요즘 AI가 그림 그려준다고 한참 핫하잖아요. 심지어 인위적이지 않고 사람이 그린 그림 같아서 실제 만화에 쓰일 정도의 퀄리티를 가지고 있다고해요. 얼마 전 모 만화가분의 유튜브에서 'AI 그림을 구분해보자' 라는 주제의 영상을 봤는데요. 확실히 만화가의 시선에서는 AI와 사람의 그림을 구분할 수 있지만 일반인 시선에서는 구분하기 어렵겠더라고요.
만화를 비롯해서 이전보다 AI가 대중화되어 가는 게 점점 느껴지죠. 그렇다 보니 일상 속에서도 더 쉽게 만나볼 수 있겠다 싶었어요. 이렇게 사람들의 삶을 편리하게 해주고 있는(?) AI가 SaaS에도 적용되는 빈도가 높아지고 있다고 하는데 오늘은 그 내용을 한번 살펴볼게요.
먼저 머신러닝(기계학습)에 대해 알아봅시다
머신러닝(ML)과 AI는 번갈아가면서 인용되는 경우가 많습니다. 사실 AI가 머신러닝보다는 한참 더 상위에 있는 개념이기에 혼용되면 안 되는 부분이긴 해요. 머신러닝은 학습 능력과 데이터 처리에 초점을 맞춘 AI의 하위 개념이죠. (딥러닝도 AI가 아우르는 개념이고요.)
SaaS에서 머신러닝을 도입하는 사례는 그전에도 꾸준히 화제가 되긴 했지만 대중성 측면에서는 부족한 점이 많았어요.(비용이나 도입 기술 서포트 인력 등) AI에 대한 투자와 기술 개발이 고도화되면서 이에 대한 부분이 다시 한번 부각된 게 아닌가 싶은데요.
SaaS에서 머신러닝 모델을 적용해 개선할 수 있는 부분은 다음과 같습니다. (물론 이보다 더 광범위하게 사용될 수도 있고요.)
- 개인화 : 플랫폼이 고객의 취향과 습관에 대해 학습할 수 있도록 함으로써 기업이 제품을 보다 유용하고 직관적으로 사용할 수 있도록 한다.
- 고객 관계 강화 : 기업이 자사의 오퍼링과 시장 포지셔닝을 최적화할 수 있도록 지원하는 대량의 상황별 데이터 및 통찰력을 처리합니다.
- 업무 협업 : 팀 간 협업 및 단순 반복 업무, 공통 코딩 작업의 루틴 자동화 등의 기능으로 업무 효율성이 높아집니다.
머신러닝을 가장 적극적으로 사용하고 있는 대표적인 기업은 세일즈포스입니다. 따라잡기 힘든 CRM 기능들을 통해 세일즈팀의 필수 툴이었고, 되어가고 있죠. 세일즈 인원들이 눈으로 놓치게 되는 디지털 요소들을 추적과 고객 행동 패턴에 도움을 줍니다. 그리고 데이터를 기반으로 세일즈 팀을 위한 너쳐링 단계를 제안하기도 하고요.
그런데 아시죠? 이 기능 다 사용하려면 월 계정당 사용료가 100만 원 가까이 갈지도 몰라요. 이런 기능을 제공하고 있는 세일즈포스의 기술력을 따라가기에 막대한 개발비용이 발생하니 어떻게 보면 시장 독점을 하고 있는 걸 수도 있고요. 후발주자들이 이 기능을 제공하기 위해 적극적으로 ML 및 AI 도입을 검토, 개발, 제품에 반영하게 된다면 세일즈포스의 독점도 머지않을 수 있겠죠. 그렇지만 지금은 아직인 것 같네요.
챗봇은 다 알죠?
많은 소프트웨어에서 고객 응대로 처음 쓰이는 게 바로 챗봇이죠. 봇을 통해 자주묻는질문을 자동화하고 그 응답으로 간편 문의들을 걸러낸다고요. 이것도 AI죠 맞아요.
