AI로 매출 높이기: 도입하자마자 ‘우리가 몰랐던 잠재고객’을 찾을 수 있다
이승환: 소개 부탁드립니다.
천영록: 기업에 최적화된 AI를 만들어드리는 ‘모트에이아이(moatAI)’를 운영 중인 천영록입니다.
이승환: ‘불리오’로 금융업을 하고 계셨는데, 어쩌다 회사의 방향성을 AI로 옮기게 된 건가요?
천영록: 금융 일을 하면서도 지속적으로 AI와 데이터 쪽 프로젝트들을 했습니다. ChatGPT가 나온 후에는 유진증권, 한화증권 등 대형 금융사의 AI 프로젝트를 맡게 됐죠. 이게 알려지며 지인들 문의가 들어왔어요. 우리는 대기업이 아니라서 3억, 5억, 이런 프로젝트는 못 하는데, 작게 컨설팅이라도 좀 해줄 수 있겠냐… 그래서 지인 대표님들 회사 일을 도와드렸죠. 그런데 막상 해보니까 사이즈의 차이지, 니즈의 차이는 별로 크지 않았어요. 기업이 겪는 문제, 대표님들이 겪는 문제는 생각보다 비슷했던 거죠.
이승환: 사장님들이 다들 어떤 문제를 겪는 거죠?
천영록: 어느 기업이나 매출과 이익이 핵심이잖아요. 그 시작은 ‘고객 확보’일 겁니다. 흔히들 마케팅팀과 영업팀에서 주로 하는 일인데요. 계속해서 우리 회사의 제품과 서비스를 사용할 만한 곳을 찾고, 새로운 판로를 확보하려고 제안서 등을 뿌리죠. 하지만 이 과정에서 시간이 굉장히 많이 들고 정확도도 높지 않습니다. 연차 낮은 직원을 시키면 어디가 고객인지 파악하기 힘들고, 연차 높은 직원은 더 중요한 일을 해야 하죠.
이승환: 그러면 AI로 이 문제를 어떻게 해결하나요?
천영록: 우리 잠재 고객, 경쟁사 등에 대한 뉴스가 쏟아지잖아요? 뉴스가 아니라도 관련 정보가 계속 올라와요. 이걸 수집해서 영업팀에 주기만 해도 큰 도움이 되거든요. 수주 가능성이 굉장히 높은 고객들, 그들이야말로 양질의 DB니까요. 이걸 AI가 다 수집해서 분류까지 해서 정리해 줍니다.
이승환: 어… 예를 좀 들어주신다면.
천영록: 고객사 중 누비콤이라는 국내 최대 계측기 유통 회사가 있는데요. 매출은 연 300~400억 정도 해요. 우리는 잘 모르지만 계측기의 종류가 수천 가지거든요. 그래서 고객도 롱테일로 정말 다양해요. 항공, 자동차, 건축, 전자장비 회사, 여기 대표님들이나 관계사 분들뿐 아니라 연구하는 교수님들… 이렇게 다양한 분야와 사람의 정보를 AI가 수집하고, 또 분류해 주는 거죠.
AI로 기존 고객 재결제 높이기: 고객 데이터를 최적화해 맞춤형 제안 보내기
이승환: 오, 정말 편하겠네요.
천영록: 네. 국내에 계측기를 필요로 하는 곳이 10만 명은 있을 거예요. 하지만 회사 DB를 통해 연락이 가는 곳은 10%도 안 될 거예요. 90%는 아예 컨택이 안 되고 있는 거죠. 그 10만 명 정보를 AI가 추적하며 처리하는 겁니다. 예를 들면 관련 교수님이 어느 회사에 들어갔다. 이런 정보를 전달하고, AI가 메일 초안까지 써줄 수 있어요.
이승환: 그러면 ‘신규 고객 확보’ 말고 ‘기존 고객 결제 유도’는 어떻게 하나요?
