그 맥주가 그 맥주인가

아르투아 확률(The Artois Probability)

그렇다. 그 맥주, 스텔라 아르투아의 아르투아이다.

David Teniers the Younger, Peasants Celebrating Twelfth Night, 1635. (이미지 출처: National Gallery of Art)

그림 속 인물이 긴 잔을 기울여 술을 마신다. 이 작품은 다비드 테니에르 2세(David Teniers the Younger)가 1635년에 그린 Peasants Celebrating Twelfth Night이다. 그런데 이 그림에 맥주 회사가 숫자를 붙였다. 86%. 그가 마시는 맥주가 스텔라 아르투아일 확률이라고 한다.

Stella Artois·GUT Buenos Aires, The Artois Probability 캠페인의 테니에르 편, 2023. (이미지 출처: Juli and Harold)

스텔라 아르투아(Stella Artois)는 2023년 광고회사 GUT 부에노스아이레스와 함께 〈아르투아 확률(The Artois Probability)〉이라는 캠페인을 선보였다. 출발점은 브랜드가 자신의 역사로 내세우는 1366년이다. 이렇게 오래 맥주를 만들었다면 옛 그림 속 사람들이 마시는 맥주 중에도 자기네 맥주가 있지 않겠느냐는 발상이다. 다만 작가에게 확인할 수는 없으니 그들은 그 확률을 구했다.

설명에 따르면 먼저 브랜드의 아카이브에서 모은 정보와 미술사 정보를 교차했다. 그림 속 액체의 색과 잔의 형태를 살피고 작품의 제작연도와 지리적 위치도 고려했다. 캠페인 이미지에는 작가의 거주지와 원래 양조장 사이의 거리까지 변수로 제시되어 있다. 필스너형 유리잔에 담긴 것과 불투명 재질의 주전자에 담긴 짙은 액체는 다른 종류의 맥주일 것이라고 판단하기도 했다. GUT는 여기에 당시 경쟁 업체에 관한 정보도 활용했다고 한다. 그림에서 살필 수 있는 특징과 그림 밖의 기록에서 찾아야 하는 정보를 함께 계산에 넣은 셈이다.

Stella Artois·GUT Buenos Aires, The Artois Probability 캠페인 소개 이미지, 2023. (이미지 출처: Juli and Harold)

가령 그림 속 액체가 맥주처럼 보인다고 했을 때 색만으로 제조사를 알아내기는 어렵다. 비슷한 잔을 여러 곳에서 썼을 수 있다. 그러나 특정 시기와 지역으로 범위를 좁히면 다른 질문을 붙일 수 있다. 당시 그곳에 어떤 양조장이 있었나. 이 브랜드의 맥주가 그 지역까지 공급됐나. 비슷한 술을 만들던 다른 업체는 없었나. 하나의 특징으로 답을 찾기보다 여러 조건을 겹쳐 후보를 좁혀 가겠다는 접근이다. 그러면 이것도 AI인가. 이 프로젝트는 Museum AI Summit 2026에서 AI와 미술사를 결합한 사례로 소개됐다. 다만 공개 설명에서 구체적으로 확인되는 것은 여러 데이터를 교차하는 알고리즘이다. 분석 대상은 3천 점 이상의 회화 작품이었다고 한다.

2023년 4월에는 부에노스아이레스의 국립미술관(Museo Nacional de Bellas Artes)에서 관람객이 스마트폰의 증강현실(AR) 앱으로 작품을 스캔할 수 있게 구현되었다. 작품을 비추면 화면에 해당 작품의 아르투아 확률과 그에 관한 정보가 나타났다고 한다. 세계 여러 미술관의 작품을 활용한 광고와 현지 미술관에서의 관람 경험이 함께 기획된 캠페인이었다. 이 캠페인은 세계적인 광고·마케팅 축제인 칸 라이언즈(Canne Lions)에서 2023년 크리에이티브 데이터(Creative Data) 부문 그랑프리를 받았다. 역사와 미술과 데이터를 결합한 발상은 광고계의 인정을 받은 셈이다.

