아이디어 발상부터 원 페이지 비즈니스 캔버스를 만들기까지 <한 권으로 끝내는 AI 비즈니스 모델, 정두희>

앞으로 AI 기술을 적용할 줄 아는 기업과 그렇지 못한 기업 사이에는 
결코 좁혀질 수 없는 '초격차'가 일어날 것이다!​

 

『 한 권으로 끝내는 AI 비즈니스 모델 (2020) 』

 

 

우연한 기회에 모교 한동대학교에 인공지능을 가르치시는 교수님이 새로 부임해 오셨다고 들었다. 학내에서 꽤나 인기 학과인 전산전자공학부에 새로 오신 교수님인가보다 하였는데, 예상과 달리 'ICT 창업학부'(구 GEA)에서 강의를 맡으시게 되었다고 했다.

​

ICT 창업학부라... 내가 한동대학교에 입학했을 당시인 2008년에는 그러한 이름은 학부 이름으로조차 허용되지 않았을 터였다. 실제로도, 글로벌 에디슨 아카데미(GEA)라는 아리쏭한 이름의 '준'학부로 개설되었고 말이다. 일단, 2010년 즈음해서야 아이폰이나 갤럭시폰이 급속도로 보급되기 시작했기에, 그 이전까지는 IT라는 단어가 그다지 흔히 들을만한 단어도 아니었고, 그때까지만 해도 IT나 소프트웨어 개발은 웬만한 컴퓨터 천재가 아니고서는 엄두도 내지 못할 그런 세계라고 여겼었다. 게다가 창업학부.. 아무리 청년실업과 취업대란이 사회적 문제로 떠오르게 되었다고 해도, 진리의 상아탑이라 불리우는 대학을 마치 취업전문학교 내지는 창업사관학교로 만들려고 하는 것이냐며, 인문계열 학부에서 대놓고 반발했을 것이 뻔했다. 여하튼, 내가 당시에 'ICT'와 '창업' 두 키워드에 갖고 있었던 관심도 그 정도 수준이었다. '무엇'으로 세상을 바꿔야 하는지도 모르고, 바깥 '세상'만 공부하겠노라고 그렇게 국제지역학과에서 열심히 공부만 했다. 그리고 운 좋게 유학도 갔다.

​

졸업 후 작은 컨설팅 회사의 직원이 되어서 날마나 기술 혁신들을 들여다 보는 것이 주 업무가 된 지금. 그 당시, 창업과 기업가 정신을 가르쳐야 한다고 외쳤던 교수님들이 몇 년을 앞서서 내다보셨던 것인지를 절실히 깨닫게 된다. 그저 무료 메신저 어플을 만드는 회사였던 카카오는 현대자동차의 시총을 추월할 정도의 규모가 되었고 (비록 근래에는 언택트의 시대에 수혜를 입은 바도 있지만), 앞으로 그의 잠재력은 누구도 가늠하기 어려울 정도이다. 만일 스마트폰과 SNS 어플의 등장과 더불어 전세계가 ICT 기술로 변화되는 흐름 속에서, 카카오의 창업진들이 '스타트업을 하는 것은 미친 짓이니 잠자코 대기업이나 잘 다녀야겠다'라고 생각했다면 과연 그런 기업이 탄생할 수 있었을까? 심지어 이제는 인기 유튜버나 온라인 쇼핑몰과 같은 개인 사업을 하는 창업주들이 (물론 성공한 소수에 한정한 것이긴 하지만), 돈도 대기업 사원보다 훨씬 더 많이 벌고, 더 행복한 삶을 사는 것이 현실이 되었고 말이다. 그리고 ICT 기술력으로 4차산업혁명을 주도하는 미국, 중국의 스타트업들이, 지금에 와서는 어떠한 공룡 기업들이 되었는지, 또 그들이 지금 이 순간도 어떻게 세상을 바꿔나가고 있는지를 생각하면... ICT와 기업가 정신은 '세상을 변화시키자(Why Not Change the World?)'라는 모토를 가진 한동대에서 가장 중요하게 가르쳐야 할 자질에 다름 아니었다.

