경험해본 결과 ‘퍼스플러스’라는 앱이 인터넷 설치를 가장 편하고 저렴하게 하는 방법이었다. ‘퍼스플러스’는 원하는 초고속인터넷 상품을 고르면, 여러 인터넷 설치업체가 ‘이 가격에 해주겠다’며 조건과 가격을 제시하는 ‘역경매’ 플랫폼이다. 퍼스플러스의 장점을 타 업체와 비교하여 정리해보았다.

1. 어지간하면 제일 싸다

전국에는 셀 수 없이 많은 인터넷 설치 업체가 있기에 ‘무조건 최저가’라 할 수는 없다. 하지만 다양한 곳에서 수 차례 견적을 받아본 결과 ‘퍼스플러스’가 가장 저렴했다. 이유는 퍼스플러스에서는 ‘설치업체’ 입장에서 ‘마케팅비’가 들지 않기 때문이다.

우리가 이름을 알만한 인터넷 설치 업체들은 마케팅비, 광고비로 ‘수백억’을 쓰는 곳도 있다. 자연히 마케팅 비용만큼 인터넷 가입비도 높아질 수밖에 없다. 이는 ‘뽐뿌’에 광고하는 업체도 마찬가지다. 업계에서는 1명 가입시키는데 광고비와 인건비로 약 30만원이 든다고 알려져 있다.

반면 ‘퍼스플러스’는 설치업체에서 광고비가 전혀 들지 않는다. 고객이 ‘가입할 때’만 퍼스플러스에 약간의 수수료를 지급하는 게 전부다. 즉 일반적으로 광고비를 쓰는 업체가 약 30만원을 남겨야 한다면, 퍼스플러스에서 입찰하는 업체들은 수수료만큼만 남겨도 된다.

실제로도 퍼스플러스에서 받은 견적은, 대형 업체와 비교해 견적이 적게는 10만원, 많을 때는 30만원 이상 날 때가 많았다.

2. 전화와 카톡 ‘흥정’ 없이 바로 ‘진짜 견적’을 내준다

대형 업체도 이야기하다 보면 가격이 내려간다. 하지만 이 과정이 정말 번거롭다. “혹시 이런 상품은 어떠세요?”, 또는 “휴대폰도 바꿔보는 거 어떠세요?”와 같은 이야기를 4~5곳과 주고받게 되면 스트레스가 보통이 아니다. 직장에서 일하는데 전화도 오고, 언제 통화 가능한지 물어보고, 카톡도 수시로 오고…

반면 퍼스플러스는 이런 과정이 전혀 없다. 바로 ‘확정 견적’을 내준다. 더 실랑이를 벌일 필요 없이, 계약 여부만 결정하면 된다. 물론 내가 잘 모르는 경우 업체에 물어볼 수는 있다. 하지만 이 경우에도 고객이 내 전화번호나 카톡을 알지는 못하기 때문에, 귀찮은 연락에 시달릴 걱정은 전혀 없다. 앱으로만 대화하기에, 이후 스팸 전화나 문자 걱정도 없다.

3. ‘진짜’ 요금을 한눈에 볼 수 있다.

인터넷 설치 때마다 짜증이 나는 건, 어디가 진짜로 저렴한 곳인지 알아보기도 힘들기 때문이다. ‘월 요금’과 ‘현금 지원금’을 매칭해야 하기 때문이다. 아래 표를 보면 업자들이야 이해가 가겠지만, 소비자는 계산기를 두들기기도 쉽지 않다. 여기에 인터넷이나 TV 상품이 다를 때도 많고, 가족 결합 등이 들어가면 더 복잡해진다.

하지만 퍼스플러스는 간단하다. 아래 이미지에서 빨간 네모를 친 ‘변환금’은 실제 월 인터넷 사용비다. 즉 월 요금에서 (지원비/36개월)을 뺀 금액이다. 이것만으로 어디가 가장 저렴한지 한눈에 바로 알 수 있다. 더는 어디가 싼지 헤맬 필요가 없다.

4. 사기가 일어나지 않도록 ‘실사용 구매 리뷰’와 ‘지급보증 매장’을 제공한다

어느 인터넷 설치 사이트를 가도 별 5개와 리뷰가 가득하다. 하나같이 극찬 일색인데, 이게 그냥 업체가 광고용으로 만든 것인지, 아니면 정말로 실사용 고객이 쓴 것인지 아닌지 알 방법이 없다. 반면 퍼스플러스는 ‘구매고객만 보기’ 옵션이 있어서, 이게 정말 구매고객이 남긴 리뷰인지 아닌지 확인할 수 있다.

무엇보다 ‘실거래 건수’ 자체가 안전한 매장임을 증명한다. 퍼스플러스에는 ‘인터넷 개통 건수’가 공개된다. 거래가 많다면 그것만으로 충분히 믿을만한 업체임을 보여준다. 문제가 생기면 퍼스플러스에서 입찰 자체가 불가능하기 때문이다. 여기에 더해 ‘지급 보장’이 붙은 매장은, 아예 퍼스플러스에서 100% 보장해 주기까지 한다.

‘최저가’ 믿지 말고 최대한 알아보자

보통 인터넷 설치 업체와 이야기하다 보면 “혹시 다른 데 알아보시면 바로 가입하지 마시고 말씀하세요. 저희가 그 가격 맞춰드릴게요.”라는 말을 들을 수 있다. 그래서 실제로 퍼스플러스에서 제시받은 가격을 내미니 “그 정도로 저렴한 건 사기일 수 있으니 한번 잘 알아보세요”라는 답이 돌아오고는 했다.

인터넷 설치는 광고 경쟁이 무척 치열하다. 하지만 광고를 많이 할수록 마케팅비가 많이 들고, 가격이 올라가기 쉽다. 그래서 업체들은 바로 싼 가격을 제시하지 않고, 어떻게든 빠르게 계약을 맺으려 한다. 그래서 카톡보다 전화를 선호하고, 많은 업체가 “오늘까지 설치하면 8만원 더 드릴게요”로 가입을 유도하는 경우가 많았다.

마음 약해지지 않고 최대한 여럿을 뒤져보자. 경험상 ‘퍼스플러스’가 가장 저렴하고 편했지만, 또 나에게 잘 맞는 다른 곳이 있을지도 모른다. 다만 열심히 뒤지지 않고 ‘최저가’에 넘어간다면 20~30만원을 날리게 될 가능성이 높은 건 분명하다.

퍼스플러스 설치하여 상담받기

☞ GOOGLE 플레이스토어 / Apple 앱스토어

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.

☞ 모트AI 도입문의하기

그런데 작년 말 갑자기 회사 안에 AI 본부가 생겼습니다. AI가 화두긴 화두인가 봅니다. 세상이 변하고 있으니 빨리 쫓아가야죠.  그런데 제가 불려 들어갔습니다. 그냥도 아니고 팀장입니다. (제가요? 왜요? 라고 요즘 MZ들 하는 말 저도 해 보고 싶었습니다만…)

네, 작년 말 이후로 갑자기 브런치 글이 뜸해진 데는 이런 이유가 있었습니다. 뜬금없이 중간관리자가 되어서… 좌충우돌 중입니다. 글이 늦어져서 죄송합니다만 글감은 광속으로 쌓이고 있습니다. 인공지능 이야기도 할 게 많고요. 조직과 사람에 대해서도 글감이 마구 생겨나는 중입니다. 이걸 기뻐해야 할지 모르겠네요. 차곡차곡 쟁여두는 중입니다.

남들은 AI 본부라고 하면 “우와”합니다. 네, 있어 보이죠? 저도 그랬습니다. 금융사의 AI라니 생각만 해도 가슴이 웅장해졌는데요… 와서 딱 3달이 지나고 있는 지금, 스트레스가 엄청납니다. 일이 많아서냐고요? 일도 많지만 일보다.. 그동안 경험해 보지 못한 스트레스가 생겼습니다.

제 문제면 조용히 제 일기장에 쓰고 말 이야기이지만 브런치에 쓰는 이유는, 이게 곧 여러분들도 겪게 될 스트레스이기 때문입니다. 바로 기술 변화 속도를 못 쫓아가면서 생기는 새로운 스트레스거든요.

왜 호들갑인가, 무엇이 문제길래

예전에 몇 번 글로 썼지만, 저는 어릴 때부터 상당한 얼리 어답터였습니다. 초2 때부터 컴퓨터를 접했고, 아이폰이 국내에 보급되기 전에 스마트폰을 쓰는 등 온갖 기술 추세에 늘 앞서 있었습니다. 앞서는 기준은, 새로운 무엇인가 나타났을 때 제가 기술적으로 이해하는 데 어려움이 없었던 것을 말합니다. (블록체인도 그랬는데 비트코인을 많이 못 사둔 것은… 유구무언입니다)

이창호 아재과 알파고와의 대결을 보면서 몬테카를로 트리 탐색을 뜯어볼 때도 그랬습니다. 한창 머신러닝이 뜨거울 때였는데요. 기술적인 부분은 이해했지만 이게 곧 chatGPT로 연결될 줄은 몰랐습니다. 알았다면 엔비디아를 열심히 샀겠죠. 저는 인공지능은 제가 죽기 전에나 보지 않을까 생각했습니다. 진심입니다.

그러다가 chatGPT가 튀어나오고, 온갖 AI 서비스들이 쏟아지기 시작했습니다. ‘프롬프트 엔지니어링이 대세다’ 하던 게 한 2년 전인데 지금은 이 단어마저 옛말처럼 느껴집니다. chatGPT 4.5 이후에는 프롬프트 엔지니어링이 문제가 아닙니다. 여러 AI들이 추론 능력을 강화하면서 AI는 그야말로 폭발적으로 성장하고 있습니다. 논문 한두 개 읽어보면 되었던 옛날 기술과는 발전 속도가 차원이 다릅니다.

지난 몇 년간 저는 자고 일어나면 주로 미국 주식과 코인을 확인했는데요. 요즘은 자고 일어나면 SNS에서 간밤에 또 무슨 AI 신기술과 서비스가 나왔나 보는 게 일상이 되었습니다. LLM이라 불리는 기반 기술, 하드웨어, 응용 AI서비스들이 정말로 자고 일어나면 쏟아지고 있습니다. 호들갑 아니냐고요? 제가 본 지난 30년간의 기술 발전 중 지금이 가장 빠릅니다.

따라가지 못하니 스트레스가 되고 있습니다

예전부터 사람들은 많은 노트 앱을 썼습니다. 그러다가 에버노트라는 놈이 나와서 시장을 거의 평정하다시피 했죠. 관련 책이 쏟아지고 사람들은 생산성 향상 툴에 관심을 가지기 시작했습니다. 이어서 노션이 나왔고, 진짜 자료정리에 진심인 이들을 위해 옵시디언과 롬리서치라는 앱도 나왔습니다. 최근 10년 동안 있던 변화입니다. 이 정도 속도라면 누구든 충분히 따라갈 수 있습니다. 시간 내서 하나씩 쓰면서 익힐 수 있었죠.

그러나 최근 3년은 정말… 아니 최근 3개월도 심각합니다. LLM의 무서운 점은 ‘디지털로 하는 모든 행위에 영향을 직접적으로 준다’는 것입니다. 눈을 감고 생각해 보세요. 지금 디지털로 이루어지는 모든 곳에서 AI로 인한 변화가 있습니다. 이 정도 영향력이 있었던 기술이 기존에 존재했던가 싶습니다.

너무 급격한 변화는 시장 내 있는 모두에게 스트레스가 되고 있습니다. 개발자들은 새로 나오는 오픈소스 써 보기에도 바쁩니다. 일반 사용자들은 AI 응용 서비스 로그인 한 번씩 해보는 것도 쉽지 않습니다. 뭔가 동료가 이야기하는 건 나도 써 봐야 할 것 같은 압박, FOMO가 여기서도 생기는 겁니다.

AI 활용도가 개인의 경쟁력을 좌우할 겁니다

2014년쯤이었나, 애플이 아이비컨이라는 걸 들고 나오면서 ‘마케팅의 미래는 비컨이다!’ 하던 시절이 있었습니다. 저렴하게 비컨을 만드는 스타트업들이 엄청나게 많이 나왔고, 사라졌죠. 신기술은 늘 이런 식이 었습니다. 유행처럼 왔다가 망하면 빠르게 사라졌습니다. 성공 여부는 결국 얼마나 대중 고객들에게 닿느냐입니다.

그런 의미에서 지금 AI는 이미 차원이 다른 문제가 되었습니다. 저만 그런 거고 여러분의 일상은 변함이 없다고요? 그 일상이 얼마 못 갈 겁니다. 구글, 메타, 네이버 등은 자사의 서비스에 AI를 자연스럽게 녹이고 있습니다. 우리는 싫어도 AI를 쓰게 됩니다. AI는 비컨, NFT, 메타버스와는 전혀 다른 길을 가고 있습니다.

제 업무는 AI로 금융 신사업을 만드는 것입니다. 그래서 국내외 전문가들이 AI를 어떻게 사용하는지 아주 잘 보고 있습니다. 이들이 생산성을 끌어올리는 것을 보면 무서울 정도입니다. 겁도 납니다. 조금 오버해서 요즘 젊은이들이(…) 좋아하는 ‘이세계물’이 이런 건가 싶습니다. 터미네이터 스카이넷이 곧 오고 있는 느낌은… 저만 그런 거겠죠?

AI를 잘 쓰는건 이제 필수입니다. 그리고 AI를 활용해서 사업을 만들고 키우는 사람은 큰돈을 벌 겁니다. 각자 준비 잘 하시기 바랍니다. 노션, 옵시디언은 안써도 큰 문제가 없었지만 AI는 그렇지 않을 거라서요. 긴 글 읽어주셔서 감사합니다.

PS.

이 글은 제가 처음부터 끝까지 다 썼습니다만, 제 예전 글을 AI가 학습하면 이미 이 정도 글은 똑같이(혹은 저보다 더 잘) 만들어 내고 있습니다. 올해 말쯤이면 저도 제 브런치 운영을 AI에게 맡기고 저는 주제만 던져줄지도 모릅니다. 그게 가능한, 그런 세상이 오고 있습니다. (덜덜)

원문: 길진세 New Biz on the BLOCK

이 필자의 다른 글 읽기

• 빌 게이츠 자서전 『소스 코드: 더 비기닝』: 금수저라 성공한 줄 알았는데 착각이었습니다
• “기레기”를 피해 좋은 기사만 보는 법
• 대기업 직원과 멍게의 놀라운 공통점

우리는 인공지능의 시대에 살고 있다. 업무상 받는 자동차 산업 동향 뉴스를 보면 하루가 멀다고 자동차 회사들이 NVIDIA나 DEEKSEEK 같은 인공지능 서비스들과 협업으로 자율 주행 기술을 개선하고 개발 과정을 최적화하는 파트너십을 맺었다는 소식이 들려온다. 인공지능을 활용할 줄 아는 회사와 그렇지 않은 회사의 격차가 커지면서 이른바 인공지능 이해력, AI 리터러시가 필수가 되는 시대가 이미 온 것 같다.

그러나, 일반적인 우리의 일상에서는 체감하기가 쉽지 않다. 아침에 일어나서 날씨와 뉴스를 물어보는 AI 스피커는 우리의 목소리를 들으며 자신을 부르는지 일을 시키는 건지 분간하려 열심히 노력한다. 유튜브에는 인공지능이 알아서 편집하고 자막을 달아주는 쇼츠들이 넘쳐나지만, 그 뒤에 인공지능이 있다는 것을 알기는 쉽지 않다.

챗GPT도 자료를 찾느라 몇 번 물어본 적 있지만 모호한 답변밖에 하지 않았다. 최신 정보는 업데이트되는 사항을 따로 확인해 보라니 번거로웠다. 인공지능이 중요한 시대에 살고 있지만, 인공지능을 잘 활용하는 일은 딴 세상 사람들 이야기로 들렸다.

그런 사람들에게 ‘AI 리터러시’는 좋은 입문서다. 서두에 설명된 AI에 대한 간략한 설명도 훌륭하지만, 영역을 대화형/이미지/동영상/연구용/특화 기능으로 나누어 대표적인 서비스들을 소개해 주고 있다. 또한 학생, 직장인, 교육자, 연구자, 자영업자 등 역할에 따라서 활동 중에 필요할 법한 사례에 어떤 서비스를 쓰면 좋을지를 단계별로 알려 준다.

덕분에 나도 (이제야) CHAT GPT를 유료 버전으로 가입하고 클로드, 파이어 플라이, 캡컷, 다글로, 냅킨 같은 서비스들을 사용해 보기 시작했다. 2~3주 책과 함께 시도해 보니 써서 좋았던 지점과 불편한 지점이 공존했다.

1. 어디서부터 시작해야 할지 모르는 상황에서 AI 서비스는 훌륭한 가이드라인이 된다. 어떤 이미지가 좋을지, PPT를 어떻게 구성하고, 텍스트를 그래픽 화하는 아이디어가 없을 때 쉽게 물어보고 나온 첫 결과물을 바탕으로 생각을 가다듬을 수 있는 좋은 시작 파트너가 된다.

