최근 AI를 활용한 신사업 발굴과 AI 스타트업에 대한 관심이 폭발적으로 증가하고 있습니다. 아예 따로 ‘AI를 접목한 신사업 개발 또는 기존 비즈니스 고도화’ 주제에 대한 워크샵이나 코칭 요청도 종종 접하게 됩니다. 그러면서 자연히 ‘초기 스타트업이나 사내벤처, 혹은 내부 임직원들이 AI를 활용해 신사업을 발굴하는데 어떤 영감을 줄 수 있을까?’ 고민하게 됐고, 이에 대해 제 스스로 공부하면서 정리한 내용을 계속 공유해보고자 합니다.
우선 AI 기술의 도입과 대중화는 기존의 스타트업 추진 방법론에 분명한 변화를 가져올 것으로 예상할 수 있습니다. 비즈니스 모델을 구성하는 주요 요소에 대해 기존과는 다른 관점과 방식으로 접근해야 함이 분명한데 이 중 하나로 제품을 바라보는 고객의 기대치, 기준이 변할 것입니다. 2010년대 초 모바일 시대가 본격화되면서 기존 PC/웹 기반 제품과는 확연히 다른 고객 행태가 일반화와 됐듯이 AI가 보편화되고 점점 대중화됨에 따라 제품에 대한 고객 기대치 또한 달라질 것임을 누구나 예상해볼 수 있습니다.
- 소셜 서비스를 가지고 예를 들면, 90년대 말 PC/웹 시대에서의 소셜 서비스는 포럼, 게시판 등 텍스트 기반 소통 중심 제품 경험이 일반적
- 2010년 이후 모바일(앱) 시대에서는 실시간 알림 및 소통, 유저간 DM, 모바일을 통해 현재 상태를 즉각 찍어서 올리고 반응을 살피는 등의 제품 경험이 일반적
그럼 문제는 ‘제품에 대한 고객의 기대치 변화를 어떻게 예측할 수 있는가?’입니다. 아직 이 질문에 대한 명확한 답이 내려진 것은 아니지만, 개인적으로 Reforge 창업자 Brian Balfour의 ‘The Expectation Reset 7 Ways AI Is Redefining Customer Expectations‘ 글에서 많은 영감을 받아 이를 기반으로 제 생각을 보태보려고 합니다.
본 글에서는 그의 인사이트를 바탕으로, AI 시대에 고객들이 제품에 대해 보편적으로 가지게 될 7가지 핵심 기대 변화를 살펴보고자 합니다. AI가 우리의 삶에 점점 더 깊숙이 스며들면서, 기업과 창업자들이 이러한 변화에 어떻게 대응해야 할지 고민해보는 계기가 되길 바랍니다.
새로운 제품에 대한 고객 멘탈 모델 이해의 중요성
대부분의 스타트업은 세상에 존재하지 않는 새로운 제품을 창조하고 고객에게 전달합니다. AI 기반 신사업 아이디어를 개발하는 조직 대부분도 결국 세상에 존재하지 않는 새로운 제품을 창조하고 이를 고객에게 전달하는 과정을 거칩니다.
세상에 없던 제품을 창조하지만 무작정 새롭게 혁신적인 것을 창조하지는 않습니다. 시대의 보편성에 너무 반하는 혁신 제품은 시장에서 수용되는데 많은 저항과 어려움을 겪기 마련입니다. 그래서 제품의 혁신성만큼이나 그 타이밍도 제품과 사업 성패에 중요한 요소로 다루고 있지요.
시대의 보편성을 보다 좁게 보면 결국 고객이 제품에 대해 인지하는 ‘제품 카테고리’ 또는 ‘과업’에 대한 도구에 대해 일반적으로 갖고 있는 ‘기대(Expectation)’일 것입니다. 또는 제품에 대한 ‘멘탈 모델(Mental Model)’이라고도 할 수 있겠습니다. 여기서 ‘멘탈 모델’은 고객이 제품이나 서비스를 인식하고 상호작용하는 기본 틀로, 기존 경험과 기대치를 반영하는 개념입니다.