​

이제 우리가 직변한 거대한 변화의 물결은, 다름 아닌 '인공지능'이다. 10여년 전, GEA 학부 교수님들이 지금 우리가 겪고 있는 모바일 앱 경제, 스타트업 혁신, 1인 기업을 내다 보시고 그것을 관통할 기업가 정신을 가르치시려 했다면, 이제는 다가오는 미래에 대비하여 인공지능을 가르치려 하시는구나 하고 감탄이 나왔다. 물론, 서울의 대학들도 너나 할 것 없이 경쟁적으로 인공지능 관련 교원들을 모집하려 애를 쓰고 있지만, 포항의 작은 촌마을 남송리에서 후배들이 인공지능을 배운다니, 그것도 비즈니스 모델의 관점에서 인공지능을 공부한다니, 내 모교가 여전히 나름 괜찮은 학교이구나 싶었다. (그러나 사실 나는, 학부 때 GEA 관련 수업은 하나도 들어본 적 조차 없었다만...) 그런데 책의 저자 소개란을 읽으면서, 이 책의 저자이신 교수님께서 한동대를 졸업하신 동문이라는 것을 알고 깜짝 놀랐다. 그 당시 정말 아무것도 갖춰지지 않은 학교에서 공부하시고도, 졸업 후 한국의 유수 경제연구소에서 근무하게 되셨던 점이나 AI 및 신기술 혁신 전문가가 되실 수 있었다는게 너무 대단하게 느껴졌고. 이제는 다시 남송리에 돌아와서 '배워서 남주는' 삶을 살고 계시다니, 그것만으로도 이 책을 읽지 않을 수가 없었다. 그리고 내친 김에, 다른 후배의 소개로 서울에서 있었던 교수님 강연까지 찾아가서 들었다.

​

그동안 인공지능에 대해 많이 알게 되었다고 생각했었는데, 이 책과 교수님 강연을 통해서 아마존과 엔비디아와 같은 기업의 AI 기술이 얼마나 무서울 정도로 고도화되었는지를 보며, 하루라도 빨리 AI에 대비하는 사람이 되어야 겠다는 생각을 하지 않을 수 없었다. 나아가서 우리 회사는 과연 그들의 1%만큼이라도 AI의 중요성을 인식하고, 이에 대한 준비와 투자를 하고 있는가 하는 의문이 들었다. 앞으로 AI 기술을 적용할 줄 아는 기업과 그렇지 못한 기업 간의 '초격차'가 일어날 것이라는데.. 과연 나 자신은 이에 대한 어떤 대비를 하고 있는지, 진지하게 고민하게 되었다. 이제는 정말 정신차리고, AI를 배워야 할 때라고 느낀다. 10년 전에, 미래를 내다본 GEA 교수님들의 통찰을 간과하고 넘어갔었는데, 이번에도 똑같은 실수를 저질른다면 내 인생, 아마 너무나 후회하게 될 날이 올 것만 같아. ​

 

 

---

 

​

# 1

AI가 기업에 미치는 영향

그렇다면, AI가 창출하는 효과는 구체적으로 무엇일까? 액센츄어의 조사에 따르면 AI를 선도적으로 도입한 기업의 연평균 성장률은 2015년에서 2018년까지 9% 가량 되는 데 비해, 후발기업의 성장률은 4%에 머물러 성장률 차이가 두 배 이상이었다. 그 이후의 매출 격차는 더 벌어진다. AI 선도기업은 2023년이 되면 평균 200억 달러 규모 이상의 매출을 끌어올릴 것으로 전망되지만 후발기업은 150억 달러를 넘지 못할 것으로 전망된다. ​

맥킨지앤컴퍼니 Mckinsey & Company 역시 AI의 재무적 성과에 대한 예측을 제시했다. 조직관리 및 프로세스 혁신을 통해 AI 기술을 완전히 흡수한 선도기업은 2017년 기준으로 2030년경에는 현금흐름을 122% 늘릴 수 있을 것으로 전망했다. 반면, 후발기업은 2030년 10%의 추가 창출에 그칠 것으로 예상되며, AI 기술에 전혀 투자하지 않거나 도입하지 않은 기업은 현금흐름이 23% 정도 감소할 것으로 전망했다. 이와 함께, 기술 트렌드 분석기관인 가트너 Gatner 역시 AI를 도입한 기업은 네 곳 중 세 곳이 제품 및 서비스의 판매율이 10% 증가할 것으로 전망했다. 이렇게 많은 기관이 AI가 기업에 미치는 영향력이 클 것으로 전망하고 있다.

​

# 2

지금은 혁신을 준비할 때

문제는 AI를 통해 경쟁력을 높일 수 있는 기회의 시간이 점점 줄어들고 있다는 점이다.

딜로이트 Deloitte가 2019년에 전 세계 AI 선도기업에 속해 있는 1,900명의 경영진을 대상으로 한 설문조사를 기반으로 내놓은 보고서에 따르면, 81%가량이 비즈니스의 성공에 있어서 AI가 중요한 역할을 한다고 인식하고 있지만 AI를 통해 회사 비즈니스를 고도화할 수 있는 기간은 그리 길지 않을 것으로 내다봤다.

구체적으로 절반이 넘는 57%의 기업은 3년 이내에 AI가 회사 비즈니스를 바꿀 것이라 여겼는데, 특히 2~3년 안에 AI의 영향력이 크게 증가할 것이라고 응답한 비율이 33%로 가장 높았다. 그리고 그 이후부터는 응답자의 비율이 점점 낮아졌다. 기업의 AI 경쟁력이 앞으로 3년 이내에 결판난다는 뜻이다. AI를 선점한 기업의 영향력이 기하급수적으로 확대되다 보니 도입 시기가 늦어지면 효과도 줄어들 것이다.