스텔라 아르투아의 〈아르투아 확률(The Artois Probability)〉 캠페인 소개 영상. 캠페인 기획: GUT Buenos Aires, 2023.

나는 여기서 계산 결과만큼 계산에 들어간 자료가 궁금해졌다. 술잔의 색과 모양만으로 부족했던 설명을 다른 기록에서 가져왔기 때문이다. 그림 한 장을 읽기 위해 그림이 아닌 자료를 함께 읽었다. 알고리즘이 내놓은 숫자에 시선이 가지만 그 숫자를 만들기 위해 무엇을 모았고 어떻게 연결했는지도 살펴볼 필요가 있다.

1366년은 누구의 생일인가

그런데 잠깐. 스텔라 아르투아가 정말 그때부터 있었나.

스텔라 아르투아를 보유한 세계적인 맥주 기업 AB InBev의 공식 연혁은 양조장의 설립과 제품의 출시를 구분한다. 1366년은 벨기에 뢰번의 덴 호른(Den Hoorn) 양조장 설립연도다. 1717년에는 양조 장인 세바스찬 아르투아가 이 양조장을 인수했다. 맥주 이름의 ‘아르투아’는 그의 성에서 유래한다. 그러나 지금 우리가 아는 스텔라 아르투아 맥주가 처음 출시된 해는 1926년이다. 크리스마스를 기념해 선보인 맥주에 라틴어로 ‘별’을 뜻하는 ‘스텔라(Stella)’를 붙였다. 그렇게 양조장을 인수한 이의 성과 크리스마스의 별이 만나 ‘스텔라 아르투아’라는 이름이 되었다. 오래된 양조장의 역사와 지금 우리가 이름을 알고 있는 제품의 역사는 같은 날짜에서 시작하지 않는다.

1926년 크리스마스를 기념하기 위해 필스너 스타일의 라거맥주를 생산, 촬영 연도 미기재. (이미지 출처: 스텔라 아르투아 한국 공식 홈페이지)

따라서 17세기 그림 속 맥주를 두고 ‘스텔라 아르투아일 확률’을 말하려면 먼저 그 이름의 범위를 정해야 한다. 1926년에 출시된 제품을 말하는가. 그 제품을 만든 양조장의 이전 맥주까지 포함하는가. 오늘의 기업이 자기 역사로 이어받은 양조 계보 전체를 가리키는가. 양조장과 회사와 상표와 개별 제품은 서로 관계가 있지만 같은 대상은 아니다. ‘그 맥주’에서 ‘그’의 범위가 바뀌면 계산하려는 질문도 달라진다.

브랜드가 자신의 계보를 오래전으로 연결했다는 이유만으로 모두 거짓말이라고 할 필요는 없다. 다만 무엇을 연결했는지는 알아야 한다. 오래된 양조장의 역사를 오늘의 브랜드가 이어받았다는 설명과 그 양조장에서 만든 맥주가 모두 오늘의 그 제품이었다는 주장은 다르다. 계보를 잇는 일과 같은 대상이라고 판정하는 일 사이에는 확인할 문제가 남아 있다. 엇 이거 어쩐지 낯설지 않다. 기관 통폐합.😭

기록에 적힌 날짜는 모두 맞을 수 있다. 문제는 그 날짜들을 어떤 관계로 묶느냐에 있다. 연혁을 수집하는 일과 그 가운데 어느 사건을 ‘우리의 시작’으로 삼을지 정하는 일은 다르다. 그렇다고 가장 오래된 날짜를 골라잡으면 된다는 뜻도 아니다. 역사를 계승했다고 말하려면 무엇을 어떻게 이어받았는지 설명해야 한다. 그러고 보면 ‘역사란 무엇인가’는 꼭 거창한 질문만은 아니다. 행사 현수막에 숫자 하나를 넣으려다가도 마주치게 되는 질문이다. 확률을 계산하기 전에 맥주의 족보부터 따져야 하는 셈이다. 수학까지 가기도 전에 연혁 검토가 시작됐다. 맥주 이야기를 읽고 있었는데 어쩐지 일을 하고 있다.