2. 질문이나 요청이 구체적일수록 원하는 답을 얻기가 수월해진다. 책에도 나오듯이, 구체적인 예시를 제시하거나 답변에 담겼으면 하는 정보를 구체적으로 나열할수록 AI도 내가 원하는 방향의 정보를 더 명확하게 찾아 준다.

3. 서비스마다 특장점이 다 다르다. 같은 설명의 이미지를 요청해도 서비스에 따라 결과물이 너무 달랐다. 내 취향과 의도에 딱 맞는 서비스를 찾으려면 인터넷 발품을 열심히 찾아봐야 할 것 같다.

4. 그러나, 딱 내가 원하는 대로 최종 결과물을 정리해 주기를 기대하는 것은 쉽지 않다. 첫 번째 결과물을 바탕으로 좀 더 구체적으로 요청하면 대답을 회피하거나 다른 방향으로 틀어 버리는 경우를 여러 번 겪었다. 나중에는 ‘아 그냥 내가 할 걸’ 싶은 귀찮은 지점을 만나게 된다. 특히 최신 정보를 알아서 정리해 주는 서비스는 아직 없다. 있어도 사실 여부를 재확인해야 한다.

이제 첫걸음이니 불편한 건 당연하다. 자전거를 처음 배울 때는 뒤뚱거리고 넘어지지만, 익숙해지면 시원한 바람을 가르며 페달을 밟는 쾌감을 느낄 수 있다. 인공지능도 그럴 것이다. 세상에 수많은 서비스가 넘쳐 나지만 나에게 맞는 짝을 찾는 시작은 ‘나’로부터 시작한다.

내가 보내는 시간을 돌아봐야 한다. 시간을 많이 필요로 하고, 반복되는 지점을 찾아야 한다. 그걸 도와줄 수 있는 서비스를 찾아 시도해 보자. 그중에서 내 취향과 의도에 맞는 결과물을 내는 곳을 찾아 익숙해져야 한다. AI를 제대로 시작할 수 있게 만들어 주어서, 이 책이 참 고마웠다.

원문: 이정원의 브런치

이 필자의 다른 글 읽기

• “간헐적 단식” 직접 해본 후기: 일상 속에서 평생 유지할 수 있는 다이어트
• “바보야, 문제는 임금이야. 주가가 아니고!”
• “일 잘하면 더 몰아준다던데, 적당히 해야 하나?”

남상협: 버즈니 대표 남상협입니다. 여러 홈쇼핑을 한데 모아 보는 앱 ‘홈쇼핑모아’를 운영하고 있고요. 이를 운영하며 쌓아온 여러 커머스AI 기술을 B2B로 보급하고 있습니다. 바로 ‘에이플러스AI’라는 버즈니의 신규 AI 비즈니스인데요. 현재 론칭 1년 만에 CJ온스타일 등 홈쇼핑 및 주요 이커머스사 10곳에 커머스AI 기술 공급 계약을 체결했습니다. AI 비즈니스 부문은 작년에 10배 정도 성장했고, 올해도 4배 이상 성장할 것으로 보입니다.

이승환: 에이플러스AI는 어떤 거죠?

남상협: 다양한 커머스AI 기술을 구독 형태로 제공하고 있는데요. 먼저 시작은 ‘카테고리 자동 설정 기능’이었어요. 보통 셀러들은 솔루션을 통해, 원클릭으로 여러 커머스 플랫폼에 제품을 한 번에 넣거든요. 근데 커머스 플랫폼마다 규격이 달라서 엉뚱한 카테고리에 물건이 들어갈 때가 많아요. 이러다 보면 또 문제가 커머스 플랫폼 ‘검색 엔진’의 품질이 떨어져요. 그래서 저희는 AI로 각 플랫폼에 맞게 카테고리를 지정해 주는 겁니다.

이승환: AI가 제품 상세 페이지를 읽고 카테고리를 구분해 주는 건가요?

남상협: 아니오. 제품 단일 이미지만 보고도 분류 가능합니다. 이미 신세계라이브쇼핑, CJ온스타일 등 다양한 대형 플랫폼에 들어가 있습니다. 그밖에 다양한 제품 정보도 자동으로 뽑아줘요. 단위당 가격, 최저가 비교 등… 그렇게 검색 품질을 높이다 보니, 자연히 AI 기반 ‘검색엔진’까지 공급하게 됐어요.

커머스 플랫폼의 검색엔진 변경만으로, 검색에서 나오는 매출이 몇 배로 뛴다

이승환: 하긴 저도 쇼핑 검색해보면 엉망으로 나오는 사이트들이 꽤 있더라고요.

남상협: 그게, 기존 커머스 플랫폼의 검색 엔진은 대개 텍스트 기반의 ‘문헌 검색’을 그대로 따서 쓴 게 많아요. 예로 구글과 네이버만 해도 검색에서 ‘쇼핑’ 탭이 따로 있잖아요? 그런데 많은 커머스 플랫폼이 ‘쇼핑’에 잘 특화되어 있지 않고 ‘문헌 검색’을 그대로 쓰니, 엉뚱한 결괏값이 나오는 겁니다.

이승환: 쇼핑 검색은 어떤 점에서 좀 다른가요?

남상협: 일반 검색도 상위 노출을 위한 어뷰징이 많은데, 커머스는 훨씬 더해요. 예로 ‘A라면’을 팔면서 ‘B라면’ 데이터를 넣는 식으로 상위노출하려는 곳이 많았죠. 이걸 플랫폼이 하나하나 다 잡아내는 건 불가능에 가깝거든요. 그러다 보니 검색 품질이 점점 안 좋아져요. 검색하면 내 마음에 딱 맞는 제품을 추천해 줘야 하는데 엉뚱한 제품을 불러오는 거죠. 그러면 자연히 전환율이 낮아지고, 그러다 보면 장기적으로는 플랫폼 고객 이탈률이 높아지죠.

이승환: 그러면 버즈니의 에이플러스 검색AI는 어떤 점이 다른가요?

남상협: 저희가 개발한 AI 기반 쇼핑 검색 엔진은 ‘토큰 베이스’가 아닌 ‘벡터 검색’입니다. 사람이 아닌 AI가 제품 관련 데이터를 정확히 입력합니다. 이를 통해 검색 품질이 높아지고, 구매 전환율도 함께 높아지는 거죠.

이승환: 제가 문과라 수리탐구2를 안 배워서 벡터를 잘 모릅니다…

남상협: 음… 이렇게 생각하시면 돼요. 뷰티 브랜드 중 ‘에이지투웨니스’라는 브랜드가 있는데요. 토큰 검색은 ‘에이지투웨니스’와 ‘AGE20’S’, ‘에이지투엔티스’를 다르게 인식해요. ‘벡터 검색’은 이런 여러 동일 검색어들을 하나의 ‘의미 공간’에 담는다고 보면 돼요. AI가 여러 사용자의 액션 데이터를 분석해서, 키워드를 자동으로 생성하는 거죠. 어차피 오타를 낸 사용자들은 비슷한 액션을 취할 테니까요.

이승환: 실제 성과는 어땠나요?

남상협: 최근 저희 에이플러스 검색AI를 도입한 ‘어바웃펫’은 정말 극적인 효과가 났어요. 도입 후 검색 기반 주문이 약 350% 늘었어요. 물론 여기는 특이할 정도로 많이 늘어난 곳이긴 하고요. 보통은 40% 정도 늘어납니다.

AI 검색, 일단 월 100만원에 도입 가능

이승환: 왜케 확 늘어나는 거죠;;;

남상협: 좀 말이 그렇지만, 커머스 플랫폼들이 사용하던 기존의 검색 엔진이 너무 낡았어요. 이커머스 초기에야 수동으로 어느 정도 해결이 가능했지만, 지금은 기존 엔진이 감당하기 힘들 정도로 제품과 거래가 늘었잖아요. 그래서 딥러닝 없이는 정확도를 높이기가 힘듭니다.

이승환: 아무 쇼핑몰이나 플랫폼에 넣어도 그만큼 매출이 오르나요?

남상협: 아무래도 차이는 있습니다만, 말씀드렸듯 평균 40%는 올라옵니다만 너무 작은 곳은 안 됩니다. AI 검색 엔진이 유용하려면 일단 상품 개수가 많아야 합니다. 예로 작은 소호 쇼핑몰에 상품이 100개밖에 없다, 그러면 의미가 없습니다. 또 사용자와 활동도 어느 정도는 돼야 합니다.

이승환: 검색AI 도입은 어렵지 않나요? 버즈니에서 다 해주시는지…

남상협: 아, 그건 스크립트 한 줄만 심어주시면, 커머스 플랫폼에서 일어나는 모든 액션을 저희 서버에 쏘게 됩니다. 저희 API 연결이 굉장히 간단해요. 필요할 경우에는 저희가 어느 정도 손을 봅니다. 그렇게 연동해서 한두 달 정도 있으면 고객 액션 데이터를 받아들이며 점점 정확도가 올라갑니다. 보통 한두 달이면 잘 작동해요.

이승환: 그러면 그 버즈니 검색AI 사용료는 얼마인가요?

남상협: 우선 AB테스트 비용으로 월 100만원에 제공하고 있어요. 대부분의 고객사는 테스트 후 도입으로 이어집니다. 고객사 상황에 따라 사용료가 책정되고요, 기존 검색엔진과 함께 사용하는 경우도 있습니다. 예를 들어 검색 결과가 없을 때가 있잖아요? 그때만 우리 검색 엔진으로 연결하는 거죠. ‘실패 검색AI’ 기술인데요. 기존 검색 엔진은 검색 결과가 없으니 매출이 0인데, 우리 검색 엔진은 관련 제품을 노출시켜서 매출을 늘려주는 겁니다. 이를 통해 버즈니 검색 엔진으로 전환한 기업이 꽤 돼요.

이승환: 네? 검색 결과가 안 나온다는 건 좀 충격인데요;;; 팔려면 뭐라도 유관 상품을 찾아내야 할 텐데.

남상협: 솔직히 저희도 충격이었습니다(…) 저희는 저와 공동대표로 있는 김성국 대표 2명이 다 기술자 출신이에요. 둘 다 대학원에서 검색을 전공했어요. 그래서 창업 초기부터 초보적이나마 ‘딥러닝’을 적용하고 있었습니다. ‘홈쇼핑모아’를 운영하면서 계속해서 이 검색엔진을 발전시켰죠. 저희가 편하려고 시작한 일이었죠. 그래서 다른 데도 다 비슷하게 하겠지… 라고 생각을 했는데 아니더라고요. 그래서 자연스럽게 쇼핑 관련 검색AI 솔루션 판매에 나서게 됐어요.

구매 전환율을 2배 높이는 커머스에 특화된 추천 AI

이승환: 그러면 검색 엔진 외에 다른 솔루션은 어떤 게 있나요?

남상협: 많지요. ‘추천AI’가 대표적인데요. 이것도 자사 서비스 ‘홈쇼핑모아’에서 쓰려고 개발한 건데, 내부적으로 평가가 좋아서 외부 플랫폼에도 판매하고 있습니다. 플랫폼 업체들이 ‘검색’에 돈을 쓰는 건 좀 부담스러워하는데, 추천은 상대적으로 좀 쉽게 받아들여요. 그래서 ‘추천’ 솔루션을 넣었다가 ‘검색’으로 이어지는 경우도 있어요.

이승환: ‘추천AI’이라 함은 어떤…

남상협: 예로 특정 상품 페이지에서, 사용자가 구매할 확률이 높은 또다른 상품을 추천해 주는 거죠. ‘당신이 좋아할 만한 상품’ 이런 거요. 저희는 ‘홈쇼핑모아’라는 커머스 플랫폼을 10년 이상 운영해 왔고, 여기에 최적화된 추천 알고리즘을 계속해서 개발해 왔어요. 그래서 커머스 플랫폼에서 추천AI를 도입하기에 적합한 거죠. 실제로 모 커머스 플랫폼 추천 엔진 테스트에서는 기존 추천 엔진 대비 구매 전환율이 2배로 늘어 계약으로 바로 이어졌어요.

이승환: 근데 추천은 오히려 되게 쉬울 것 같거든요. A제품 구매한 사람들이 B제품도 많이 구매했다면 B제품을 산다거나…

남상협: 그건 수많은 로직 중에 하나에 불과해요. 저도 석박사 때 연구한 경험을 가지고, 제일 좋은 알고리즘 넣으면 될 거라 생각했어요. 근데 10년째 어려움을 겪고 있는 게, ‘검색’과 달리 ‘추천’은 주관적인 면이 강해요. 예를 들면 ‘사과’를 검색한 사람에게 ‘배’나 ‘수박’을 내놓는 건 당연히 말이 안되잖아요? 그런데 ‘추천’은 누군가에게는 다른 과일을 추천하는 게 맞을 때가 있거든요.

이승환: 아… 그렇네요;;;

남상협: 그리고 ‘추천’이 어려운 또 하나의 이유가요. 검색에 비해 추천은 ‘시점’에 따라 차이가 큽니다. 예로 이 사람이 과거에 골프를 좋아했지만 테니스로 넘어갔다면, 과거 시점의 데이터가 별 의미가 없어집니다. 그렇다고 최신 정보만 가지고 볼 수도 없고… 결국 알고리즘 뿐 아니라 사용자의 기호, 타임라인 등을 맥락을 종합적으로 봐야 합니다. 이를 잘 해결하는 게 저희가 10년 이상 쌓아온 노하우고요.

이승환: 근데 커머스 플랫폼마다 상품 구성이 다르고, 또 고객층이 다르잖아요? 그러면 이에 맞게 AI 엔진도 커스터마이징해야 하나요?

남상협: 큰 차이는 없습니다. 어차피 AI는 해당 플랫폼 고객의 행동 패턴을 학습하는 거니까요. 다만 플랫폼마다 운영 방식의 차이가 있으니, 여기에 맞춰드리는 있어요. 예로 쇼핑몰에서 시즌마다 미는 기획전이나 상품 리스트가 있을 거 아니에요? 거기에 나오는 상품만 가지고 개인화를 하고 싶다, 아니면 오늘의 딜 안에서 추천하고 싶다. 이런 요청에 맞춰 주는 거죠.

이승환: 그런 건 할 때마다 버즈니에서 코드 짜줘야 하나요?

남상협: 아니오. 일반화돼 있습니다. 플랫폼에서 원하는 요구 사항을 저희에게 알려주시면, 처음에는 저희가 기능 개편을 위해 코딩을 할 때도 있는데요. 그 이후에는 플랫폼 회사에서 알아서 하면 돼요. 일단 저희도 한번 그런 기능을 만들어두면, 다른 플랫폼에서도 쓸 수 있으니까 크게 재지 않고 기능 개발해 드립니다.

이승환: 그러면 추천AI 도입 비용은 어떻게 측정됩니까?

남상협: 추천AI는 업체마다 월 과금액 차이가 크긴 해요. 애초에 각 쇼핑몰과 플랫폼마다 사용 트래픽 차이도 크고, 또 그들마다 원하는 범위도 다르거든요. 최근 대형 커머스 서비스 한곳과 이야기 중인데, 여기는 일반적인 쇼핑 플랫폼과 비교해서 훨씬 비용이 크겠죠. 트래픽도 높고, 요구사항도 많을 테니까요.

☞ AI회의록 Knoi 1개월 무료이용하기

☞ 에이플러스AI 데모사이트 바로가기

숏폼과 리뷰도 AI를 통해서 엄청난 생산성 향상

이승환: 계속해서 다른 커머스 AI 솔루션도 소개해 주시죠.

남상협: ‘숏폼AI’와 ‘리뷰AI’가 있어요. 먼저 ‘숏폼AI’를 설명 드리면요. 저희가 ‘홈쇼핑모아’를 운영했잖아요. 홈쇼핑은 영상을 기반으로 판매하잖아요. 그래서 저희는 어떤 제품의 어떤 영상이 나올 때 구매가 많이 이뤄지는지, 10년 간 데이터가 쌓여 있어요. 그래서 ‘홈쇼핑모아’에 입점한 홈쇼핑사를 대상으로 ‘가장 중요한 영상’을 자동으로 잘라주는 기능을 만들었어요.

이승환: 오, 정말 편하겠네요.

남상협: 네. 그런데 그게 업계에서 입소문이 나면서, 커머스 관련 회사들이 하나씩 좀 쓰고 싶다는 이야기를 해주셨어요. 어느 회사는 숏폼 영상을 3시간에 하나씩 만들고 있었는데, 저희 숏폼 플랫폼을 쓴 후 1시간에 4개씩 만들고 있다 하더라고요. 실제로 숏폼AI를 이용해 1시간 분량의 영상을 입력하면 AI가 핵심만 추출해 5분 만에 6개의 숏폼영상으로 만들어 줍니다.

이승환: 그러면 ‘프리미어’ 같은 영상 편집 툴에 연동해서 써야 하나요?

