먼저, 글쓴이 한명주 상무는 어도비 코리아 ACS(Adobe Customer Service)  컨설팅팀에서 비즈니스 컨설턴트로 일하고 있다. 또 Facebook '데이터 읽어주는 여자' , 블로그 'The tales of Digital' 운영자이기도 하다.

어도비 코리아 ACS(Adobe Customer Service)  컨설팅팀 한명주 상무
어도비 코리아 ACS(Adobe Customer Service) 컨설팅팀 한명주 상무

인공지능(AI)라는 단어가 특히 우리나라에서는 4차 산업혁명의 트렌드를 타고, 이제 여기저기 언급이 안되는 곳이 없습니다. 뭔지는 모르겠지만 왠지 이 단어를 사용하지 않으면 뒤처지는 것 같다는 불안감 같은 것도 있는 것 같습니다.

이 대목에서 간단하게 요즘 비즈니스에서 말하고 있는 AI에 대해 간략하게 정리하고 넘어가 볼까 합니다.

요즘 가장 핫한 데이터 과학(Data Science) 분야에서, AI는 꽤 큰 비중으로 다루어지는 주제 중 하나입니다. 이 가운데 머신러닝(Machine Learning)은 대량의 데이터를 머신을 통해 훈련을 시켜 의사결정을 하는 방법을 말하며, 소프트웨어 분야에서 알고리즘 기반의 자동화를 얘기할 때 흔히 언급되는 기술입니다.

딥러닝(Deep Learning)은 그 중 특히, 사람의 두뇌가 문제를 해결하는 것과 같은 구조 즉, 신경망 컴퓨팅을 이용하여 AI를 구현하고 있습니다.

사실 요즘에 나온 개념같이 보이지만, 제가 20여년전 컴퓨터공학을 공부하던 학부시절에 이미 이 모든 학문적인 이론들을 배운 적이 있으니, 다만 이것이 구현되어 실제 비즈니스 환경에 접목이 되는 시대가 이제야 온 것이라고 할 수 있겠습니다.

이 모든 것이 가능해진 것에는 방대한 양의 데이터가 실시간으로 수집되고, 가공되어, 개인화될 수 있는 플랫폼들의 발전이 그 기반에 있습니다.

이미 많은 분들이 공감하고 계시겠지만, 이 모든 AI 의 꿈이 실제로 실현이 되기 위해서는 질 좋은 데이터의 수집이 먼저 선행되어야 가능합니다. 어느날 갑자기 AI가 알아서 내가 궁금해 하는 질문에 척척 대답을 해주는 영화 같은 이야기는, 영화에서나 가능한 이야기라고 먼저 말씀드립니다.

어도비 제품의 모든 지능형 기능 및 서비스의 기저에는 ‘어도비 센세이(Adobe Sensei)’라고 불리는 어도비의 인공지능 및 머신러닝 프레임워크가 있고, 각 기능이나 용도에 따라 머신러닝이나 딥러닝에 의해 구현되고 있습니다.

솔루션을 활용하는 고객이라면 어떤 기술에 의해 구현되었는지를 이해하는 것보다, 이러한 기술로 구현된 솔루션이 실제 비즈니스에서 어떠한 유의미한 성과를 가져올 수 있을 지를 고민하는 것이 중요합니다.

최근 고무적이라고 보이는 부분은, 변화에 대해 다소 보수적이라고 인식하고 있었던 금융계열의 회사들 사이에서 디지털 분야의 파괴적 변혁이 더 많이 일어나고 있다는 것입니다. 금융 분야의 AI에 대한 관심도 예외는 아닙니다. ‘2019 디지털 트렌드: 금융산업 중심 보고서’에 따르면, 설문에 참가한 금융권 회사의 70%가 이미 AI 나 머신러닝을 도입했거나 계획이 있다고 대답했습니다.

여기에서 도입 범위는 front end 또는 backend의 여러 오퍼레이션에서 활용되는 AI를 포괄적으로 의미합니다.

Adobe Sensei 는 다양한 채널을 이용하는 고객이 늘어남에 따라 모든 채널에 신속하게 콘텐츠를 제공해야 할 필요성이 높아지고 있다. Adobe Creative Cloud를 통해 제공되는 AI 기반의 Adobe Sensei를 활용하면 원하는 이미지를 찾거나 완벽한 합성 사진을 만들고, 비디오 전환을 편집하는 등 작업의 구상부터 완성까지 신속하게 진행할 수 있다.
Adobe Sensei는 다양한 채널을 이용하는 고객이 늘어남에 따라 모든 채널에 신속하게 콘텐츠를 제공해야 할 필요성이 높아지고 있다. Adobe Creative Cloud를 통해 제공되는 AI 기반의 Adobe Sensei를 활용하면 원하는 이미지를 찾거나 완벽한 합성 사진을 만들고, 비디오 전환을 편집하는 등 작업의 구상부터 완성까지 신속하게 진행할 수 있다.

금융권에서 AI를 사용하는 부분은 매우 방대하여 마케팅, 트레이딩, 리스크 관리, 고객 지원 등 거의 모든 비즈니스 분야에서 활용이 됩니다. 고객 응대를 위해서 사용되는 챗봇도 그 중 하나이고, AI의 학습능력을 활용하여 인간이 아닌 침입자를 식별하며, 신종 사기를 더 빠르고 안정적으로 찾아내도록 하는 것도 그 한 분야입니다.

기존의 패스워드나 인증서등을 대체하고 있는 목소리나 안면 인식과 같은 생체 인증도 AI의 한 분야입니다.