천영록: ‘사내 데이터 플랫폼’을 저렴하고 효과적으로 만들어주는 겁니다. 회사 안에 이런저런 고객 데이터들이 있을 거예요. CRM이나 ERP 형태로 잘 정돈된 것도 있겠지만, 또 엑셀이나 설문지, 이런 식으로 여기저기 편재되어서 사용하지 못하는 것도 있거든요. 일단 그걸 다 모아서 연동시켜요. 그렇게 다시 SQL을 자동으로 짜드릴 수 있는 에이전트로 짜드리는 거죠.
이승환: 그러면 그 SQL은 어떻게 활용하죠?
천영록: 그 이후에는 챗지피티 쓰듯, 누구나 LLM에게 채팅으로 필요한 정보를 호출할 수 있어요. 예로 “우리 매출이 많이 일어나는 1위부터 10위까지 유형을 정리해줘.” 이런 식으로 말이죠. 3~4명이 해야 할 데이터 사이언스 팀을 우리가 AI로 만들어드리는 거죠. ERP 구축하는 것처럼 몇억이 드는 것도 아니고요. 저는 이 지점이 저희 고객들이 가장 놀라워하고 큰 가치를 얻는 지점이라고 생각합니다. 드디어 데이터 중심의 사업을 할 수 있게 되는 거니까요.
이승환: 그렇게 필요할 때마다 잠재고객 정보를 추려내서 연락을 취하면 되는 거군요.
천영록: 그렇죠. 맞춤형 영업을 통해, 기존 고객 재구매 실적을 엄청나게 높일 수 있어요. 다들 기존 고객이나 잠재고객에게 이메일을 보내고 있을 거예요. 근데 다들 비슷한 메일로 보내면 스팸 처리되기 쉽거든요. 맞춤형 이메일을 보내려 하니, 이 많은 고객을 어떻게 분류해야 할지 난감하죠.
이때 AI가 큰 도움이 돼요. 예로 새로운 제품이 나왔는데, 이 제품을 필요로 할만한 고객을 AI에게 추려달라 하는 거죠. 그렇게 아이디어가 있을 때마다, 손쉽게 구체적인 타게팅해서 연락을 취하면 전환율이 엄청나게 올라갑니다. 지역별, 구매 카테고리별, 등등 원하는 걸 1분에 하나씩 뽑을 수 있죠.
저희 고객사 중 하나는 이메일 오픈율이 300% 이상 상승했어요. 아직 초기라서 샘플 사이즈가 작지만, 그래도 효율성이 오르는 건 분명합니다. 기존에는 고객을 찾아내는 것도, 분류하고 보내는 것도 힘들었으니까요.
AI로 생산성 극대화하기: 반복 업무를 모두 자동화하고 인간은 체크 후 ‘딸깍’
이승환: 영업 뒤에는 AI로 또 어떤 것을 할 수 있죠?
천영록: 업무 효율화죠. 사람이 해야만 할 것 같은 업무가, 실은 대부분 AI로 대체 가능해요. 이를 해결하려면 우선 우리가 특정 업무에 얼마나 많은 시간과 인력을 쓰고 있는지, 또 여기서 가장 돈이 많이 되는 중요한 영역은 무엇인지 하나하나 뜯어봐야 합니다. 반복이 많으면 그만큼 인건비가 나가고 있을 테니, 힘들더라도 한번 자동화하면 이후 비용이 확 줄어들어요. 또 부가가치가 높은, 돈 되는 일은 조금만 개선해도 생산성이 확 높아지고요.
이승환: AI를 통해 기존 인건비를 확 줄일 수 있겠군요.
천영록: 인건비도 줄일 수 있지만, 그보다 ‘같은 비용으로 기존 일을 몇 배나 할 수 있는가?’로 보는 게 편해요. 10배, 100배씩 할 수 있는 기회가 열리고, 그러면 훨씬 많은 고객한테 서비스를 해줄 수 있는 구조가 열리죠.
이승환: 이런 경우는 어떤 예가 있나요.
