BCG Podcast
Me, Myself, and AI : 비즈니스 세계 속 AI에 관하여
Ep. 5 | H&M 그룹 CDAO Arti Zeighami과의 대담
❝ AI 활용은 사람과 기계, 직감과 데이터의 조화로 이루어진다. ❞ ― Arti Zeighami
H&M 그룹(H&M Group)의 최고 데이터 분석 책임자(Chief Data and Analytics Officers, CDAO)인 Arti Zeighami는 10대에 아이작 아시모프의 SF소설에 매료되어 과거를 기반으로 미래를 예측하는 것에 흥미를 느꼈고, 이는 AI에 대한 관심으로 이어졌다. 그는 건축가, 프로그래머, 전략 기획가 등 다양한 직업을 거친 후 현재 패션 소매기업인 H&M에서 AI 및 분석 기술을 이용한 비즈니스 개선을 담당하고 있다.
다양한 경력과 배경
Arti는 AI와 같은 새로운 역량을 소매업과 같은 오래된 전통적 산업에 도입할 때 그의 다채로운 경력과 여러 분야에서의 경험이 특히 큰 도움이 된다고 강조한다. AI 도입은 사실상 기술에 대한 것이 아니라 인식의 전환, 전통적인 방식의 변화를 의미하기 때문이다. 성공적인 AI 활용은 AI 10%, 기술 20%, 사람과 프로세스 70%로 이루어진다고 표현하는 것도 이런 이유에서 비롯된 것이다. 그의 팀원들은 일종의 ‘사내 컨설턴트’가 되어, 컨설턴트가 항상 고객을 우선시하면서 그들의 목표 달성에 전념하는 것과 같이, 동료들을 도와 그들의 목적 성취를 지원하고 있다.
H&M에서 AI 활용 사례
H&M은 1947년 창립 당시에도 새로운 도시에 진출할 때 직원들이 미리 해당 도시의 거리에서 직접 사람들의 이동 패턴과 움직임을 관찰해 매장 내 인터섹션의 설치를 고민할 만큼 분석적이었다. 2016년부터는 AI를 활용해 개인 맞춤화와 커뮤니케이션, 제품과 서비스 개선을 위해 노력했다. 또한 H&M은 제품, 매출, 고객에 대한 방대한 데이터를 기반으로 보다 정확한 인사이트를 도출할 수 있었다. 하지만 무엇보다 중요한 것은 이런 이해를 바탕으로 기존의 인식을 전환하는 것이었다. 인식의 전환을 위해 그들은 아침에 회사에 출근해서 AI 분석 내용을 바탕으로 여러 가지 다양한 질문을 던졌다.
이 같은 AI 활용을 전사적으로 확장하기 위해 H&M은 조금 다른 접근법을 취했다. 별도로 AI 사용 사례를 선정하기보다는 일상의 업무에서 발생하는 여러 어려움과 제품 포트폴리오에서 개선되어야 하는 사항들에 대해 AI 프로젝트를 적용했다. 아주 작은 부분이라도 그 부분에 대해 능통하게 되면, 이후 다른 부분에 적용하는 것이 수월해지기에 모든 사람이 조금씩 AI에 대해 익숙해져야 한다. 이는 마치 자동차 타이어를 장착하는 것과 같다. 다시 말해, 타이어 하나만 나사를 꽉 조이고, 그다음 타이어를 조이는 것이 아니라 모든 타이어를 조금씩 조인 후 마지막에 한꺼번에 전체를 맞추는 것과 같다.
확장지능(Amplified Intelligence)
H&M에 AI는 인공지능(Artificial Intelligence)이라기보다는 확장지능(Amplified Intelligence) 이다. 동료들의 기존 지식과 능력을 확장하기 때문이다.
Arti 팀의 첫 번째 파일럿 프로젝트는 기말 매출보고서 작성에 분석기술을 적용하는 것이었다. 여기서 핵심은 프로젝트 초기 테스트 단계부터 AI팀과 기술팀뿐만 아니라 실제로 이 내용을 활용하게 될 머천다이즈팀이 함께 한다는 점이다. 이를 통해 해당 팀은 프로젝트의 내용을 더 잘 이해하고 더 개선된 결과물을 산출해 낼 수 있다. 한 시즌에 대한 테스트를 성공적으로 마치고 이를 그다음 시즌에 적용한 후 더 많은 지역으로 조금씩 확장해 나갔다. 이를 거듭한 결과 알고리즘을 적용하면 결과물이 어느 정도 개선되지만, 현업 팀과 초기 단계부터 함께 테스트를 구성하고 학습하면서 협력할 때 결과물이 두 배나 개선됨을 발견했다. 인간과 기계가 함께 테스팅, 실패, 방향 전환, 학습의 주기를 계속해서 빠르게 반복하면서 확장해 나가는 것이다.
결국 AI는 지속적인 학습을 공유하고 확대해 나가는 것이다.
중요하지만 흔히 놓칠 수 있는 것 중 하나가 일단 기술을 적용하는 것에서 시작하면 될 것이라는 착각이다. “일단 만들어 놓으면, 사람들이 알아서 올 것(If you build it, they will come)”이라는 원리는 여기서 적용되지 않는다. 오히려 그 반대로, 처음부터 함께 구축해 나가야 한다. 작은 한 분야에서 AI를 테스트하고 학습하는 것에서 시작해 점차 다른 영역으로 확대해 나가야 하며, 한 분야를 너무 얕지도 깊지도 않게 분석하면서 확장해 나가는 균형을 맞추는 것이 핵심이다.
