디지털 투자의 2/3가 실패? 기술 중심 vs. 고객 중심, AI 혁신의 진짜 길은?

맥킨지(McKinsey) 연구에 따르면, 수년간의 디지털화 노력에도 불구하고 많은 조직이 디지털 투자에서 기대했던 가치의 3분의 1도 채 얻지 못하고 있다고 합니다. 충격적이지 않습니까? 막대한 자본과 인력을 쏟아부었지만, 정작 그 성과는 초라하다는 이야기입니다. 대체 무엇이 문제였을까요? 그 이유는 대다수의 대기업들이 기술적 역량에서 출발하여 그 위에 애플리케이션을 덧붙이는 방식, 즉 ‘기술 중심’ 접근 방식을 택했기 때문입니다. 고객의 니즈에서 시작하여 기술 솔루션으로 역추적하는 대신, 그저 ‘우리가 가진 기술로 뭘 할 수 있을까?‘에만 몰두했다는 거죠. 이러한 방식은 결국 단편적인 솔루션, 파편화된 고객 경험, 그리고 궁극적으로는 실패한 디지털 전환이라는 뼈아픈 결과로 이어졌습니다.

왜 우리의 디지털 투자는 기대에 미치지 못하는가?

디지털 혁신을 외치며 수많은 기업이 클라우드 전환, 빅데이터 플랫폼 구축, 최신 소프트웨어 도입에 막대한 투자를 감행했습니다. 하지만 상당수가 이 과정에서 고객이 실제로 무엇을 필요로 하는지, 어떤 문제에 직면해 있는지에 대한 깊이 있는 고민을 간과했습니다. 그저 ‘첨단 기술이니까’ 혹은 ‘경쟁사가 하니까’라는 이유로 기술을 도입하고, 기존 업무 프로세스에 기술을 억지로 끼워 맞추려 했습니다.

솔직히 말해서, 이런 접근 방식은 기술이 주도하는 것이 아니라 기술에 끌려가는 형태에 가깝습니다. 고객의 실제 Pain Point를 해결하기 위한 명확한 목적 없이, 특정 기술 스택이나 솔루션의 기능에 맞춰 제품과 서비스를 개발하다 보니 결과물은 고객의 기대와 동떨어질 수밖에 없습니다. 예를 들어, 최신 AI 챗봇을 도입했지만 고객의 복잡한 질문에는 제대로 답하지 못하고 기본적인 정보만 제공하는 수준에 머무른다거나, 사용자 인터페이스는 화려하지만 정작 중요한 기능은 불편하고 복잡한 경우가 비일비재합니다. 이러한 단절된 경험은 고객 만족도를 떨어뜨리고, 결과적으로 기업이 디지털 투자로 얻으려 했던 장기적인 가치, 즉 고객 충성도 향상이나 신규 수익 창출로 이어지지 못하게 만듭니다. 결국, 기술은 훌륭했지만 그것이 해결하고자 하는 문제가 명확하지 않았기에 실패한 혁신이 되는 셈입니다. 이 부분에서 주목할 점은, 기술 자체의 문제가 아니라 기술을 바라보고 활용하는 관점의 부재가 더 큰 문제라는 것입니다.

게임의 판도를 바꾸는 ‘고객-백 엔지니어링’의 힘

하지만 AI 시대에 압도적인 성과를 내는 조직들은 이러한 스크립트를 완전히 뒤집습니다. 이들은 ‘고객-백 엔지니어링(customer-back engineering)‘이라는 사고방식을 채택하며, 기술 전환의 심장부에 고객을 놓습니다. 이 전략은 제품과 서비스 개발 초기부터 고객 경험, 즉 고객의 도전 과제, 니즈, 기대를 최우선으로 고려하는 것을 의미합니다. 그리고 나서 제품 개발 팀은 이러한 바람직한 경험을 달성하기 위해 필요한 단계를 민첩하고 기민하게 역추적하여 솔루션을 설계하고 구축합니다.