이 때문에 AI 선도기업은 현 시점을 긴박한 상황으로 인식하고 있고, 조사대상의 34% 이상이 500만 달러 이상을 AI 혁신에 투자하고 있는 것으로 조사됐다. 나아가 89%는 차기년도에 AI에 대한 투자를 지금보다 더 늘릴 계획이 있는 것으로 나타났다. 투자 비중을 10% 이상 늘리는 기업은 절반이 넘는 51%로 확인됐다.

​

# 3

AI 선도기업은 어떻게 인재를 채용하는가?

선도기업은 어떻게 인력을 채용하고 있을까? AI 선도기업은 전문인력 확보에 상당한 적극성을 보이고 있으나, 현실적으로 가장 필요한 인재 위주로 채용하고 있다. 딜로이트의 조사에 따르면 AI 선도기업에서 가장 활발히 채용하는 인력은 소프트웨어 개발자이며, AI 기술을 비즈니스에 완전히 통합하기 위해 기술 지식을 지닌 비즈니스 인재의 채용을 늘리고 있다. AI 혁신을 시작한 지 얼마 안 되는 기업일수록 AI 알고리즘과 시스템을 개발하는 기술 인재 위주로 채용을 한다.

AI 혁신에 소극적인 기업은 AI 전문가를 활용해서 모든 AI 프로젝트를 처음부터 구축해야 한다고 생각하지만 선도기업은 효율성을 높이기 위해 오히려 아마존이나 구글 클라우드가 제공하는 AI 지원 엔터프라이즈 소프트웨어를 활용하는 것으로 나타났다.

​

# 4

지속적인 AI 경쟁력을 확보하기 위해서라도 채용한 인력을 포함한 전체 인력의 교육 및 훈련이 꾸준히 이뤄져야 한다. 선진기업은 지속적인 AI 경쟁력을 확보하기 위해 조직 내부에 독자적인 양성 프로그램을 마련해두고 있다. <MIT 슬론 매니지먼트 리뷰 MIT Sloan Management Review>의 조사에 따르면, 조직 내부에서 AI 인력양성 프로그램을 활발히 운영하는 기업의 59%는 AI를 통해 경제적 가치를 지속적으로 창출하는 것으로 나타났으며, 내부에 양성 프로그램이 없는 조직 중 81%가 AI로 가치를 창출하지 못하는 것으로 나타났다.

딜로이트에 따르면 AI 선도기업은 일반기업에 비해 AI의 기술 수준이 네 배에 달하며, 이는 기술 인력과 사업부 인력이 AI 교육에 막대한 투자를 하는 데서 기인한다. 후발기업은 기술 인력에 새로운 AI 제품을 개발하기 위한 교육을 진행하는 비율이 44%였지만 선도기업은 71%로 높았다. 전직원에 대한 AI 인식 및 지식 교육을 하는 비율도 후발기업은 47%였지만 선도기업은 71%인 것으로 나타나 차이가 있다.

기업이 AI 경쟁력을 확보하기 위해서는 사업방향과 조직의 상황에 맞춰 독자적인 AI 교육 프로그램을 마련할 필요가 있다. AI 혁신은 인공지능 기술을 이용해 사용자경험의 혁신을 이뤄내는 것이다. 이를 위해 자사의 역량 중에 무엇을 보강해야 하는지, 어떤 교육채널을 이용할 것인지, 그리고 어떤 전문가에게 교육을 받을지 신중히 정해야 한다.

​

# 5

1970년대에 마이크로소프트 창업자인 빌 게이츠 Bill Gates는 IBM을 주축으로 PC가 대중화될 것을 예상했다. 하지만 PC의 확산에 비해 그 안에 들어갈 운영체제 등 소프트웨어는 충분히 개발되지 않은 상황이었다. 빌 게이츠는 이러한 공백을 발견해 MS-DOS, 윈도 시리즈 등 사용자 친화적인 운영체제를 개발했고 IBM PC와 더불어 마이크로소프트의 운영체제는 엄청난 속도로 확산됐다. '문제는 가면을 쓴 기회'라는 말이 있다. 문제를 포착하면 강력한 기회로 이어진다.

그러나 안타깝게도, 현실에서는 문제를 정확히 모른 채 개발이 이뤄지는 일이 비일비재하다. 공들여 뭔가 새로운 기술을 개발하긴 하는데 궁극적으로 무엇을 해결할지 모르고 작업하면, 정작 사용자에게 맞지 않는 제품이 개발되고 만다. 기술적으로는 뛰어나지만 시장성은 없는 이른바 '쓸모없는 걸작'이 되기 쉽다. AI가 시장에 들어온 지 얼마 되지 않았기 때문에 대부분의 기업인은 AI 혁신의 초보자라고 봐야 할 것이다. 문제를 정확히 이해한 다음에 답을 찾으라는 학교 선생님의 지침은 지금 AI 혁신을 추구하는 기업인에게도 유효하다.