남상협: 기본적으로 분석을 포함한 자체 툴을 제공합니다. 여기서 특정 숏폼을 자를 수도 있고, 중간에 자막 넣는 등 편집도 다 돼요. 또 말씀하신 것처럼 필요하면 영상을 추출 후 프리미어 등에서 편히 작업할 수도 있습니다. 근데 애초에 그렇게 이것저것 편집을 하는 경우가 많지는 않아요. 애초에 잘된 부분을 분석하고 활용하는 걸로 충분한 경우가 많아서요.

이승환: 다음으로 ‘리뷰AI’는 어떤가요?

남상협: 리뷰 라는게 결국 ‘고객’을 위해 있는 거잖아요. 즉 사람들이 원하는 정보를 주는 건데, 모든 리뷰를 분석해서 AI가 대표적인 리뷰를 자동 생성해 주는 거죠. 여러 리뷰를 뒤지지 않아도 ‘아, 이런 제품이구나’를 알 수 있도록요. 또 좀 더 세부적으로 알 수 있도록, 만족도, 사이즈, 가성비 등 다양한 키워드와 표현으로 추려 볼 수도 있습니다. 그 키워드만 클릭하면, 이 제품의 내 관심 있는 속성이 어떤지 빠르게 볼 수 있죠.

AI 챗봇을 통해 24시간 제품 상담까지 가능

이승환: 이것도 커스터마이징 안 해도 되나요?

남상협: 네. 이것도 AI가 자동으로 합니다. 물론 UX 부분은 고객사에서 수정해야겠지요. 또 판매자들을 위한 AI 기능도 있는데요. 쇼핑몰 보면 같은 상품인데 옵션만 약간 다르게 해서 제품을 엄청 많이 올리는 경우가 있어요. 그러면 같은 상품인데 리뷰가 엄청 흩어져 있어요. 저희는 AI를 통해 그런 제품들의 리뷰를 다 하나로 묶어줘요. 여기에 제품의 OCR을 읽어내서 특징을 잡아주기도 하고요. 그밖에도 ‘챗봇AI’도 제공하고 있어요.

이승환: 챗봇이면 고객 상담인가요?

남상협: 아니오. 현재 신세계라이브쇼핑이나 쇼핑엔티에 공급하고 있는데, 상품 관련 정보를 명확히 제공해 주는 것에 가까워요. 아무렇게나 물어봐도 다 잘 대답해 줘요. 예로 질문 관련해서 영상의 특정 부분을 참조하라고 정보를 전달해주기도 하고요. 색상 같은 건 기본이고, 내 키와 몸무게 알려주며 어떤 사이즈 입어야 하는지 알려주고, 또 세탁 어떻게 해야 하는지 등 온갖 사소한 질문에도 답해줘요. 고객센터로 넘길만한 질문은 또 알아서 넘겨주고요.

이승환: 진짜 AI로 별 희한한 게 다 되네요;;;

남상협: 근데 결국 오랜 시간 AI 기술을 쇼핑에 접목시킨 게, 다양한 형태로 접목시킨 거예요. 운이 좋았던 게, 저희는 그저 우리 회사 생산성을 높이기 위해 AI를 일찍부터 도입한 건데 10년 만에 빛을 본 거니까요. 이 외에도 저희 버즈니 회사 안에서는 아예 모든 파일과 회의 녹취를 한데 모아놓고 AI를 활용해서 정보를 찾아볼 수 있도록 세팅해서 업무를 진행하고 있어요. 지금 인터뷰도 실시간으로 저장되고 AI가 정리해 줍니다. 공유도 할 수 있고요.

이승환: 와, 이건 정말 좋은데요. 저도 좀 쓸 수 없을까요?

남상협: 네 이번에 새롭게 오픈한 AI회의록 Knoi인데요. 녹음된 회의 내용을 AI가 자동으로 정리까지 해줍니다. 우선 현재 초기버전에는 미팅 녹취와 AI회의록 정리 기능이 포함되어 있습니다.

앞으로 노이는 현재 버즈니 내부에서 구성원들이 이용하는 형태로 단순한 AI 회의록 도구를 넘어, 팀의 생산성과 퍼포먼스를 극대화하는 AI 협업 플랫폼으로 만들어 나갈 계획입니다. 구체적으로는 팀이 가진 모든 문서, 코드, 메신저 대화 등을 AI가 통합적으로 이해하고 이를 기반으로 지식 체계를 자동으로 구축해 팀의 생산성과 효율을 극대화하는 서비스로 개선해 나갈 계획입니다.

이승환: 감사합니다. 마지막으로 한마디 부탁드립니다.

남상협: 지난해 ‘홈쇼핑모아’와 신규 비즈니스 ‘에이플러스AI’의 성장에 힘입어 월간 기준 흑자 달성에 성공했는데요, 올해는 ‘홈쇼핑모아’로 더욱 탄탄한 현금흐름을 만들고, 에이플러스AI로 빠르게 시장을 선점해 나갈 계획입니다.

☞ AI회의록 Knoi 1개월 무료이용하기

• http://knoi.ai/coupon

☞ 에이플러스AI 데모사이트 바로가기

• https://www.aplusai.ai/

과연 이 비교는 정당한가? 튤립과 블록체인은 같은 궤적 위에 놓여 있는가?

이 질문을 출발점으로 비트코인과 튤립 버블의 유사성과 차이를 짚고, 그 이면에 감춰진 경제적 열광, 기술적 전환, 그리고 자산에 대한 우리의 인식을 심층적으로 분석해 보기로 한다.

튤립 버블, 최초의 자본주의 광기

17세기 초, 네덜란드는 유럽에서 가장 부유한 국가 중 하나였다. 해상 무역의 중심지였던 암스테르담은 세계 최초의 주식회사인 네덜란드 동인도회사(VOC, 1602년 설립)를 기반으로 초기 자본주의 금융 시스템을 꽃피우고 있었다. 공영 증권거래소, 국제 신용 시스템, 보험 산업까지 발달한 이 도시는 사상 초유의 유동성 시대를 열었다. 그 결과, 상인과 기술자, 항해사, 법률가 등 신흥 중산층과 상류 계층은 잉여 자본을 새로운 투자처에 쏟아부을 준비가 되어 있었다.

바로 그때 오스만 제국을 거쳐 들어온 이국적인 식물, 튤립이 등장했다. 초기에는 단순한 관상용 식물에 불과했지만 일부 품종은 ‘튤립 브레이킹 바이러스(Tulip breaking virus)’라 불리는 바이러스 감염으로 인해, 꽃잎에 마치 수채화처럼 번지는 줄무늬가 생겼다.

정상적인 튤립은 단색으로 피어나지만, 이 바이러스에 감염되면 색이 깨지듯(break) 흩어진 듯한 모양이 나타나며, 꽃잎은 마치 그림처럼 예측 불가능한 패턴을 띠게 된다. 당시 사람들은 이 현상이 질병 때문이라는 사실을 몰랐다. 오히려 그것을 자연이 허락한 신비로운 예술로 여겼고, 이 불완전하고 비대칭적인 패턴을 ‘희귀성의 극치’, ‘자연이 허락한 유일무이한 무늬’로 인식했다.

즉, 튤립 브레이킹 바이러스(Tulip Breaking Virus)에 감염된 일부 품종이 세밀한 줄무늬와 얼룩이 있는 꽃잎(세멸색)을 만들어내며 엄청난 희귀성과 예술적 가치를 지닌 수집품으로 변모한 것이다.

무엇보다 이 바이러스로 인해 만들어진 튤립은 재현이 불가능했다. 이렇게 만들어진 희귀 품종은 예측 불가능성과 유일성이라는 요소를 더해 가격을 폭발적으로 끌어올렸다. 가장 유명한 품종 중 하나인 ‘영원한 황제(semper augustus)’는 1636년 말 한 뿌리가 5,500 플로린에 거래되었다는 기록이 남아 있다. 당시 암스테르담 운하변 고급 주택 한 채의 평균 가격이 약 3,000 플로린이었음을 감안하면, 이는 단 한 송이 꽃이 도시 부동산보다 비쌌던 시대가 실제로 존재했음을 의미한다.

튤립의 신화, 하루아침에 무너지다

그러나 1637년 2월, 네덜란드 하를럼(Haarlem) 지역의 한 경매장에서 단 한 건의 거래가 유찰되며 분위기는 돌변했다. 불과 몇 주 전까지만 해도 수천 플로린에 거래되던 튤립 뿌리는, 그날 이후 단 한 명의 구매자도 나타나지 않는 ‘시장 실종’ 상태에 빠졌다.

이 한 건의 유찰은 ‘튤립이 더 이상 오르지 않을 수도 있다’는 불신의 신호탄을 낳았다. 불신은 곧 공포와 투매로 번졌다. 계약은 줄줄이 파기되었고, 한순간에 가격은 90% 이상 폭락했다. 가장 비싼 품종은 단 며칠 만에 가축 몇 마리 가격으로 전락했으며, 시장에는 공황 상태에 가까운 침묵이 이어졌다. 투기의 광기와 신뢰의 붕괴가 맞물린 그 순간, 세계는 역사상 최초로 기록된 대규모 자산 버블 붕괴를 목격했다.

이 사건은 훗날 경제학자들과 역사학자들에 의해 ‘튤립 마니아(Tulip Mania)’라는 이름으로 불리게 되었고, 자산 거품과 투기 심리를 설명하는 고전적 사례의 원형으로 남게 되었다.

디지털 시대, 비트코인 등장

세기가 바뀌고 370여 년이 흐른 2009년, 전혀 다른 형태의 자산이 등장했다. 눈에 보이지 않고, 만질 수도 없으며, 정부도 발행하지 않는 비트코인(Bitcoin)이 그것이다.

처음에는 ‘코인’이라기보다는 하나의 기술적 실험에 가까웠다. 발행자는 사토시 나카모토라는 정체불명의 인물 혹은 집단. 그는 중앙은행도, 국가도, 기업도 아닌 암호학과 분산 시스템을 바탕으로 작동하는 탈중앙 디지털 화폐를 제안했다. 비트코인의 모든 거래는 ‘블록체인(Blockchain)’이라 불리는 공개 분산 장부에 기록되고, 누구도 이를 위조하거나 되돌릴 수 없도록 설계됐다. 이는 역사상 처음으로, 제3자 없이도 신뢰를 자동으로 형성하는 화폐 시스템이었다.

출시 초기, 비트코인은 아무에게도 주목받지 못했다. 1BTC의 가격은 고작 0.003달러였다. 심지어 2010년에 1만 비트코인으로 피자 두 판을 주문한 ‘비트코인 피자 데이’가 상징처럼 회자될 만큼, 실용성과 생존 가능성조차 의심받는 프로젝트였다.

그러나 시간이 흐르며 상황은 달라졌다. 사이버 리버테리언, 해커 집단, 기술 공동체, 금융 엣지 투자자들이 비트코인의 구조적 속성에 주목하기 시작한 것이다.

• 발행량이 제한된 희소성
• 누구도 막을 수 없는 검열 저항성
• 국가의 경계를 초월한 탈중앙·탈국가성

이들은 비트코인을 중앙 통제를 벗어난 새로운 금융 질서의 가능성으로 보기 시작했다. 특히 2020년 이후 팬데믹이 세계를 덮치고 각국 중앙은행이 제로금리 정책과 대규모 양적완화(QE)로 대응하면서, 시장에는 초과 유동성이 넘쳐났다. 투자자들은 인플레이션을 피할 수 있는 대체 자산을 찾았고, 그 답 중 하나가 비트코인이었다.

2021년, 비트코인은 마침내 6만 달러를 돌파하며 역사적 정점을 찍었다. 불과 10여 년 만에 2천만 배의 가치 상승을 기록한 것이다. 이것은 단순한 자산의 부상이 아니라, 신뢰와 화폐에 대한 인식 자체의 전환이었다.

하지만 비트코인의 궤적은 언제나 급등과 급락이 교차했다. 누군가는 그것을 ‘디지털 도박판’이라 불렀고, 또 다른 누군가는 ‘21세기의 디지털 금’이라 찬양했다.

• 극단적인 변동성
• 창시자의 익명성
• 규제 회피적 글로벌 구조
• 불확실한 내재 가치

이 모든 요소는 비트코인을 튤립 버블과 나란히 놓는 비교 논리를 가능하게 만들었다.

‘튤립’과 ‘코인’은 다르다?

17세기 네덜란드에서 거래되던 튤립 한 뿌리는, 아름답고 희귀한 물리적 실체를 지닌 자산이었다. 그러나 그 사용 가치는 감상과 과시에 국한된 소비재에 불과했다. 일부 품종은 희귀한 색조와 무늬, ‘튤립 브레이킹 바이러스’에 의해 만들어진 예측 불가능한 무늬 덕분에 엄청난 가격에 거래되었지만, 결국 그것은 시간이 흐르면 자연 증식이 가능한 식물이었다. 즉, 물리적 희소성은 유지되기 어려웠고, 자산으로서의 내재 가치는 시장의 열망에만 의존했다.

튤립은 식탁 위의 빵처럼 인간을 먹여 살릴 수도 없고, 건축 자재처럼 어떤 구조를 세울 수도 없었다. 그 가격은 결국 ‘이 뿌리를 더 비싸게 사줄 다음 사람이 존재할 것이라는 믿음’에 기반한 것이었고, 그 믿음이 무너진 순간, 튤립은 꽃이 아니라 경제적 망상이 되었다.

반면, 비트코인은 실체가 없음에도 불구하고 실체를 능가하는 기술적·경제적 구조를 내포하고 있다. 그 핵심은 블록체인 기술, 즉 모든 거래를 투명하게 기록하고 검증하는 분산원장 시스템이다. 이 시스템은 중앙의 통제 없이도 신뢰를 구축하며, 누구도 임의로 조작하거나 변조할 수 없다. 신뢰를 코드로 구현한 기술, 그것이 비트코인의 본질이다.

또한 비트코인은 총 발행량이 2,100만 개로 고정되어 있다. 이는 금보다도 더 엄격한 희소성을 의미하며, 중앙은행이 찍어내는 화폐처럼 인위적 공급 확대나 인플레이션으로부터 자유로운 구조를 가진다.

비트코인은 단지 보관하거나 사고파는 자산이 아니다. 누구나 제3자의 개입 없이 개인 간 직접(P2P) 거래를 수행할 수 있으며, 국경을 초월한 송금에서도 빠르고 저렴한 수수료를 제공한다. 더 나아가, 이더리움과 같은 스마트 계약 플랫폼과 결합되면, 탈중앙 금융(DeFi) 생태계 및 토큰화 자산 시스템으로 확장될 수 있는 잠재력도 지닌다.

이처럼 비트코인은 단순한 가격 등락을 넘어, 디지털 화폐, 가치 저장 수단, 그리고 차세대 금융 인프라로서의 기능을 복합적으로 수행하는 자산이다. 그 존재는 물리적 실체 없이도, 프로토콜과 수학적 신뢰, 그리고 네트워크 효과 위에 구축된 새로운 디지털 질서다. 그것이 튤립과 본질적으로 다른 이유다.

두 거품의 배경에는 ‘돈’이 있다

튤립 버블이 발생한 17세기 초반, 네덜란드는 유럽에서 가장 부유하고 진보적인 국가였다. 세계 최초의 주식회사인 동인도회사(VOC)를 중심으로 한 무역 제국은 막대한 부를 본국으로 끌어들였고, 암스테르담은 근대 금융의 실험장으로 떠올랐다.

공영 증권거래소, 이중 회계장부, 국제 신용거래. 당시로선 파격적인 제도들이 도입되며 자본주의의 기초 구조가 형성되었다. 그 결과, 상인·기술자·법률가로 구성된 신흥 시민계급에는 생존을 넘어선 ‘자산 증식’이라는 개념이 생겨났다.

그러나 문제는, 그들이 가진 돈이 갈 곳이 마땅치 않았다는 점이었다. 오늘날처럼 다양하게 분화된 금융상품이 존재하지 않았던 그 시대에, 그들이 선택한 자산은 뜻밖에도 튤립의 한 뿌리였다. 특히 희귀한 무늬와 색조를 지닌 튤립은, 단지 식물이 아니라 사회적 계급을 과시하는 수단, 수집 가능한 예술품, 그리고 결국엔 가격 상승을 기대하는 투기 대상으로 변모했다. 투기는 본능이 아니라, 방향을 잃은 자본의 필연적 선택이었다.

그로부터 약 400년 후, 비슷한 흐름이 또 한 번 반복됐다. 2008년 글로벌 금융위기 이후, 전 세계 중앙은행들은 경기 부양을 위해 제로금리 정책과 양적완화(QE)를 단행했고, 특히 2020년 팬데믹의 충격 이후에는 미국 연준(Fed)을 중심으로 역사상 유례없는 수준의 초저금리·초과 유동성이 공급되었다.

시장, ‘돈의 홍수’에 잠기다

주식, 부동산, 미술품에 이르기까지 거의 모든 자산 가격이 동반 상승했고, 투자자들은 점차 금, NFT, 비트코인 같은 대체 자산(Alternative Assets)에 눈을 돌리기 시작했다. 그중에서도 가장 빠르게 수익률을 증명해 낸 것이 바로 비트코인이었다.

