기 감축 목표 안내. 2025년 개정된 지침의 2030 회원국 단위 감축 목표와 적용 분야. 공식 안내 ↗
5. 유럽연합 집행위원회, 2025.10.16. 개정 폐기물 지침 발효 및 식품 제조·소매·외식·가정 부문 목표 범위. 공식 발표 ↗
6. 미국 환경보호청(EPA), 음식물 폐기 평가·기록 도구, 2026.10.27 확인. 음식물 폐기량뿐 아니라 종류·발생 이유를 기록하는 소규모 외식업 도구와 운영 변경 원칙. 특정 식당의 실현 절감액이나 사진 리뷰 효과 자료는 아님. 공식 안내 ↗
7. 영국 WRAP, Guardians of Grub FAQ, 2026.10.27 확인. 7일 기준 데이터, 잔반·전처리 폐기 구분, 일반 저울 및 최소 기록 방식. 신규 스마트폰 AI 도구의 구현·정확성 검증과는 무관. 운영 가이드 ↗
8. Google Forms 도움말, 2026.10.27 확인. 설문 응답을 Google Sheets에 연동해 자동 저장하는 일반 기능 설명. 촬영 직후 이메일 자동 전송이나 AI 구독 자동 호출 기능을 제공한다는 뜻이 아님. 공식 도움말 ↗

150만 유로 지분투자와 100만 유로 지원금은 성격이 다른 자금이다. 하루 3만 식은 급식 제공 규모일 뿐 잔반 분석 건수가 아니다. 작은 식당용 촬영·저울 도구는 아직 개발하지 않은 아이디어이며, 비용·판독 정확도와 개인정보 보호를 확인해야 한다.