사람은 특정 대상에 대해 본인이 갖고 있는 멘탈모델로 바라보고 판단하고 해석하고 접근합니다. 이때 멘탈모델과 너무 다른 경험을 하게 되면 혼란스러워 하죠. 물론 그 혼란함은 점차 제품에 대한 학습을 통해 멘탈모델과 제품 간의 갭을 점점 메워가 결국 익숙함으로 변합니다.
그래서 성공적인 혁신 제품은 목표 고객의 멘탈 모델 내에서 Aha Moment를 경험할 수 있도록 설계돼 나옵니다.
- 대부분의 스프레드시트 제품의 초기 화면이나 주요 함수가 MS Excel과 거의 동일하다
- 대부분의 소셜 네트워크 서비스는 ‘좋아요’,’댓글’,사용자 간 DM, ‘팔로우’, ‘팔로잉’ 구조를 가지고 있다
- 대부분의 SaaS 서비스는 Freemium 방식으로 과금한다
일단 우리 제품을 처음 접하는 사용자가 자신이 본래 갖고 있던 멘탈 모델을 바탕으로 제품에 쉽게 온보딩할 수 있고 계속 사용하게 만들어야 그 안에서 다른 제품과 구별되는 Aha Moment도 경험하고, 계속 제품을 사용하게 만들 수 있을 것입니다.
이런 이유로 제품을 만드는 사람은 우리 제품을 실제로 사용하는 고객이 우리 제품을 어떤 카테고리로 바라보고, 어떤 과업을 수행하는 도구로써 활용하고, 해당 제품군에 대해 어떤 니즈와 문제, 기대치를 갖고 있는지 등에 대한 멘탈 모델을 제대로 이해하는 것이 중요합니다.
AI 대중화 시대에 예상되는 고객 멘탈 모델의 7가지 변화
Brian Balfour의 ‘The Expectation Reset 7 Ways AI Is Redefining Customer Expectations’에서는 AI 기능이 앞으로 주류로 자리 잡음에 따라 고객의 기대치 진화를 7가지 방향으로 제시하고 있습니다. 제품에 대한 7가지 고객의 기대치 변화는 결국 제품에 대한 고객의 현재 멘탈 모델과 미래에 변화할 멘탈 모델로 해석할 수 있습니다.
본 글에서는 7가지 기대치의 변화를 통해 AI를 아직 본격적으로 수용하지 않은 일반 사용자들의 현재 기대치와 앞으로 어떻게 변화할 것인지를 살펴봄으로써 제품에 대한 고객 멘탈 모델이 어떤 방향으로 진화할 것인지 예측하는데 인사이트를 제공하고자 합니다.
Brian Balfour는 AI의 대중화를 통해 아래와 같은 7가지 기대치 변화가 예상된다고 합니다.
- “A Place For Me To Create(내가 작업하는 공간)” → “Do The Work For Me(나를 위해 대신 일해주는 도구)”
- “One Size, I Customize(나를 위한 맞춤화 수행)” → “Custom Made For Me(알아서 나를 위한 맞춤화)”
- “I Expect To Wait(기다릴게요)” → “I Expect It Now(당장 주세요)”
- “I’ll do the busy work(복잡하고 번거로운 업무 직접 수행)” → “The busy work is done for me(나를 위해 복잡하고 번거로운 업무 알아서 수행)”
- “I’ll Pay Per Seat(계정 수에 따라 과금)” → “I’ll Pay For Output(결과에 따른 과금)”
- “The tool has no context(나를 알지 못하는 도구)” → “The tool can see what I’m doing(내가 일하는 모습을 지켜보는 도구)”
- “I’ll Learn This Interface(UI에 대한 학습)” → “The Interface Adapts To Me(자동 UI 최적화)”
1. “A Place For Me To Create(내가 작업하는 공간)” → “Do The Work For Me(나를 위해 대신 일해주는 도구)”
AI 대중화 시대에서 예상되는 첫 번째 고객 기대치 변화는 제품(특히 생산성 제품)에 대한 고객에 일반적 인식의 변화입니다. 기존에는 생산성 제품에 대해 ‘내가 사용하는 도구’로 인식합니다.