희소성과 탈중앙성, 그리고 기술적 서사를 무기로, 비트코인은 ‘디지털 금’이라는 내러티브를 형성했다. 특히 전통 자산을 불신하거나, 중앙 통제에 대한 회의감을 가진 젊은 세대와 기술 기반 투자자들에게는 비트코인이야말로 미래형 자산이자 새로운 질서의 상징처럼 보였다. 결국, 튤립이든 비트코인이든, 그 시작점은 다르지만 불을 붙인 건 같은 연료였다.

쌓인 돈은 방향을 찾고, 방향을 잃은 돈은 거품을 만든다.

‘가치 저장’과 ‘투기’ 사이

비트코인은 어느 순간부터 ‘디지털 금(Digital Gold)’이라는 별칭을 얻게 되었다. 이는 단순한 은유나 마케팅 용어가 아니다. 금처럼 희소하고, 채굴이 가능하며, 중앙 기관 없이도 신뢰를 유지하는 자산이라는 점에서, 일부 투자자들은 비트코인을 21세기형 가치 저장 수단(Store of Value)으로 간주하기 시작했다.

그러나 동시에, 비트코인을 ‘투기성 자산(Speculative Asset)’으로 보는 시각도 뿌리 깊다. 극심한 가격 변동성, 실질적 사용처의 불확실성, 그리고 무엇보다, “더 비싸게 사줄 누군가가 있다는 전제”에 기반한 거래 구조가 문제로 지적된다. 이러한 특성은 17세기 튤립 시장과 닮아 있다는 비판을 가능하게 한다.

비트코인은 금과 달리 물리적 실체는 없지만 실체를 대신하는 ‘코드 기반 신뢰’를 제공한다. 모든 거래는 블록체인이라는 분산원장에 영구적으로 기록되며, 누구도 이를 위조하거나 삭제할 수 없다. 이러한 구조는 비트코인을 단순한 자산을 넘어, 거래 인프라로 기능할 수 있는 기술적 기반으로 확장시킨다. 그럼에도 불구하고 해결되지 않은 핵심 문제가 있다. 바로 극단적인 가격 변동성이다.

2021년, 비트코인은 6만 달러를 돌파했지만 불과 몇 달 사이 3만 달러 아래로 급락했고, 다시 상승하며 반복적인 롤러코스터 장세를 보였다. 이러한 흐름은 전통적인 가치 저장 수단이 갖추어야 할 안정성을 위협한다. 그래서 여전히 많은 사람들에게 비트코인은 ‘디지털 시대의 도박판’, 혹은 ‘기대와 공포 사이에 놓인 실험적 자산’으로 인식되고 있다.

시각의 충돌 : 신뢰할 것인가, 회의할 것인가

비트코인을 바라보는 시선은 전문가들 사이에서도 극명하게 엇갈린다.

그것은 금융의 미래인가, 아니면 잘 포장된 망상인가? 새로운 질서의 실험장인가, 혹은 공포 위에 세워진 투기판인가?

먼저, 알레한드로 레예스(Alejandro Reyes)의 말을 들어보자. 버클리대학교 경제사 교수이자 금융 투기 버블 연구의 권위자인 그는, 튤립 버블과 비트코인을 자주 비교 대상으로 삼아왔다. 그는 이렇게 말한다.

튤립은 일시적인 문화적 열광이었다면, 비트코인은 기술 기반의 시스템 전환이다.

즉, 두 자산은 가격의 등락은 닮았을지언정 태어난 맥락, 확장성, 구조적 기능 면에서 본질적으로 다르다는 것이다. 그는 이렇게 주장한다.

튤립은 단지 비싸졌을 뿐이지만, 비트코인은 금융 질서 자체를 실험한다.

IMF(국제통화기금)도 비슷한 시각을 보였다. 2021년 글로벌 금융안정성 보고서에서 IMF는 다음과 같이 평가했다.

내재 가치에 대한 논쟁은 지속되지만, 블록체인 기반 디지털 자산은 국경을 초월한 금융 인프라로 기능할 수 있는 구조적 기반을 갖추고 있다.

이는 비트코인이 단순한 투기 대상이 아니라, 국제 금융의 기술적 대안 인프라로서 일정 수준의 가능성을 인정한 평가로 해석된다. 그러나 반대편에는 여전히 단호한 회의론자들도 존재한다. 대표적인 인물이 바로 폴 크루그먼(Paul Krugman)이다. 노벨경제학상 수상자이자 《뉴욕타임즈》 칼럼니스트로 잘 알려진 그는, 비트코인을 ’21세기의 투기 도구’로 규정하며 강하게 비판했다.

비트코인은 아무것도 생산하지 않으며, 본질적으로 공포 기반의 투기 구조를 갖추고 있다. 가격은 믿음으로 유지되지만, 믿음은 급격히 무너질 수 있다.”

그는 화폐가치의 근간은 결국 신뢰를 바탕으로 한 법정화폐 시스템과 정부 보증에 있다고 본다. 그 어떤 기술적 구조도 이를 대체할 수 없다는 것이다.

이처럼 비트코인은 금융 한쪽에서는 금융 질서의 진화, 다른 한쪽에서는 디지털 시대의 망상으로 해석되고 있다. 금융 역사학자, 국제기구, 노벨상 수상 경제학자까지 각기 다른 위치에서 다른 언어로 이 자산을 해석하고 있지만, 그 갈라진 평가의 폭은 오히려 한 가지 사실을 말해준다.

비트코인은 아직 정의되지 않았다. 그리고 그 정의되지 않은 상태 자체가 이 자산의 가능성과 동시에, 가장 큰 위험이기도 하다.

비트코인은 과연 ‘디지털 금’이 될 것인가

비트코인을 둘러싼 가장 상징적인 수사는 단연 ‘디지털 금(Digital Gold)’이라는 개념이다. 이 말은 단순한 마케팅 용어가 아니라, 자산으로서의 비트코인을 어떻게 인식할 것인가에 대한 철학적 프레임을 반영한다.

금(Gold)은 수천 년 동안 인류 문명과 함께해온 궁극의 가치 저장 수단(Store of Value)이었다. 그 가치는 희소성, 물리적 내구성, 대체 불가능성, 그리고 어느 국가도 통제하지 못하는 보편성에 기반했다. 이러한 속성은 인플레이션과 금융 위기 속에서도 금이 법정화폐의 대안으로서 생존해 온 핵심 이유였다. 그렇다면 비트코인은 금과 같은 조건을 충족할 수 있는가?

• 희소성: 총발행량이 2,100만 개로 고정되어 있어, 공급이 구조적으로 제한된다.
• 탈중앙성: 정부·은행·기업의 통제를 받지 않는 독립적 시스템이다.
• 위·변조 불가능성: 블록체인 기술을 기반으로 모든 거래가 영구적으로 기록되고 검증된다.
• 검열 저항성: 누구도 사용자의 송금이나 보유를 막을 수 없는 구조다.

이러한 특성은 분명 금과 유사하며, 일부에서는 오히려 금보다 더 정교한 희소성과 신뢰 메커니즘을 갖췄다는 평가도 나온다. 실제로 글로벌 자산운용사와 기술기업들은 비트코인을 자산 포트폴리오에 포함시키기 시작했고, 2024년 미국 증권거래위원회(SEC)가 비트코인 현물 ETF를 승인한 사건은, 그 흐름이 제도권으로 진입했음을 상징적으로 보여준 계기였다.

그러나 ‘디지털 금’이라는 수식어가 붙기에는 여전히 넘어야 할 현실적 장벽도 많다.

• 극단적인 가격 변동성: 금은 안정적인 가치 보존 수단이지만, 비트코인은 연 단위로 수십 퍼센트 이상 요동친다. 이는 가치 저장의 가장 기본적인 전제를 위협한다.
• 채굴 의존성과 에너지 소모: 비트코인 채굴은 막대한 전력을 요구하며, 탄소중립 시대의 흐름에 역행한다는 비판이 존재한다.
• 정책 및 규제 리스크: 각국 정부의 입장은 엇갈리고 있으며, 때로는 강력한 제재 조치가 내려지기도 한다. 이는 ‘금처럼 안전한 피난처’라는 서사를 흔드는 요소다.
• 기술적 불확실성: 블록체인 기술은 아직 진화 중이며, 후속 기술에 의해 대체되거나 보완될 가능성이 남아 있다.

그럼에도 불구하고 비트코인이 ‘금’과는 전혀 다른, 디지털 시대의 신형 자산이라는 사실에는 이견이 없다. 비트코인은 단순한 상품이 아니라, 거래 구조, 신뢰 방식, 금융 주권에 대한 사고방식을 근본적으로 재구성하고 있다.

비트코인은 아직 ‘금’은 아니다. 하지만 금이 결코 가질 수 없는 ‘시대성’을 품고 있다. 디지털 네이티브 세대에게 비트코인은 자산이자 언어이며, 자기결정권의 상징이고, 검열되지 않는 화폐이며, 기술 기반 신뢰가 구현된 자유의 도구다.

바로 이 지점에서, 비트코인은 단순한 ‘디지털 금’을 넘어, 금이 되지 못한 것들이 꿈꿔왔던 미래의 화폐가 될 가능성을 품고 있다.

반복되는 역사인가, 새로운 질서의 서막인가

비트코인과 튤립 버블의 비교는 단순한 흥미를 넘어, 시장의 심리와 자산의 본질에 대한 중요한 질문을 던진다. 두 가지 모두 희소성과 열광, 그리고 급격한 가격 상승이라는 공통점을 지니지만, 그 뿌리는 전혀 다르다.

튤립은 일시적인 수요와 신기함에 기반한 감각적 투기 대상이었다면, 비트코인은 기술적 설계와 경제적 구조, 그리고 사회적 요구가 맞물린 복합적 금융 실험체다. 그것은 단순한 자산이 아니라 거래를 기록하는 방식, 신뢰를 분산시키는 메커니즘, 권력으로부터 독립된 금융 구조라는 점에서 새로운 시스템의 전초기지라 할 수 있다.

물론, 비트코인은 아직 ‘완성된 금’이 아니다. 그 가치는 여전히 극심한 변동성, 정책과 규제의 불확실성, 기술 진화의 불안정성 속에 놓여 있다. 그 미래에는 장밋빛 낙관과 종말론적 경고가 동시에 존재한다.

그러나 단 하나, 분명한 사실은 있다. 비트코인은 우리 시대의 거울이라는 것이다. 그 안에는 신뢰란 무엇인가라는 질문, 화폐란 누구를 위한 것인가라는 성찰, 권력은 기술로 재구성될 수 있느냐는 질문이 담겨 있다.

그렇기에 우리는 묻는다.

비트코인은 진짜 금이 될 수 있을까? 아니면 그조차도, 지나가는 한 송이 튤립에 불과할까?

그 답은 기술이 아니라, 시장에, 그리고 우리 각자의 믿음에 달려 있다.

원문: 광화문덕의 브런치

이 필자의 다른 글 읽기

• 네이버 검색이 불편하게 느껴지기 시작했다
• 데이터로 살펴 본 동네 카페 생존법
• “너의 에너지는 너를 위해 써” 절대 사람을 피해 이직하지 마라

파운데이션 모델과 그 내부 작동 방식과 학습 과정, 그리고 실제 적용 사례에 대해 자세히 소개하도록 하겠습니다.

파운데이션 모델은 어떻게 작동되는가?

GPT나 BERT와 같은 트랜스포머 아키텍처 기반 모델과 같은 파운데이션 모델은 다양한 데이터 세트에 대한 광범위한 사전 학습과 특정 작업에 대한 파인튜닝을 통해 작동됩니다. 다음은 이러한 모델이 어떻게 작동되는지에 대해 소개하도록 하겠습니다.

사전 훈련(Pre-Training)

• 데이터 수집(Data Collection): 파운데이션 모델은 책, 웹사이트, 기사를 비롯한 다양한 텍스트 소스로부터 대규모의 다양한 데이터 세트를 학습하게 됩니다. 이를 통해 모델은 다양한 언어 패턴, 스타일 및 정보를 학습할 수 있습니다.
• 학습 목표(Learning Objectives): 사전 훈련 과정에서 모델은 일반적으로 텍스트의 다른 부분이 주어지면 그 부분을 예측하도록 훈련되는데요, 예를 들어, GPT의 경우 모델은 이전 단어가 주어지면 문장의 다음 단어를 예측하게 됩니다 (자동 회귀 훈련(Autoregressive Training)이라고 알려진 프로세스). 반면에 BERT는 입력의 일부 단어가 무작위로 마스킹되고, 모델은 마스킹되지 않은 다른 단어가 제공하는 문맥을 기반으로 이러한 마스킹된 단어를 예측하는 방법을 학습하는 마스크 언어 모델 접근 방식을 사용합니다.
• 모델 아키텍처(Model Architecture): 이 모델에 사용되는 트랜스포머 아키텍처는 셀프 어텐션(Self-attention) 메커니즘에 크게 의존하게 됩니다. 이를 통해 모델은 문장이나 문서에서 단어의 위치에 관계없이 각 단어의 중요도를 평가하여 문맥과 단어 간의 관계를 효과적으로 이해할 수 있습니다.

파인튜닝(Fine-Tuning)

• 작업별 특화된 데이터(Task-Specific Data): 사전 학습 후, 더 작은 작업별로 특화된 데이터 세트로 모델을 파인튜닝할 수 있습니다. 예를 들어, 감정 분석 작업의 경우 감정으로 레이블이 지정된 텍스트 샘플의 데이터 세트에 대해 모델을 파인튜닝할 수 있습니다.
• 모델 조정(Adjusting the Model:): 파인튜닝 중에 특정 작업에서 더 나은 성능을 발휘하도록 전체 모델 또는 일부가 약간 조정될 수 있습니다. 이 과정에는 모델을 더 훈련시키는 작업이 포함되지만, 위 경우에는 감정 분류나 질문에 대한 답변과 같은 작업별 목표를 염두에 두고 진행됩니다.
• 전문화(Specialization): 이 단계에서는 사전 학습 중에 습득한 일반적인 능력을 특정 작업 또는 도메인의 특정 요구 사항과 뉘앙스에 맞게 조정하여 동일한 작업에 대해 처음부터 모델을 학습하는 것에 비해 성능을 크게 향상시킵니다.

배포(Deployment)

• 사용 배포(Deployment for Use): 파인튜닝이 완료되면 가상 비서와 챗봇부터 시작해서 자동 번역, 콘텐츠 생성 도구에 이르기까지 다양한 애플리케이션에 파운데이션 모델을 배포할 수 있습니다.

파운데이션 모델의 유형과 예시

파운데이션 모델은 아키텍처, 훈련 목표와 애플리케이션이 매우 다양하며, 각 모델은 학습과 데이터와의 상호 작용의 다양한 측면을 활용하도록 맞춤화되어 있습니다. 다음은 다양한 유형의 파운데이션 모델에 대한 자세한 설명입니다.

자동 회귀 모델(Autoregressive Model)

GPT 시리즈(GPT-2, GPT-3, GPT-4)와 XLNet과 같은 자동 회귀 모델은 이전의 모든 단어가 주어진 시퀀스에서 다음 단어를 예측하는 훈련 방식을 사용합니다. 이 훈련 방법을 통해 이러한 모델은 일관성 있고 맥락에 맞는 텍스트를 생성할 수 있으며, 이는 특히 창의적인 글쓰기, 챗봇과 개인화된 고객 서비스 상호 작용에 유용합니다.

오토인코딩 모델(Autoencoding Models)

BERT와 RoBERTa를 포함한 오토인코딩 모델은 일반적으로 훈련 중에 모델에서 임의의 토큰을 숨기는 마스크드 언어 모델링(Masked Language Modeling)이라는 기술을 사용하여 먼저 입력을 손상시켜 입력을 이해하고 재구성하도록 훈련합니다. 그런 다음 모델은 문맥만을 기반으로 누락된 단어를 예측하는 방법을 학습합니다. 이러한 능력은 언어 구조를 이해하고 텍스트 분류, 개체 인식, 질문 답변과 같은 애플리케이션을 이해하는 데 매우 효과적입니다.

인코더-디코더 모델(Encoder-Decoder Models)

T5 (Text-to-Text Transfer Transformer) 및 BART와 같은 인코더-디코더 모델은 입력 텍스트를 출력 텍스트로 변환할 수 있는 다목적 툴입니다. 이러한 모델은 입력 시퀀스를 잠재 공간으로 인코딩한 다음 출력 시퀀스로 디코딩하는 방법을 학습하여 요약, 번역, 텍스트 수정과 같은 복잡한 작업을 처리하는 데 특히 능숙합니다. 이러한 학습에는 다양한 텍스트 to 텍스트 변환 작업이 포함되는 경우가 많기 때문에 여러 도메인에 걸쳐 폭넓게 적용할 수 있습니다.

