[매드타임스 이지원 인턴 기자] 개발해야 할 제품을 제대로 예측하고, 시제품을 제작하고, 실험하고, 시험하는 일련의 과정은 매우 오랜 시간이 필요하며, 비용 또한 엄청나다. 그리고 사업가들은 자주 그들의 제품을 시험할 수 있게 되기 전에 자금이 다 떨어진다. 좋은 소식은 이 과정이 AI 덕분에 곧 매우 간단해질 예정이라는 점이다.
허브스팟(hubspot)의 케롤라인 포시(Caroline Forsey)에 따르면, 아마존 웹서비스(AWS, Amazon Web Services)의 수석 고문이자 AI 전문가인 디팜 미쉬라(Deepam Mishra)는 제품개발 과정에서 AI가 가져올 혁신을 아래의 5가지로 정리했다.
#1 제품시장 적합성 예측의 정확도 증가
미쉬라의 경험에 따르면, 다수 스타트업의 실패는 낮은 제품시장 적합성에서 비롯된다. 실제로 SMB 그리고 스타트업의 35%는 시장 니즈가 없어 실패한다. AI는 이를 해결할 수 있다.
스타트업은 AI 기반 데이터 분석을 통해 더 정확하고, 양적 그리고 질적인 면에서 균형 잡힌 데이터를 수집할 수 있다. 데이터는 스타트업이 자사의 제품이 소비자 니즈에 부합한 지 혹은 그들이 알맞은 오디언스를 선택했는지의 여부를 알아낼 때도 도움이 된다. AI 기반 데이터는 또한 소비자를 더 깊은 수준에서 이해하도록 만들 수 있다.
미쉬라는 "AI는 소비자의 문제 이면에 있는 실제 문제를 발견하는 것을 더 쉽게 만들 수 있다. 엔지니어들은 소비자 니즈에 있어 질적 및 양적 수준에서 모두 깊은 이해 없이 시제품을 만드는 경우가 자주 있다. 생성형AI 시대 이전에 이런 정보를 분석하는 도구는 잘 없었다"고 말했다.
#2 반복 속도 및 출시 시간 단축
시험하고 싶은 제품의 목업과 프로토타입을 제작하는 것은 제품 개발 전 과정에서 가장 시간 소모가 큰 과정 중 하나이다. 전자 제품의 프로토타입을 제작하기 위해서 일반적으로 12주가 소요된다. 그리고 3D 프린팅한 목업 제작을 위해서 1주~4주가 걸린다.
미쉬라 또한 “제품 매니저, 디자이너 그리고 소프트웨어 엔지니어에게 제품을 3D로 만드는 것은 꽤 긴 공정이다”고 말했다. 게다가 프로토타입을 제작하고 시험하는 시간과 비용이 결국 손해로 끝날 수 있다.
그러나 AI는 목업과 프로토타입을 단 몇 시간 내에 제작한다. 이 속도는 단순한 편안함 그 이상이다. 제품의 기능 중 대단한 수익성이 없는 부분에 투자할 시간과 자원이 부족한 SMB와 스타트업에는 구명줄이자 동아줄일 수 있기 때문이다. 미쉬라는 "이렇게 빠른 속도로 처음부터 제품을 제작할 수 있고, 높은 수준의 정확성에 도달할 수 있는 점은 흥미로운 요소 중 하나이다"고 말했다.
#3 소비자 피드백 수집의 변화
프로토타입이 있거나 혹은 최소 기능 제품이 생기면, 쉼 없이 반복이 계속된다. 관점을 갖고 혹은 현재 소비자의 시선에서 어떻게 개선할 수 있을지 고민하며 끊임없이 테스트해야 한다. 지금까지 제품 분석은 주로 구조적 데이터나 수치데이터에 한정되어 있었다. 그러나 구조적 데이터는 한계가 있다.
미쉬라에 따르면 대부분의 기업 정보는 문서나 이메일, 소셜 미디어 채팅의 형태로 되어 있어 구조적이지 않다. 20%의 데이터만이 구조적 데이터일 뿐이다. 결국 70~80%의 분석하지 않은 데이터가 거대한 기회비용으로 발생한다. 이는 소비자의 반응을 분석하기 위한 양적 데이터 수집 및 분석을 위한 확장 가능한 솔루션이 많지 않음을 의미한다. 지금까지 대부분의 제품 개발팀은 피드백 수집을 위해 표본집단에 의존했다. 그러나 표본집단은 소비자의 정서를 항상 정확하게 전달하지 못했고, 제품 개발팀은 고객에게 적합하지 않은 제품을 제작하는 취약성을 갖고 있었다.