근데 여기서 하나 더 나아가면 챗봇 응답 단계에서 고객들이 자주 대답하는 부분들을 추출하고 그걸 데이터화 해서 컴퓨터에 학습시키고, 그렇게 컴퓨터가 학습한 챗봇에서 고객이 자주 응답한 데이터들을 모은 것을 모델화 한 걸 머신러닝 모델이라고 할 수 있어요. 이 모델로 기업은 고객마다 개인화된 행동들을 보여줄 수 있게 되죠.
이루다 챗봇 예시
예를 들어, 며칠 전에 제품에서 제일 낮은 가격 플랜을 구매를 한 고객이 있어요. 결제한지는 일주일 정도 됐네요. 이 고객이 일주일 정도 돼서 무언가 물어보려고 챗봇 창을 열었어요.
여기서 고객이 직접 질문을 찾아가도록 하는 게 기존의 방식이었다면 머신러닝 모델을 적용해둔 곳에서는 '아 제일 낮은 플랜을 일주일 정도 구매한 고객이 무언가 물어보려고 챗봇 창을 열었구나 그럼 이 기간 동안의 사용자가 질문한 사례들을 학습한 모델들은 그에 맞는 질문들을 보여줘요. '한나님 베이직 플랜을 구매하신 지 일주일 정도 되셨네요.
이런 것들이 필요하진 않으신가요?'라는 봇 메시지와 함께 리스트에는 '가격 플랜 업그레이드', '베이직 플랜보다 프리미엄을 쓸 때 좋은 점', '베이직 플랜으로 업무효율 최대화하기' 등의. 그 기간 동안 자주 접수된 질문 내용들을 자동으로 보여줄 수 있게 하는 겁니다.
자 이제 머신러닝의 SaaS 도입에 대해 어느 정도 이해가 되셨죠? 그럼 어디에서 적용되고 있는지도 대표 사례 몇 개만 같이 확인해볼게요.
어디서 이렇게 적용하고 있는 걸까?
사실 AI 도입한다고 하면 엄청나게 많은 돈이 들 것 같아서 망설여지고 그렇잖아요. 실제로도 많은 돈이 들긴 하는데요. 그래서 업계 리딩 하는 기업들이나 많이 투자해서 그게 기사화되고 하는 거겠죠. 오늘은 컴퓨터 비전, 이미지 데이터를 활용해 머신러닝 모델을 구축한 대표적인 사례들을 살펴볼게요.
- 캔바 Canva
캔바는 그래픽 콘텐츠/상세페이지를 만드는 플랫폼 인데요. 이 디자인 플랫폼을 제공하면서 GPU(가속 머신러닝(ML)을 활용해 이미지 배경 제거 기능 및 유저 행동의 기반한 핵심 이미지의 추천 그 외 개인화된 기능을 제공하고 있다고 해요.
캔바가 도입한 AI 기능 중 가장 돋보이는 건 아무래도 '매직 크기 조정' 즉, 유저가 각 요소마다 수동으로 사이즈를 조절할 필요 없이 디자인 크기를 자동으로 조정해주는 기능이예요. 그 외에 디자인의 색상과 일치하는 색상을 제안하는 기능 등이 있다고 하네요.
- 윅스 Wix ADI
윅스는 이미지와 같은 비전 데이터뿐만 아니라 고객 품질향상 및 기타 여러 분야에서 머신러닝 모델을 도입하고 있습니다. 유선으로 걸려오는 고객의 소리를 텍스트로 변환해주는 기술인 STT(Speech to text) 기능이 그 대표적인 사례이며 이미지 활용의 경우 다들 아시는 것처럼 AI가 자동으로 디자인을 만들어주는 걸로 유명해졌죠.
윅스는 여전히 세계에서 내놓으라 하는 웹 빌더 플랫폼이지만 기존 AI가 만들어주는 웹사이트 UI가 획일화되어 '뭐야? 이 사이트 그냥 바로 윅스네'하는 말이 나오기도 했던 때가 있었죠. 지금은 웹플로우와 같은 툴들이 많이 나오고 있어 윅스는 더 이상 독점하고 있는 플랫폼이 아니긴 합니다.