멀티모달 모델(Multimodal Models)

CLIP(OpenAI의)와 DALL-E와 같은 멀티모달 모델은 텍스트와 이미지 등 다양한 데이터 유형에 걸쳐 있는 콘텐츠를 처리하고 생성하도록 설계되었습니다. 이러한 모델은 멀티모달 콘텐츠를 이해하고 생성함으로써 이미지 캡션, 텍스트 기반 이미지 검색, 텍스트 설명에서 이미지 생성 등 이미지와 텍스트 설명 간의 관계를 해석하는 작업에 매우 유용하게 활용됩니다.

검색 증강 모델(Retrieval-Augmented Models)

검색 증강 모델(예: RETRO (Retrieval-Enhanced Transformer))은 외부 지식 검색 프로세스를 통합하여 기존 언어 모델의 기능을 향상시키게 됩니다. 이 접근 방식을 사용하면 예측 단계에서 모델이 대규모 데이터베이스나 말뭉치에서 관련 데이터를 가져와 더 많은 정보를 바탕으로 정확한 결과를 도출할 수 있습니다. 이 모델은 특히 질문 답변이나 콘텐츠 검증과 같이 사실에 대한 정확성과 깊이가 필요한 애플리케이션에 효과적입니다.

시퀀스 투 시컨스 모델(Sequence-to-Sequence Models)

Google의 트랜스포머나 Facebook의 BART와 같은 시퀀스 투 시퀀스 (seq2seq) 모델은 입력 시퀀스를 밀접하게 관련된 출력 시퀀스로 변환해야 하는 작업을 처리합니다. 이러한 모델은 전체 콘텐츠 또는 그 의미를 정확하게 파악하여 다른 형태로 전달해야 하는 기계 번역이나 문서 요약의 기초가 됩니다.

이같이 각 유형의 파운데이션 모델은 각각의 고유한 학습이나 운영 설계 덕분에 특정 작업에 고유하게 적합합니다. 다음 섹션에서는 몇 가지 사용 사례를 통해 파운데이션 모델의 기능에 대해 자세히 살펴보겠습니다.

파운데이션 모델의 활용 사례

파운데이션 모델은 대규모 데이터 세트에서 학습할 수 있는 적응성과 역량으로 다양한 산업을 변화시키고 있습니다. 다음은 몇 가지 흥미로운 예시입니다:

• 자연어 처리(NLP): 파운데이션 모델은 많은 NLP 애플리케이션의 근간이 되는데요, 기계 번역을 구동하여 여러 언어 간에 원활한 커뮤니케이션을 가능하게 합니다. 또한 감정 분석(텍스트의 감정적 어조 이해)이나 챗봇 개발과 같은 작업에서 인간과 컴퓨터 간의 보다 자연스러운 상호 작용을 위해 사용할 수도 있습니다.
• 콘텐츠 제작(Content Creation): 파운데이션 모델은 시와 대본에서 마케팅 카피에 이르기까지 다양한 텍스트를 창작하여 콘텐츠 제작자와 마케터를 지원할 수 있습니다.
• 이미지 및 비디오 분석(Image and Video Analysis): 시각적 영역에서 파운데이션 모델은 이미지 및 비디오 분석에 탁월합니다. 보안 카메라의 물체 감지, 의사를 돕기 위한 의료 이미지 분석, 영화에서 사실적인 특수 효과를 생성하는 등의 작업에 사용할 수 있습니다.
• 과학적 발견(Scientific Discovery): 이 모델은 대규모 데이터 세트를 분석하여 기존 방법으로는 놓칠 수 있는 패턴과 관계를 파악함으로써 과학적 연구를 가속화할 수 있습니다. 이러한 기능은 신약 개발, 재료 과학 또는 기후 변화 연구에 도움이 될 수 있습니다.
• 자동화(Automation): 파운데이션 모델은 문서 요약이나 데이터 입력과 같은 반복적인 작업을 자동화하여 더 복잡한 작업을 위한 시간을 확보할 수 있습니다.

이는 파운데이션 모델의 활용 사례 중 일부에 불과하며, 연구자들이 새로운 가능성을 모색함에 따라 잠재적인 응용 분야는 지속적으로 확장되고 있습니다. 파운데이션 모델은 다양한 산업과 일상생활을 변화시킬 수 있는 엄청난 가능성을 지니고 있습니다.

파운데이션 모델 훈련 방법

파운데이션 모델 훈련은 상당한 컴퓨팅 리소스와 전문 지식이 필요한 복잡한 작업입니다. 주요 단계를 간단하게 아래와 같이 소개합니다.

1. 데이터 수집과 준비(Data Collection and Preparation): 그 기반은 데이터를 기반으로 합니다. 원하는 작업과 관련된 방대한 양의 레이블이 지정되지 않은 데이터가 수집됩니다. 이러한 데이터는 거대 언어 모델 (LLM)의 경우 텍스트, 컴퓨터 비전 모델의 경우에는 이미지, 그리고 멀티모달 모델의 경우 텍스트와 이미지들의 조합일 수 있습니다. 데이터의 품질과 일관성을 보장하기 위해 데이터를 정리하고 전처리하는 것이 매우 중요합니다.
2. 모델 아키텍처와 선택(Model Architecture and Selection): 선택하는 파운데이션 모델 유형은 데이터와 작업에 따라 다릅니다. 일단 선택하면 모델 아키텍처는 대규모 데이터 집합을 효과적으로 처리하도록 파이뉸됩니다.
3. 자기 주도 학습(Self-Supervised Learning): 바로 여기서 마법이 일어납니다. 레이블이 지정된 데이터를 사용하는 지도 학습과 달리 파운데이션 모델은 자기 지도 학습 기법을 활용합니다. 이 경우에는 모델 자체가 레이블이 지정되지 않은 데이터에서 작업과 레이블을 생성하여 학습하게 되는데요, 여기에는 텍스트 데이터의 시퀀스에서 다음 단어를 예측하거나 이미지에서 누락된 부분을 식별하는 등의 작업이 포함됩니다.
4. 훈련과 최적화(Training and Optimization): 모델은 GPU 또는 TPU와 같은 강력한 컴퓨팅 리소스를 사용하여 준비된 데이터에 대해 학습됩니다. 모델 크기와 데이터 세트의 복잡성에 따라 이 훈련 과정은 며칠 또는 몇 주가 걸릴 수 있는데요, 모델의 성능을 최적화하기 위해 Gradient descent과 같은 기법이 사용됩니다.
5. 평가와 향상(Evaluation and Refinement): 학습 후에는 벤치마크 데이터 세트나 특정 작업에서 모델의 성능을 평가합니다. 결과가 이상적이지 않은 경우, 하이퍼파라미터를 조정하거나 품질 개선을 위해 데이터 준비 단계로 돌아가 모델을 더욱 세분화할 수 있습니다.

파운데이션 모델을 훈련하는 것은 지속적인 과정이라는 점에 유의해야 합니다. 연구원들은 모델 성능과 성숙도를 향상시키기 위해 데이터 처리, 모델 아키텍처, 자기 지도 학습 작업에 대한 새로운 기술을 끊임없이 탐구하고 있습니다.

파운데이션 모델의 장점

파운데이션 모델은 다양한 영역에서 널리 채택되고 사용되는 데 기여하는 상당한 이점을 제공합니다. 몇 가지 주요 장점을 자세히 살펴보세요:

• 다용도성과 적응성(Versatility and Adaptability): 기존의 좁게 초점을 맞춘 AI 모델과 달리 파운데이션 모델은 다용도로 사용할 수 있습니다. 해당 도메인(텍스트, 이미지 등) 내에서 다양한 작업에 맞게 미세 조정할 수 있으며, 심지어 멀티모달 모델의 경우 여러 도메인에 걸쳐 조정할 수도 있습니다. 이러한 유연성은 각 특정 작업에 대해 처음부터 새 모델을 구축하는 것에 비해 시간과 리소스를 절약할 수 있습니다.
• 효율성과 비용 효율성(Efficiency and Cost-Effectiveness): 사전 학습된 파운데이션 모델은 개발자에게 확실한 출발점을 제공합니다. 특정 작업에 맞게 모델을 미세 조정하는 것이 완전히 새로운 모델을 처음부터 학습시키는 것보다 더 빠르고 계산 비용이 적게 드는 경우가 많습니다. 이러한 효율성은 비용 절감과 개발 주기 단축으로 이어집니다.
• 향상된 성능(Improved Performance): 파운데이션 모델은 대량의 데이터 세트에 대한 대규모 학습으로 인해 다양한 작업에서 기존 모델보다 뛰어난 성능을 발휘하는 경우가 많습니다. 기계 번역, 이미지 인식 또는 텍스트 요약 작업에서 더 높은 정확도를 달성할 수 있습니다.
• AI의 민주화(Democratization of AI): 사전 학습된 파운데이션 모델을 사용할 수 있으므로 AI 개발의 진입 장벽이 낮아집니다. 대규모 컴퓨팅 리소스에 액세스할 수 없는 소규모 기업이나 연구원도 이러한 모델을 활용하여 혁신적인 AI 애플리케이션을 개발할 수 있습니다.
• 과학적 발견의 가속화(Acceleration of Scientific Discovery): 파운데이션 모델은 방대한 과학 데이터 세트를 분석하여 기존 방법으로는 놓칠 수 있는 숨겨진 패턴과 그 관계를 발견할 수 있습니다. 이 기능은 신약 개발, 재료 과학 또는 기후 변화 연구와 같은 분야에서 과학적 진보를 크게 가속화할 수 있습니다.

파운데이션 모델이 맞닥뜨린 과제

파운데이션 모델은 뛰어난 기능에도 불구하고 전 세계 연구자들이 적극적으로 해결하기 위해 노력하고 있는 몇 가지 과제를 안고 있습니다. 다음은 몇 가지 주요 과제들입니다.

• 데이터 편향성과 공정성(Data Bias and Fairness): 파운데이션 모델은 학습된 기존 데이터에 존재했던 편향성을 그대로 이어받을 수 있습니다. 이로 인해 차별적이거나 불공정한 결과가 나올 수 있는데요, 이러한 편향성을 완화하려면 신중한 데이터 선택, 큐레이션, 보다 공정한 학습 알고리즘 개발이 필요합니다.
• 설명 가능성과 해석 가능성(Explainability and Interpretability): 파운데이션 모델이 어떻게 결과물에 도달하는지 이해하는 것은 어려울 수 있습니다. 이러한 투명성 부족은 잠재적인 오류나 편견을 식별하고 해결하기 어렵게 만듭니다. 이러한 모델을 보다 해석하기 쉽게 만드는 방법을 개발하기 위한 연구가 진행 중입니다.
• 연산 리소스(Computational Resources): 파운데이션 모델을 훈련하고 실행하려면 GPU나 TPU와 같은 상당한 연산 능력과 리소스가 필요합니다. 따라서 이러한 인프라에 액세스할 수 없는 소규모 기업이나 연구자에게는 접근성이 제한될 수 있습니다.
• 보안과 개인 정보 관련 이슈(Security and Privacy Concerns): 파운데이션 모델을 학습하는 데 사용되는 방대한 양의 데이터는 데이터 유츌에 대한 보안과 개인정보 보호 문제를 야기합니다. 악의적인 공격자는 학습 데이터나 모델 자체의 취약점을 악용할 수 있습니다. 강력한 보안 조치와 책임감 있는 데이터 처리 관행을 보장하는 것이 중요합니다.
• 환경 영향(Environmental Impact): 이러한 모델을 훈련하는 데는 상당한 양의 에너지가 소모될 수 있습니다. 보다 에너지 효율적인 훈련 방법을 개발하고 재생 가능한 에너지원을 사용하는 것은 파운데이션 모델을 지속 가능하게 배포하기 위한 중요한 고려 사항입니다.

결론

파운데이션 모델은 AI 기능의 획기적인 도약을 가져다줍니다. 다용도성, 효율성, 방대한 양의 데이터를 통한 학습 능력은 다양한 산업과 일상생활을 변화시킬 차세대 지능형 애플리케이션의 기반을 닦고 있습니다.

원문: Digital Marketing Curation

이 필자의 다른 글 읽기

• 검색 엔진 마케팅(SEM)에서 해야 할 것과 하지 말아야 할 것
• 가독성을 높이는 7가지 이메일 디자인 팁
• 당장 그만두어야 하는 구식 SEO 전략 7가지

자기소개를 부탁드립니다.

피부과 의원의 경영, 마케팅, 운영을 함께하는 ‘부스트리’를 개발하는 부스트리 대표 이화랑입니다.

경영, 마케팅, 운영을 함께한다는 게 무슨 말이죠?

기존 MSO라는 개념이 도입된 네트워크 병원들이 많이 있죠. 식당으로 치면 프랜차이즈 식당과 같은 거죠. MSO 본사에서는 다양한 일들을 해주는데요, 이러한 경영지원·마케팅·운영 서비스들을 일반 개인 병원에서도 매우 저렴하고 손쉽게 이용할 수 있는 서비스라고 보시면 됩니다.

창업 2년도 안된 현재, 저희와 함께 하는 피부과들의 매출의 합은 벌써 연간 1,500억이 넘습니다. 그만큼 빠르게 성장한 것이죠.

무엇 때문에 그렇게 빠르게 성장한 거죠?

기존 MSO 네트워크 병원과 달리 SW 기술을 잘 활용했어요. 제가 이미 IT 회사만 두 차례 매각 경험이 있거든요. 마케팅, 고객 유입, 상담, 예약, VIP 고객 관리, 멤버십 관리 등, 모든 고객 접점에 IT를 붙였어요. 피부과 객단가가 평균 OO만 원이에요. 또 병원은 한 번만 오는 게 아니라 10번 이상도 오잖아요? 기존 병원은 사람이 관리하다 보니, 이 재방문을 너무 많이 놓치고 있었습니다. 저희는 IT로 이 재방문율을 엄청나게 높이는 거죠.

그러게요. 한 번 오면 몇십만원인데, 생각해보니 제가 다니는 피부과도 카톡 메시지가 오지 않네요.

네. 요즘 쇼핑몰은 주기적으로 카톡이 오는 게 기본이잖아요? 그런데 피부과가 여기에 딱 맞는 게 ‘개인화’가 참 잘 돼 있습니다. 내원자의 피부가 어떤 상태였고 첫 내원 시 어떤 시술을 받으셨느냐에 따라, 언제 어떤 시술을 받아야 할지가 그려지거든요. 그런데 피부과가 전문화된 영역이다 보니, 쇼핑몰이 쓰는 CRM으로는 잘 맞지 않아요. 그래서 2년 전 부스트리를 창업했습니다. 현재 약 50여개의 병원에 도입한 상황입니다.

두 번의 엑싯 경험으로 다져진 IT 내공으로 부스트리 창업

어쩌다 이런 일을 시작하게 됐나요?

개인적으로 이번이 3번째 창업입니다. 첫 번째 창업은 ‘슬로그업’이라고 학생 때 창업한 개발 회사예요. 원래는 학생 때 친구들과 커뮤니티를 만들었는데요. 먹고 살기 위해 외주에 뛰어들다가, 우연히 대기업 SK의 앱 개발을 맡게 됐어요.

창업한 지 얼마 안 된 학생들이 대기업 앱 외주를 맡을 수 있나요?

처음에는 하청의 하청으로 들어갔죠. 대기업의 요구사항은 엄청 깐깐한데, 당시 원청사에서 그걸 맞추지 못해서 급히 구원투수가 필요했어요. 그때 일정 맞추겠다고 한 회사가 저희들밖에 없었던 거죠. 10년 전에는 젊었으니까 대기업 본사 가서 매일같이 밤새며 요구조건을 맞춰서 앱을 출시했어요.

이후 쭉쭉 일이 들어왔겠군요.

네. 한번 레퍼런스가 생기고 계속 추천이 이어지니까 이후 쭉쭉 큰 건을 맡게 됐어요. SK렌터카 다이렉트, 수입차 서비스 카펫, LG전자 커런트닷의 플러스팟, 휴대폰 재활용 민팃 등이 저희가 개발한 프로젝트입니다. 렌터카 다이렉트 이런 서비스들은 몇 천억대 매출이 나기도 했습니다. 또 Series B 이상 되는 유명 스타트업 개발도 다수 맡았습니다.

대기업 일을 꾸준히 맡을 정도면 돈도 많이 버셨겠군요.

제가 창업 초기에 너무 고생하다 보니 항상 회사에 현금이 있어야 한다는 강박이 좀 있었어요. 그래서 매해 꾸준히 영업이익을 내기는 했습니다. 또 중간에 가전 케어 기사님을 연결해 드리는 플랫폼 ‘쓱싹’이라는 자체 프로덕트를 내놓기도 했어요. 현재 두 회사는 모두 매각했습니다. 슬로그업은 삼성, SK 출신 실력파들이 모인 팀으로 이루어진 스타트업에 SPC형태로 매각했고요. 쓱싹은 ‘고퀄’이라는 국내 1위 IoT 회사에 매각했어요.