부산이면 대선인가

이번에는 부산에서 활동하는 방정아 작가의 작품 〈저녁바다 노천주점의 나〉를 보며 조금 더 익숙한 곳에서 비슷한 질문을 해보자. 푸른 바다와 얼굴이 보인다. 화면 아래쪽에는 작은 잔이 놓여 있다. 술병은 없고 읽을 수 있는 상표도 없다.

저 잔에 소주가 담겼다고 가정해 보겠다. 부산 작가가 그린 바닷가 술집이다. 그렇다면 저 술잔 안의 술은 대선이 아닐까. 그런데 그림은 2015년작이다. 내가 떠올린 대선블루는 2017년에 출시됐다. 그러면 당시 판매되던 시원(C1)인겐가. 그런데 둘 다 대선주조의 제품이다. 같은 회사니까 대선이라고 해도 되나. 스텔라 아르투아의 족보를 따져 놓고 대선은 그냥 넘어갈 뻔했다. ‘대선주조가 만든 술인가’와 ‘제품명이 대선인가’는 다른 질문이다. 답을 고친 줄 알았는데 질문의 범위를 넓히고 있다.

그게 무엇이든 여기에는 이미 여러 번의 건너뛰기가 들어 있다. 부산에서 활동하는 작가의 그림이니 장소도 부산일 것이라는 추정. 주점의 작은 잔이니 내용물도 소주일 것이라는 추정. 부산의 소주라면 내가 먼저 떠올린 브랜드일 것이라는 추정. 내 머릿속에서는 자연스럽게 이어지지만 각 연결을 뒷받침하는 자료를 확인한 것은 아니다. 내가 부산을 안다는 감각이 그림의 정보를 앞질러 갔다.

그런데 작가의 홈페이지에는 중요한 설명이 붙어 있다. 황순원 탄생 100주년을 기념한 소설집의 「곡예사」에 실린 그림이라는 것이다. 그러면 2015년 부산의 소주 시장부터 찾아보는 순서가 맞는지 다시 생각해야 한다. 그림을 제작한 시기와 그림이 재현하는 시기를 같은 값으로 써도 되는가. 소설의 장면과 이 그림은 어떤 관계인가. 소주의 출시 연혁을 읽으려다 소설부터 읽어야 할 사정이 생겼다.(물론 아직 읽지 않았다. 🙄)

같은 질문을 스텔라 광고에 사용된 반 고흐의 The Drinkers에도 던질 수 있다. 시카고 미술관의 설명에 따르면 반 고흐는 이 그림에서 오노레 도미에(Honoré Daumier)의 목판화를 옮겨 그렸다. 그렇다면 반 고흐가 그림을 그린 연도와 장소만으로 화면 속 사람들이 마시는 술의 유통 조건을 정해도 되는가. 적어도 그가 눈앞의 술자리를 그대로 옮겼다고 전제할 수는 없다.

Vincent van Gogh, The Drinkers, 1890. (이미지 출처: Art Institute Chicago)

스텔라 캠페인이 이 작품에 붙인 아르투아 확률은 22%였다. 광고에는 연도와 지리 정보 등을 브랜드의 역사 기록과 연결해 계산했다고 적혀 있다. 다만 도미에의 판화를 옮겨 그렸다는 사정을 계산에 어떻게 반영했는지는 이 설명만으로 알 수 없다. 제작연도와 지역을 단서로 삼을 수는 있다. 그러나 그것이 화면 속 술자리의 시기와 장소를 곧바로 알려 주지는 않는다.

그림의 제작연도는 정확할 수 있다. 작가의 활동 지역도 정확할 수 있다. 다만 ‘언제 그렸는가’와 ‘언제의 일을 그렸는가’는 다른 질문이다. ‘어디에서 작업했는가’와 ‘어디를 그렸는가’도 다르다. 앞의 답을 뒤의 답으로 쓰려면 그 둘을 연결하는 근거가 필요하다. 정보가 부족해서만 틀리는 것은 아니다. 정확한 정보를 엉뚱한 자리에 놓아도 틀릴 수 있다.