- 리무브 백그라운드 RemoveBG
리무브BG, 리무브 백그라운드는 이미지의 배경을 지우고 객체만 남겨주는 SaaS 제품입니다. 이 리무브 백그라운드에 대한 검색량이 지난 5년간 4100%가 증가했다고 해요. (워낙 그전에 검색량이 없었기에 가능한 숫자이지 않았을까..라고 생각합니다만..)
그래픽 디자이너, 사직작가 분들은 이미지 누끼를 따야 하는 요소들이 많잖아요. 그럴 때 이 제품을 사용해 배경을 다 자동으로 없앨 수 있게 하는 거죠. (얼마 전 다뤘던 데이터 라벨링과 비슷한 느낌이네요.)
이 머신러닝 모델을 만들기 위해서는 수많은 요소의 이미지들이 필요했을 거예요. 그 과정에서 데이터라벨링,데이터 자동화는 필수적인 요소일 거고요.
슈퍼브에이아이의 머신러닝 플랫폼 스위트는 ML모델을 위한 데이터 관리부터 배포까지 바로 가능한데요. 영상과 이미지 형식의 컴퓨터비전 데이터만 다룰 수 있는 점이 아쉽긴 한데 그 분야에서만큼은 어느 곳보다 높은 품질의 모델 데이터를 얻으실 수 있습니다.
- 플로우라이트 Flowrite
Flowrite는 이미지를 기반으로 한 사례는 아닌데요. 텍스트를 기반으로 하는 머신러닝 사례예요. 이미지 기반은 아니지만 제품 분야가 흥미로워서 가지고 왔어요.
이곳은 AI를 사용해 이메일 및 협업 도구 메시지용 사본을 자동으로 생성해 주는 서비스를 하고 있습니다. 제가 협업처에 비용관리 문의를 할 때 정형화된 폼을 미리 불러와서 작성하는 시간을 줄여주는 거죠.
아래 같은 메일 한 달에 5번은 쓰셨던 적 있잖아요.
-
안녕하세요.
한나입니다.
이번 프로그램 사용료에 대한 세금계산서 발급을 요청드립니다.
사업자등록증 회신 부탁드립니다.
감사합니다.
한나 드림.
-
위 이메일을 쓴다고 가정할 때 제품은 '거래처에 세금계산서 발급 요청 메일을 보낼 때'라는 버튼을 사용자에게 노출하고 그 버튼 안에서 사람들은 정형화된 메일 양식들을 선택해서 사용할 수 있게 하는 구조입니다. 물론, 실제 업무에 적용하려면 일정 부분 수정이 필요하겠지만 수많은 사회 초년생들 에게는 빛과 소금 같은 서비스일 듯하네요. 특히, 영문 이메일을 쓸 때에는 더 많은 도움을 받을 수 있겠어요.
이렇게 몇 가지 이미지 기반의 ML 모델을 살펴봤는데요. 국내에서는 이미지 데이터를 쓰는 망고보드와 미리캔버스와 같은 플랫폼들이 있는데 위 플랫폼 같은 ML 기술의 도입은 아직인 것 같네요.
이런 곳들이 AI모델 데이터를 구축할 때 이런 플랫폼사를 통해 ML구축 비용을 줄일 수 있겠죠. 대부분 머신러닝 기반의 챗봇을 사용하고 있지만 이미지 데이터의 구분을 통한 사용은 하지 않고 있어요. 이 내용은 추후 한번 더 자세하게 다뤄볼게요.
머신러닝은
SaaS 제품의 경쟁력을 위한 필수 요소
아마존이나 구글 마이크로소프트와 같은 대기업들에서는 이미 AI를 통합하는 제품들을 다수 발표하고 있죠. 오라클 또한 세일즈포스를 이기기 위해 AI/머신러닝 기술들에 큰 투자를 하고 있고요. 이는 AI와 머신러닝이 SaaS를 차별화하고 경쟁력을 갖추기 위한 필수 조건으로 볼 수 있는 확실한 지표가 되기도 해요.
