BCG Podcast
Me, Myself, and AI : 비즈니스 세계 속 AI에 관하여
Ep. 9 | 1-800-플라워즈 대표 Amit Shah와의 대담
❝ AI와 머신러닝은 중소기업이 대기업과 경쟁할 수 있게 해주었다. ❞ ― Amit Shah
1-800-플라워즈(1-800-Flowers)의 대표인 Amit Shah는 맥킨지(McKinsey) 애널리스트로 경력을 시작해 스타트업을 거쳐 리버티 미디어/프로플라워즈 그룹(Liberty Media/ProFlowers Group)에서 경력을 쌓아 지금에 이르렀다.
화훼 비즈니스와 디지털
꽃과 디지털, 두 단어는 얼핏 연관성이 없어 보인다. 하지만 화훼 비즈니스는 사람들의 감정 표현과 사람들 간의 상호작용에 대한 것이라는 점에서 디지털 데이터와 AI를 활용할 수 있는 여지가 충분하다. 여기서 경쟁력 있는 차별점은 기술 도입 역량뿐 아니라 문제 해결 능력에 있다.
스킬셋이 아닌 마인드셋의 문제
20년 전, MS 엑셀 스프레드시트가 처음 도입됐을 때는 엑셀을 잘하는 사람과 못하는 사람이 있었지만, 엑셀은 결국 의사 결정 과정과 커뮤니케이션을 강화하는 도구가 됐다. 마찬가지로 5년 전 AI가 문제를 해결하고 고객, 동료, 이해 관계자들과의 커뮤니케이션을 개선하는 도구로 등장했고, 결국 이는 스킬셋이 아니라 마인드셋의 문제이다.
사용자 관점에서도 기술에 대한 마인드 전환이 필요하며 실제로 인식이 많이 변화하고 있다. 일반 소비자들의 경우 20년 전만 해도 생일과 같은 개인정보를 공유하지 않았겠지만 지금은 훨씬 더 개방적인 태도를 보인다.
화훼 비즈니스의 플랫폼 활용 및 학습의 중요성
플로리스트 커뮤니티는 중소상공인들의 저력이 남아 있는 몇 안 되는 성공적 비즈니스라고 생각한다. 커뮤니티는 모든 중요한 행사와 이벤트에 필수 요소일 뿐 아니라 AI 발전 맥락을 보여주는 중요한 지표의 역할을 한다.
페이스북, 구글처럼 큰 플랫폼에 비해 소규모 꽃집이나 1-800-플라워즈와 같은 중소기업이 어떻게 경쟁하고 역량을 강화할 수 있을까? 우선 머신러닝과 AI가 이미 만연한 환경에 대해 이해해야 한다. 이에 대한 적절한 대응 없이는 성공할 수 없음을 깨달아야 한다. 플로리스트, 공급자 커뮤니티와 밀접한 협력은 필수이다.
데이터를 수집하고 이를 기반으로 확대 추론하는 것은 녹록지 않은 과정이다. 예를 들어 여동생 생일 축하를 위해 하얀 백합을 주문했던 고객에게 그다음 발렌타인데이에 방문했을 때 하얀 꽃을 추천하는 것은 의미가 없을 수 있다. 발렌타인데이에는 주로 붉은색이나 분홍색 꽃을 원하는 경우가 많기 때문이다. 이처럼 개인맞춤화는 매우 방대한 데이터가 필요한 복잡한 과정이다. 이것은 완전히 새롭게 다시 시작해야 하는 콜드스타트(cold-start) 문제이다. 과거의 데이터를 토대로 학습하고 발전하는 것이 상대적으로 수월한 넷플릭스나 우버, 리프트와는 성격이 다르다. 하지만, 달리 생각하면 오히려 콜드스타트가 새로운 학습의 기회가 될 수도 있다.
여기서 다시 한 번 학습의 중요성이 강조된다. 인문학적 배경을 바탕으로 한 학습 능력이 중요하다. 미래의 리더들에게 중요한 것은 특정 기능에 대한 역량보다는 깊이 있게 사고하고 학습하는 능력일 것이다.
학습의 어려움과 해결의 첫걸음
기술 역량 자체 확보가 쉽지 않고, 데이터가 불완전한 경우가 많으며, 최종 상태를 정확히 정의하는 것이 매우 어렵기 때문에 고객 니즈 파악은 항상 어려운 과제이다. 대부분의 기업은 서비스로의 AI를 도입해 일단 2, 3개의 문제를 해결하는 것부터 시작할 수 있다.
예측은 언제나 어려운 일이다. 예를 들어, 밸런타인 데이(Valentine’s Day, 2월 14일)는 매년 요일이 변해 평일일 수도 있고 일요일일 수도 있지만, 어머니날(Mother’s Day, 5월 둘째 주 일요일)은 언제나 일요일이다. 이런 크고 작은 많은 요소가 다양하게 예측 능력에 영향을 미친다.
다시 한번 마인드셋이 중요하다. 과정을 통해 테스트하고 학습해야 한다. 머신러닝 초기 시도는 어떤 경우에는 의사 결정 기반 엔진보다 나을 것이 없어 보이기도 하지만 일관된 노력은 결국에는 큰 보답이 따른다.
실패에 대한 인식 변화
실패에 대한 존중과 이해 역시 필수적이다. 과거에는 모든 것이 성공에 대한 것이었지만, 앞으로 모든 머신러닝은 성공과 실패의 균형을 통해 발전한다. 실패한 경험은 성공한 경험과 똑같이 시스템의 학습에 도움이 되기 때문이다.
이런 개념을 정착시키기 위해서는 우선 리더들부터 솔선수범해 그들의 의사결정이 실패할 수 있다는 것을 인정하고 개방적인 태도를 보여야 한다. 어떤 의견도 투명하게 경청해야 한다. 또한, 동기부여 제도를 마련해야 한다. 예를 들어, 내부적으로 성장 팀에 대항하는 일명 레드팀을 구성할 수 있다. 성장팀 마케팅 비용의 10분의 1을 레드팀에 할당해 기존 통념에 반하는 활동을 하도록 한다. 일종의 실패 집단을 만드는 것이다. 이는 팀의 학습 능력 향상에 도움이 된다.
AI는 비단 데이터 과학자나 분석 기술 담당자 등 전문가들의 영역이 아니며 모든 이들이 활용할 수 있는 운영 시스템, 즉 일종의 도구이다. 진정으로 중요한 것은 궁극적으로 비전을 이해하고 이를 열정적으로 추진하는 마음가짐일 것이다.