생성형 AI는 소비자의 피드백을 데이터로 전환할 수 있다. 미쉬라는 “소셜 미디어 피드백이나 제품 사용 후기 혹은 소비자 포럼에서의 대화 등의 데이터를 많이 얻었다고 가정할 때, 이제 그 정보를 도표나 트랜드 라인으로 전화할 수 있고, 구조적 데이터를 분석하는 그 방법대로 분석할 수 있다. 근본적으로 소비자가 가장 관심을 가지는 기능을 알아낼 수 있다. 또는 소비자가 특정 제품 기능에 대해 어떤 감정을 가지는지도 알 수 있다. 이는 제품시장 적합성을 결정할 때, 제품에 어떤 기능을 넣고 뺄지 결정할 때 도움이 된다”고 말했다.
#4 엔지니어와 제품 매니저의 소통 재정의
한편 AI는 제품 개발을 넘어 제품을 개발하는 팀에도 혁신을 가져올 수 있다. 지금까지 사람들의 역할은 특정 제품군에 대한 교육을 통해 정해졌다. 그들은 주어진 소프트웨어의 전문가가 되었고, 각각의 부분이 어떻게 작동하는지 이해했다.
그러나 미래에는 소프트웨어 전문가가 진행하는 교육 없이도 AI라는 새로운 직원을 통해 팀을 증진할 수 있다. 경험이 적은 주니어 프로그래머가 소프트웨어 코딩과 관련하여 회사의 특정 훈련을 해야 할 때 AI 코드 생성 도구를 통해 이미 프로그램화되었거나 시스템화된 코드를 많이 얻을 수 있다.
프로토타입 제작과 같은 더 많은 주의가 필요한 과정에서 일부 훈련은 챗 기반 AI를 통해 대체될 수 있다. 미쉬라는 “우리는 더 자연스러운 챗(chat) 유형의 인터페이스는 소프트웨어나 하드웨어 툴을 통해 사용하는 복잡한 방법을 대체할 수 있다는 것을 깨닫고 있다”고 말했다.
회사가 위젯을 디자인해야 한다고 가정할 때, 프로토타입 제작에 시간과 자원을 사용하기보다는 챗봇에 디자인 샘플을 만들 수 있고, 제약을 걸 수도 있다. 미쉬라는 “어떤 머신러닝 도구가 사용되는지 알 필요도 없다. 그저 채팅 인터페이스와 말하면 된다. 그러면 아마도 5개의 각기 다른 제품이 챗에 남아있을 것이다. 그러나 사람으로서 우리는 도구에 대해 덜 고민하고 결과에 대해서만 생각한다”고 덧붙였다.
#5 크리에이티브의 향상
머신러닝은 거의 20년 가까이 존재했고, 이미 제품 개발 영역에서 오랫동안 영향력을 행사했다. 오래된 머신러닝 알고리즘은 투입을 산출로 변형시키는 패턴을 바꿀 수 있고, 그 패턴을 보이지 않는 데이터(unseen data)에 적용할 수 있었다.
새로운 생성형 머신 모델은 이 과정에서 한 단계 더 나아갔다. 보이지 않는 데이터에 적용하는 것을 넘어, 크리에이티브 과정의 이면에 있는 생각을 더 깊게 이해할 수 있다. 미쉬라는 “새로운 머신러닝은 소프트웨어 프로그래머가 소프트웨어를 제작하는 방법이나 디자이너가 디자인을 제작하는 방법, 아티스트가 작품을 창작하는 방법 등 제작 이면에 존재하는 생각을 이해할 수 있다. 이는 흥미롭기도 하고 약간 무섭기도 하다. 그러나 제품 개발 과정 대부분에 적용할 경우, 인간의 크리에이티브를 강화할 수 있다”고 말했다.
AI는 제품 매니저, 엔니지어 혹은 디자이너의 조수가 되어 기계적 반복을 할 것이고, 이는 더 강력한 제품을 위한 디자인과 반복에 필요한 시간을 늘릴 것이다.
※ 이 글은 hubspot의 Carolune Forsey가 작성한 아티클 <How AI Will Revolutionize Product Development, and How to Prepare [Insights form AWS’ Senior Advisor to Sartups]>를 변역, 정리한 것입니다.