피부과만 5조 시장, 글로벌까지 노릴 수 있는 한국의 압도적 우수함

엑싯이라니, 그것도 두 번이나! 돈도 많이 버셨겠군요…

경제적으론 안정된 상태이긴 합니다만 돈 때문에 매각한 건 아니고, 부스트리에 집중하고 싶어서 매각한 게 더 커요. 더 의미 있는 도전을 해보고 싶었던 거죠. 그래서 이번 부스트리 창업에서는 더 크게 성장하기 위해 따로 Pre-A 투자를 받았어요.

왜 굳이 엑싯하고 부스트리에 집중하려 한 거죠?

사실 슬로그업의 영업이익이 그리 낮지는 않았어요. 최근 몇 년을 보면 외주사업부 평균 10억 이상은 됐으니까요. 그런데 저희가 만든 제품들이 정말 큰 시장을 대상으로 하는 제품들이었거든요. SK렌터카, 민팃… 그러니까 저도 시장을 완전히 바꿀 수 있는 서비스를 내놓고 싶었어요.

그러면 왜 피부과용 SW를 내놓은 건가요?

크게 두 가지를 봤어요. 첫 번째, 시장이 큰가. 두 번째, 이 시장의 문제를 잘 풀어내고 있는 회사가 있는가? 피부과 시장 자체는 정말 커요. 기준에 따라 다르지만 5조 이상으로 보거든요. 그런데 피부과의 문제를 잘 해결해 주는 곳은 많이 없었던 거죠.

근데 병원 쪽에 온갖 스타트업들이 병원 IT를 혁신하겠다고 들어갔는데 안 되는 걸 보면, 그냥 병원 시장 자체가 굉장히 어려운 시장 같은데요.

맞습니다. 그런데 지금까지 병원에 들어간 SW는 대부분 다양한 과의 병원 전체를 노리고 들어갔거든요. 그러다 보니 병원 관리나 심평원과 연결되는 쪽이 중요했고요. 저희는 전선을 넓히지 않고 뾰족하게 ‘피부과’만 보고 있습니다. 국내 피부시술이 워낙 발전한 만큼, 여기 하나만 집중해도 해결할 문제도 굉장히 많거든요.

온라인 마케팅과 병원 CRM을 통합하여 재방문과 효율을 높임

저도 마케팅에 한발 걸치고 있는 입장인데, 병원 마케팅 업계에 양아치가 너무 많다는 말이 많습니다.

마케팅사 문제도 있겠지만, 병원 마케팅이 통합적으로 이뤄지지 않아서 그렇습니다. 헛돈을 쓸 수밖에 없는 거죠.

좀 더 자세히 설명해 주실 수 있을까요?

예로 1) 병원 마케팅 회사가 인스타그램 광고를 돌려요. 그러면 가망 고객이 2) 병원 홈페이지에 와서 채팅으로 상담을 합니다. 그리고 3) 네이버 예약을 하죠. 예약 시간에 맞춰 4) 내원해서 상담을 받습니다. 5) 시술을 받죠. 근데 이 각각의 단계가 유기적으로 연결되지 않습니다. 따로 놀지요. 생각해보면 당연하잖아요. 1) 인스타그램 2) 홈페이지 3) 네이버 4) 병원 SW…

에에, 무슨 말이죠…

그러니 1) 인스타 노출 수는 당연히 압니다. 그런데 이 중 얼마나 많은 분들이 2, 3) 어떤 광고를 보고 상담받고 예약했는지 알 수가 없어요. 그리고 일단 병원에 오셔서 시술한 분들의 데이터가 4, 5) 한번 진료로 끝나고 다음 개인화된 메시지 마케팅으로 이어지지 않습니다.

아… 그러고 보니 피부과 처음 왔을 때 ‘어떻게 알고 오셨어요?’에 인스타 광고, 네이버 블로그, 이런 거 체크했던 기억이 있네요.

네. 근데 그거 대충대충 하시잖아요. 피부과 마케팅을 크게 두 단계로 나누면 신규 고객 유치와 재방문이라 했잖아요. 그런데 신규 고객이 어떻게 왔는지 명확한 경로를 모르니, 마케팅 효율이 나아지지 않고 돈을 계속 뿌리게 되죠. 또 방문한 고객에게도 현재 피부 상태와 시술 기록에 맞춰 메시지를 보내지 못하니 재방문율도 낮아집니다.

그러면 부스트리는 이를 어떻게 해결하나요?

기본적으로 홈페이지, 예약 및 상담 솔루션, 전용 앱, 마케팅 솔루션을 제공합니다. 따라서 원내 운영의 관리 리소스가 줄고 신규 직원이 왔을 때 교육을 매우 빠르게 하여 적응시킬 수도 있습니다. 그리고 이를 통해 위 모든 과정의 마케팅과 액션을 통합합니다. 자연히 광고 효율은 높아지며 신규 고객 유입 비용이 줄고요. 또 방문 고객 데이터에 맞춰 맞춤형 메시지를 보내며 재방문율도 높아집니다.

☞ 부스트리 홈페이지에서 확인하기

홈페이지, CRM, 관리자 자동 연결에 24시간 글로벌 CS상담까지

하나씩 구체적으로 풀어보지요.

일단 홈페이지부터 시작할게요. 대부분의 피부과 홈페이지는 제 역할을 못합니다. 왜냐? 피부과는 비급여 시장이라 가격이 시시각각 바뀌어요. 이벤트도 주기적으로 열어줘야 합니다. 그런데 그때마다 홈페이지 가격 바꿔, 블로그 이미지 새로 올려, CRM에서 가격 조절해… 이걸 다 맞추기가 쉽지 않거든요. 상담실장이 쓰는 수가표는 가격이 내렸는데, 홈페이지에는 그대로 있거나, 잘못된 가격으로 CRM 문자 메시지가 날아가거나…

머리 아프겠네요.

네. 그런데 부스트리 쓰면 그게 다 해결돼요. 관리자 페이지에서 가격 변동하면, 홈페이지와 이벤트, CRM까지 다 연동되거든요.

모두 연동된다고요?

네 이벤트 만드는건 시술 금액이나 패키지 구성 기획만 되어 있다면 단 몇분 만에 구성해서 홈페이지에 노출하거나 카카오 채팅에 노출할 수 있습니다. 그리고 이 모든건 CRM과 자동으로 동기화 됩니다. 이를 통해 챗봇이 자동으로 상담을 해줍니다. 그리고 고객은 이를 통해 예약을 할 수 있고요, 당연히 CRM에도 예약 연동이 됩니다.

오… 비용 절감 효과도 있겠군요.

네. 그래서 부스트리를 도입하면 인력들이 본인 주 업무에 집중할 수 있고 병원의 효율성이 좋아지게 됩니다. 물론 마케팅팀도 부스트리를 통해 효율화가 됩니다.

근데 그렇게 하다 보면 CS 빵꾸날 때 있지 않나요?

아니에요. 저희가 AI 상담 기능도 제공하거든요. 여기에 한국 병원들은 해외에서 오는 환자도 많은데, 한국 영업시간이랑 해외랑 시간이 안 맞아서 잠재 고객이 이탈하는 경우도 적지 않았어요. 부스트리 AI 상담 시스템은 24시간 상담 가능해서 그런 문제를 막아드리고요, 일반 상담도 AI로 가능합니다.

앱 제공으로 고객 맞춤형 메시지, 고객은 앱으로 기록 관리를 통한 재방문

홈페이지는 그렇고, 다음으로 앱은 어떤가요?

홈페이지가 신환(신규 고객) 용이라면 앱은 구환(기존 고객) 용이에요. 병원 수익 상당수는 기존 고객에서 나와요. 그런데 이걸 엄청 많이 놓치는 이유가, 데이터 분석이 재대로 이루어지지 않고 있기 때문이예요. 즉 고객 세그멘테이션을 제대로 못 시키고, 똑같은 메시지를 내보내는 경우가 많습니다.

세그멘테이션? 고객 분류 말씀이신가요?

네. 피부과는 개인화가 굉장히 중요해요. 커머스처럼 몇 달 전 뭘 샀으니, 주기적으로 메시지를 보내자… 이 정도로는 부족합니다. 일단 시술마다 주기가 다르잖아요. 매달 오시는 분, 3개월에 한 번 오시는 분… 이런 건 기본이고 병원별로 설날, 크리스마스 전에 많이 받는 시술, VIP, 할인에 민감한 분, 계절성 피부, 이런 분들에 따라 맞춤형 메시지를 보내야 해요. 부스트리는 그게 가능하고요.

아… 그러면 앱 푸시로 메시지가 가는 건가요?

메시지 형태는 원하는 대로 문자, 카톡, 앱 푸시, 모두 보낼 수 있어요. 다만 앱이 있을 경우, 고객 락인 효과가 더 커지지요. 피부과는 예약도 예약이지만, 지금까지 내가 어떤 서비스를 받았는지, 또 5회 결제 한 번에 했는데 얼마 남았는지, 나의 멤버십 잔여 포인트는 얼마인지 이런 것도 궁금할 때가 많아요.

부스트리를 쓰면 고퀄리티의 고객용 앱이 제공되고, 이런 모든 게 가능합니다. 이에 따라 자연히 상담도 줄어들고, 병원 입장에서는 제대로 된 서비스를 할 수 있게 되지요.

여러모로 신박하네요. 돈은 어떻게 받나요?

두 가지 모델이에요. 하나는 SW 사용료를 받는 모델, 또 하나는 우리가 마케팅과 운영까지 병원 전반적 운영을 다 해주고 매출을 쉐어하는 거예요. 월 구독모델로 처음에는 싸게 계약하고, 쓰면서 점점 만족도를 높여서 결제액을 높이는 분들이 많아요. 저희 입장에서도 병원 매출이 늘어나며 윈윈하는 거죠.

근데 기존에 병원이 쓰던 CRM이 있을 텐데요. 그걸 바꾸는 것도 일이지 않나요?

아. 저희가 CRM은 아니기 때문에 이미 쓰고 있는 CRM에 연동되어 들어갑니다. 이미 국내 유명 CRM과 연동을 마쳐뒀기 때문에 그 부분은 걱정하지 않으셔도 됩니다. 그냥 부스트리를 사용하면 자동으로 기존의 SW와 통합되고, 이후는 부스트리로 편히 관리하면 돼요.

병원 차릴 때부터 함께 하며, 무료로 매출을 높일 수 있는 부스트리

그런데 병원 처음 차리는 입장에서 부스트리는 어떻게 써야 하나요?

병원 처음 차릴 때 어려움이 굉장히 많아요. 동네 프랜차이즈 치킨집보다는 중소기업 하나 차리는 거에 가까워요. 그래서 MSO(병원경영지원회사)라고 이를 지원해 주는 회사가 많은데, 우리 부스트리도 이런 일을 합니다. 차이가 있다면 우리처럼 SW를 갖추고 데이터 기반으로 해주는 곳은 많이 없어요.

데이터 기반?

처음 차릴 때 결정해야 할 게 많잖아요? 어떤 컨셉, 어떤 가격 정책, 어떤 시술을 팔아야 될지… 이런 걸 모두 컨설팅하고 도와준다. 이 동네는 어떤 연령대의 어떤 특성을 가진 사람이 많으니 이런 게 먹힌다… 저희는 이런 ‘매출 전략서’를 감이 아닌 데이터를 토대로 내놓습니다. 외부 데이터에 더해서, 이미 부스트리를 쓰고 계신 고객사가 많으니까요.

그러면 병원 차릴 때 별도의 컨설팅 비용은 없나요?

오히려 돈을 더 벌게 됩니다. 나도 모르게 그냥 낭비되는 비용을 모두 해결해 주거든요. 또한 우리가 병원 만들 때부터 부스트리 SW도 풀로 제공해주고, 담당자가 붙어서 계속 마케팅도 담당해 주는 거죠. 그렇게 피부과와 공생하고자 하는 게, 저희의 롱 텀 전략입니다.

감사합니다. 마지막으로 한마디 부탁드립니다.

저희 팀이 추구하는 것은 복잡한 목표가 아니에요. 결국 우리 고객에게 필요한 가치를 제공하고 함께 성장하는 즐거움을 만드는 것입니다. 작은 것부터 해결해 나가며 진심으로 신뢰받는 파트너가 되겠습니다. 감사합니다.

☞ 부스트리 홈페이지에서 확인하기

이승환: 자기소개를 부탁드립니다.

팽동은: IT 컨설팅 업체 다빈치 대표 팽동은입니다. IT 컨설팅을 시작한 것은 1년 반쯤 됐고, 법인은 2018년 설립되어서 6년 된 기업입니다. 원래는 ‘디어’라는 공유 킥보드 회사였고, 그때 회사 이름도 ‘디어코퍼레이션’이었죠. 그 비즈니스를 작년 3분기 ‘스윙’에 매각하면서, 회사가 완전히 IT 컨설팅으로 전환하게 됐습니다.

이승환: 킥보드 사업이 잘되지 않았나요?

팽동은: 아닙니다. 잘 됐어요. 회사 매출이 200억 원 이상이었습니다. 운영 대수도 처음 20대에서 시작한 게 2만 대 정도까지 늘었고, 회원 수도 150만 명 정도로 사업 자체는 꽤 잘 성장했어요. 그런데 2021년쯤부터 제가 더 이상 이 사업을 하고 싶지 않다는 마음이 들었어요.

이승환: 왜죠?

팽동은: 2020년 여름, 저희 킥보드를 타다가 사람이 크게 다쳤습니다. 특히 임산부께서 남편과 둘이서 킥보드를 탔다가 넘어지는 바람에 크게 다치셨고, 결국 아이도 잃으셨어요. 그 이후로 ‘많고 많은 사업 중에 굳이 이런 걸 해야 하나?’라는 현타가 왔어요. 한 번 그렇게 생각이 들자 의지가 싹 사라지더라고요.

이승환: 음… 너무나 아픈 일이긴 한데요. 두 분이 탔다면 운전자 잘못도 있잖아요.

팽동은: 글쎄요… 어쨌든 개인적으로 너무 쇼크가 컸어요. 대표로서 최대한 금전적으로 지원해 드리기도 했지만, 이 사업을 더는 하고 싶지 않았어요. 대표의 의지가 식어버리니 아무 의미가 없더라고요. 저희가 당시 업계 3위권이었고, 킥보드를 늘리면 매출을 2배 키울 수 있는 기회가 있었는데요, 그렇지 않았어요. 직원들과 투자자들에게 “우린 추가 성장하지 않고 축소하겠다”고 단호하게 얘기한 후 규모를 더 키우지 않았습니다.

이승환: 아, 그래도 힘들게 회사 잘 되게 키웠는데 너무 아쉬울 것 같아요.

팽동은: 전혀요. 솔직히 킥보드 사업할 때는 너무 스트레스가 심해서, 가맹점주한테 전화가 오면 피할 때도 있었어요. 지금은 오히려 제가 고객에게 먼저 전화를 걸 정도로 재미있고 즐겁습니다. 수익성이 확실한 사업으로 회사도 잘 성장하고 있고, 킥보드 매각으로 확보한 자금도 거의 쓰지 않고 모셔두고 있습니다.

서울대, 베인, IMM, 엄친아가 창업하게 된 이유

이승환: 대표님 이력이 너무 화려한데요. 서울대 경영학과, 컨설팅펌 베인앤컴퍼니 거쳐, 잘나가는 PE(사모펀드) IMM까지…

팽동은: 이력서만 보면 엘리트 코스를 밟아온 것 같지만, 사실 가는 곳마다 하위권이었습니다. 서울대에서는 정말 ‘놈팽이’처럼 놀아서 학점이 안 좋았어요. 취업에 관심도 없었고, 기부 동아리를 만들었고, 또 재밌어 보여서 옷 장사도 했어요. 어머니께서 어디든 원서라도 좀 넣으라 해서 들어간 곳이 전경련이었습니다. 친구가 “너는 전경련이 딱이다. 신이 숨겨놓은 직장이다. 일도 별로 없고 6시 땡 하면 퇴근해서 부업도 할 수 있을 거다…”라고 꼬드겨서…

이승환: 전경련이라니, 컨설팅펌과 PE와는 너무 안 맞는데요.

팽동은: 제 맘대로 살다 경직된 조직에 가니 너무 안 맞더라고요. 우울증에 자살 충동까지 강하게 왔지만, 부모님이 ‘그래도 4계절은 경험해 보라’고 하셔서 365일 딱 버티고 바로 퇴사했어요. 동남아에 40일 정도 갔다가, 남은 돈으로 신림동에 5평짜리 단칸방을 얻었어요. 아침에 일어나면 카페에서 카야토스트 하나랑 아메리카노를 시켜놓고 책 실컷 보고, 돌아와서 기타 치고 곡 쓰고, 시도 쓰고… 그렇게 백수 생활을 즐겼습니다.

이승환: 왜 그 시점에 다시 취업을 생각하지 않으셨어요?

팽동은: 그때는 ‘지금 하고 싶은 걸 마음껏 해보자’라는 생각이었어요. 문제는 제가 뭘 하고 싶은지 몰랐다는 겁니다. 그러다가 읽게 된 책이 『1조 원의 승부사들』이었는데, 국내 사모펀드(PE)의 비화 같은 걸 다룬 책이었어요. 너무 재밌더라고요. ‘아, PE로 가야겠다…’라고 결심했는데, 들어가기 어렵고 금융 지식도 필요한 분야였죠. 그래서 ‘금융에 관한 하드 스킬을 탑재하자’ 싶어 파이낸셜 모델링, 엑셀 모델링 등을 파다가 운 좋게 들어간 곳이 베인입니다.