- 노션(Notion) : 아이디어 정리, 프로젝트 관리, 협업을 한 곳에서 할 수 있는 올인원 워크스페이스
- 캔바(Canva) : 디자인 전문 지식 없이도 손쉽게 시각적 콘텐츠를 제작할 수 있는 직관적인 디자인 도구
- 엑셀(Excel) : 데이터 정리, 계산, 분석, 시각화를 한 번에 처리할 수 있는 강력한 스프레드시트 도구
AI가 일반화되는 시대에서는 도구에 AI가 일종의 동료(Teammate)처럼 포함돼 사용자가 도구를 직접 ‘사용’하는 것이 아니라 도구에 해야 할 일을 ‘지시’하는 식으로 일을 수행하게 될 것으로 예상됩니다.
- EvenUp(AI기반 변호사 및 변호사를 위한 AI 도구 서비스) : 소장 초안을 자동 생성하고 수백 시간의 이전 판례 분석 자동화 수행
- Midjourney(AI기반 이미지 생성 서비스) : 프롬프트를 통해 포토샵으로 만들었던 이미지를 생성
2. “One Size, I Customize(나를 위한 맞춤화 수행)” → “Custom Made For Me(알아서 나를 위한 맞춤화)”
현존하는 대부분의 B2B SaaS 제품은 큰 틀의 워크플로우를 수행할 수 있는 핵심 기능을 제공하지만, 사용하는 사람마다 상황이나 디테일이 상이하기 때문에 사용자가 일일이 해당 도구를 완전히 자신만을 위한 도구로 만들기 위해 맞춤화 작업을 해야 합니다.
내가 주로 쓰는 외부 제품(Google Calander, Notion 등)을 연동하고, 자주 쓰는 메뉴나 화면을 즐겨찾기 하는 식으로 나를 위한 맞춤화 과정을 마치 DIY처럼 거침으로써 범용 제품를 나를 위한 제품으로 탈바꿈합니다.
하지만 AI가 대중화되는 미래에는 제품에 삽입된 AI가 시작단계에서 개별 사용자의 니즈, 상황, 맥락, 작업 방식 등을 고려해서 개별 사용자만을 위한 ‘맞춤형 제품’을 제공합니다. 이렇게 되면 사용자는 제품을 구매 후 회원 등록 및 약간의 Input 과정을 거쳐 나에게 딱 맞는 UI 또는 UX를 제공받게 됩니다.
- Day.AI(AI 기반 CRM 솔루션) : 사용자의 고객과 고객 간 대화 등을 바탕으로 고객에게 알맞은 CRM 시스템을 생성해서 제공
- TikTok, Youtube : 콘텐츠 소비 성향에 따른 알고리즘 맞춤 콘텐츠 추천(Shorts 등)
3. “I Expect To Wait(기다릴게요)” → “I Expect It Now(당장 주세요)”
리소스가 필요한 작업은 작업 완성까지 시간이 소요됩니다. 그리고 사용자는 그 시간을 기꺼이 기다립니다. 작성한 코드에 대한 구현 테스트 및 디버깅에 몇 시간씩 소요되는 것부터 견적 문의 이후 영업일 2~3일 내 영업 담당자로부터 견적에 대한 회신을 받는 식입니다.
하지만 AI가 대중화된 시대에서는 사용자별 특성화된 문의나 요청에 대해 즉각적인 답변을 받는 것이 일반화될 것으로 예상됩니다.
- AI 챗봇 기반 CS 솔루션 : 단순 문의에 대해 즉각적인 개인화 답변 제공
4. “I’ll do the busy work(복잡하고 번거로운 업무 직접 수행)” → “The busy work is done for me(나를 위해 복잡하고 번거로운 업무 알아서 수행)”
도구로써 제품을 사용해서 가치를 만들어내기 위해서는 제품에서 요구하는 다양한 Input를 처리해야 합니다. 데이터 분석 솔루션을 활용하기 위해서는 분석해야 할 데이터를 직접 입력해야 하고, 고객 인터뷰를 기반으로 가설 검증하는 과정에서 고객 인사이트를 얻으려면 인터뷰 내용을 수기로 복기하고 분석해야 합니다.
하지만 AI 대중화 시대에서는 제품을 통한 과업 수행 전 과정에서 사용자가 수작업으로 수행해야 했던 Input 과정을 전자동화하여 과업 수행 과정에 녹아들어갈 것으로 예상됩니다.