물론 그림 속 술이 애초에 특정 제품으로 정해져 있지 않을 가능성도 열어 두어야 한다. 이름을 지워 놓은 술이 아니라 이름을 붙일 필요가 없었던 술일 수도 있다. 당시 그 장소에서 어떤 술을 마실 법했는지 추정하는 일과 그림 속 술의 제조사를 밝혀내는 일은 다르다. 그림이 답하도록 만들어지지 않은 질문을 내가 가져온 셈이라면 자료를 아무리 모아도 제조사가 나오지 않을 수 있다. 알고리즘을 정교하게 만든다고 반드시 정답까지 생기는 것은 아니다.

사직야구장에서는 조금 쉬울까

그림이 복잡하다면 내가 직접 찍은 사진은 어떨까. 내 휴대폰 앨범에서 사직야구장 사진을 꺼내 본다.(공드리는 아주 유명한 롯데자이언츠 팬이다.🙄) 여러분 사직야구장은 모기업인 롯데 세상이다. 롯데리아, 엔제리너스(없어짐), 크리스피크림과 세븐일레븐 천지다. 그럼 맥주는? 높은 확률로 롯데칠성의 클라우드가 아닐까. 다행히 카스나 테라나 스텔라 아르투아까지 갈 필요가 없다. 안 팔거든요.^^

클라우드 로고가 보이는 맥주 . 사직야구장. (사진: 공드리.)

첫 번째 사진은 쉽다. 컵에 클라우드(Kloud)라고 적혀 있다. 알고리즘이나 확률까지 갈 이유가 없다. 옆의 냉채족발과 핫도그는 분석에서 제외하자. 자꾸 눈이 가지만. (공드리는 아주 유명한 쩝쩝박사이다.🙄)

크러시 로고가 보이는 컵. (사진: 공드리.)

그런데 난데없는 크러시(KRUSH)의 등장이다. 사진 속 전광판 하단에도 크러시 광고가 보인다. 이 역시 롯데칠성음료의 맥주로 2023년에 출시됐다. 네, 그 광고에 카리나 나온 그거요. 롯데까지는 맞혔는데 클라우드에서 틀렸다. 같은 회사가 만든 맥주라는 설명만으로는 어느 제품인지까지 정해지지 않는다.

상표가 보이지 않는 세 잔의 맥주. 사직야구장. (사진: 공드리.)

이제 문제의 세 번째 사진이다. 맥주는 세 잔인데 젠장 잔에 로고가 보이지 않는다. 클라우드인가. 크러시인가. 세 잔이 모두 같은 제품이기는 한가. 앞의 두 사진에서 읽은 이름들이 자연스럽게 후보로 떠오른다. 그러나 그 사진들이 이 세 잔의 제품명까지 알려 주지는 않는다. 이제 사진의 촬영일과 당시 매장의 판매 정보를 함께 볼 차례다. 제품의 출시 시기는 후보를 좁히는 데 도움이 된다. 다만 출시된 뒤라는 사실만으로 그날 그 매장에서 팔았다고 할 수는 없다. 당시 메뉴가 남아 있다면 한 걸음 더 나아갈 수 있다. 품목이 적힌 구매 내역이 있다면 더 좋겠다. 제품이 존재했다는 사실과 그곳에서 팔았다는 사실과 내가 구매했다는 사실은 서로 연결되지만 같은 정보는 아니다.

AI가 세 번째 사진을 보고 클라우드라고 답하더라도 무엇을 근거로 답했는지 물어야 한다. 앞의 사진에서 읽은 상표를 가져왔는가. 촬영일과 판매 정보를 대조했는가. 전광판 아래의 클라우드 광고판 때문인가. 아니면 나처럼 ‘사직야구장이니까, 롯데니까’라고 짐작했는가. 같은 제품명을 답하더라도 그 답에 이른 과정까지 같지는 않다.