​

# 6

AI는 사람의 역량을 증폭시키는 방향으로 지원할 수 있다. 인간에게 적절한 정보와 지식을 제공해서 인간의 분석 및 의사결정 능력을 향상시킬 수 있다. 고급 모터사이클 업체인 할리데이비슨 Harley-Davidson은 AI 기반 마케팅 플랫폼 앨버트 Albert를 뉴욕 사업부에 도입했는데 각 고객의 기본 정보나 활동 등의 속성을 기반으로 구매 가능성을 예측해 가용고객을 가려내는 데 도움을 얻었다. 이를 토대로 세일즈 리드 sales lead, 즉 구매 가능성이 높은 고객을 무려 2,930%나 확장시켰다. 할리데이비슨의 영업 인력은 AI 시스템을 통해 얻은 이 정보로 영업 성과를 대폭 높일 수 있었다.

​

# 7

문제를 통찰하기

AI 혁신의 문제를 정의하려면 인공지능 기술에 대한 지식이 필요하다. 앞서 AI 혁신은 테크놀로지 푸시 성격을 띤다고 말했다. AI 기술이 무엇을 할 수 있는지 알아야 무엇을 혁신할지 통찰할 수 있다는 뜻이다. 주행 중인 자동차가 갑자기 멈춰서 보닛(차량 앞 덮개)을 열어봐도 자동차 문외한의 눈에는 뭐가 문제인지 잘 보이지 않는다. 자동차 내부구조에 대해 박식하게 알고 있어야 뭐가 잘못됐는지, 또는 뭘 고쳐야 하는지를 알 수 있다. AI 혁신은 인공지능 지식을 가진 엔지니어의 시각으로 AI의 가능성을 펼쳐낼 거대한 기회를 찾는 것이다. 엔지니어의 눈으로 문제를 통찰하는 예는 다음과 같다.

● AI 기술로 아무도 시도하지 못한 어떤 기능을 만들어낼 수 있을까?

● AI 기술로 할 수 있는 일과 할 수 없는 일은 무엇인가?

● AI 기술을 새롭게 적용해볼 만한 영역은 어디인가?

● AI 기술이 사용자에게 어떠한 가치를 제공할 수 있을까?

● AI가 아니면 해결할 수 없는 문제는 어떤 것들인가?

● AI가 창출할 수 있는 새로운 시장은 무엇인가?

구글의 수석디자이너인 제이크 냅 Jake Knapp에 따르면, 구글에서는 엔지니어의 관점에서 흥미로워 보이는 아이디어가 거대한 사업적 기회로 연결되는 경우가 많다고 한다. AI가 할 수 있는 일은 무궁무진하지만 그걸로 실제 무엇을 할 수 있는지 알아야 풀어낼 만한 문제를 가려낼 수 있다. 따라서 AI 기술에 대한 지식은 AI 혁신에 필수적이다.

​

# 8

선수들의 부상은 축구 구단이 피하고 싶어 하는 중대한 위협 중 하나다. 부상 때문에 전략자산이 중요한 경기에 나가지 못해 승률 관리에 커다란 타격을 입는 경우가 많다. 부상 정도에 따라 몇 주 또는 몇 달 동안 출전을 못 하게 되는 선수가 나오는가 하면 심하면 선수 명단에서 아예 빠져야 할 수도 있다. 문제는 부상이 언제 발생할지 알 수가 없다는 것이다. 이 때문에 각 구단은 선수들의 부상을 예방하기 위해 의료진을 동원하고 각종 부상 예방 프로그램을 실시한다. 그럼에도 선수들의 부상이 끊임없이 발생하는 게 현실이다.

이러한 문제를 포착한 실리콘밸리 소재 스타트업 Zone7은 운동선수들의 부상 가능성을 예측함으로써 구단이 미리 대응할 수 있게 해주는 서비스를 내놨다. Zone7은 선수별 경기 데이터, 의료기록과 건강 데이터 등 개인화된 데이터를 AI로 분석해 부상 가능성을 예측하고 최적의 훈련 수준을 추천한다. 이 회사는 지금까지 95%의 정확도로 선수들의 부상을 예측하고 있다. 그리고 구단은 이를 통해 선수들의 부상 가능성을 75% 가까이 줄였다.

​

# 9

선진기업이 제공하는 AI 지원서비스

아마존은 AWS를 통해 기본적인 클라우드 컴퓨팅과 스토리지 기능뿐 아니라 데이터베이스 분석, 예측, 관리, 모바일 애플리케이션 개발, 보안, 하이브리드, 엔터프라이즈 애플리케이션 등 100개 이상의 광범위한 서비스를 제공한다. 머신러닝 개발 경험이 없는 개발자나 일반 사용자가 쉽게 활용할 수 있으며, 애플리케이션의 핵심 알고리즘을 개발하고 운영, 관리하는 데 드는 시간을 줄여준다. 사용자는 AI의 주요 기능을 그대로 가져다 활용할 수 있는 서비스, 자사가 보유한 데이터를 주입하면 다양한 머신러닝 솔루션을 구현할 수 있는 서비스, 데이터 기반의 학습모델을 만들고 학습시킬 수 있는 머신러닝 플랫폼 등 다양한 서비스를 이용할 수 있다.