이승환: 아니, 별로 준비도 안 하고 베인 가다니… 너무 천재 아닌가요;;;

팽동은: 면접 방식이 저랑 잘 맞아떨어졌어요. 제가 느끼기에 컨설팅 면접은 스무고개의 비즈니스 버전’인데, 논리적으로 문제의 핵심을 찾아가는 과정이 너무 재미있었어요. 그래서 면접 때 긴장이 전혀 안 되고 재밌는 문제를 풀고 있다는 생각만 들었습니다. 그렇게 베인에서 사모펀드 쪽만 전문적으로 서빙하는 ‘PEG’(Private Equity Group)이라는 곳에 배정됐고, IMM PE 쪽에서 좋은 제안을 주셔서 PE로 이직할 수 있었습니다.

이승환: 잘 맞았다면서 왜 또 2년여 만에 PE로…

팽동은: 컨설팅할 때 가장 아쉬웠던 게, 밤새 만든 100장짜리 PPT를, PE에 있는 동년배들은 15분 만에 훑고 끝내버리는 거였어요. ‘나는 이 내용을 만드는 데 하루 종일 걸렸는데, 이 사람들은 15분 만에 다 보고 이해하네. 5년 후엔 이들이 나보다 몇 배는 더 똑똑해지겠다’ 이런 생각이 들더라고요. 그래서 IMM으로 갔고 실제로도 정말 많이 배웠습니다. 그리고 IMM에서 일한 것 이상으로 더 많이 배우려면 창업밖에 없더라고요. 그래서 디어를 창업하고 다빈치까지 온 거죠.

배민, 삼성 출신의 일류 개발자들, IT 컨설팅이라는 새로운 영역을 열다

이승환: 근데 킥보드 ‘디어’를 하다가 IT 컨설팅 ‘다빈치’는 어떻게 떠올리셨나요?

팽동은: 디어 매각은 반년 전이지만, IT 컨설팅 사업은 1년 반 전부터 시작하고 있었어요. 우아한형제들, 삼성 등 국내외 주요 기업 출신 인력으로 구성된 인력들이 킥보드 앱을 잘 개발하고 안정화까지 하니 할 일이 없어져 버린 거예요. 마침 저도 킥보드에서 손을 떼고 싶을 때라 제안했죠. “그럼 이 개발 리소스로 우리가 좋아하는 일을 하자” 해서 시작한 게 IT 컨설팅 및 제작이었어요.

이승환: 고객은 어떻게 끌고 왔죠?

팽동은: 제가 IT컨설팅 다빈치를 한다고 하니까 지인들에게 연락이 왔어요. 컨설팅 방식으로 문제를 분석하고 진단한 후, S급 개발자들이 실제 제품 개발로도 연결하겠다, 그랬더니 수요가 꽤 많았죠.

이승환: 컨설팅과 개발은 전혀 다른 영역 같은데, 둘 다 같이 하다니 신기하네요.

팽동은: 근데 사실 이 둘은 반드시 함께 가야 해요. 저도 컨설팅 펌 출신이지만, 여기는 실제 고객이 앞으로 구현할 제품에 어느 정도의 비용이 들고 개발 난이도가 있는지 꼼꼼히 따지기는 힘들거든요. 반면 개발 SI 회사는 이게 정말 좋은 문제 해결책인지 따져보기보다, 고객이 던져준 사양에 맞춰 개발하는데 집중하는 경우가 많죠.

이승환: 잘못 꼬이면 컨설팅펌은 ‘만들기 힘든 제품’을 내놓고, 개발 회사는 ‘쓸모없는 제품’을 내놓을 수 있는 거군요.

팽동은: 맞습니다. 그런데 제가 앞단 컨설팅을 맡으니 그 문제가 싹 사라진 거예요. 예를 들어, 어느 회사가 “공장 생산, 발주, 누락, 이런 게 엑셀로는 관리가 안 된다. ERP를 2억 들여 깔라는데, 맞는 선택인지 모르겠다”라고 물어보면, 제가 엑셀 파일을 받아서 직접 VBA 매크로를 짜주고 끝내버려요. VBA로 어지간한 문제는 해결 가능하거든요. 근데 그걸로 부족해서 “이건 ERP 수준으로 가야겠다”고 판단될 때 개발팀이 함께 프로젝트를 수행하는 거죠.

☞ 지금 바로 다빈치에 무료 IT 컨설팅 의뢰하기 (링크)

이승환: 그렇게 주변 지인들 일부터 시작해서, 점차 규모가 커졌나 봐요.

팽동은: 네, 처음엔 저도 저희가 정말 잘할 수 있는지 확인해야 하니 “몇백 만 원만 주세요”라고 싼값에 했어요. 근데 성공 사례가 쌓이니 연락이 엄청 많이 왔어요. 그러다 1년 반 동안 점점 고객사 규모가 커졌고, 이제는 쏘카, 네이버, 고용노동부, 컴포즈커피 같은 곳도 저희에게 의뢰를 주기 시작했습니다. 그러면서 비용도 억 단위로 올라갔죠.

고객에게 우선 ‘해결책’을 제시한다, 개발은 해결에 필요할 때 따라오는 도구

이승환: 뭔 SI 회사가 1년 반 만에 쏘카와 네이버까지;;;

팽동은: 흔한 외주와는 다른 IT 컨설팅이라는 새로운 개념이 시장에 필요했던 것 같아요. IT 컨설팅 업을 본격화하기 전에 ‘대한민국 외주 시장은 왜 2류 취급을 당할까?’ 하고 고민했어요. 결론은 발주사와 개발사 간 뿌리 깊은 불신 때문이더라고요. 근데 애초에 제품 개발이 문제에 대한 명확한 해결책이 아니면, 그런 갈등은 숨어있을 수밖에 없거든요. 그래서 제가 베인에서 컨설팅하듯, 또 PE에서 기업 실사하듯 회사 상황을 전부 파악하는 것에서 시작한 거죠.

이승환: 컨설팅은 어떻게 이루어지나요?

팽동은: 예를 들어, 부산에 있는 한 회사는 온라인 채널이 40개나 되어서 CS가 전혀 안 되고, 쿠팡, 네이버 등 여러 플랫폼 연동도 안 돼서 혼란스러운 상황이었어요. 그래서 제가 일주일간 그 회사에 출근하듯 다니고, 현재 시스템 개요, 각 시스템의 결함, 해결 방안, 개발 공수와 견적 등을 자세히 정리했어요. 회사가 어디서 막혀 있는지 한눈에 알 수 있었고, 그렇게 회장님 보고용으로 드리니 곧바로 “그럼 네가 해결해 줘” 식으로 이어지더라고요.

이승환: 기존에는 문제를 진단하는 곳 따로, 개발하는 곳 따로 있었다면, 이게 통합된 거군요.

팽동은: 맞습니다. 예를 들어, “CRM 시스템에 전화번호가 자동 저장이 안 된다. 그건 기존 외주사가 누락한 기능이니 추가해야 하고, 사방넷 연동으로 고객 주문 내역도 자동으로 뜨도록 대시보드를 만들어야 한다” 같은 식으로 구체적으로 안내해 주면, 자연스럽게 “그럼 이걸 직접 개발까지 해달라”라고 연결되는 거죠.

이승환: 근데 좀 애매한 게, 사실 돈이 되는 건 SI 영역이잖아요. 실제 현장에서 컨설팅하면 개발 필요 없는 경우도 많을 것 같단 말입니다? 아까 대표님이 VBA 한번 짜고 끝난 것처럼…

팽동은: 그렇죠. 사실 진단 자체가 더 값어치 있는 일이긴 한데, 국내 시장 분위기는 컨설팅에 돈을 잘 쓰지 않으니까요. 근데 제가 디어 당시에도 그랬지만, 일에 있어서 윤리관을 철저히 지켜요. 그래서 불필요한 기능을 고객이 요구하면서 돈 많이 내겠다는 고객은 말립니다. 최근에도 의뢰자분이 “AI로 영어 학습 앱을 만들겠다”라고 해서 뜯어말린 적이 있죠.

이승환: 아오, 내 돈도 아닌데 아깝네;;;

팽동은: 저희는 ‘컨설팅 회사’잖아요. 저희가 일하는 방식은, 먼저 고객의 문제를 명확하게 짚어주고, 꼭 필요한 선에서만 개발을 제안한 다음, 완벽하게 구현까지 해주는 거예요. 많은 외주사도 “우리는 PM·기획 다 해준다”라고 말하지만, 실제론 고객이 “이 기능 만들어 달라”고 하면 그걸 구현하는 데 집중하잖아요. 반면 저희는 애초에 ‘그 기능이 진짜 필요한지?’부터 파악하고, 데이터를 직접 모니터링하며 원인까지 파고드는 컨설팅을 먼저 합니다. 그래서 고객 입장에선 “갈증이 완전히 해소된다”는 만족이 큰 것 같아요.

☞ 지금 바로 다빈치에 무료 IT 컨설팅 의뢰하기 (링크)

모두가 문제를 분석하는 컨설턴트이자 모두가 실행하는 개발자인 슈퍼 팀 확립

이승환: 하지만 컨설팅이 대표님 역량에 크게 의존하는 구조 같은데요.

팽동은: 최근에는 제가 처음과 마지막만 체크하고, 팀원들이 주도적으로 들어갑니다. ‘개발자이면서 컨설턴트’인 팀원을 키우고 있는 거죠. 컨설턴트는 “비즈니스 문제를 먼저 파악하고 해결해야 한다” 는 관점이 중요해요. 컨설턴트가 개발을 배우기보다, 개발자가 이 관점을 익히면 기존 컨설팅펌 컨설턴트보다 뛰어난 컨설턴트가 될 수 있다고 봅니다.

이승환: 대표님은 이제 팀원들 지적질을 주로 하는 거군요(…)

팽동은: 네. 근데 주로 하는 말은 비슷해요. “비즈니스 문제를 푸는 게 1번 목표다, 그게 해결돼야 고객의 불안감이 해소된다. 절대 고객을 불안하게 하지 마라.”라고 계속 강조하죠. 나아가 개발단에서 이걸 실무로 녹여내요. 이를 위해 계속 “코드 한 줄 한 줄이 실제 매출과 직결되도록 써라, 그냥 예쁜 코드만 짜서는 고객이 감동하지 않는다”고 강조하고요.

이승환: 팀원들은 잘 따라오나요?

팽동은: 팀원들이 좀 순수한 면이 있어서, 좋은 해결책을 내도 너디(nerdy) 하달까, 문서 결과물이 아쉬울 때도 있죠. 그래도 다행히 팀원들이 센스가 좋아서, 이제 클라이언트 미팅이나 영업을 직접 따오는 경우도 늘어나고 있어요. 지금 저희 전 직원이 10명인데, 일이 많이 들어와도 사람은 늘리지 않고 있습니다. 10명 모두 개발자이자 컨설턴트 역할을 할 수 있을 때까지 한 명씩 단단하게 육성하는 거죠.

이승환: 말씀 들어보니, 액센추어나 IBM 컨설팅, LG CNS 같은 곳도 비슷한 방식으로 일하는 것 같은데요. 결국 “테크로 비즈니스 문제를 해결”하는 구조잖아요.

팽동은: 그렇죠. 흔히 말하는 대형 SI 업체들이 이미 그런 방식으로 큰 프로젝트를 해오고 있죠. 다만, 그들은 규모가 너무 커 일감을 재하청하는 경우가 많아요. 저희는 가능하면 직접 고객과 붙어서 일하고 싶습니다. 아무래도 하청을 주다 보면 완성도가 흔들릴 때도 많고요. 그래서 모든 일을 직접 해나가고 있습니다.

쉽게 풀기 힘든 문제를 안고 있다면 누구든 다빈치에 연락을

이승환: 근데 회사가 갑자기 커져서 싼 프로젝트는 안 받을 거 같은데… 얼마 이상이면 될까요?

팽동은: 저희는 돈보다 ‘문제의 크기’가 기준이에요. “이 문제를 해결하면 우리에게 얼마나 새로운 지식이 남을까?”를 보면서 선택합니다. 일 자체가 단순하고 작은 문제면, 저희가 해도 노하우가 쌓이지 않거든요. 그런 건 작은 업체에 맡기는 게 낫죠.

우리가 여력이 되는 한, 남들이 쉽게 못 푸는 고객의 문제는 다 도와드리려 하고 있어요. 그 문제가 고객에게 얼마나 스트레스가 되는지가 중요한 거죠. 개인적으로는 ‘재미있는가’도 중요해요. 어려운 문제를 풀고 팀원들과 회사가 성장하는 게 즐거우니까요.

이승환: 그렇긴 해도 인력 기반 사업이니, 결국 단가를 올려야 하지 않을까요?

팽동은: 맞습니다. 베인이나 맥킨지 같은 곳은 1주일에 억 단위로 받잖아요. 물론 우리가 아직 그 정도는 아니지만, 개발까지 실행한다는 점에서 제공하는 가치가 적다고 생각하지는 않아요. 그래서 지금처럼 여러 문제를 경험하면서 ‘노하우’를 쌓다 보면, 자연스럽게 단가는 올라갈 거라 믿습니다.

이승환: 앞으로는 어떻게 회사를 키워가고 싶습니까?

팽동은: 점차 어렵고 가치 있는 프로젝트에 집중하려고 해요. 5억~20억 급 대형 프로젝트에도 도전하고 싶은데, 당장 5년 이내에 LG CNS나 삼성 SDS 같은 회사 규모로 커질 순 없으니까요. 대신 저희는 현재처럼 성실하고 전문적인 모습으로 인입을 늘려 가려 합니다. “다빈치는 개발자 같지 않고, 제대로 문제를 해결해 주는 파트너다”라는 평판을 쌓으면, 더 많은 기업들과 협업할 수 있는 기회가 생길 것이라고 봅니다.

이승환: 해외에도 이런 방식(개발+컨설팅)으로 일하는 업체가 있나요?

팽동은: 네, 캡제미니(Capgemini), 코그니전트(Cognizant), 쏘트웍스(ThoughtWorks) 같은 IT 컨설팅 회사들이 있어요. 개발 구현까지 직접 해주면서, 연 매출이 수천억에서 조 단위로 가는 곳들입니다. 특히 쏘트웍스는 <리팩토링> 저자 마틴 파울러가 있는 곳으로 유명하죠. 당연히 그분들은 오랜 트랙 레코드를 쌓았으니 규모가 크지만, 저희도 빠르게 따라가 보자는 생각이에요.

이승환: 감사합니다. 마지막으로 한마디 부탁 드립니다.

팽동은: 이런 심층 인터뷰는 처음인데, 제게도 뜻깊은 시간이었습니다. 몇 년 후 다빈치가 어떻게 성장했고, 어떻게 변모했는지 다시 인터뷰할 날이 오면 좋겠습니다. 감사합니다.

☞ 지금 바로 다빈치에 무료 IT 컨설팅 의뢰하기 (링크)

이승환: 자기소개 부탁드립니다.

이상민: 식스샵 대표 이상민입니다. ‘6분 만에 만드는 멋진 쇼핑몰’이란 뜻으로 자사몰을 누구나 뚝딱 만들 수 있는 서비스입니다.

이승환: 이 치열한 e커머스 시장에서 계속 버티고 성장하다니 대단하시네요. 카페24, 메이크샵 등 상장사들과 싸우는 입장이잖아요?

이상민: 처음부터 시장을 다 먹자, 그런 생각은 없었습니다. 신규 셀러 입장에서 돈 안 들이고 쉽게 만들 수 있는 플랫폼을 만들고자 했어요. 당시의 기존 제품들이 생각보다 만지기 어려워서, 보통 처음에 100~200만 원 정도는 써야 쇼핑몰 형태가 나옵니다. 이후 유지 보수 때마다 또 비용을 들여야 하는 경우가 많고요. 그런데 식스샵은 월정액 요금만 내면 끝이에요. 그렇게 신규 유저만 꾸준히 늘려도 언젠가는 사이즈가 나올 거라 생각했어요.

이승환: 실제로 사이즈는 좀 나왔나요?

이상민: 이미 식스샵 솔루션 자체만으로 BEP를 넘은 지는 좀 됐고요. 꾸준히 우상향 중이에요. 마치 원티드가 좋은 제품을 만들었지만, 사람인이나 잡코리아만큼 수익이 나려면 시간이 필요한 것과 마찬가지예요. 그리고 최근 ‘식스샵 프로’를 출시했습니다.

이승환: 식스샵 ‘프로’는 뭐가 다른가요.

