AI통합, 앞서가는 회사는 무엇을 알고 있나

출처: 하버드비즈니스리뷰, 2023년 7-8월호

'인공지능은 정확하고 대규모로 맞춤화를 달성하기 위해 필요합니다.' 인공지능은 대량의 개별 고객 데이터를 수집, 분석하여 회사와 고객 간의 모든 접촉 지점에서 고객 여정을 맞춤화하는 데 활용돨 수 있습니다. 그러나, 대게 우리는 때때로 AI로 가치를 도출하는 것이 복잡한 기술 개발을 필요로 한다라는 사고에 빠지곤 합니다. 하지만, 기사에서 확인할 수 있는 CVS와 스타벅스의 사례를 통해 우리는 구체적인 비즈니스 맥락에 AI를 적절히 통합하는 중요성을 알 수 있습니다. 이 통합 접근 방식을 통해 우리는 AI가 비즈니스의 성공에 약 10%만 기여하는 반면, 나머지 90%는 데이터, 실험 및 숙련된 학습의 혼합에 의존한다는 것을 알 수 있습니다.

----------------------------------------------------------------------------------------------------------------------------

1. AI 기술은 단지 목표에 도달하기 위한 수단일 뿐이다.

AI 통합은 아마존이나 구글과 같은 기술 거물이 되어야 한다는 오해를 교정해야 합니다. 그 대신 회사들은 기존 강점을 향상시키는 방식으로 AI 솔루션을 통합해야 합니다. 어버나 넷플릭스와 같은 기업들은 새로운 솔루션을 개발하지만 다른 기업들은 기존 디지털 역량에 AI를 통합할 수 있습니다. AI는 성공의 10%에 기여하지만, 중요한 차이는 AI 라이브러리로 공급되는 데이터에 있어 지속적인 학습과 최적의 행동 예측을 가능하게 합니다. GPT-4와 XGBoost와 같은 오픈 소스 기술은 다양한 옵션을 제공하며, 빅테크 기업들은 고객 경험 향상을 위해 특화된 라이브러리나 솔루션을 제공합니다. 고객 온보딩과 같은 좁은 영역부터 시작하여 애자일한 접근 방식으로 의미 있는 AI 구현을 위한 준비가 필요합니다. 

2. 회사 시스템의 역량이 인사이트를 개별 고객에 대한 맞춤형 제안으로 전환해야 한다.

본 기사에서 나오는 연구팀은 AI 기반 고객 여정을 지원하는 다양한 회사를 조사한 결과, 스마트한 통합을 위한 핵심은 명확하고 일관된 목표 설정, 완전한 데이터 수집 환경 조성, 느슨하게 연결된 기술 아키텍처, 그리고 실험적 문화 구축이라고 결론을 내렸습니다. 이 중에서 '더 나은 AI 알고리즘'이 본질적으로 아닌 것에 주목해야 합니다. 목표는 구체화되고 좁혀져야 하며, 콜센터 기록, 데이터 브로커, 디지털 통신 등 다양한 고객 상호작용 데이터를 정밀하게 수집하고 기록하는 것이 중요합니다. AI 엔진을 분산 배치하고 효율적인 데이터 태깅 아키텍처를 구축하여 실험을 진행할 수 있습니다. 스타벅스의 성공 사례를 통해 명확한 목표 설정이 중요한 것을 알 수 있습니다. 데이터 수집 환경을 온전하게 조성하고, 통합 작업과 자동 태깅에 노력을 기울이는 것이 AI의 실질적인 활용을 높이는 핵심입니다. 추가적인 데이터 소스와 다양한 변수를 활용하면 데이터 모델이 더 풍부해져 경쟁력을 향상시킬 수 있습니다. 

3. 회사는 고객 반응에 영향을 줄 만한 변수는 모두 모니터링 해야 한다.

아이디어 테스트와 실험을 통해 창의력을 높이고 혁신을 가속화할 수 있는 중요성을 강조하고 있습니다. AI 기술을 활용하여 수많은 데이터를 분석하고 예측을 수행함으로써 혁신을 촉진할 수 있습니다. 그러나 AI는 '예측'을 하지만 '발명'하지는 않는다는 점을 강조하며, 발명은 사람의 역할이라고 설명합니다. 데이터를 활용한 실험과 학습이 경쟁력의 기반이라고 강조하며, 실패한 실험에서도 귀중한 교훈을 얻을 수 있다고 언급합니다. 

4. 통찰을 끌어내는 것은 마케터의 몫이며 AI는 그 통찰이 누구에게, 언제, 얼마나 효과가 있었는지 학습한다.

CVS Health는 법률적 제약으로 고객에게 인센티브를 제공할 수 없는 산업이며, Aetna 인수를 통해 메디케어 가입자들의 건강한 생활 방식 촉진을 목표로 합니다. Aetna는 다양한 건강 습관을 시험하려고 했으나, 각 가입자의 요청 경로가 다르고 복잡해 실패했습니다. 최적화를 위해 많은 변수를 변경하고 제어 실험을 통해 수백만 개의 가능한 순열을 테스트하기 위해 오픈 소스 알고리즘과 데이터 과학 전문가를 활용하였습니다. CVS Health는 Downstream이라는 인공지능 엔진을 통해 개인 맞춤형 시스템 통합을 구축하고, 이를 통해 건강 관리 비용 절감과 고객 서비스 개선에 큰 성과를 이끌어냈습니다. 이러한 혁신과 실험을 통한 지속적인 발전은 고객 경험을 향상시키고 브랜드 가치를 구축하는 데 결정적인 역할을 합니다.