​

<아마존웹서비스가 제공하는 AI 지원서비스>

퍼스널라이즈 Personalize: 개발자가 자사의 애플리케이션을 사용하는 소비자에게 개별화된 추천서비스를 제공할 수 있도록 지원

폴리 Polly: 텍스트를 음성으로 변환

트랜스크라이브 Transcrbie: 음성을 텍스트로 변환

레코그니션 Rekognition: 딥러닝 기반의 이미지와 비디오 분석 기능을 추가

렉스 Lex: 음성 및 텍스트를 이용해 챗봇 등 대화형 인터페이스 구축

프로드 디텍터 Fraud Detector: 머신러닝 기반 자동 이상 거래 탐지 기능 제공

아마존 A2I Augmented Artificial Intelligence: 개발자가 리뷰를 통해 머신러닝을 예측 검증하도록 지원

세이지 메이커 오토파일럿 SageMaker Autopilot: 머신러닝 기반 자동화 기능 제공

세이지 메이커 모델 모니터 SageMaker Model Monitor: 개념 변화를 감지하고 교정

​

# 10

IBM 또한 왓슨 Watson의 인지컴퓨터 기술을 적극적으로 공유하고 있다. 왓슨은 언어 language, 말하기 speech, 이미지 visual, 데이터 분석 data insight, 등 네가지 영역에서 다양한 API를 제공하고 있다. IBM의 클라우드 플랫폼 '블루믹스 Bluemix'에서 이용할 수 있다.

​

<IBM 왓슨이 제공하는 AI 지원서비스>

컨버세이셔널 API Conversation API: 자연어를 이해하고 메시징 플랫폼 및 웹사이트, 모든 장치에 챗봇 같은 커뮤니케이션 채널을 구축

트랜슬레이터 API Transrator API: 언어 번역기를 사용하여 전 세계에서 뉴스를 가져와서 사용자의 언어로 보여주고, 의사소통을 하는 작업

자연어분류 API Natual Language Classifier API: 텍스트 이면에 숨겨진 의미를 해석하고 신뢰 점수를 부여하여 맥락에 따라 분류

자연어이해 API Natural Language Understanding API: 고급 텍스트 분석을 위한 자연어처리 API로 자연어이해 알고리즘을 사용하여 개념, 키워드, 범주, 감정, 관계 등에 대한 인사이트 추출

퍼스널리티 인사이트 Personality Insights: 텍스트를 통해 해당 인물의 성격 특성과 니즈 등을 이해하는 기능. AI 제품 및 서비스를 통한 경험디자인에 활용

리트리브 앤 랭크 Retrieve and Rank: 머신러닝을 통한 정보검색 향상과 검색 및 순위를 지정

톤 애널라이저 Tone Analyzer: 언어분석을 통해 서면 텍스트의 톤과 스타일을 이해하고 작성된 텍스트의 통신 신호를 감지

스피치 투 텍스트 Speech to Text: 인간의 목소리를 텍스트로 변환

텍스트 투 스피치 Text to Speech: 디바이스가 사람처럼 말할 수 있도록 하는 텍스트를 음성으로 변환

비주얼 레코그니션 Visual Recognition: 이미지의 내용을 이해한다는 뜻으로, 이미지에 태그를 지정하고, 음성을 인식하며, 인간의 얼굴을 발견하고, 대략적인 나이와 성별을 식별

​

# 11

이러한 AI의 능력은 시간 소모 때문에 답답함을 느끼는 영역일수록 커다란 가치를 지닐 것이다. 자동차 검사를 할 때 접수하고 검사하는 데는 수 시간이 걸린다. 차를 맡기고 며칠 뒤에 찾아야 할 때도 많다.

이스라엘의 스타트업 UV 아이 UVeye는 자동차의 차체를 들어 올리지 않고도 스캔을 통해 외관과 하부 및 내부의 이상징후를 감지하는 검사 시스템을 소개했다. 보안 검색대에 가방을 지나가게 하면 가방 속이 바로 보이듯, 카메라 및 각종 스캔 장비가 고정돼 있는 곳을 차량이 지나가면 고정밀 화상이 모니터에 비치고, 컴퓨터 비전과 머신러닝으로 차량의 상태를 자동으로 진단한다. X레이와 음파를 통해 정밀검진까지 가능하도록 설계하는 중이다. 이렇게 차량을 검사하는 데에는 놀랍게도 1분이 채 안 걸린다.

