리테일 기업 생성형AI를 활용하여 어떻게 AI트랜스포메이션을 추진할 것인가? -리테일 기업의 생성형AI활용 전략 –

2022년 후반, 생성형 인공지능(생성형 AI)이 대중에게 알려지면서 리테일 업계의 경영진들은 이 기술이 제공하는 엄청난 가능성을 빠르게 인식했다. 이는 지난해 소매업체들의 실적 발표에서 AI가 자주 언급된 이유 중 하나다. 생성형 AI는 리테일 업계에 2,400억 달러에서 3,900억 달러의 경제적 가치를 창출할 가능성이 있으며, 이는 업계 전반에 걸쳐 마진을 1.2%에서 1.9%까지 증가시킬 수 있다. 나아가, 비생성형 AI와 분석 기술이 더해지면, 이러한 가치는 수조 달러에 이를 수 있다.

생성형 AI의 도입 현황과 과제

지난해 대부분의 리테일 업체들은 생성형 AI의 다양한 사용 사례를 시험하기 시작했다. 하지만, 이러한 실험이 활발히 이루어졌음에도 불구하고, 소수의 기업들만이 이 기술을 대규모로 도입하여 그 잠재력을 완전히 실현했다. 50명 이상의 리테일 임원을 대상으로 한 설문 조사에 따르면, 대부분은 생성형 AI와 대규모 언어 모델(LLM)을 시범적으로 운영하거나 확장 중이라고 답했지만, 실제로 이를 조직 전체에 성공적으로 적용한 경우는 거의 없었다.

리테일 업체들이 생성형 AI를 광범위하게 도입하는 데 어려움을 겪는 이유 중 하나는 기술적 역량과 인재를 포함한 조직의 구조를 다시 설계해야 하기 때문이다. 데이터 품질 문제, 개인정보 보호 우려, 자원과 전문성 부족, 그리고 높은 구현 비용 등도 생성형 AI 확산을 저해하는 주요 요인이다.

성공적인 생성형 AI 활용 전략

생성형 AI의 잠재력을 효과적으로 활용하는 리테일 업체들은 두 가지 핵심 요소에서 두각을 나타낸다. 첫째, 이들은 특정 영역에서 생성형 AI가 변화를 이끌어낼 수 있는 방법을 신중하게 고려하며, 자원을 너무 넓게 분산시키지 않는다. 둘째, 이들은 시범 단계에서 대규모 적용으로 원활하게 전환한다. 이를 위해서는 데이터 우선순위를 설정하고 기술을 잘 통합하는 것뿐만 아니라, 조직 전체에 AI를 도입하기 위한 구조적인 변화도 필요하다.

리테일 내부 가치 사슬의 혁신

리테일 업체들은 이미 생성형 AI를 활용하여 내부 가치 사슬 전반에 걸쳐 시범 운영을 시작했으며, 일부는 생성형 AI 솔루션을 확장하기 시작했다. 생성형 AI는 리더들이 리테일의 내부 운영에서 더 빠르고 더 나은 의사 결정을 할 수 있도록 돕는다. 또한, 생성형 AI는 즉각적인 효율성 향상뿐만 아니라 리테일의 의사 결정을 재정의할 수 있는 다양한 응용 프로그램을 제공한다.

생성형 AI의 구체적인 활용 사례

1. 마케팅: 아마존은 2023년 말, 광고주들이 더 나은 광고 경험을 제공할 수 있도록 돕는 AI 기반 이미지 생성 도구를 출시했다. 이 도구는 단순한 제품 사진을 더 현실감 있는 라이프스타일 이미지로 변환하여 광고 클릭률을 최대 40%까지 증가시켰다.

2. 소프트웨어 개발: ‘코파일럿’이라 불리는 생성형 AI 도구는 소프트웨어 엔지니어링 작업 시간을 최대 60%까지 단축시킬 수 있다. Mercado Libre는 이 도구를 사용하여 개발 팀의 만족도와 생산성을 향상시켰다.

3. 매장 운영: 2023년 6월, 스웨덴 리테일 업체 Lindex는 매장 직원들을 지원하는 ‘Lindex Copilot’을 출시했다. 이 도구는 매장 운영에 관한 맞춤형 조언과 정보를 제공하여 일상적인 업무를 돕는다.

위의 사례들은 생성형 AI가 일상적인 작업을 간소화하는 데 어떻게 도움을 줄 수 있는지를 보여준다. 또한, 생성형 AI는 자동으로 주요 성과 인사이트와 제안된 조치를 생성함으로써 리테일 업체들이 더 빠르고 정확한 의사 결정을 내릴 수 있도록 돕는다.

고객 경험의 혁신

오늘날 대부분의 리테일 업체들은 고객 여정의 일부 단계에서만 고객과 상호작용하고 있다. 그러나 생성형 AI는 리테일 업체들이 고객과의 상호작용을 더 깊이 하고, 고객 경험을 혁신할 수 있는 가능성을 제공한다.

1. 생성형 AI 기반 챗봇: 생성형 AI 챗봇은 리테일 업체들이 고객과 더욱 긴밀하게 소통할 수 있는 주요 도구다. 고객은 이 챗봇을 통해 제품 추천을 받거나, 제품이나 리테일 업체에 대한 정보를 얻거나, 쇼핑 카트에 항목을 추가하거나 제거할 수 있다. 특히, 많은 소비자들이 제품 구매를 결정하기 전에 챗봇을 사용하게 되므로, 리테일 업체는 고객 여정의 초기 단계에서 고객과 소통할 수 있다.

