AI 시대, 개발자는 어떤 준비를 해야할까?
스마트폰 혁명보다 훨씬 빠르다, 전세계 부가 몰릴 겁니다
Banking is necessary, Banks are not
"은행 업무는 필요하지만, 은행은 필요하지 않다"
- In 1994, Bill Gates
현재 2024년에는 여러 은행들이 그 시도를 하고 있다. 많은 은행들은 오프라인의 지점들을 minimize 시키고 어떻게 하면 디지털 세계에 accessable한 경험을 줄 수 있는지 고민하고 있다. 이와 마찬가지로 은행뿐만 아니라 학교도 디지털로 공부하고 학습하는 것들에 익숙해졌다. 대학에서 단순하게 책에 있는 내용을 전달하는 것들은 더 이상 경쟁력이 되고 있지 않다. 캠퍼스에 와야만 누릴 수 있는 강의법으로 바뀌어야 한다.
비슷한 의미로 필수라고 생각하던 냉장고도 그 가치가 조금씩 변화되고 있다. 마켓컬리를 이용하면 당일에 신선한 제품을 받아서 바로 조리가 가능하며, 세탁기도 런드리고라는 서비스를 이용하면 내가 세탁기와 건조기를 사지 않고 빨래에 소요되는 시간을 없애는 서비스들이 등장하게 되면서 전자제품에도 많은 변화가 일어난다.
오프라인으로 하던 것을 온라인으로 충분히 변경가능하다면 무엇이 있을까? 그리고 온라인으로 전환되는 부분에서 오프라인이 경쟁을 갖을라면 어떤 변화점을 만들어야 하는지 고민해야 될 거 같다.
코로나 시기에 메타버스가 떴었고, 많은 기업들이 시도를 했지만 현재에는 메타버스에 대한 이야기가 사라졌다. 생성형 AI로 무엇을 해야하는지 고민을 하고 있지만, 잘못된 질문이다. 생성형 AI로 많은 도움을 받을 수 있지만 기술에서 시작하게 되면 근본적인 혁신이 발생하지 않는다. 고객에서 시작해서 그들의 라이프를 바라보고 어떤 기술들을 접목해서 경험을 만들어 낼까? 즉 고객에서 시작해야 된다.
생성형 AI가 검색 엔진을 대체할 수 있을까? 생성형 AI는 딱 표면적인 답변 하나만 준다. 우리는 검색 엔진을 통해서 다양한 관점을 보게되고 지식을 발전시킬 수 있는 여지를 얻을 수 있다. 생성형 AI는 이커머스 부분에서는 혁명적이다. 컴퓨터를 살 때 다양한 비교군이 있고 어떤 것을 사야될 지 선택지가 너무 많은 상황에서 내가 어떤 이유로 컴퓨터를 사야하는지 이야기를 하고 답변을 받는다면, 검색으로 찾는 경험과 비교하면 혁신적인 경험을 할 수 있게 된다. 즉, 고객의 맥락적 기반의 쇼핑이 가능해져서 지금 이커머스를 하는 많은 기업들이 시도 중이다. 생성형 AI가 가장 잘하는 것은 정답이 없고 다양한 대답이 가능한 문제에 답변을 잘한다. 냉장고에 있는 재료로 만들 수 있는 점심 메뉴를 추천해달라는 질문에 대한 답을 잘하게 되는 것이다. 이는 기존에 있는 데이터를 가지고 있어도 못하던 것을 할 수 있게 되는 것이다.
생성형 AI 기반으로 마케팅부분도 많이 달라지고 있다. 이전에 백화점에서 VIP, VVIP 특정 그룹으로 묶어서 마케팅을 진행했다면 현재는 개개인의 소비 패턴에 따른 마케팅 문구도 다르게 할 수 있게 되었다. 개개인의 persona 조차도 다양할 수 있다. 혼자 평일에 백화점에서 소비 패턴과 아이와 같이 주말에 들러 백화점에서 소비 패턴은 다를 것이다. 이런 부분들로 주중에 보내는 쿠폰과 주말에 보내는 쿠폰이 다르게 보내야 될 수 있다. 이전에는 단순하게 이런 사람이라고 규정을 해서 동일한 마케팅을 했었다.
라이프 분석을 통해 약 4,000개의 맥락을 만들었는데 기업에서는 고객에서 하나하나 매칭하고 정보를 주기에는 직원이 할 수 있는 양이 아니었다면 현재에는 맥락에다가 고객이 출근 중인지 특정 시나리오까지 추가하게되면 더 다양한 문구로 정보를 제공할 수 있게 된다. 기존에는 광고를 보내고 그걸 클릭까지 하는 비중은 1 ~2% 내외였다. 하지만 해당 segment한테 어울리는 문구와 이미지를 보냈더니 segment마다 다르겠만 최대 67%까지 올랐다. 이런 클릭률은 과거와 비교하면 말도 안되는 부분이다.
AI를 통해 각자가 만들고 싶은 BM을 얼마든지 만들 수 있게 되었다.