이러한 속도의 이점은 다양한 형태의 기능으로 구현되어 가치를 창출해낼 수 있다. 가령, 렌터카 서비스 지점의 입구와 출구에 이런 스캔 장치가 있다면 렌터가 사용 전후에 검사를 위해 기다릴 필요가 없다. 차량의 제공 및 반환 속도, 서비스 질을 높일 수 있다. 중고차를 살 때도 마찬가지다. 입고 또는 출고 시 상태를 빠르게 확인할 수 있으며 신속하게 거래할 수 있다.

​

# 12

AI를 통해 개인 맞춤화 디자인을 제공하는 서비스의 예도 살펴보자. 온라인 쇼핑으로 옷을 살 때 불편한 점 중 하나는 멋진 옷을 골라 주문했는데 막상 도착해서 입어보면 나에게 안 어울릴 때가 종종 있다는 것이다. 문제의 원인은 옷을 구매하는 그 시점에 내 몸에 맞는지 확인을 할 수가 없다는 데 있다. 이를 해결해주는 서비스가 엘리먼트퓨어 Element Pure다. 전면과 측면 사진을 올리면 AI 엔진이 사이즈와 굴곡 등을 계산해 사용자의 몸과 거의 똑같은 3D 바디를 만들고, 핏이 잘 맞는 맞춤 셔츠를 제작해준다. 두 가지 사진으로 만들어내는 3D 바디 모형은 실제 사용자의 몸과 98% 정확하게 일치한다.

사용자가 (가상의) 내 몸에 옷을 입혀볼 수 있기 때문에 옷이 잘 어울리는지를 눈으로 확인하고 옷을 주문할 수 있다. 이는 사용자가 충분히 가치를 느낄 수 있는 부분이고, 사용자를 위해 특별히 다지인되는 맞춤 셔츠를 제작해주기 때문에 가장 잘 맞는 옷을 얻을 수 있다는 점에서 유용성이 있다. 기존의 맞춤 매장에 가서 옷을 맞추려면 디자이너가 몸을 측정하고 마음에 드는 디자인을 고르는 등 방문에만 한 시간 이상을 잡아야 한다. 이렇게 치수를 잰 다음에 옷이 제작되기까지 며칠이 더 걸린다. 하지만 엘리먼트퓨어는 사진 두 개만 골라 올리면 즉석에서 디자인이 나오기 때문에 시간이 절약되는 것은 물론이고 편의성이 크다.

백화점에서 이 옷 저 옷 입어보며 쇼핑을 즐기듯 내 몸에 다양한 옷을 입혀볼 수 있기 때문에 그 자체로 쇼핑의 즐거움을 누릴 수 있다.

​

# 13

AI 혁신이 급진적인 만큼 가치에 대한 고객의 호불호가 크게 갈릴 수 있다. 새로운 제품이 고객의 기호에 맞지 않으면 선택을 받지 못한다. 고객이 제품의 새로운 가치를 긍정적으로 인식하면 가치를 계속 얻기 위해 지속적으로 사용할 테고, AI가 제공하는 새로운 사용방식으로 인해 생활습관이 바뀔 수도 있다.

누미 Numi라는 변기의 예를 살펴보자. 누미는 사람의 말을 알아듣는 가상비서 기능이 내장된 스마트 변기다. 2020년 CES에서 혁신제품상 CES 2020 Innovation Awards을 수상했다. 사람이 음성으로 명령을 하면 화장실 조명을 조절해주기도 하고 보일러 온수를 더 뜨겁게도 해준다. 음악을 듣고 싶으면 말로 음악을 요청하면 되며, 오늘의 뉴스가 궁금하다고 하면 말로 뉴스를 읽어준다. 누미를 사용하면 변기에 앉아서 이 모든 것을 할 수 있다.

AI가 제공하는 더 중요한 기능은 사용자 맞춤화에 있다. 변기에 앉아서 말로 여러 차례 명령을 하는 동안 이 기기는 사용자의 습관을 학습해 모든 일을 사용자 중심으로 조정한다. 사용자가 좋아하는 종류의 헤드라인 뉴스를 읽어주고, 사용자가 자주 듣는 뮤직박스를 틀어주고 온도와 조명 밝기를 사용자의 선호에 맞춰준다. 어느 변기가 사용자의 취향에 맞춰 이 모든 것을 개인화해줄 수 있겠는가? 변기 하나 들여놨는데 이런 화장실이 생긴다면 사용자가 느끼는 가치는 매우 클 것이다. 사용자는 이 변기를 구매한 이후 기존의 용변 기구만으로 이용하지 않고, 개인화된 엔터테인먼트 기구로 사용할 것이다.

 

# 14

기술의 대한 인지 요인 3가지

AI 혁신의 경험적 가치를 디자인하기 위해 살펴봐야 할 또 다른 하나는 사용자의 인지적 요인 social cognitive attributes이다. 바로 혁신제품을 수용하는 데 있어 사용자가 갖는 심리적 요인이다. 기술수용이론 Technology Acceptance Theory 계열의 많은 연구가 사용자가 신기술 기반의 새로운 제품을 수용하는 데 중요한 역할을 하는 몇 가지 요인을 제시했다.