2. 스마트 검색 기능: 챗봇에 투자할 준비가 되지 않은 리테일 업체는 대신 스마트 검색 기능을 도입할 수 있다. 이 기능은 고객이 질문을 통해 추천 제품 목록을 받을 수 있도록 하며, 기존의 검색 알고리즘보다 더 정교하게 고객의 의도를 파악할 수 있다.

생성형 AI 도입 및 확장 전략

생성형 AI는 이제 더 이상 새로운 기술이 아니다. 기업들은 이 기술을 어떻게 효과적으로 도입하고 확장할 수 있을지 고민하고 있으며, 이를 통해 경쟁에서 우위를 점하려고 한다. 리테일 임원들은 생성형 AI 도구를 확장하기 위해 다음 다섯 가지 전략을 고려할 수 있다.

리테일 임원들이 생성형 AI 도구를 효과적으로 확장하기 위해서는 단순히 기술적 도입을 넘어 조직 전반의 변화를 주도하고, 전략적으로 접근해야 한다. 이를 위해 다음과 같은 다섯 가지 구체적인 전략을 고려할 수 있다.

1. 도메인별 변화 필요성 확인 및 우선순위 설정: 리테일 임원들은 먼저 회사 내 각 부문에서 변화가 필요한 영역을 식별해야 한다. 이를 위해 고객 경험, 마케팅, 물류, 매장 운영 등 다양한 분야에서 생성형 AI가 어떻게 긍정적인 변화를 이끌어낼 수 있는지를 분석하고, 각 부문의 중요도에 따라 우선순위를 설정해야 한다. 예를 들어, 고객 경험을 우선시하는 기업은 생성형 AI를 통해 고객 맞춤형 서비스와 상담을 강화할 수 있는 챗봇 도입에 집중할 수 있다.

2. 인재 역량 강화와 조직 내 교육 프로그램 도입: 생성형 AI의 성공적인 확장을 위해서는 기술적 역량을 갖춘 인재들이 필요하다. 이를 위해 리테일 임원들은 조직 내 교육 프로그램을 도입하여 직원들이 생성형 AI 관련 기술과 데이터 분석 능력을 향상시킬 수 있도록 해야 한다. 이러한 교육은 기술 인력뿐만 아니라 비기술적 인력에게도 제공되어야 하며, AI 도입의 혜택과 운영 방식을 이해하도록 도와야 한다. 또한, 외부 전문가와의 협업을 통해 조직 내 지식을 확장하는 것도 좋은 전략이다.

3. 중앙 집중형 크로스 기능 팀 구성 및 리더십 강화: 생성형 AI를 조직 전반에 확장하려면, 각 부문을 아우르는 중앙 집중형 크로스 기능 팀을 구성해야 한다. 이 팀은 기술, 마케팅, 운영, 고객 서비스 등 다양한 부서의 리더들로 구성되어야 하며, 조직 내에서 생성형 AI의 도입과 확장을 주도하는 역할을 맡는다. 이 팀은 공유된 목표를 설정하고, 각 부서 간의 협력을 촉진하며, 조직의 전략과 일관되게 AI 도입을 추진해야 한다. 이를 통해 생성형 AI 도입 과정에서 발생할 수 있는 부서 간의 갈등을 줄이고, 일관된 방향으로 기술을 확장할 수 있다.

4. 확장 가능한 기술 구조 구축 및 유연한 벤더 선택: 리테일 임원들은 생성형 AI를 도입할 때, 기술 인프라가 확장 가능하도록 설계해야 한다. 이는 단순히 현재의 필요를 충족하는 것에 그치지 않고, 미래의 성장과 변화를 염두에 둔 기술 구조를 구축하는 것을 의미한다. 또한, 다양한 생성형 AI 벤더를 실험해보고, 가장 적합한 벤더를 선택하여 유연하게 기술을 적용할 수 있도록 해야 한다. 이를 통해 새로운 기술이 등장하거나 필요에 따라 벤더를 교체해야 할 때에도 신속하게 대응할 수 있는 유연성을 확보할 수 있다.

5. 데이터 품질 관리 및 분석 인사이트 확보: 생성형 AI의 성과는 데이터 품질에 크게 좌우된다. 리테일 임원들은 조직 내에서 생성되는 비정형 데이터를 효과적으로 관리하고, 이를 통해 고품질의 인사이트를 도출할 수 있도록 해야 한다. 이를 위해 데이터 수집, 정제, 분석의 전 과정을 체계적으로 관리하는 데이터 관리 체계를 구축해야 하며, 필요에 따라 메타데이터 태깅 표준을 설정하여 데이터의 활용도를 높여야 한다. 또한, AI 모델이 학습할 수 있는 고유한 데이터셋을 개발하여 경쟁력을 확보할 수 있다.

생성형 AI는 리테일 업계에 혁신적인 기회를 제공하며, 이를 효과적으로 도입한 기업들은 경쟁 우위를 차지할 것이다. 그러나 성공적인 도입과 확장을 위해서는 기술적 통합, 조직적 변화, 데이터 품질 확보 등의 다양한 요소들이 필요하다. 리테일 기업들이 이러한 요소들을 잘 관리하고 생성형 AI의 잠재력을 최대한 활용한다면, 향후 시장에서 큰 성과를 거둘 수 있을 것이다.

관련참고기사:LLM to ROI: How to scale gen AI in retail