사진만으로는 아무것도 알 수 없다는 이야기는 아니다. 사진에 남은 단서와 사진 밖의 자료를 연결하면 설명을 더 구체화할 수 있다. 다만 어느 자료가 무엇을 뒷받침하는지는 구별해야 한다. 컵의 상표를 읽은 일과 그날 판매한 제품을 확인한 일과 내가 마신 맥주를 알아낸 일을 한데 묶어 ‘분석했다’고 쓰지는 말자는 뜻이다.

400여 년 전의 그림 속 맥주를 알아보려다가 내가 사서 마신 맥주의 기록을 찾고 있다. 내 사진첩과 제품 출시 자료와 매장 안내가 이런 식으로 만날 줄은 몰랐다. 먹고 마실 때는 간단했는데 설명하려니 자료가 필요하다.

86% 뒤에 남길 기록

다시 86%로 돌아가 보자. 여기까지 오면 사례 하나를 너무 피곤하게 읽었다는 생각이 들지도 모르겠다. 맥주를 팔려고 만든 광고에 양조장의 족보부터 요구했으니. 그래도 질문은 마음에 들었다. 술잔 하나 때문에 평소라면 함께 펼치지 않았을 기록들을 읽게 됐으니.

이런 자료 대조에 AI를 활용해 볼 수도 있겠다. 아마 걔가 훨씬 빠르게 잘 할 것이다. 사진 속 글자를 읽고 여러 문서에 흩어진 날짜와 제품명을 모아 비교하게 하는 그런 거 말이다. 내가 찾아 모은 자료 안에서 미처 함께 보지 못한 대목들을 비교 후보로 제안하게 할 수도 있겠다. 다만 그렇게 찾은 단서에 설명까지 붙인다면 한 가지를 더 구별해야 한다. 원자료에 실제로 적힌 내용과 여러 단서를 연결해 새로 만든 추정은 같은 정보가 아니다. 자료를 찾는 데 쓴 AI가 자료에 없던 설명을 덧붙이는 단계까지 맡게 된 셈이다.

가령 상표 없는 맥주 사진에 AI가 ‘클라우드로 추정’이라는 설명을 붙였다고 해 보자. 이 설명을 다른 목록으로 옮기면서 ‘추정’이 빠진다면 어떨까. 다음 사람이 그 목록을 보고 이미지 캡션을 작성한다면. 새 증거는 하나도 추가되지 않았는데 제품명은 확정됐다. 글자는 줄었는데 확신은 늘었다. 이 문제는 처음의 설명을 AI가 작성했든 사람이 작성했든 생길 수 있다. 빈칸에 무언가를 적는 일만큼 그 문장이 어떤 근거로 들어왔는지도 신경 써야 하는 이유다.

그래서 나는 86%라는 결과 옆에 그 수치를 만들면서 선택한 내용도 남아 있기를 바란다. 어느 자료에서 어떤 정보를 가져왔는가. 확인하지 못한 부분은 무엇으로 가정했는가. 참고한 자료의 목록만으로는 이 선택들이 모두 드러나지 않는다. 무엇을 읽었는지와 그것을 어떻게 사용했는지는 따로 설명할 대목이다. AI를 썼다면 어떤 모델에 어떤 자료와 질문을 넣었고 어떤 답을 받았는지도 남겨 둘 만하다. 그 답의 어느 부분을 사람이 확인하거나 수정했는지도 함께 말이다.

아르투아 확률도 마찬가지다. 이 광고가 과거의 맥주를 밝히는 데 충분한 증거인지와 오늘의 브랜드가 과거의 작품을 자기 역사에 연결하는 방식을 보여 주는 기록인지는 별개의 문제다. 무엇을 설명하는 데 쓸 수 있는지 따져 보자는 뜻이다. 처음에는 그림 속 인물들이 무엇을 마셨는지 궁금했다. 이제는 그 숫자를 도출해낸 사람과 알고리즘이 무엇을 읽었는지가 궁금하다.

본의 아니게 술 냄새 나는 글이 되었다. 롯데는 올해도 또 망했고 늘 이맘때의 우울증이 찾아왔다. 다 나가 주세요. 혼자 있고 싶어요.