천영록: 모 특허 사무소 일을 도와드렸는데요. ‘전문직’이 반복적인 업무에 너무 많은 시간을 쓰고 있던 거예요. 이런 건 AI로 금방 해결되는 문제거든요. 변리사가 일하는 방식을 지정하면 AI가 찍어내고, 최종 체크만 하면 돼요. 이런 건 어느 회사나 기본이고요. 좀 더 파고들어 보면 AI로 생산성을 높일 수 있는 일이 정말 많아요.
예를 들어서 많은 회사들이 ‘특허 도용’ 문제를 겪어요. 그런데 전 세계 수많은 회사 중 누가 우리 회사 권리를 침해하는지 알기가 너무 힘들어요. 외국어로 하나하나 검색할 수는 없는 일이잖아요? 그런데 AI를 활용하면 이게 가능해져요. 특허가 업데이트되는 해외 사이트들 있잖아요. 그걸 AI가 매일 뒤지며, 혹시 우리 고객사의 권리를 침해하지 않았나 확인하는 거죠. 그리고 거기에 보낼 서류 초안까지 다 써서 줄 수 있게 되는 겁니다.
이승환: 와, 이건 정말 신박하네요…
천영록: 네. 원래 같았으면 외국인 직원을 써야 하는 일이잖아요. 그조차도 수없이 올라오는 특허를 다 살필 수도 없고요. 이런 걸 전부 자동화할 수 있는 거죠.
AI로 생산성 극대화하기: 반복 업무를 모두 자동화하고 인간은 체크 후 ‘딸깍’
이승환: 혹시 또 다른 AI 도입 케이스는 어떤 게 있나요?
천영록: 생산성을 높이려면 중요한 일에 집중해야 하잖아요. 이를 위한 방법 중 ‘스코어링’이 있어요. ‘이런 류의 고객이 이익이 많이 남는 고객이니 집중해라’ 이런 거죠. 사내 데이터와 외부에서 수집한 데이터를 통해, 잠재 고객사의 경제적 가치가 어느 정도나 될지, 관심 있어할 제품은 무엇이며, 해결코자 하는 과제는 무엇일지를 미리 조사하는 겁니다.
만약 VIP일 가능성이 있다면, 영업 책임자가 한 번 더 살펴보라고 제안해 주는 것이죠. 경영자들 입장에선 이게 가치가 높은 일임에도 잘 이뤄지지 않곤 하는 업무거든요. 그래서 정보를 수집하고 분석할 수 있는 스코어링 류의 시스템들이 무척 효과적입니다.
이승환: 진짜 별의별 곳에 다 쓰이는군요;;;
천영록: 네. 이게 사실 예전 같으면 무척 고난도의 자동화일 겁니다. 팰런티어에서는 수십억 대의 컨설팅 계약을 맺어야 해주는 데이터 분석이기도 합니다. 그러나 AI 자동화로 접근하면 놀라울 정도로 쉽게 풀립니다. 왜냐하면 오래 일한 현업자는 감으로 뭐가 맞는지 대충은 알아요. 그 경험을 AI 스코어링으로 풀어내는 거죠. 이게 아까 이야기한 ‘영업’과도 직결됩니다. 어느 고객이 우리 회사에 앞으로 VIP가 될지 미리 체크할 수 있는 거죠. 그래서 AI 도입은 한번 제대로 하면 회사 시스템 전체를 개선할 수 있어요.
이승환: 근데 AI는 좀 오류가 생길 수 있으니, 결국은 ERP나 CRM 단에서 데이터를 완전히 정규화해야 하지 않나요?
천영록: 그건 현실적으로 거의 불가능해요. 부족한 데이터와 잘못된 데이터가 너무 많아서 애초에 정규화된 데이터를 완비하는 것부터가 어렵습니다. 또한 대기업이 아닌 한, 기존 ERP의 데이터를 뜯어고치는 건 보통 일이 아니에요.
쉽게 예를 들어서, 원래 DB에는 판매량을 ‘밥’과 ‘빵’으로만 구분했어요. 그런데 어느 날 위에서 “샌드위치 얼마나 팔렸는지 알고 싶은데요?”라고 하면 개발자와 데이터 사이언티스트 입장에서는 미치는 거죠. 기존의 ‘빵’을 ‘토스트’와 ‘샌드위치’로 구분해야 하니까요. 그럴 거면 처음 DB 짤 때 말했어야지, 기존값을 하나하나 다 수정하냐? 무결성은 어떻게 하냐? 이런 이슈가 생기거든요.