AI/머신러닝을 사용하면 다수의 인력과 비용을 줄일 수 있게 되고 가능한 모든 단순 반복 작업을 컴퓨터에게 맡길 수 있습니다.
몇 년 사이에는 AI 기능을 제공하지 않는 제품의 경쟁력이 현저하게 떨어지게 될지도 몰라요. 여기서 AI 기능은 챗봇과 같은 당연한 요소들이 아닌 개인화된 AI 기능을 말합니다. 과거 B2C에서 당연하던 개인화와 친밀한 고객관계가 SaaS에도 필수 요소로 다가오고 있는 거죠. (그전까지는 선택적이어도 어느 정도 제품이 팔렸다고 가정한다면 미래에는..)
그리고 다들 알잖아요
위에서도 말하긴 했지만.. 엔터프라이즈 기업들이 이렇게 트렌드를 위해 차곡차곡 단계를 밟아 나가고 있으면 결국 몇 년 안에는 미드마켓, SMB도 도입할 수밖에 없게 돼요.
예를 들면, 세일즈포스와 오라클의 관계에서요. 이런 흐름으로 흘러갈 확률이 크다는 거죠.
- 세일즈포스 : 우리 기능 절대 못 따라옴 ㅋ 투자한 게 얼만데
- 오라클 : 씨.. 우리도 얼마를 들여서라도 쫓아간다 너네가 독점하는 꼴 못 봐!!!
- CRM AI 개발 기업들 : 수근 수근 오 뭐야~ 얘네 경쟁하면 우리 이거 쫌 대중화된 버전 만들어서 팔아볼까?
- 미드마켓/SMB 기업들 : 오 이 가격이면 좀 할만하겠는데? 세일즈포스 ㄳ요
요즈음부터 도입이 활발해지고 있다면 본격적인 경쟁은 2-3 년 후부터일 텐데요. 경쟁시장에서 얼마나 우위를 찾을 수 있을까를 고려하면서 제품 개발을 한다면 몇 년 후 그 결과로 나타나겠죠?
AI가 소프트웨어에 필수적으로 포함되지 않아도 유저들은 불편함이 없긴 할 거예요. 그렇지만 유저들의 SaaS 제품 기대치가 점점 더 커지고 있다는 건 말하지 않아도 다들 알잖아요. 기대가 크면 항상 실망도 크니까요.
아직까지 좀 먼~~ 이야기 같긴 합니다만
어디선가 다가오고 있긴 해요.
그래 캔 바랑 윅스가 뭐 머신러닝으로 어쩌고 저쩌고 하고 누끼 배경도 지워주고 다 알겠는데 또, 그림도 그려주고 소설도 써준다는 것 같고 다 알겠는데 현실의 생활 속에서는 아직 와닿기는 어려운 것 같아요.
SaaS도 마찬가지일 테고요. 지금은 그때를 위한 빌드업하는 기간으로 보는 것도 미래를 위한 투자라는 개념에서 나쁘지 않을 거예요.
'지금 당장 돈이 안되는데 뭘 해'라고 생각했다가 몇 년 후 따라가는데 급급 해지는 것보다는 천천히 준비해 나가는 걸 추천해요.
여기 이미지 데이터를 다루는 SaaS 플랫폼들이 좀 더 쉽게 머신러닝을 도입할 수 있도록 개발된 ML 플랫폼도 있어요. 어떻게 도입해야 좋을지 막막하잖아요. '우리 이런 기업인데 머신러닝 뭘 해야 좋은가요?'라고 운을 띄워 보세요. 시작이 반이잖아요. 우리 회사 제품 능력치 강화를 위해 머신러닝 전문팀의 상담을 받는 것부터 시작해보세요!
Written by @Hannah, Brand Marketer
Hannah는 브랜드 마케터이자 SaaS 칼럼니스트 입니다.