캐피탈 원(Capital One)의 비즈니스 카드 및 결제 기술 담당 상무인 아쉬시 아그라왈(Ashish Agrawal)은 “엔지니어들을 고객에게 더 가까이 다가가게 하면 훨씬 더 많은 ‘측면 혁신(sideways innovation)‘을 얻을 수 있습니다”라고 말합니다. 그는 “이는 엔지니어들이 영업이나 제품 관점과는 다른 차원에서 문제에 접근할 수 있기 때문에 승수 효과를 낳습니다”라고 덧붙입니다.

엔지니어는 본질적으로 문제 해결사입니다. 이들이 고객이 겪는 어려움이나 실제 제품과 서비스를 어떻게 사용하는지에 대해 직접 들을 때, 회사 내 다른 많은 팀보다 시스템과 데이터에 더 가까이 있기 때문에 고객의 니즈를 효율적으로 해결할 방법을 고안할 수 있습니다. 고객 중심 문화를 육성하는 것은 엔지니어들에게 동기 부여 효과도 줍니다. 자신이 만들어낸 핵심 변경 사항이나 추가하는 기능이 고객의 삶에 직접적인 영향을 미치는 것을 실제로 보게 될 때, 그들은 더욱 열정적으로 일하게 됩니다.

Capital One은 이러한 원칙을 실현하기 위해 명확한 목표를 세웠습니다. 아그라왈은 자신의 조직에 속한 모든 엔지니어가 연간 다양한 형태로 고객과의 여러 접점을 만들도록 했습니다. 이는 단순히 한두 번의 만남을 넘어, 지속적인 피드백 루프를 형성하기 위함입니다. 구체적인 접점의 형태는 다음과 같습니다.

• 고객과 직접적인 대화 참여: 고객 서비스 콜을 경청하거나, 포커스 그룹에 참여하여 생생한 목소리를 듣습니다.
• 제품 사용 테스트 및 피드백 수집: 개발 중인 제품을 고객의 입장에서 직접 사용해보고 불편한 점을 파악합니다.
• 고객 여정 분석 워크숍 참여: 고객이 제품이나 서비스를 이용하는 전체 과정을 시뮬레이션하고 개선점을 찾습니다.
• 영업 및 서비스 팀과의 정기적인 교류: 고객 접점에 있는 팀으로부터 고객 인사이트를 공유받습니다.

아그라왈은 “대기업 엔지니어들이 직면하는 가장 큰 도전은 고객에 대한 직접적인 접근성 부족입니다”라고 지적합니다. 이는 기술 전문가들이 고객과 협력하여 문제를 식별하고 혁신적인 솔루션을 개발하는 것을 더 어렵게 만듭니다. 하지만 AI는 이러한 도전 과제와 기회를 동시에 가속화했습니다. 제품 출시 주기가 현저히 빨라졌죠. 다행히도 엔지니어들은 AI에 데이터를 공급하는 데 더 가까이 있기 때문에, AI 기반 데이터 기술을 통해 고객 문제를 훨씬 더 빠르게 해결할 수 있습니다.

예를 들어, 고객 서비스 분야에서 에이전트 AI(Agentic AI)는 대화를 즉시 요약하고 고객 상담원에게 고객의 원래 요청과 남은 조치 사항에 대한 맥락을 제공할 수 있습니다. 에이전트 AI는 또한 상호 작용에 대해 날카로운 후속 질문을 던지도록 활성화될 수 있는데, 이는 그렇지 않았다면 사람이 전체 스레드를 읽는 데 시간이 걸렸을 일입니다. 아그라왈은 “고품질 데이터가 많지 않은 생태계에서는 해결책을 찾기가 훨씬 더 어려웠을 것입니다. 하지만 풍부한 데이터 생태계와 에이전트 도구를 결합하면, 점진적인 개선에서 고속 변환으로 나아갈 수 있습니다”라고 강조합니다.

캐피탈 원은 고객 인사이트를 활용하여 최첨단 다중 에이전트 AI 프레임워크인 ‘챗 컨시어지(Chat Concierge)‘를 구축했습니다. 이는 자동차 구매자와 딜러를 위한 고객 경험을 향상시키기 위함인데요. 챗 컨시어지는 단일 대화 내에서 차량을 비교하여 구매자가 최적의 선택을 하도록 돕고, 시승이나 영업 사원과의 약속을 잡는 등의 작업을 수행할 수 있습니다. 자동차 구매자는 참여 딜러 웹사이트를 통해 챗 컨시어지와 직접 소통할 수 있으며, 딜러는 Navigator 플랫폼을 통해 채팅에 접근하고 제어권을 가져갈 수 있습니다. 이 AI 비서는 인간의 추론을 모방하기 위해 함께 작동하는 여러 논리적 에이전트로 구성되어, 고객 요청에 따라 정보를 제공하고 조치를 취할 수 있습니다.