이승환: 그렇지만 회사가 커나가면서 데이터는 점점 많아지고, 반대로 분류는 점점 철저하게 해야 하고… 이건 어쩔 수 없잖아요.
천영록: 저는 오히려 적당히 놓아주는 것도 필요하다고 봐요. 저희에게 AI 의뢰하고 대표님들이 만족하는 게요. 예로 ERP를 만들 때 5~6명 정도가 투입돼서 2년 간 만들었거든요. 6명 중 PM 1명, 개발자 1명 제외하고는 프리랜서였어요. 근데 이 중 PM이나 개발자가 나가는 순간, 이후 대처가 안됩니다. “뭐 하나 어떻게 해줘”라는 요청이 너무 안 먹혀요. 외주 개발도 마찬가지인 게, 외주사 당시 개발자가 없는 경우는 물론이고 회사가 없는 경우도 허다하니까요.
이승환: 하긴 그렇네요;;;
천영록: 네. 그럴 거면 AI가 완벽하지는 않더라도, 훨씬 더 유연하게 잘 작동한다는 거죠. 분명 회사에 그동안 뭔가 변화가 있었을 거 아니에요? 그걸 억지로 기존 시스템에 맞춰서 사고의 폭을 좁히기보다는, 기존 ERP나 CRM이 활용하지 못하던 자원을 AI로 정비함으로 효율성을 3~4배 늘릴 수 있는 거죠.
한편, 기존 ERP 가 잘 정리된 회사들은 그 위에 AI 붙이고 확장하기가 훨씬 쉽다는 점은 동의합니다. 제가 늘 하는 이야기가, 회사 안에 보물이 이미 다 존재한다고 생각해요. 그 중 큰 부분 하나가 ERP이고요. 그러니까 AI와 ERP는 충돌하는 게 아니라, 서로 보완해 주는 존재예요.
금융업계의 꿈 ‘정량화되지 않은 데이터’를 LLM으로 해결, 대형 증권사 프로젝트를 수행
이승환: 그나저나 AI로 발을 들인 계기가…
천영록: 회사를 막 설립한 2010년대 중반부터 머신러닝을 활용했어요. 금융권에는 엄청나게 거대한 데이터가 있지만, 막상 여기에서 인사이트를 뽑아내기는 쉽지 않죠. 그래서 10년도 더 전부터 머신러닝이 엄청나게 발전해 왔어요. 데이터가 너무 많으니, 사람이 직접 하는 것보다 AI가 하는 게 효율적이란 생각이었죠. 그러다 2022년 11월에 chatGPT가 나왔죠.
이승환: 그러게요. GPT 나온 지 2년 반밖에 안 됐네요.
천영록: 네. 과거 금융 데이터는 다 숫자였잖아요. 근데 이건 실제 데이터의 1%도 되지 않을 거예요. 예를 들어서 경제 기사, 증권사 리포트, 누군가의 인터뷰, 금융계 책들… 이런 모든 게 다 데이터인데, 금융에서는 배제되어 있었거든요. 지금까지 우리가 전혀 다뤄오지 않은 99%를 다룰 수 있게 되었다는 게 너무 충격이었고요. 그래서 chatGPT가 나오자마자, 전사적으로 LLM으로 할 수 있는 걸 다 해보자는 방향을 세웠습니다.
이승환: 그래서 무엇을 하였습니까?
천영록: 처음에는 GPT의 API를 통해 ‘이 어닝 콜(실적발표)은 긍정적인지, 부정적인지’를 분석하는 간단한 것부터 시작했죠. 그러다 금융 데이터와 GPT를 연결해 보았어요. 기존에는 정해진 분류, 예로 시가총액, 매출액, PER, 이런 정해진 것에만 따라야 했잖아요? 그런데 LLM은 분류를 무시하고 “이런 회사 주식을 호출해 줘”가 되는 거예요. 예로 “최근 경제지 기자들이 주목하는 기업 중, 수익률이 동일 업종 경쟁사에 비해 높은 종목을 정리해줘”, 이런 식으로 입력만 하면 원하는 결과를 도출해 내는 거죠.
