회원가입을 하면 원하는 문장을
저장할 수 있어요!
다음
AWS 서버 비용 절감을 고민 중이신가요?
우리가 살아가는 시대는 나날이 ‘초세분화’되고 있다. 인공지능은 단순 업무 처리를 넘어 초세분화된 개인을 인식하고, 무언가를 생성하여 취향을 제안하는 수준에 이르고 있다. 단순 업무를 넘어 개인의 취향을 만들어 내는 과정까지 다다른 것은 ‘데이터’의 힘이다. 데이터는 개인의 흔적이자 발자취이기 때문이다.
회원가입을 하면 원하는 문장을
저장할 수 있어요!
다음
회원가입을 하면
성장에 도움이 되는 콘텐츠를
스크랩할 수 있어요!
확인
우리가 살아가는 시대는 나날이 ‘초세분화’되고 있다. 인공지능은 단순 업무 처리를 넘어 초세분화된 개인을 인식하고, 무언가를 생성하여 취향을 제안하는 수준에 이르고 있다. 단순 업무를 넘어 개인의 취향을 만들어 내는 과정까지 다다른 것은 ‘데이터’의 힘이다. 데이터는 개인의 흔적이자 발자취이기 때문이다.
많은 기업에서 초세분화 시대를 견인한 데이터를 모아 수집, 분석하여 취향을 설계하는 알고리즘을 만들어 가고 있다. 일명 ‘원유’라고 일컫는 데이터를 통해 비즈니스에 어떻게 활용할 수 있을까? 이번 글에서는 2024 데이터 비즈니스 트렌드에 대해 살펴보고자 한다.
우리 무엇을 구매하거나, 검색할 때 키워드가 축적된다. 심지어 제품을 사용할 때의 행동도 데이터로 쌓이고 있다. 기업은 주문, 판매, 상품, 고객 데이터를 축적해 학습하며 사용자에 대해 알게 된다. 심지어 사용자가 주로 어떤 단계를 거쳐 이 상품을 구매했고, 이런 취향을 갖게 되었는지도 알 수 있다.
특히 여러 가지 알고리즘을 교차 사용하면서, 좀 더 촘촘한 개인 취향 설계가 가능해지고 있다. 예를 들어, CNN 알고리즘으로 콘텐츠의 시각적 특징을 추출하고, 소셜 정보나 영향력을 계산하여 영화 추천의 신뢰도를 높이게 된다. 여기에 대규모 언어모델(LLM, Large Language Model)로 대규모의 언어를 학습하여 문장의 구조나 문법, 어휘, 내재된 의미 등을 이해할 수 있게 된다. 이를 통해 겉으로 드러난 취향 외 드러나지 않은 의미, 생각까지도 유추할 수 있는 것이다.
데이터 비즈니스 역시 개인의 취향을 반영해 추천하는 방향으로 진화 중이다. 비주류의 취향이라 할지라도, 개인의 취향을 존중해 비즈니스와 연결시키고 있다. 대표적으로 네이버는 자체 개발한 인공지능 상품 추천 기술 AiTEMS(에이아이템즈)와 초대규모 AI 하이퍼클로바를 결합했다. 과거에는 구매평, 찜수가 많은 상품 위주로 상위 노출됐지만, 해당 기술을 접목하면서 비인기 상품이라 할지라도 개인의 취향, 선호도, 맥락이 일치하면 추천해 주는 방식이다.
글로벌 OTT 서비스 넷플릭스는 보고 싶은 드라마, 영화를 한눈에 확인할 수 있는 ‘마이 넷플릭스(My Netflix)’ 기능을 신설했다. 사용자가 보고 싶은 콘텐츠를 여러 편 입력하거나 선호 표시를 자주 하면 할수록 이 기능은 더 정교해진다. 개인의 선호도에 따라 취향에 맞는 콘텐츠를 더욱 세밀하게 추천받을 수 있도록 진화하고 있다.
또 다른 사례로 핀란드의 대표 OTT 서비스 ‘위엘에 아레나(Yle Areena)’는 한층 더 촘촘한 취향 설계를 통해 차별화하고 있다. 각 사용자별로 맞춤형 섬네일 이미지를 제공해 콘텐츠별 조회수를 올린다거나, 개인마다 맞춤형 메인 화면을 만들어 개인화를 시도하고 있다.