- Tana(AI기반 워크스페이스 서비스) : 회의 내용을 자동으로 기록하고 분석해서 회의록을 작성, 각 회의 참여자별 과업으로 자동 배부
- Abridge(의사-환자 간 임상 대화를 위한 생성형 AI 서비스) : 의사와 환자와의 대화 내용을 텍스트로 변환하여 요약해서 자동으로 임상노트 제작
5. “I’ll Pay Per Seat(계정 수에 따라 과금)” → “I’ll Pay For Output(결과에 따른 과금)”
현존하는 거의 대부분의 B2B SaaS의 수익모델은 ‘정기 구독’ 모델로 통상 제품을 사용하는 사용자의 수에 비례해서 과금합니다. 기본적으로 고객으로부터 과금하는 대상은 크게 3가지입니다. 제품 한 단위 제공에 따른 과금, 사용량에 따른 과금, 그리고 결과에 따른 과금 등입니다.
이 중에서 고객 입장에서 가장 선호하는 과금 방식은 무엇일까요? 바로 제품에 대해 기대하는 결과에 따라 과금하는 것일 것입니다. 왜냐하면 고객은 기본적으로 새로운 제품에 대해 ‘내가 원하는 결과를 얻을 수 있을까?’라는 불안감이 있는데, 결과 유무에 따라 과금을 결정하게 되면 이런 종류의 불안감은 줄 수밖에 없기 때문입니다.
현존하는 비즈니스 모델 중에서 결과에 따라 과금하는 대표적인 모델은 Marketplace의 Transaction Fee입니다. 플랫폼에서 제공하는 거의 모든 기능을 무료로 사용하며, 플랫폼을 통해 확실한 결과(=거래=매출 발생)가 나타날 때만 사전에 정한 가격(주로 수수료율)을 지불하게 됩니다.
하지만 생산성 영역에서는 결과에 따른 과금 방식이 흔하지 않습니다. 왜냐하면 기업은 말 그대로 ‘도구’만 제공할 뿐 도구를 가지고 어떤 부가가치를 창출할 수 있느냐는 사용자의 재량에 따라 다르기 때문입니다.
하지만 AI가 대중화되는 시대에는 제품이 고객의 니즈와 맥락을 고려해 고객이 제품을 통해 만들고자 하는 결과에 근접한 결과물을 꾸준히 만들어낼 수 있다면, 고객이 제품을 통해 만들고자 하는 결과물에 비례해 과금하는 방식으로 변할 것으로 예상됩니다.
- EvenUp : 로펌 내 변호사 수에 따른 과금이 아닌 도구를 통해 생성한 결과물의 수에 비례해서 과금
6. “The tool has no context(나를 알지 못하는 도구)” → “The tool can see what I’m doing(내가 일하는 모습을 지켜보는 도구)”
AI가 고객에 대한 제품 경험을 개선한다는 것은 결국 고객의 데이터를 수집하고 분석한 결과를 바탕으로 개별 고객에 대해 최적의 제안을 해준다는 것을 의미합니다. 사용자가 원하는 결과를 얻으려면 그만큼 제품에 사용자에 대한 많은 정보와 데이터가 기입돼야 합니다.
요약하자면 제품이 사용자의 맥락(Context)를 깊게 이해하면 이해할 수록 사용자에게 최적의 제안이나 결과물을 제시할 수 있다는 것입니다. 하지만 현존하는 대다수의 제품은 사용자의 맥락을 충분히 파악하지 못합니다. 더 정확히 얘기하자면 AI가 사용자를 충분히 이해할 만큼의 데이터를 제공하기 힘들다는 점입니다.
하지만 미래에는 AI 도구가 실시간으로 사용자와 협업하면서 사용자가 일하는 모습을 살펴보게 된다면, 사용자는 특별한 노력없이 도구 별 특정 과업에 대한 나의 맥락을 AI에 입력하게 될 것입니다. 사용자별 맞춤 제안을 하기 위해 제품이 알아야 할 정보, 데이터가 무엇이고, 이를 어떻게 Seamless하게 충분한 양의 올바른 데이터를 확보할 수 있느냐는 AI 제품 기획의 중요 요소로 더욱 대두될 것입니다.