이승환: 오, 신박하네요…
천영록: 네. 실제 금융권에서는 뭔가 데이터 결과를 뽑고 싶어서, 사내 데이터 팀에 의뢰해도 뽑아오는데 짧게는 3일, 길게는 몇 주씩 걸릴 때도 있거든요. 금융 전문가가 데이터 전문가에게 이해시키는 것도 힘들고, ‘기존에 완전히 정량화되지 않은 데이터’를 정량화시키는 것도 힘들거든요. 그런데 LLM은 이를 해결해 준 거예요. 답을 바로 뽑아주니까.
그래서 이게 다른 사람들에게도 도움이 되는지 테스트를 위해, ‘GPTs’라는, GPT에 API를 연결하는 플러그인 마켓에 내놓았어요. 당시 팀에서 내놓은 플러그인으로는 한국 최초였는데요. 순식간에 전 세계에서 5만 명이 사용하더라고요. ‘대규모의 금융 데이터를 대화형으로 검색할 수 있다’, 이게 그동안 금융권 사람들에게 꿈 같은 거였어요. 그간 인사이트가 있어도 데이터를 다루는데 너무 품이 많이 들었는데, LLM이 그 문제를 해결한 거죠.
이승환: 오. 대박이네요.
천영록: 그런데 세세하게는 사용성이 각 기업이나 사용처마다 맞지 않았어요. 저희가 만든 GPT 기반 플러그인은, 저희 회사의 데이터와 사용 방식에 따라 만든 거잖아요. 그래서 이게 개별 기업의 니즈에 딱 맞게 작동하지는 않았어요. 근데 기업은 이게 ‘딱’ 맞아 돌아가야 하잖아요. 그래서 자연스럽게 대형 증권사 일을 맡게 되었고, 지금까지도 다양한 기업들의 AI 구축을 돕고 있습니다.
이제는 AI를 도입하지 않는 기업은 경쟁에서 도태될 것, 대표부터 AI 감수성을 높여야
이승환: 처음에 대기업들과는 어떤 일을 했나요?
천영록: 가장 먼저 유진증권 AI 프로젝트를 하게 됐는데요. 내부 PB들이 LLM을 활용해 자유롭게 질문하면, 재무제표, 차트, 뉴스 등 각종 기업과 금융 데이터를 활용해 답을 내주는 거였어요. 한화증권과는 ‘테마’를 만들어주는 AI를 만들었어요. 원래 ‘테마’는 사람들이 하나하나 종목 DB를 넣어야 했잖아요. 이를 위한 사전 리서치도 많이 필요했고요. 저희가 만든 AI는 테마 개념을 입력하면, 모든 종목들의 정보와 뉴스 등을 불러와서 테마 포트폴리오를 즉석에서 만들어줘요.
이승환: 이러면 진짜 뉴스 나오는 것처럼 AI 때문에 실업자 늘어나겠는데요…
천영록: 그렇진 않아요. 요즘 AI가 사람 자른다고 비관론이 많던데, 그보다는 생산성 없는 일에서 생산성이 높은 일로 옮겨주는 것 같아요. 요즘 MZ세대 이야기 나오면, 어린 분들은 자기 발전 없다고 회사를 나가고, 그러니까 이제 과장 부장님들이 잡일 하는 모습들이 많잖아요. 그 과정에서 팀 간 갈등도 있고요. 그런 일들은 모두 AI에 맡기고, 사람은 앞으로 어떻게 하면 더 부가가치를 높일 수 있을지 고민할 수 있게 하는 거죠.