AI 혁신제품의 수용과 관련한 변수를 추려보면 다음 세 가지가 핵심 요인으로 떠오른다. 바로 인지된 유용성 perceived usefulness, 인지된 용이성 perceived ease of use, 인지된 유희성 perceived playfulness이다.

... 그렇다면 누미는 어떤 동기를 불러일으킬 수 있을까? 바쁜 아침 시간에 화장실에서 볼일을 보거나 세면을 하는 동안 나미로 기분 좋은 음악을 틀 수도 있고, 오늘의 헤드라인 뉴스를 즉석에서 들을 수도 있을 것이다. 화장실 환경이 나에게 최적화돼 있기 때문에 화장실에서 의미 있는 아침 시간을 보내면서 수월하게 유용성을 인지할 수 있을 것이다. 또한 누미는 샤워를 하면서도 음성으로 명령을 내릴 수 있는 시스템이기 때문에 사용이 쉽다. 게다가 이 기기는 개인화되는 인공지능 기기라 시간이 지날수록 나의 생활패턴에 최적화돼 사용이 점점 더 편리해진다. 이런 점은 용이성을 높이는 요인이 될 것이다. 이와 함께 음성비서와 대화하며 주변환경을 제어하고 말한 대로 작동되도록 하는 방식은 기존의 변기에서는 느끼지 못했던 새로운 유희를 느끼게 될 것이다.

이러한 유용성과 용이성 그리고 유희성 측면을 긍정적으로 인지하게 되면 혁신제품을 수용할 가능성이 높아지고, 그 말은 AI 기술을 통해 화장실에서 사용자 행위가 바뀔 수 있다는 의미다. 물론 가격이나 디자인 등에 따라 사용자가 느끼는 가치는 달라질 수 있다. 그러나 기술이 만들어내는 가치는 사용자경험 속에서 발현돼야 하며, 사용자경험에 혁신을 가져다줘야 한다는 점을 기억하기 바란다.

​

# 15

또 다른 예로, 음식을 식별해서 구분할 수 있는 AI의 기능을 이용해서도 독특한 비즈니스를 개발할 수 있다. 식당에서 나오는 음식 쓰레기 양은 매우 많지만 대부분 어떤 음식을 얼마나 버리는지 알지 못한다. 하지만 버려지는 음식에 대한 정보는 식당의 재고관리와 비용절감 측면에서 매우 중요하다.

윈나우 Winnow는 AI의 컴퓨터비전 기능을 식당 재고관리 효율화 비즈니스와 결합했다. 음식물이 버려질 때마다 AI가 음식물을 식별하고 폐기 음식물 현황을 데이터로 자동 저장한다. 음식물을 식별하는 정확도는 사람의 육안을 뛰어넘는다. 그리고 일정 기간 동안 음식물 폐기량은 자동으로 계산되는데 이는 식당의 재료 구매 및 사용 등 재고관리에 큰 도움이 된다. 많이 남는 음식, 즉 고객의 반응이 시원치 않은 메뉴가 무엇인지를 알아내어 질 높은 메뉴로 업데이트할 수 있도록 중요한 시사점을 던져주기도 한다.

윈나우를 사용하는 레스토랑은 1년간 음식물쓰레기를 40~70% 줄이고, 비용은 2~8% 절감하는 효과를 얻는다. 윈나우는 시스템이 포함된 서비스 자체를 판매하거나 식당의 비용절감분에 비례해 수수료를 받는 식으로 수익을 거둔다. AI 기술을 이용해 레스토랑의 숨은 문제점을 해결해 새로운 가치를 만들어낸 사례라고 볼 수 있다.

​

# 16

비용과 수익 역시 혁신 전략이다

ROI는 투자에 대비해 수익이 얼마나 많은지를 추정한다. 사용자에게 특별한 경험적 가치를 제공한다는 AI 혁신의 목표를 이루기 위해 비용을 얼마나 투입해야 하는지, 그로써 얻을 수 있는 수익이 얼마나 되는지를 파악해야 한다. ROI의 체계적 관리는 AI 혁신의 성패에 영향을 준다.

AI 혁신의 선도기업은 혁신 프로젝트의 ROI를 체계적으로 관리한다. 액센츄어에 따르면 AI 선도기업의 94%가 ROI를 체계적으로 추적 관리하는 데 반해 후발기업은 47%에 그치는 것으로 나타났다. 예를 들어 머신러닝 기반의 재고관리 시스템을 도입할 때 ROI를 잘 관리하면 판매율, 적정재고율, 수익성을 수시로 확인 및 예측할 수 있다. 모든 담당자가 업무와 그로 인한 재무적 결과를 확인할 수 있어 시스템의 효용이 높아진다.