이렇듯 개인의 취향이 파악되면 맞춤형 서비스를 제안해 줄 수 있을 뿐만 아니라, 비슷한 취향을 가진 사람들끼리 커뮤니티를 형성할 수 있다. 사람들은 커뮤니티에서 자연스럽게 서로 교류하고 데이터는 계속 쌓여간다. 이렇게 유대관계가 형성되면 브랜드 경험이 쌓이면서 자연스럽게 ‘찐팬’이 될 수 있다. 기존에 만든 제품이 있다면 충성도가 더 올라갈 것이고, 새로운 제품을 개발할 때도 커뮤니티 댓글이나 이야기에서 힌트를 얻을 수 있다.
2023년 삼성전자는 푸드 플랫폼 ‘삼성 푸드’를 글로벌 서비스로 출시한 바 있다. 식단 계획, 식재료 관리, 맞춤형 레시피까지 제공하는 푸드 통합 플랫폼이다. 16만 개 이상의 레시피를 제공하는 데다 필요한 레시피 조리값은 삼성전자가 만든 오븐에 바로 전송이 가능하다.
일방형 레시피를 전송하는 데서 그치는 것이 아니라 플랫폼을 '커뮤니티화'하여, 자신이 만든 레시피에 대한 의견을 타인과 주고받을 수 있도록 설계했다. 이처럼 맞춤형 취향 설계를 넘어 커뮤니티에서 함께 소통하는 비즈니스는 2024년에도 계속 진화할 것으로 전망한다.
고객 취향을 읽고 개인화된 서비스로 차별화하는 방식에 더해, 번거로운 구매과정까지 한 번에 해결해 주는 비즈니스 모델도 활발히 만들어지고 있다. 의식주, 여가생활 전반에 걸쳐 맞춤형 서비스를 구독까지 연결하여 제공한다.
미국의 식료품 배송 기업 인스타카트는 23년 6월부터 레시피를 추천하고, 레시피에 필요한 재료를 한꺼번에 구매할 수 있는 서비스를 시작했다. 챗GPT를 활용해 추천 요리법을 전달받는다. 7만 5천 개 이상의 방대한 데이터를 통해 언제든지 원하는 음식이나 레시피를 질문하고, 필요한 식재료를 주문할 수 있다.
국내에서는 풀무원이 23년 9월부터 개인 맞춤형 건강기능식품 구독 서비스와 식단 제공 서비스를 통합한 AI 영양진단 서비스 ‘디자인밀’을 론칭했다. 통합된 AI 영양진단 서비스는 개인의 식이 섭취 패턴, 식생활 행동 등의 데이터를 기반으로 맞춤형 식단과 건강기능식품을 추천해 준다.
직접 설문을 통해 본인의 영양 상태를 확인해 볼 수 있고, 건강검진 데이터를 연동할 수도 있다. 데이터 입력을 마치면 현 상황에 대한 진단이 이루어진다. 평소 야채를 적게 먹었던 사람이라면 매끼 샐러드를 제공하고, 당뇨와 같은 특정 질환이 있다면 당분이 적게 들어간 식단을 만들어 구독 서비스로 제공한다.
기업 간의 데이터 동맹도 활발히 이루어지고 있다. 해외에서는 이미 2020년부터 독일의 BMW, SAP, 지멘스, 로버트 보쉬 등의 업체는 'Catena -X'라는 이름의 데이터 공유 동맹을 맺어 협력하고 있다. 이들은 물류 프로세스나 CO2 배출량 감소 측면에서 데이터를 교환하면서 효율적으로 대응할 방법을 모색한다.
또한 비즈니스 문제를 해결하기 위해서도 데이터 동맹을 진행한다. 스페인 은행 BBVA, Banco Santander, CaixaBank는 금융사기를 해결하기 위해 데이터 협력을 진행하고 있다. 카드 결제, 온라인 사기 결제 방지와 예방을 위한 정보 공유부터, 데이터를 교환하는 플랫폼을 개발하는 방향으로 힘을 합치고 있다.