이상민: 크게 세 가지 업그레이드가 있습니다. 먼저, 웹사이트 제작 시에 원하는 디자인을 높은 자유도로 구현할 수 있도록 설계되었습니다. 특히 저희 에디터에서 제공하지 않는 요소도 제작자분들이 직접 만들 수 있습니다. 이때 요소를 에디터에서 편집하는 패널까지 쉽게 만들 수 있다는 점이 큰 장점입니다. 그리고 스마트스토어, 쿠팡, 무신사 등 외부 플랫폼 채널들을 자사몰과 함께 통합 관리할 수 있습니다. 또 하나는 자체적으로 CRM 기능을 제공합니다. 문자 메시지나 카톡 등을 고객에게 보낼 수 있죠.

식스샵 프로, 고도화된 웹사이트 제작을 위한 ‘블록 메이커’와 ‘식스샵 파트너’

이승환: 웹사이트 제작 관련된 이야기부터 해봅시다. 기존 식스샵은 에디터로 쉽게 웹사이트 제작 가능한 툴인데 뭐가 좋아졌나요?

이상민: 기존 식스샵은 코딩 없이 에디터로 쉽게 웹사이트를 만들 수 있는 장점이 있었지만, 훨씬 높은 자유도를 원하는 사용자분들의 요구를 모두 충족시키기 어려웠습니다. 그래서 식스샵 프로를 준비하면서 이 부분을 어떻게 해결할 것인지에 중점을 두었고 그 결과 ‘블록 메이커’라는 기능이 탄생했습니다.

기존 제품들은 단순히 웹사이트에 코드를 삽입하거나 제공된 코드를 변형하는 정도만 가능했는데요. 식스샵 프로의 ‘블록 메이커’를 사용하면 제작자들은 기존 에디터에서 제공하지 않는 요소를 코드로 자유롭게 만들 수 있을 뿐 아니라, 에디터 내에서 요소를 편집할 수 있는 패널까지도 쉽게 만들어낼 수 있습니다. 코드를 다룰 줄 아는 사람들은 필요에 따라 다양한 블록을 만들 수 있고, 이렇게 생성된 블록은 코드를 모르는 사람들도 손쉽게 에디터에서 관리하고 사용할 수 있게 되는 거죠.

기존 웹 빌더에서 경험할 수 없었던 높은 자유도로 웹사이트를 제작하시면서, 동시에 웹 빌더의 장점인 수정 및 관리의 편리함까지 경험하실 수 있을 겁니다.

이승환: 코드를 활용한 자유로운 편집 좋은데 이건 일반인한테는 어렵지 않나요?

이상민: 맞습니다. 코드를 활용한 고도화된 작업은 일반 사용자에게는 어려울 수 있습니다. 그래서 식스샵 프로에서는 웹사이트 제작 전문가들과 ‘식스샵 파트너’로 협력하며 고객들이 파트너에게 작업을 의뢰할 수 있는 서비스를 제공합니다. 파트너들은 고급 기능을 구현하고 세밀한 부분까지 디테일하게 작업할 수 있어, 시간과 퀄리티 면에서 더 효율적이고 높은 결과물을 얻을 수 있습니다. 식스샵 파트너 랜딩 페이지에서 확인할 수 있는 전문가들은 식스샵과 공식 파트너십을 맺은 파트너들로, 믿고 제작을 맡기시면 됩니다.

이승환: 파트너들은 그럼 식스샵 프로로 만들면 추가적인 혜택이 있나요?

이상민: 현재 식스샵 프로를 통해 웹사이트를 제작한 고객님의 월 요금제 비용을 파트너분들과 쉐어하는 형태의 제휴 계약을 맺었습니다. 또한, 식스샵 파트너 랜딩페이지를 통해 더 많은 홍보 효과를 기대할 수 있을 거예요.

더불어, 파트너의 쉬운 정산과 제작을 위한 파트너 센터도 구축했습니다. 이외에도, 식스샵 파트너들이 만들어낸 블록이나 템플릿을 홍보하고 거래할 수 있는 블록 스토어, 템플릿 스토어도 개설해, 제작 시장을 더욱 활성화할 예정입니다.

이승환: 식스샵 프로로 쇼핑몰 말고 일반 홈페이지도 만들 수 있는 건가요?

이상민: 식스샵은 원래 홈페이지와 쇼핑몰 요금제 두 개 다 제공했고, 실제 고객의 약 ⅓ 이 홈페이지 요금제를 이용 중이었습니다. 마찬가지로, 식스샵 프로에도 쇼핑몰 기능이 필요 없는 고객을 위한 ‘홈페이지 요금제’가 있습니다. 포트폴리오 사이트나 기업 홈페이지처럼 상품 판매가 목적이 아닌 웹사이트를 제작할 경우, 쇼핑몰보다 저렴한 요금으로 이용할 수 있습니다.

식스샵 프로 하나면 쿠팡, 네이버 등 외부 채널을 한 번에 관리 가능

이승환: 그럼 다음으로 외부 채널 통합 관리부터 이야기해 보죠.

이상민: 기존 자사몰 솔루션을 쓰는 분들은 자사몰을 관리하면서도, 또 쿠팡, 스마트스토어 등을 하나씩 따로 관리해야 했죠. 외부 플랫폼을 관리해 주는 사방넷, 플레이오토 같은 툴이 있지만, 자사몰 외에 다른 뭔가를 써야 하는 건 마찬가지입니다. 또 오래된 툴이라 UX도 복잡해요. 하지만 식스샵 프로는, 식스샵 안에서 이 모든 걸 한 번에 처리할 수 있습니다.

이승환: 원래는 쿠팡 들어가서 쿠팡 판매 내역 보고, 지마켓 들어가서 지마켓 판매 내역 보고… 그걸 식스샵 안에서 한 번에 한단 말이죠?

이상민: 네. 원래는 플랫폼마다 일일이 판매 내역을 확인하고 그걸 엑셀로 다운로드하고, 그러면 그 엑셀파일 하나하나를 다 합쳐야 했죠. 그런 불편함이 전혀 없습니다. 여기에 배송 추적도 식스샵에서 바로 관리 가능하기에 효율적으로 관리할 수 있죠.

이승환: 연동된 외부 플랫폼은 어디 어디가 있나요?

이상민: 네이버 스마트스토어, 쿠팡, 지마켓, 옥션, 11번가, 이렇게 5개 최상위 플랫폼은 모두 연동돼 있습니다. 여기에 버티컬 채널로 지그재그, 무신사도 연동돼 있습니다. 이름 좀 들어봤다 싶은 플랫폼들은 다 연동 중이에요.

이승환: 혹시 상품 등록도 일괄적으로 가능한가요?

이상민: 네. 식스샵 프로에서 상품 등록만 하면, 바로 클릭 몇 번이면 쿠팡 등 다른 채널로 뿌릴 수 있고요. 반대로 기존 스마트스토어의 상품을 땡겨서 식스샵에 올릴 수도 있습니다.

고객에게 문자와 카톡을, CRM 기능을 별도 비용 없이 제공

이승환: 다음으로 식스샵 프로의 주 기능이 CRM인데요. 시중에 CRM 프로그램 많은데, 왜 식스샵 프로 CRM을 써야 하나요?

이상민: 일단 추가 비용이 들지 않습니다. 데이터라이즈, 빅인 등 이미 시중에 좋은 CRM 솔루션이 많아요. 하지만 도입하는 순간 10만 원 정도는 들어가죠. 하지만 식스샵은 별도 비용을 아예 받지 않습니다. 자사몰 솔루션 사용료인 월 3만 원만 내면 끝이에요. CRM 솔루션에 별도 비용을 청구하지 않고, 건당 9원 정도의 문자와 카톡 전송 비용만 청구해요.

이승환: 오, 그건 정말 좋네요.

이상민: 또 일반적인 CRM 솔루션은, 설치한 이후부터의 고객 데이터만 수집 가능합니다. 자사몰에 코드가 들어가면 그때부터 고객의 액션을 수집하니까요. 하지만 식스샵의 CRM을 사용할 경우 기존의 고객 구매 데이터를 자연스럽게 사용 가능한 점 역시 장점입니다.

이승환: 식스샵이 내세우는 게 ‘쉽다’인데 CRM도 쉬운가요?

이상민: 사실 “CRM”이라 하면 되게 어려워 보이는데 그냥 문자 메시지, 카톡 메시지, 하면 일상적인 거잖아요. 이미 식스샵 프로를 사용하는 분들은 어렵지 않게 사용하시더라고요. 식스샵이 편한 것도 있지만, 그냥 ‘기본’으로 딸려 오니 호기심 삼아 쓰다가 자연스럽게 사용하는 거 같아요.

이승환: 하긴 사실 IT 사람들이야 연동이 어렵지 않지만 셀러들은 그렇지 않겠네요.

이상민: 네. 그래서 저는 CRM에 큰 기대를 걸고 있어요. 가장 큰 이유는 요 몇 년 네이버, 구글, 메타, 다 광고비가 오르고 있어요. 자연히 신규 고객 확보보다, 돈이 덜 드는 기존 고객의 재구매 유도가 중요해졌죠. 근데 자사몰이 아닌 쿠팡 같은 플랫폼은 고객에게 메시지를 보내기는커녕, 고객이 누구인지도 알 수 없죠. 그냥 물건만 보내주는 거니까요.

☞ 식스샵 홈페이지 바로가기

인스타 셀러나 스마트스토어 운영자라면, 식스샵을 써야만 하는 이유

이승환: 식스샵을 사용하는 셀러가 계속 늘고 있는데, 어떤 이유가 가장 큰가요?

이상민: 시장 상황도 좋아요. 예전에는 ‘업자’들만 셀러가 되고 쇼핑몰을 차렸다면 요즘은 일반인들도 자연스럽게 쇼핑몰을 차려요. 예로 인스타 셀럽들은 다 어떤 형태로든 물건을 팔잖아요? 근데 이분들이 제품을 팔 때, 굉장히 번거로운 게 많아요. 가장 많이 쓰는 게 무통장 입금이고, 블로그 페이 같은 링크 결제 서비스를 이용하는 경우도 있는데, 쌓일수록 관리가 힘들고, 한번 팔면 끝이에요. 그럴 거면 차라리 자사몰을 한번 만들면 체계적으로 관리할 수 있고, 수익도 계속 쌓이니까요.

이승환: 아, 하긴 이 상품 보러 왔다가 다른 상품을 살 수도 있겠군요.

이상민: 그렇죠. 일단 작게 시작했는데 사이즈가 좀 나온다. 그러면 자사몰을 만들고 싶어 하는 거죠. 예를 들어서 인스타에서 DM으로 한번 팔고 끝이면 너무 아깝잖아요. 1주일에 한 번씩만 팔아도 제품 10개 20개 금방이거든요. 그럴 바에야 자사몰 하나 만들어 올리다 보면 자연히 브랜드가 되고, 또 추가 매출이 계속 발생하는 거죠. 예전에는 쇼핑몰을 차리는 게 오프라인 가게 내듯 각 잡고 창업하는 경우가 많았다면, 요즘은 이렇게 자연스럽게 셀러가 되는 경우가 많아요.

이승환: 어차피 물건 팔 거, 자사몰도 하는 게 무조건 이익이다.이상민: 네. 요즘은 강의 듣고 네이버 스마트스토어를 작게 돌려보다가 쇼핑몰을 차리는 분들도 많아요. 자사몰 만들면 사람들이 여러 제품을 보고, 또 고객 데이터도 수집되잖아요. 근데 식스샵 프로는 여기서 CRM 메시지를 보낼 수 있어요. 또 식스샵에 등록하고 클릭 몇 번이면 쿠팡이나 지마켓 같은 외부 채널에도 제품을 올릴 수 있고, 그걸 또 통합해서 관리할 수 있어요.

이승환: 오… 정말 안 하면 손해 느낌이네요.

이상민: 맞습니다. 인스타그램으로 팔든 스마트스토어로 팔든 자사몰이 있는 게 무조건 좋죠. 특히 시간이 쌓일수록 브랜드가 공고해지니 더 좋고요. 근데 갑자기 기존 자사몰 솔루션을 쓰려면 돈도 100~200만 원 들고, 공부하는 시간이 한참인 거죠. 이후에 유지보수할 때도 본인이 직접 할 수 있고요. 그래도 쇼핑몰 한번 열면 1년은 할 거고, 그중에 한 번은 꼭 고칠 때가 오거든요. 그러니 자연히 가장 쉬운 식스샵을 사용하게 되는 거죠.

이미 다양한 쇼핑몰들이 식스샵 프로의 기능들을 활용 중

이승환: 혹시 괜찮으시다면 식스샵 프로 활용 사례를 말씀해 주실 수 있을까요?

이상민: 아직 식스샵 프로를 시작한 셀러분들이 그렇게 많지는 않은데요. 그래도 반응들이 너무 좋아요. 특히 외부채널 관리를 너무들 좋아하시는데요. ‘행사날’이라는 쇼핑몰은 스마트스토어에서 이미 1만 개 이상의 제품을 팔고 있었어요. 이걸 식스샵 자사몰로 바로 땡겨와서 순식간에 자사몰을 구축했죠.

이승환: 여기에 더해서 외부 채널에도 제품을 올릴 수 있었겠네요.

이상민: 네, 사실 쿠팡에 올리고 옥션 올리고 무신사 올리고, 이거 하나하나가 다 시간이거든요. 집계해서 매출과 재고 관리하는 건 엑셀 합치다 보면 꼭 오류가 생기는 일이고… 이런 것에서 벗어날 수 있다는 점에서 만족하는 분들이 정말 많으세요.

이승환: CRM의 경우는 어떤가요?

이상민: 역시 사용하는 셀러분이 한 분 한 분 늘어나고 있어요. 처음에는 단순히 이벤트 알림으로 쓰다가 점점 정교하게 사용하시더라고요. 예로 특정 제품을 1개월 이내 구매한 고객이라거나, 3개월 간 구매가 없는 고객들에게 쿠폰을 뿌린다거나 하는 식이죠. 저희도 셀러분들의 매출을 높이기 위해, 이런 다양한 세그먼트를 늘려나가고 있고요.

이승환: 시작부터 반응이 좋다니, 다행이네요.

이상민: 네. 저희는 엄청 큰 회사가 아니잖아요. 그래서 셀러분들이 필요로 하는 걸 빠르게 반영하는 걸 원칙으로 하고 있어요.

가장 쉽고 가벼운 쇼핑몰에 다양한 기능 연동, 한국의 쇼피파이로

이승환: 저 궁금한 게… 법인명이 식스샵인가요? 셀러허브에서 식스샵을 합병한 거 아니었나요?

이상민: 맞습니다. 좀 복잡한데요. 원래 셀러허브와 식스샵, 양쪽 다 주요 주주였던 분이 계신데요. 먼저 셀러허브를 재무적 투자자로 인수하셨고, 저희 식스샵에도 투자하셨습니다. 그러다 저희 식스샵은 신규 투자 유치 중일 때, 투자유치에 시간을 쓰기보다 시너지를 내자고 합병 제안을 주셔서 합병이 결정됐습니다.

이승환: 식스샵 프로를 통해 외부 채널 관리와 CRM 기능을 넣었는데요. 앞으로 식스샵을 어떻게 계속 성장시켜 나갈 계획인지요?

이상민: SaaS는 결국 다 비슷한 것 같아요. 뾰족하게 시작해, 고객이 필요로 하는 다양한 기능을 하나씩 늘려나가는 거죠. 플렉스도 처음에는 출퇴근 관리로 시작해 지금은 온갖 기능을 다 제공하잖아요. 저희도 식스샵 프로에서 큰 기능들을 붙였고, 여기에 더해 셀러들이 필요로 하는 기능을 계속해서 붙이려 해요.

이승환: 주로 어떤 기능이 있을까요.

이상민: 이미 그런 자잘한 기능들을 많이 제공하고 있습니다. 구글과 네이버에서 쇼핑몰이 잘 검색되게 하는 구글 서치 콘솔, 네이버 웹마스터, 또 자체 분석 툴 뿐 아니라 구글과 네이버 애널리틱스 코드 삽입, 효율적인 광고를 위한 카카오와 메타 픽셀 삽입 등… 또 외부 연동도 다양하게 붙이고 있습니다. 저희 자회사로 ‘온채널’이라는 상품 도매 서비스가 있어요. 여기서 바로 도매 상품 떼어다 파는 기능도 있고요. ‘코드앤버터’라고 고객 맞춤형 배너, 팝업 서비스도 연동 중입니다.

이승환: 감사합니다. 마지막으로 한마디 부탁 드립니다.

이상민: 식스샵은 이제 신제품 식스샵 프로를 통해 웹빌더를 넘어, 판매자가 자신의 브랜드, 고객, 외부 판매채널까지 통합적으로 관리할 수 있는 종합적인 플랫폼으로 성장하고 있습니다. 블록 메이커와 같은 다양한 확장성 기능으로 더 개성 있는 웹사이트 디자인을 구현하고 손쉽게 관리할 수 있고, 웹사이트 제작에 어려움을 겪는 분들을 위해 파트너와의 제휴 서비스도 제공합니다.
이제 식스샵 프로를 통해 홈페이지 제작부터 운영까지 모든 과정을 원스톱으로 해결해 보세요.

☞ 식스샵 홈페이지 바로가기