- Google AI Studio : 실시간 화면 공유 및 음성, 채팅을 통해 실시간 AI와 커뮤니케이션하면서 작업을 수행하는 생성형 AI 제품
7. “I’ll Learn This Interface(UI에 대한 학습)” → “The Interface Adapts To Me(자동 UI 최적화)”
새로운 제품(주로 생산성 도구)를 구매하면 매뉴얼이나 튜토리얼, 제품에 대한 강의 등을 통해 새로운 인터페이스를 숙지해야 합니다. 인터페이스를 보다 쉽고 빠르게 숙지할 수 있느냐 없느냐가 제품 온보딩 단계 이후 유지율에 큰 영향을 미치게 됩니다.
하지만 AI 대중화 시대에서는 사용자가 새로운 UI를 학습하기 위해 노력할 필요가 없습니다. 제품이 애초에 사용자에 알맞게 자신의 UI를 바꿔서 제공하는 방식이 보편화될 것으로 예상됩니다. 이렇게 되면 새로운 제품에 대한 기존 고객의 마찰(Frition)이 확연히 줄어들 것으로 예상됩니다. 대부분 혁신 제품이 고객 획득에 갖고 있는 문제 중 하나가 새로운 제품을 학습하기 위해 필요한 ‘노력'(비용, 시간, 새로운 학습 등)이 너무 과도해 고객이 인식하는 가치의 크기보다 소요되는 노력이 더 커보일 경우 고객이 아예 시도조차 하지 않는다는 점입니다.
하지만 고객들이 기본적으로 새로운 제품을 수용하는데 있어서 새로운 UI에 대한 학습이나 노력이 필요하다고 생각조차 하지 않는다면, 고객획득 전략에도 많은 변화가 나타나지 않을까 생각됩니다.
결론 : AI 제품에 대한 현재와 미래의 고객 기대치 사이에서 중심 잡기
AI 시대의 도래는 제품 개발과 비즈니스 모델 설계에 있어 기존의 고객 기대치와 멘탈 모델이 어떻게 변화할지를 명확히 인지해야 함을 시사합니다. 초기 창업자들은 AI가 고객 경험에 미치는 영향을 단순히 기능적 측면뿐 아니라, 고객이 제품을 인식하고 접근하는 전반적인 사고 구조의 변화를 통해 이해할 필요가 있습니다.
이번 글에서 살펴본 7가지 변화 포인트는 현재 시점 그리고 앞으로 미래 제품 고도화 방향성을 결정하는데 있어서 반드시 고려해야 할 핵심 요소들입니다. 이러한 요소들을 바탕으로, 창업자는 출시 시점에서 큰 마찰없이 잠재 고객에게 제품을 수용시키고, Aha Moment를 극대화할 수 있는 기획을 가능케할 것입니다.
- 고객이 직접 사용해서 결과물을 만드는 것이 아니라 고객이 요구하는 바에 따라 결과물을 대신 만들어준다
- 고객이 자신의 업무에 알맞게 세팅하는 것이 아니라 시작과 동시에 고객을 위한 단 하나의 제품으로 시작한다
- 작업 단계별 고객이 직접 수행해야 했던 번거로운 일들을 제품이 작업을 수행하는 과정에서 알아서 수행한다
- 사용자 계정 수에 비례해 과금하는 것이 아니라 제품이 만들어 낸 결과(Output)에 따라 과금한다
- 특정 작업 또는 요청에 대해 시간적 버퍼가 필요없이 즉각해서 답을 제시한다
- 도구를 사용하기 위해 사용자가 노력하는 것이 아니라 제품이 사용자의 눈높이에 맞춰 사용자 친화적 UI를 제공한다
- 제품을 사용하는 사용자에 대해 이해가 없던 제품에서 과업을 수행하는 과정에서 사용자를 실시간 모니터링하고 커뮤니케이션함으로써 맥락을 지속적으로 습득하고 스스로 개선한다
이상 AI 대중화에 따른 변화가 예상되는 고객의 멘탈 모델에 대한 글을 마무리하겠습니다.