스토리텔링 및 전환을 위한 콘텐츠를 통해 잠재고객과 기업이 관심을 갖는 문제에 대해 통찰력 있게 알아봅니다.
항상 쉬운 문장으로 내용을 전달하는 것에 중점을 둡니다.
요즘 AI가 그림 그려준다고 한참 핫하잖아요. 심지어 인위적이지 않고 사람이 그린 그림 같아서 실제 만화에 쓰일 정도의 퀄리티를 가지고 있다고해요. 얼마 전 모 만화가분의 유튜브에서 'AI 그림을 구분해보자' 라는 주제의 영상을 봤는데요. 확실히 만화가의 시선에서는 AI와 사람의 그림을 구분할 수 있지만 일반인 시선에서는 구분하기 어렵겠더라고요.
만화를 비롯해서 이전보다 AI가 대중화되어 가는 게 점점 느껴지죠. 그렇다 보니 일상 속에서도 더 쉽게 만나볼 수 있겠다 싶었어요. 이렇게 사람들의 삶을 편리하게 해주고 있는(?) AI가 SaaS에도 적용되는 빈도가 높아지고 있다고 하는데 오늘은 그 내용을 한번 살펴볼게요.
먼저 머신러닝(기계학습)에 대해 알아봅시다
머신러닝(ML)과 AI는 번갈아가면서 인용되는 경우가 많습니다. 사실 AI가 머신러닝보다는 한참 더 상위에 있는 개념이기에 혼용되면 안 되는 부분이긴 해요. 머신러닝은 학습 능력과 데이터 처리에 초점을 맞춘 AI의 하위 개념이죠. (딥러닝도 AI가 아우르는 개념이고요.)
SaaS에서 머신러닝을 도입하는 사례는 그전에도 꾸준히 화제가 되긴 했지만 대중성 측면에서는 부족한 점이 많았어요.(비용이나 도입 기술 서포트 인력 등) AI에 대한 투자와 기술 개발이 고도화되면서 이에 대한 부분이 다시 한번 부각된 게 아닌가 싶은데요.
SaaS에서 머신러닝 모델을 적용해 개선할 수 있는 부분은 다음과 같습니다. (물론 이보다 더 광범위하게 사용될 수도 있고요.)
- 개인화 : 플랫폼이 고객의 취향과 습관에 대해 학습할 수 있도록 함으로써 기업이 제품을 보다 유용하고 직관적으로 사용할 수 있도록 한다.
- 고객 관계 강화 : 기업이 자사의 오퍼링과 시장 포지셔닝을 최적화할 수 있도록 지원하는 대량의 상황별 데이터 및 통찰력을 처리합니다.
- 업무 협업 : 팀 간 협업 및 단순 반복 업무, 공통 코딩 작업의 루틴 자동화 등의 기능으로 업무 효율성이 높아집니다.
머신러닝을 가장 적극적으로 사용하고 있는 대표적인 기업은 세일즈포스입니다. 따라잡기 힘든 CRM 기능들을 통해 세일즈팀의 필수 툴이었고, 되어가고 있죠. 세일즈 인원들이 눈으로 놓치게 되는 디지털 요소들을 추적과 고객 행동 패턴에 도움을 줍니다. 그리고 데이터를 기반으로 세일즈 팀을 위한 너쳐링 단계를 제안하기도 하고요.
그런데 아시죠? 이 기능 다 사용하려면 월 계정당 사용료가 100만 원 가까이 갈지도 몰라요. 이런 기능을 제공하고 있는 세일즈포스의 기술력을 따라가기에 막대한 개발비용이 발생하니 어떻게 보면 시장 독점을 하고 있는 걸 수도 있고요. 후발주자들이 이 기능을 제공하기 위해 적극적으로 ML 및 AI 도입을 검토, 개발, 제품에 반영하게 된다면 세일즈포스의 독점도 머지않을 수 있겠죠. 그렇지만 지금은 아직인 것 같네요.
챗봇은 다 알죠?