에이전트 AI의 현재와 미래: 성공을 위한 필수 전략

최근 MIT Technology Review Insights 설문조사에 따르면, 응답한 리더의 70%가 자사의 에이전트 AI를 어느 정도 활용하고 있다고 답했습니다. 임원의 약 절반은 에이전트 AI 시스템이 사기 탐지(56%) 및 보안(51%) 개선, 비용 절감 및 효율성 증대(41%), 그리고 **고객 경험 개선(41%)**에 매우 유능하다고 말합니다.

미래를 내다보면 이러한 결과 달성은 더욱 가능성이 높아 보입니다. 설문조사에 참여한 은행 임원 절반 이상이 사기 탐지(75%), 보안(64%), 그리고 **고객 경험(51%)**을 지속적으로 개선할 것으로 예상한다고 밝혔습니다. 금융 서비스에서 고객 경험을 혁신할 강력한 잠재력을 보여주는 에이전트 AI 사용 사례에는 고객 서비스 요청에 대한 응답, 정기 급여에 맞춰 청구서 결제 조정, 금융 계약에서 핵심 약관 추출 등이 포함됩니다.

여기서 주목할 점은, 고객을 전환의 중심에 두는 것은 단순히 AI를 도입하는 것을 넘어 ‘AI 우선’ 사고방식을 요구한다는 것입니다. 기업은 기존 제품을 단순히 **증강(augmenting)**하는 것에서 벗어나, AI의 역량을 통해 문제와 사용자의 니즈를 **근본적으로 재구상(reimagining)**해야 합니다. 개인적으로는 이 지점에서 많은 기업이 여전히 시행착오를 겪고 있다고 생각합니다. AI 기술 자체에 매몰되어 ‘어떻게 활용할까?‘가 아닌, ‘이 기술로 고객의 어떤 문제를 완전히 새롭게 정의하고 해결할 수 있을까?‘라는 질문을 던져야 한다는 거죠.

아그라왈이 추천하는 몇 가지 모범 사례는 다음과 같습니다.

• 사용자의 문제를 해결하기 위한 AI의 핵심 기능을 재구상하세요: 아그라왈은 “진정한 가치는 AI 과대광고를 쫓는 것이 아니라, 의미 있는 고객 문제를 해결하는 데 있습니다. 영향력에 집중함으로써 우리의 혁신이 단순히 빠르기만 한 것이 아니라 변혁적임을 보장합니다”라고 말합니다.
• 고품질의 잘 관리된 데이터를 기반으로 시작하세요: 데이터 준비 상태와 품질은 AI 솔루션의 성공에 필수적입니다. 쓰레기를 넣으면 쓰레기가 나온다는 ‘Garbage In, Garbage Out’의 원칙은 AI 시대에 더욱 강력하게 적용됩니다.

결론적으로, 디지털 투자에서 기대 이상의 가치를 얻고 AI 시대의 진정한 혁신을 이끌어내기 위해서는 더 이상 기술 중심의 접근 방식으로는 안 됩니다. 고객의 문제를 최우선으로 생각하고, 엔지니어들을 고객의 현실에 더 가까이 다가가게 하며, 에이전트 AI와 같은 강력한 도구를 활용하여 그들의 니즈를 재구상하고 해결하는 고객-백 엔지니어링만이 성공의 길임을 명심해야 합니다. 이 원칙을 지킬 때, 우리의 투자는 단순히 돈을 쓰는 행위를 넘어 진정한 가치를 창출하는 혁신으로 거듭날 수 있을 것입니다.

---

출처

• 원문 제목: Fostering breakthrough AI innovation through customer-back engineering
• 출처: MIT Technology Review
• 원문 기사 보러가기