참세상

미국의 햄버거 브랜드 웬디스는 드라이브 스루 고객 주문 담당을 AI 봇인 Wendy's FreshAI로 교체했다. 미국에서는 바이럴 동영상이 돌면서 많은 이들이 관련 동영상을 보았다. AI 봇이 주문받은 과정을 찍은 동영상 대부분은 고객이 시스템의 빠르고 정확하며 친절한 서비스에 놀라워하는 모습을 보여준다.

이 시스템과 비슷한 기술들은 아직 초기 단계이며 일부는 여전히 인간의 도움을 많이 받고 있지만, 많은 소매업체가 인간 직원을 대체하기 위해 AI에 큰 투자를 하고 있다.

자동화에 속도를 내는 이유는 인건비 절감뿐만 아니라, 실제로 많은 업무에서 인공지능이 인간을 직접 대체하고 있기 때문이다. 그러나 소매업계에 구조조정의 큰 변화를 가져오는 또 다른 요인은 바로 데이터이다. 21세기 비즈니스에서 데이터는 숨겨진 생명줄과 같은 역할을 하며, 이를 통해 기업들은 더욱 효율적으로 운영할 수 있다.

초인적인 데이터 수집기

소매업체 직원들은 일반적으로 비즈니스에 많은 데이터를 제공하지 않는다. 대신에 데이터 흐름이 직원을 개인적으로 발전시키고, 우리가 경험 또는 전문 지식이라 인식하는 것을 형성한다. 이는 기업들이 전통적으로 직원을 장기간 고용하려는 이유 중 하나다.

반면 소매업체의 AI 봇은 데이터 수집을 완전히 자동화하여 비즈니스 운영을 혁신한다. 봇은 기업의 광범위한 컴퓨터 시스템의 일부로, 모든 고객 상호작용의 세부 사항을 즉시 데이터베이스로 전송할 수 있다. 데이터 수집에는 고객과의 첫인사부터 목소리의 크기, 어조, 속도, 고객 질문에 대한 반응, 심지어 달러와 센트의 계산 결과까지 각 고객 상호작용의 전체적인 '자극'이 포함될 수 있다.

@terrenceconcannon Ai drive through is buzzing. Am I in the furture? @Wendy’s #onlyintampa #tampasbuzzing #tampa ♬ original sound - Tampa Terrence

웬디스 드라이브 스루 AI 주문 틱톡 동영상

기업의 윤리적 입장에 따라 AI 봇은 고객의 대화뿐만 아니라 성별, 나이, 체형, 키, 문신 유무 등 다양한 '메타 팩트'를 수집하도록 설계될 수 있다. 비디오 및 오디오 녹화가 보편화되었기 때문에, 나중에 AI가 분석할 수 있도록 이러한 상호작용에 대한 모든 정보를 캡처하는 것이 기술적으로 가능하다.

과거에는 직원들이 데이터를 전문 지식으로 소유하고 있어 더 많은 보상을 요구할 수 있었다. AI 봇이 사용됨으로써 그들이 관리하던 모든 데이터가 이제는 기업의 전자 금고로 직접 들어갈 수 있게 되었다.

하지만 AI 봇의 비즈니스 사례를 더욱 매력적으로 만드는 것은 단순히 데이터를 수집하는 것을 넘어서, 이 데이터를 활용하여 실시간으로 고객 프로파일을 업데이트하는 루프를 완성하고 실행할 수 있다는 점이다.

역동적인 '터치포인트' 크리에이터

소매업체들은 고객의 인식과 결정에 영향을 미치는 중요한 접점인 '터치포인트'에 많은 관심을 기울인다. 과거에는 효과적인 접점을 제공하기 위해 직원들을 선발하고 교육하는 데 중점을 두었다. 예를 들어, 패스트푸드점에서 근무하는 화려한 유니폼을 입은 10대 청소년들은 특정한 이미지와 분위기를 연출한다. 또한 "감자튀김 드릴까요?"와 같은 그들이 사용하는 스크립트와 프롬프트는 매뉴얼에서 직접 가져온 것으로, 고객 경험을 일관되게 유지하도록 설계되었다.