많은 소프트웨어에서 고객 응대로 처음 쓰이는 게 바로 챗봇이죠. 봇을 통해 자주묻는질문을 자동화하고 그 응답으로 간편 문의들을 걸러낸다고요. 이것도 AI죠 맞아요.
근데 여기서 하나 더 나아가면 챗봇 응답 단계에서 고객들이 자주 대답하는 부분들을 추출하고 그걸 데이터화 해서 컴퓨터에 학습시키고, 그렇게 컴퓨터가 학습한 챗봇에서 고객이 자주 응답한 데이터들을 모은 것을 모델화 한 걸 머신러닝 모델이라고 할 수 있어요. 이 모델로 기업은 고객마다 개인화된 행동들을 보여줄 수 있게 되죠.
예를 들어, 며칠 전에 제품에서 제일 낮은 가격 플랜을 구매를 한 고객이 있어요. 결제한지는 일주일 정도 됐네요. 이 고객이 일주일 정도 돼서 무언가 물어보려고 챗봇 창을 열었어요.
여기서 고객이 직접 질문을 찾아가도록 하는 게 기존의 방식이었다면 머신러닝 모델을 적용해둔 곳에서는 '아 제일 낮은 플랜을 일주일 정도 구매한 고객이 무언가 물어보려고 챗봇 창을 열었구나 그럼 이 기간 동안의 사용자가 질문한 사례들을 학습한 모델들은 그에 맞는 질문들을 보여줘요. '한나님 베이직 플랜을 구매하신 지 일주일 정도 되셨네요.
이런 것들이 필요하진 않으신가요?'라는 봇 메시지와 함께 리스트에는 '가격 플랜 업그레이드', '베이직 플랜보다 프리미엄을 쓸 때 좋은 점', '베이직 플랜으로 업무효율 최대화하기' 등의. 그 기간 동안 자주 접수된 질문 내용들을 자동으로 보여줄 수 있게 하는 겁니다.
자 이제 머신러닝의 SaaS 도입에 대해 어느 정도 이해가 되셨죠? 그럼 어디에서 적용되고 있는지도 대표 사례 몇 개만 같이 확인해볼게요.
어디서 이렇게 적용하고 있는 걸까?
사실 AI 도입한다고 하면 엄청나게 많은 돈이 들 것 같아서 망설여지고 그렇잖아요. 실제로도 많은 돈이 들긴 하는데요. 그래서 업계 리딩 하는 기업들이나 많이 투자해서 그게 기사화되고 하는 거겠죠. 오늘은 컴퓨터 비전, 이미지 데이터를 활용해 머신러닝 모델을 구축한 대표적인 사례들을 살펴볼게요.
- 캔바 Canva
캔바는 그래픽 콘텐츠/상세페이지를 만드는 플랫폼 인데요. 이 디자인 플랫폼을 제공하면서 GPU(가속 머신러닝(ML)을 활용해 이미지 배경 제거 기능 및 유저 행동의 기반한 핵심 이미지의 추천 그 외 개인화된 기능을 제공하고 있다고 해요.
캔바가 도입한 AI 기능 중 가장 돋보이는 건 아무래도 '매직 크기 조정' 즉, 유저가 각 요소마다 수동으로 사이즈를 조절할 필요 없이 디자인 크기를 자동으로 조정해주는 기능이예요. 그 외에 디자인의 색상과 일치하는 색상을 제안하는 기능 등이 있다고 하네요.
- 윅스 Wix ADI
윅스는 이미지와 같은 비전 데이터뿐만 아니라 고객 품질향상 및 기타 여러 분야에서 머신러닝 모델을 도입하고 있습니다. 유선으로 걸려오는 고객의 소리를 텍스트로 변환해주는 기술인 STT(Speech to text) 기능이 그 대표적인 사례이며 이미지 활용의 경우 다들 아시는 것처럼 AI가 자동으로 디자인을 만들어주는 걸로 유명해졌죠.