국내에서도 점차 데이터 동맹이 활발해질 것으로 전망한다. 새로운 서비스나 비즈니스를 위해서는 서로 다른 분야의 데이터 간 융합이 필수적이기 때문이다. 2020년 ‘데이터 3법 개정’ 이후 민간 데이터를 활용할 수 있도록 정책이 마련되었다.
이미 2021년부터 신한카드, SK텔레콤, KCB는 국내 최초 민간 데이터댐인 ‘그랜 데이터’를 주도하며, 가명 결합 정보를 활용할 수 있도록 데이터 동맹을 만들었다. 최근에는 삼성카드가 네이버 클라우드, CJ올리브네트웍스, NICE평가정보와 함께 '데이터 얼라이언스' 업무협약을 맺기도 했다.
이를 통해 카드사의 결제, 소비 데이터와 네이버 클라우드의 검색, 관심사 정보, CJ올리브네트웍스의 물류 데이터, NICE평가정보의 신용 및 소득 정보 등을 융합할 수 있는 발판이 만들어졌다. 데이터 동맹을 맺으면 데이터 간 가명 결합을 통해, 한 업계에서는 알기 어려웠던 융합 데이터나 인사이트 리포트를 만들어 새로운 부가 수익을 창출할 수 있다.
인공지능은 최근 3년간 많은 변화를 겪었다. 변화를 견인한 가장 큰 원동력은 단연 ‘생성형 AI’다. 인간의 고유 영역이라 믿었던 창작 영역까지 침투하면서 산업계에 변화를 주고 있다. 일각에서는 생성형 AI의 연간 영향력이 약 6조 달러(약 8,099조 원)에서 8조 달러(약 1경 802조 원)에 이른다고 보도하고 있다.
생성형 AI 모델이 발전하면서 사용 횟수, 사용량에 따른 라이선스 비즈니스 모델이나 서비스 판매 시 부과하는 수수료 모델 등이 생겨나고 있다. 챗GPT나 미드저니의 경우 사용자에게 월/연 단위의 일정 구독료를 받고 있다.
또한 생성형 AI 모델 기반의 제품이나 서비스가 새롭게 만들어지고 있다. 기존에는 사람이 했던 채팅 상담이나 단순 반복 작업을 제공할 수 있는 챗봇, 가상비서, 콘텐츠 생성 도구 등을 AI가 쉽게 대체하여 판매할 수 있게 되었다.
신차, 중고차 쇼핑 플랫폼인 ‘CarGurus’는 쇼핑하는 사람들의 경험을 향상하기 위해 챗GPT를 서비스 내 도입했다. 예를 들어, “10만 마일 이하의 보스턴 근처 SUV를 찾아주세요”라고 질문하면 자동으로 답변하여 구매자의 쇼핑 경험을 향상하고 있다. 이처럼 생성형 AI 모델이 발전하면 발전할수록, 기업과 개인에게 판매할 수 있는 제품과 서비스는 계속 증가할 것이다. 생성형 AI 모델을 개발한 회사는 각 서비스 회사에 모델을 제공하면서 명령어 사용 횟수, 기간 등에 따라 비용을 부과하는 방식으로 비즈니스를 키워 나가고 있다.
생성형 AI가 만든 창작품을 판매하는 비즈니스 모델도 커질 것으로 보인다. 현재 저작권 문제로 나라와 플랫폼마다 적용하는 정책이 다르지만, 기술의 변화에 따라 제도 역시 바뀔 수 있다.
이미지 생성형 AI 달리(Dall-e2)의 경우, 홈페이지 공지사항에 ‘사용자는 DALL-E로 만든 이미지를 상업화할 수 있는 전체 권한을 갖는다.’라고 명시할 만큼 상업적 권리를 허용하고 있다. 또한 기술의 변화에 따라 판매 사이트 역시 생성형 AI로 만든 창작물에 대한 정책을 점차 열어놓고 있다.
Adobe Stock과 드림스타임 모두 생성형 이미지 판매를 허용하겠다는 입장을 발표했다. 아직 일부 스톡 이미지 판매 사이트의 경우 엄격히 생성형 이미지 판매를 금지하고 있지만, 기술 발전으로 비즈니스에도 정책의 변화가 거세질 것으로 보인다.