... ROI를 측정하려면 비용 및 수익 항목이 계량화돼야 한다. 하지만 혁신에는 가치를 계량화하기 어려운 무형의 이익과 비용이 존재한다는 사실을 기억해야 한다.

예를 들어, 병원에서 암 검진 정확도를 높이기 위해 AI 검진 시스템을 도입한 경우를 보자. AI 시스템은 의사와 다르게 여러 환자를 동시에 검진할 수 있기 때문에 검진 프로세스 속도가 대폭 빨라진다. 전체적인 의료 서비스의 시간이 단축되고 의사는 좀 더 중요한 의료 서비스에 매진하게 되어 전체적인 고객 충성도가 높아지고, 이러한 변화가 입소문을 일으켜 더 많은 환자를 끌어오는 선순환으로 이어질 수 있다. 이러한 이점은 측량하기 어려운 종류다.

또 다른 예로, AI 챗봇 시스템을 도입한 이후 조직 내부의 커뮤니케이션이 향상되고, 확인이 필요한 업무 내용이 AI 챗봇을 통해 쉽게 파악돼 업무의 질이 향상될 수 있다. 이러한 환경 개선으로 능률이 올라 직원들의 컨디션과 업무 몰입도가 개선될 수 있다. 이러한 개선점이 생기면 업무 생산성이 높아진다는 사실을 우리는 잘 알고 있다.

... 이러한 무형의 이익과 비용은 쉽게 간과되는 경향이 있다. 떄로는 보이지 않는 요인으로 인해 기업이 새로운 국면을 맞이하기도 하기에, AI 혁신이 만들어내는 무형의 이익과 비용을 함께 고려해야 한다. AI 혁신의 영향을 전체적, 장기적, 종합적으로 고려해야 AI 혁신이 창출하는 경제적 가치를 충분히 이해할 수 있다.

​

# 17

혁신의 수익성을 높이기 위해 사용할 수 있는 레버 lever는 두 가지다. 바로 비용과 수익. AI 혁신도 마찬가지로 이 레버를 이용해 두 방향으로 움직일 수 있다. 하나는 AI 기술을 이용해서 비용을 낮추는 혁신, 다른 하나는 AI 기술을 이용해서 수익을 높이는 혁신이다. 어느 혁신이 회사의 장기적 이익에 도움이 될까?

<MIT 슬론 매니지먼트 리뷰>에 따르면 AI 도입에 적극적인 선도기업일수록 비용절감보다는 수익창출에 초점을 맞춰 AI 혁신을 진행하는 것으로 나타났다. 반면 후발주자일수록 비용절감을 위한 소극적 혁신을 하는 경향이 있다. 시간이 흐른 후 이익의 결과는 뚜렷이 나타났다. 비용절감에 중점을 두고 AI를 도입한 기업은 그 이후 44%의 비용절감 효과를 거뒀고 수익창출 효과는 27%밖에 거두지 못했다. 반면 과거 수익창출에 중점을 두고 AI 도입을 한 기업은 이후에 비용절감 효과는 6%로 미미했지만 수익창출 효과는 무려 72%로 높게 나타났다. 즉 비용절감에 중점을 두는 AI 혁신은 그 취지대로 어느 정도의 비용을 줄이는 데는 성공하지만 수익성에서 커다란 효과를 내지 못한다. AI로 수익을 거둔 경험이 있는 기업은 그 잠재성을 인식, 수익창출에 더 큰 기대감을 갖는다.

요컨대 비용과 수익의 조절로 경제적 가치가 창출되지만 AI 혁신은 장기적으로 비용절감보다는 수익창출에 초점을 맞추는 게 유리하다. 이 점을 수익화 전략에 고려해야 한다.

​

# 18

최근 2년 동안 실리콘밸리를 중심으로 딥러닝을 활용한 자율주행 기술을 구현하는 기업이 빠르게 증가하고 있다. 전문가들은 "자율주행 기술의 핵심은 이미 딥러닝으로 이동하기 시작했으며, 고가의 특화센서를 저가의 범용센서가 빠르게 대체해나가고 있다"고 강조한다. 자율주행 기술의 패러다임이 딥러닝으로 전환된 가운데, 향후 미래차 시장 경쟁의 핵심요인은 인공지능 분야의 역량, 특히 주행에 필요한 데이터 확보가 될 전망이다. 딥러닝 기술의 완성도는 결국 다양한 상황에 대한 데이터 확보에 좌우될 것이다. 최근 테슬라 Tesla, Inc. 같은 기업이 수억 킬로미터에 달하는 주행 데이터를 수집하는 이유다. 과거 자율주행 기술의 핵심이 자본이었다면, 이제부터는 데이터와 시간의 싸움으로 봐도 무방하다. 자율주행 시장 초기부터 미리 데이터를 확보한 기업과 그러지 않은 기업의 격차는 매우 클 것으로 예상되며, 어쩌면 이 격차는 과거 자본에 의한 격차보다 더 높은 진입장벽이 될 수도 있다.

​