윅스는 여전히 세계에서 내놓으라 하는 웹 빌더 플랫폼이지만 기존 AI가 만들어주는 웹사이트 UI가 획일화되어 '뭐야? 이 사이트 그냥 바로 윅스네'하는 말이 나오기도 했던 때가 있었죠. 지금은 웹플로우와 같은 툴들이 많이 나오고 있어 윅스는 더 이상 독점하고 있는 플랫폼이 아니긴 합니다.
- 리무브 백그라운드 RemoveBG
리무브BG, 리무브 백그라운드는 이미지의 배경을 지우고 객체만 남겨주는 SaaS 제품입니다. 이 리무브 백그라운드에 대한 검색량이 지난 5년간 4100%가 증가했다고 해요. (워낙 그전에 검색량이 없었기에 가능한 숫자이지 않았을까..라고 생각합니다만..)
그래픽 디자이너, 사직작가 분들은 이미지 누끼를 따야 하는 요소들이 많잖아요. 그럴 때 이 제품을 사용해 배경을 다 자동으로 없앨 수 있게 하는 거죠. (얼마 전 다뤘던 데이터 라벨링과 비슷한 느낌이네요.)
이 머신러닝 모델을 만들기 위해서는 수많은 요소의 이미지들이 필요했을 거예요. 그 과정에서 데이터라벨링,데이터 자동화는 필수적인 요소일 거고요.
- 플로우라이트 Flowrite
Flowrite는 이미지를 기반으로 한 사례는 아닌데요. 텍스트를 기반으로 하는 머신러닝 사례예요. 이미지 기반은 아니지만 제품 분야가 흥미로워서 가지고 왔어요.
이곳은 AI를 사용해 이메일 및 협업 도구 메시지용 사본을 자동으로 생성해 주는 서비스를 하고 있습니다. 제가 협업처에 비용관리 문의를 할 때 정형화된 폼을 미리 불러와서 작성하는 시간을 줄여주는 거죠.
아래 같은 메일 한 달에 5번은 쓰셨던 적 있잖아요.
-
안녕하세요.
한나입니다.
이번 프로그램 사용료에 대한 세금계산서 발급을 요청드립니다.
사업자등록증 회신 부탁드립니다.
감사합니다.
한나 드림.
-
위 이메일을 쓴다고 가정할 때 제품은 '거래처에 세금계산서 발급 요청 메일을 보낼 때'라는 버튼을 사용자에게 노출하고 그 버튼 안에서 사람들은 정형화된 메일 양식들을 선택해서 사용할 수 있게 하는 구조입니다. 물론, 실제 업무에 적용하려면 일정 부분 수정이 필요하겠지만 수많은 사회 초년생들 에게는 빛과 소금 같은 서비스일 듯하네요. 특히, 영문 이메일을 쓸 때에는 더 많은 도움을 받을 수 있겠어요.
이렇게 몇 가지 이미지 기반의 ML 모델을 살펴봤는데요. 국내에서는 이미지 데이터를 쓰는 망고보드와 미리캔버스와 같은 플랫폼들이 있는데 위 플랫폼 같은 ML 기술의 도입은 아직인 것 같네요.
이런 곳들이 AI모델 데이터를 구축할 때 이런 플랫폼사를 통해 ML구축 비용을 줄일 수 있겠죠. 대부분 머신러닝 기반의 챗봇을 사용하고 있지만 이미지 데이터의 구분을 통한 사용은 하지 않고 있어요. 이 내용은 추후 한번 더 자세하게 다뤄볼게요.
머신러닝은
SaaS 제품의 경쟁력을 위한 필수 요소
아마존이나 구글 마이크로소프트와 같은 대기업들에서는 이미 AI를 통합하는 제품들을 다수 발표하고 있죠. 오라클 또한 세일즈포스를 이기기 위해 AI/머신러닝 기술들에 큰 투자를 하고 있고요. 이는 AI와 머신러닝이 SaaS를 차별화하고 경쟁력을 갖추기 위한 필수 조건으로 볼 수 있는 확실한 지표가 되기도 해요.