특히, 어도비가 관심을 가지고 고객을 지원하는 분야는 마케팅인데, 비즈니스적인 관점에서는 인바운드 고객 관리 및 콘텐츠 큐레이션, 이를 통한 개인화의 실현으로 요약할 수 있습니다. AI는 기업이 자사 채널로 들어오는 고객을 관리하는데 가히 혁명적인 변화를 가져왔습니다. 이메일 캠페인으로 한 고객이 유입되었다고 가정해 보겠습니다.

기업은 이 고객의 과거 웹사이트 방문 이력이나 콜센터와 소통했던 내용을 바탕으로 그들에게 가장 필요하다고 판단되는 서비스 및 상품을 큐레이션하고 추천하는 모델을 설계할 수 있습니다.

이것은 현재 마케팅 분야에서 가장 핫한 개인화와 연결되는데, 모든 방문자에게 일반적이고 동일한 경험을 제공하는 것이 아닌, 그들에게 최적화된 개인화 경험을 AI를 통해 제공한다는 것을 의미합니다.

예를 들어, 30대 여성에게 특정 적금 상품을 제안하겠다는 간단한 규칙이라면 AI의 쓸모는 미미할 것 같습니다만, 사실 그 특정한 적금 상품이 정말 30대 여성한테만 소구할 지는 누구도 모른다는 것입니다. 인간의 능력으로 제어하기 어려운 수많은 변수들이 고려가 되어야하는 비즈니스 환경에서 AI가 그 능력을 발휘하게 되는 이유입니다.

Adobe Target으로 언제든지 디지털 경험 테스트 및 최적화 할 수 있다. A/B 테스트 및 다변량 테스트, 개인화, 대규모 AI 기반의 자동화를 지원한다.
Adobe Target으로 언제든지 디지털 경험 테스트 및 최적화 할 수 있다. A/B 테스트 및 다변량 테스트, 개인화, 대규모 AI 기반의 자동화를 지원한다.

구체적으로 어도비 솔루션 가운데 어도비 타깃(Adobe Target)은 대표적인 인바운드 채널인 웹 및 앱의 개인화 경험을 구현하는 제품입니다. 개인화 경험을 위해 어도비 타깃은 비즈니스에서 가정한 시나리오가 정말 의미가 있는지 테스트하는 기능과, 그 테스트의 결과를 분석하여 최적의 제안을 고객이 경험하도록 하는 타깃팅 기능을 모두 가지고 있습니다.

이 중 오늘은 어도비 센세이를 활용한 어도비 타깃만의 차별화된 ‘Auto Allocate(자동 할당)’ 기능을 소개하겠습니다.

일반적으로 사이트에서 어떤 콘텐츠가 더 성과가 좋은가를 테스트하는 방법 중 가장 많이 사용되는 것이 A/B 테스트입니다. A와 B 중 어떤 것이 더 나은 성과를 보이는지를 테스트하는 것인데 그 후보군은 여러 개가 될 수도 있습니다. 간단하게 A는 원래 제공하는 콘텐츠이고, B,C,D는 조금 변형을 준 후보 컨텐츠라고 가정하겠습니다.

특정 페이지에 유입된 트래픽을 100% 로 놓고 25% 씩 트래픽을 나누어, 100% 가운데 어떤 25% 는 A를, 어떤 25%는 B 를 보도록 설계하는 것입니다. 필요에 따라 A에 40%를 나머지 B, C, D에 20% 씩 트래픽을 분산, 조절할 수도 있습니다.

이제, 앞서 언급한 ‘Auto Allocate’을 옵션으로 선택하면, 처음에는 각 25% 씩 임의로 트래픽을 할당하지만, 테스트를 거듭하며 어도비 센세이가 실제 방문자의 반응을 학습하여 효과가 좋은 즉, 전환율이 높은 콘텐츠에 더 많은 트래픽을 자동 할당하게 됩니다. 이렇게 함으로써 트래픽을 균등히 배분했을 때보다 성과가 좋은 컨텐츠를 많이 노출하게 되므로 전체 성과는 더 높게 나타납니다.

아래의 예를 보면, 트래픽을 균등하게 배분한 A/B 테스트의 결과를 보면, A와 비교했을때 B는 – $50,000, C 는 +$100,000의 매출 증감이 발생한 것을 알 수 있습니다. 결과적으로 A안만 노출했을 때 보다 $50,000 의 추가 매출이 예상됩니다.

이제 동일한 시나리오에서 ‘Auto Allocate’를 실행해 보겠습니다. 아래와 같이 가장 성과가 좋은 C에 트래픽을 집중함에 따라 A는 -$420,000 B는 -$435,000 그리고 C는 +$108,000의 매출 증감이 일어나며 결국 전체적으로 $225,000 의 매출 증가를 기대할 수 있습니다.

이것을 가능하게 하는 방법은 어도비 타깃에서 ‘Auto-Allocate to best experience’ 옵션을 선택하면 됩니다.

너무 간단해서 놀라셨나요? 어떤 툴을 작동시키는 것은 어찌보면 가장 간단한 부분입니다. 그 전에 이 엄청난 기능이 간단하게 한번의 클릭으로 제대로 된 결과를 내기 위해서 준비하고 고민할 부분이 사실 더 많습니다. 여러분이 AI를 통해 얻고자 하는 비전은 무엇인가요? 그 쓸모에 대한 물음이 가장 첫번째입니다. 이 물음에 대한 준비가 되신 여러분, 이제 여러분이 제공할 고객 경험의 결은 달라질 것입니다.

저작권자 © 인공지능신문 무단전재 및 재배포 금지