웬디스의 CEO, 구글과의 인공지능 드라이브 스루 파트너십에 관한 대화

하지만 인간 직원은 과거 수백만 건의 고객 상호작용을 모델링하거나 눈앞에 있는 고객과 비교하여 이를 평가할 수 없다.

하지만 소매업체가 쓰는 봇은 가능하다. 이 봇은 실시간 '데이터 루프'를 완성할 수 있다.

이는 리테일 봇이 기가바이트에 달하는 방대한 과거 데이터를 활용해 현재 고객을 분석하고, 상황에 맞게 대응을 조정한 뒤, 그 상호작용을 데이터로 수집하여 향후 서비스를 개선하는 과정을 의미한다. 이 과정은 몇 초 뒤에 지구 반대편의 동일 매장에서 비슷한 고객에게도 적용될 수 있다.

기업들은 AI에 문제 해결을 맡긴다

완전한 디지털화가 오늘날 비즈니스의 필수 요소가 되면서, 이러한 모든 데이터 루프는 사람의 일자리를 희생하며 구축되고 있다.

왜냐하면, 원활한 데이터 흐름을 기반으로 운영되는 비즈니스는 방정식과 같기 때문이다. 비즈니스가 방정식이라면, 최신 AI를 활용해 리테일 봇을 지속적으로 조정하고 다양한 방법을 동원해 수익을 극대화할 수 있다.

"어떻게 하면 더 많은 수익을 올릴 수 있을까?"라는 본질적인 질문에 대해 AI가 제공하는 답변은 매우 세분화할 수 있다. 예를 들어, AI는 리테일 봇의 데이터를 기반으로 언젠가 갈색 눈을 가진 과체중 고객에게 "더 필요하신 것 있으세요?"라고 묻기 전에 0.3초간 일시 정지할 것을 제안하고 테스트할 수 있다. 이러한 미세한 조정이 왜 수익 증가로 이어지는지 명확히 이해되지 않을 수 있지만, AI는 이런 방식으로 더 효과적인 고객 상호작용을 설계할 수 있다.

이로 인해 고객은 이상한 상황에 처한 것처럼 느끼게 된다.

데이터 루프는 고객의 마음을 읽는 것이 아니라 예측하는 것처럼 느껴질 정도로 민첩한 비즈니스 환경을 만들어내기 때문이다. 이게 과장된 이야기로 들리는가? 알고리즘의 선구자로서 구글, 유튜브, 아마존, 페이스북, 틱톡과 같은 대기업에서 오랜 시간을 보낸 이들은 이미 이 방법의 효과를 잘 알고 있을 것이다. 실제로 소매업체들은 AI를 활용하여 시장에서 경쟁 우위를 점하고자 한다.

최근 웬디스는 AI 드라이브 스루에서 얻은 데이터를 바탕으로 우버처럼 '동적 가격 책정(dynamic pricing)'을 고려하고 있다는 보도를 부인해야 했다.

그렇다면 인공지능은 어떤 소매업 일자리를 먼저 차지할까?

이 복잡한 질문에 대한 간단한 답은 없다. 하지만 한 가지 원칙은 제시할 수 있다.

AI는 데이터를 기반으로 작동한다. 업무가 많은 데이터를 필요로 하지만 현재 데이터가 제대로 캡처되지 않거나(예를 들어, 대량의 트래픽을 처리하는 드라이브 스루 직원), 제공하는 서비스 방식에 대한 정보가 충분하지 않은 경우(복잡한 제품을 다루는 직원도 포함) 데이터 루프를 차단하고 있을 수 있으니 주의가 필요하다. 반면, 너무 많은 데이터로 인한 부담이 없고 접점에서 큰 차이를 만들지 않는다면, 아마 당분간은 안전할 것이다. 당신은 긴장을 풀고 AI에 의한 정규직 임금 절감이나 구조조정의 희생자가 되길 기다릴 수 있다.