AI/머신러닝을 사용하면 다수의 인력과 비용을 줄일 수 있게 되고 가능한 모든 단순 반복 작업을 컴퓨터에게 맡길 수 있습니다.
몇 년 사이에는 AI 기능을 제공하지 않는 제품의 경쟁력이 현저하게 떨어지게 될지도 몰라요. 여기서 AI 기능은 챗봇과 같은 당연한 요소들이 아닌 개인화된 AI 기능을 말합니다. 과거 B2C에서 당연하던 개인화와 친밀한 고객관계가 SaaS에도 필수 요소로 다가오고 있는 거죠. (그전까지는 선택적이어도 어느 정도 제품이 팔렸다고 가정한다면 미래에는..)
그리고 다들 알잖아요
위에서도 말하긴 했지만.. 엔터프라이즈 기업들이 이렇게 트렌드를 위해 차곡차곡 단계를 밟아 나가고 있으면 결국 몇 년 안에는 미드마켓, SMB도 도입할 수밖에 없게 돼요.
예를 들면, 세일즈포스와 오라클의 관계에서요. 이런 흐름으로 흘러갈 확률이 크다는 거죠.
- 세일즈포스 : 우리 기능 절대 못 따라옴 ㅋ 투자한 게 얼만데
- 오라클 : 씨.. 우리도 얼마를 들여서라도 쫓아간다 너네가 독점하는 꼴 못 봐!!!
- CRM AI 개발 기업들 : 수근 수근 오 뭐야~ 얘네 경쟁하면 우리 이거 쫌 대중화된 버전 만들어서 팔아볼까?
- 미드마켓/SMB 기업들 : 오 이 가격이면 좀 할만하겠는데? 세일즈포스 ㄳ요
요즈음부터 도입이 활발해지고 있다면 본격적인 경쟁은 2-3 년 후부터일 텐데요. 경쟁시장에서 얼마나 우위를 찾을 수 있을까를 고려하면서 제품 개발을 한다면 몇 년 후 그 결과로 나타나겠죠?
AI가 소프트웨어에 필수적으로 포함되지 않아도 유저들은 불편함이 없긴 할 거예요. 그렇지만 유저들의 SaaS 제품 기대치가 점점 더 커지고 있다는 건 말하지 않아도 다들 알잖아요. 기대가 크면 항상 실망도 크니까요.
아직까지 좀 먼~~ 이야기 같긴 합니다만
어디선가 다가오고 있긴 해요.
그래 캔 바랑 윅스가 뭐 머신러닝으로 어쩌고 저쩌고 하고 누끼 배경도 지워주고 다 알겠는데 또, 그림도 그려주고 소설도 써준다는 것 같고 다 알겠는데 현실의 생활 속에서는 아직 와닿기는 어려운 것 같아요.
SaaS도 마찬가지일 테고요. 지금은 그때를 위한 빌드업하는 기간으로 보는 것도 미래를 위한 투자라는 개념에서 나쁘지 않을 거예요.
'지금 당장 돈이 안되는데 뭘 해'라고 생각했다가 몇 년 후 따라가는데 급급 해지는 것보다는 천천히 준비해 나가는 걸 추천해요.
여기 이미지 데이터를 다루는 SaaS 플랫폼들이 좀 더 쉽게 머신러닝을 도입할 수 있도록 개발된 ML 플랫폼도 있어요. 어떻게 도입해야 좋을지 막막하잖아요. '우리 이런 기업인데 머신러닝 뭘 해야 좋은가요?'라고 운을 띄워 보세요. 시작이 반이잖아요. 우리 회사 제품 능력치 강화를 위해 머신러닝 전문팀의 상담을 받는 것부터 시작해보세요!
Written by @Hannah, Brand Marketer
Hannah는 브랜드 마케터이자 SaaS 칼럼니스트 입니다.
스토리텔링 및 전환을 위한 콘텐츠를 통해 잠재고객과 기업이 관심을 갖는 문제에 대해 통찰력 있게 알아봅니다.
항상 쉬운 문장으로 내용을 전달하는 것에 중점을 둡니다.