이승환: 말씀을 듣다 보니 AI로 개발하는 것보다, 고객사 분들과 소통하는 게 더 힘든 것 같은데요. 다들 각 산업마다의 전문성이 굉장히 높으니…
천영록: 그렇죠. 저도 제가 20년 가까이 일한 금융 전문성이 큰 도움이 된다고 생각했어요. 그런데 여러 비금융 중소기업, 중견기업 일을 하다 보니, 그것보다는 제가 10년 가까이 스타트업 CEO로 있었던 게 더 도움이 되는 것 같더라고요. 대표님들은 회사가 크든 작든 누구나 비슷한 문제를 겪고 고민하잖아요. 결국 경영을 하는 사람인 거고, 회사를 운영하는 과정에서 어려움을 극복하는 거잖아요. 그러다 보니 영업, 생산성, 이런 이야기들이 굉장히 잘 풀리는 것 같아요.
이승환: 그러면 의뢰를 받으면 어떤 식으로 착수하나요? 클라이언트 회사와 이야기를 굉장히 많이 해야 할 것 같은데…
천영록: 경영진부터 실무자까지 워크샵을 통해서 많이 풀어냅니다. 우선 그 회사가 달성하고자 하는 일반적인 목표와 업무 흐름을 파악한 후에, 첨단 AI 자동화로 어떻게 혁신해 줄 수 있는지를 찾아주고 설명해 주는 것부터 저희의 역할이에요. 대부분은 실제 구현을 경험하신 적이 없으시니까요.
그리고 데이터베이스 구조와 프로시지까지 다 분해하고 분석해 봐요. 그러면 실제 비즈니스 로직이 어떻게 돌아갈 수 있는지 생생하게 이해할 수 있거든요. 기업에 AI를 도입하는 건 개발력보다, 이런 비즈니스 이해를 일치시키는 게 훨씬 중요하다고 봐요. 지금은 무엇을 찾아내더라도 굉장히 큰 혁신을 줄 수 있는 시대거든요. 저희가 잘 하는 것과, 큰 임팩트를 드릴 수 있는 지점을 찾아서 바로 눈에 보이게 해결해 주는 게 중요합니다.
이승환: 하긴 그래야 뭐가 문제고 뭐가 중요하고, 무엇부터 해야 하는지 알 수 있으니…
천영록: 네. AI 도입은 ‘문제 정의’가 가장 중요한 것 같아요. 어차피 키보드와 마우스로 하는 사내 업무의 한 80% 정도는 AI로 효율을 높일 수 있거든요. 그렇다면 경영진, 실무진과의 대화를 통해 어떤 문제에 집중하는 게 ROI가 높은지 판별하는 게 굉장히 중요하겠지요. 또 도입 후에도, 계속해서 효율이 어떤지 체크하고 개선하는 것도요. ERP와 달리 AI는 프로젝트 끝나면 쫑이 아니라 언제든 더 나은 답을 찾아나갈 수 있거든요.
이승환: 감사합니다. 마지막으로 한마디 부탁드립니다.
천영록: AI는 이제 시작인데요, 저는 모든 대표님이 매일매일 AI로 새로운 도전을 해보았으면 좋겠습니다. 백여 년 전에 콘크리트로 건물을 만드는 기법이 나왔고 초고층 건물의 시대가 왔습니다. 그때는 한순간의 유행이라 여기는 사람들도 있었을 것이고, 또 그 시대에는 정확한 답을 확신하기 어려운 것은 사실이에요.
그러나 결국 그 공법 하나로 세상은 아직까지도 계속 바뀌어나가고 있어요. 사람들의 생활이 달라지고, 소통 방법이 달라지고, 인구구조도 변화합니다. 기술이란 게 누구 한두 명이 부자 되는 이야기가 아니고, 거대한 사회적 변화를 일으키며 새로운 사회를 여는 분기점이 되기도 합니다. 모두가 주인공이 될 수 있는 시대기도 하다는 거죠.
부디 모든 분들이, AI 관련해 쏟아지는 뉴스들에 압도감을 느끼지 않고, 자신의 삶에 본격 적용하여 꿈들을 이루어가는 큰 무기로 삼는다면 좋겠습니다.