우리가 AI를 강력하다고 느끼는 동시에 위협적으로 생각하는 이유는 인간의 생각과 행동을 너무나 잘 모방하기 때문이다. 최근 대규모 언어모델(LLM, Large Language Model)이 각광을 받으면서, 대규모 데이터 세트에서 얻은 지식을 기반으로 콘텐츠를 인식하고, 요약, 예측, 생성까지 할 수 있게 되었다.
심지어 2023년 상반기까지 출시한 AI 모델의 경우 한 가지 유형의 데이터만 처리하도록 설계되었지만, 2023년 하반기부터 구글의 제미니(GEMINI)와 같이 영상, 이미지 등 여러 유형의 데이터를 동시에 처리할 수 있는 막강한 모델까지 탄생하게 되었다. 이런 LLM 모델의 문제는 잘못된 데이터를 입력할 경우, 잘못된 데이터 결괏값이 나온다는 점이다. 데이터 자체의 결함이나 혹은 데이터를 분류했을 때 잘못된 라벨링을 하면서, 거짓되거나 위험한 결과를 만들어 내는 경우가 있다.
2019년에는 애플이 골드만삭스랑 제휴를 맺어 출시한 애플 페이가 편파적인 데이터에 의해 논란이 된 적이 있다. 한 여성의 경우 남편보다 신용점수가 높았지만, 남편이 20배나 더 높은 신용한도를 받은 사례가 발생했다. 이는 데이터를 학습하고 알고리즘화하는 과정에서 편견이 발생한 것이다.
같은 해 메타 역시 인종, 성차별 등의 문제로 주가가 폭락한 적이 있다. ‘페이스북 내 부동산 타깃 광고가 인종 차별을 한다’는 이슈가 불거지게 된 것이다. 과거 페이스북 내에서는 광고주가 인종이나 종교, 국적, 나이, 성별 등의 기준에 따라 주택 광고를 선별적으로 노출할 수 있도록 허용했다.
이렇게 되면 집주인이 원한다면 외국인, 장애인 이슬람교도에게 주택 광고를 볼 수 없도록 설정할 수 있는 것이다. 미국 주택도시개발부가 알고리즘에 의해 선별적으로 광고를 제시하는 메타를 상대로 소송을 걸면서 주가는 하락했고, 메타는 2023년 새로운 알고리즘을 적용하기로 발표했다.
데이터로 인해 맞춤형으로 타기팅이 되고, 더 뾰족한 서비스가 제안될 가능성이 커졌지만 그만큼 소외된 선택이 나타날 확률 역시 높아지고 있다. 결국 차별에 대처하기 위한 데이터의 정제와 알고리즘의 변화가 필요하다. 데이터는 분명 비즈니스의 기회를 만들어 주지만, 이에 따라 편향이 발생한다면 의료, 금융과 같은 분야에서 기업 이미지 하락은 물론 생명, 금전적인 영향을 미칠 수도 있다. 앞으로 인종, 교육, 성별 등 민감한 주제에서 비롯된 변수를 파악하고, 편향을 없애 나가는 기술이 비즈니스에서 요구되고 더 중요해질 것으로 보인다.
지금까지 2024년 데이터 비즈니스 트렌드를 살펴보았다. 앞으로도 많은 데이터 비즈니스에서 개인의 흔적을 더욱 집요하게 파고들며, 독립적인 취향을 파악하기 위한 노력을 해나갈 것이다. 집단 속에 가려진 한 사람이 아닌 온전한 한 사람의 취향과 성격, 흥미, 관심사를 복합적으로 인지하고 비즈니스로 연결하는 중요하다.
기존에는 문자 데이터를 통한 단편적인 취향 분석 결과 안내, 문자 위주의 컨설팅 서비스 위주로 보여주었다면, 점차 영상이나 사진, 목소리를 활용해 사람들의 취향을 분석하고 결과를 보여주는 방향으로 진화하고 있다. 또한 데이터를 수집할 수 있는 기기의 증가와 업체 간 데이터 동맹으로 다양한 데이터가 수집되고 있다. 이에 시공간의 제약 없이 상황에 맞춰 구매할 수 있는 더 촘촘한 비즈니스 설계가 늘어갈 것으로 기대한다.
요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
좋아요
댓글
공유
공유
좋아요
댓글
스크랩
공유
공유