또한, 개개인의 persona에 따라서 정보를 제공한다는 것은 충성 고객을 만들고 그 관계를 견고하게 할 수 있을 거 같다.
스마트 TV의 추천같은 경우에도 기존 고객들은 추천 영상이 뜨더라도 NETFLIX 혹은 Youtube 와 같은 앱으로 접속하게 된다. 스마트 TV는 사용자가 어느 시간에 보는지 주로 어떤 영상을 보는지 데이터를 가지고 있다. 원래 보던 시간대에 켰는지 TV 영상 패턴들 그리고 날씨 등의 정보를 입력하게 되면 "이렇게 비오는 날 다큐멘터리를 좋아하는 당신을 위해 준비한 아마존3" 문구와 함께 영화를 추천하면 클릭률이 40% 이상 오르는 것을 확인하였다. 데이터 기반을 기반으로 경험을 팔기 시작하면 실제로 돈을 많이 벌게 된다.
단순하게 스펙이 좋았던 TV를 떠나 고객의 라이프 스타일에 맞는 경험을 제공하는 제품으로 변화가 일어나고 있다.
가치의 패턴은 계속 변화하고 있다.
기능적으로 좋고 품질이 좋고 예쁜 것조차 당연한게 되어버렸다. 이제는 경험을 중시해야 되는 시점이다.
공기청정기는 누가 가장 많이 살까? 남성보다는 여성이 그리고 출산을 앞둔 임산부나 신생아를 키우는 임산부가 구매가 높다. 고객이 제일 힘든 것은 어떤 걸까? 아이가 잠을 못 자는 문제들이 있는데 에어컨을 켜면 감기에 걸리고 끄자니 부모가 힘들고 하지만 어머니들은 온도와 습도와 가습기를 어떻게 해야 되는지 모른다. 그리고 아이들이 잠을 편하게 잘 수 있는 백색 소음 등 이런 기능으로 아이는 저희가 케어해준다는 문구로 부모들의 잠을 더 편하게 잘 수 있다면 돈이 중요할까? 이런 경험을 하는 고객이라면 과연 품질이 더 좋은 게 나왔다고 해서 제품을 변경할까? 그렇지 않다.
고객에게 전달할 수 있는 네 가지의 디지털 경험이 있다.
- 정신적
- 물리적
- 문화적
- 시스템적
정신적인 경험은 타이밍이 맞게 고객이 어떤 맥락에서 무엇이 필요한지 적절한 메시지(정보)를 전달한다. 이러한 메시지를 제공하기 위해서는 고객의 많은 데이터가 필요하다. 물리적인 경험은 고객이 수치적/시각적/청각적으로 기존 대비 어떤 사용을 하고있는지 변화가 일어났는지 정보를 알려주는 것이다. 물리적인 경험은 냉장고를 예시로 들면 우유의 갯수를 감지하고 평상시보다 재고가 부족하여 냉장고에서 알려주고 바로 주문을 할 수 있는 UI가 있다면? 새로운 물리적인 경험이 될 수 있다. 그리고 문화적인 경험은 카카오뱅크를 통한 예시를 들 수 있다. 경조사비를 전달하는데 있어서 계좌 번호가 없어도 전달할 수가 있고 단순하게 돈만 전달하는 게 아닌 봉투에 글을 적어서 보낼 수 있게 됐다. 마지막으로 시스템적인 경험은 iPhone에서 iPad로 데이터의 전달하거나 쉽게 PPT를 작성할 수 있다던가 이런 시스템적으로 편의성을 제공하는 경험이 예를 들 수 있다. 삼성에서도 Z플립으로 외부 스크린에 다양한 연예인이나 캐릭터가 움직이는 영상으로 볼 수 있게 하면서 많은 고객이 넘어가는 계기가 되기도 했다.
단순한 경험이라고 생각하는 부분들을 좀 더 세분화를 할 수 있고, 어떻게 고객에게 더 좋은 경험을 전달할 수 있을지 초점을 놓고 고민을 해봐야 되는 부분인 거 같다.
이런 경험들을 만들 수 있는 것이 AI이다.
생성형 AI로 코드를 몰라도 개발을 할 수 있다고 이야기하지만 그건 잘못된 말이다. 아예 파이썬도 모르고 크롤링 개념도 모른다면 에러가 발생되고 혹은 잘못된 코드라면 답변을 재밌게 하는 챗봇일 뿐이다. 잘 알아야 프롬프트한테 좋은 질문을 할 수 있다. 어떻게 명령을 내리느냐에 따라 결과가 천차만별이다. 개인들도 해당 도메인에 대한 지식이 필요하다. 전공이 무엇이든 간에 실제 전문가가 되어야 한다.
생성형 AI가 하는 간단한 것들은 이제 초보 개발자를 필요로 하지 않는다. 고급 개발자만 살아남게 될 것이다. 사실 개발자뿐만 아니라 번역가의 경우에도 초보 번연가는 사라졌다. 단가가 많이 낮아졌지만 생성형 AI를 통해 생산성이 늘어났기에 수익을 증가하는 결과가 일어났다.
생성형 AI은 자료를 수집하고 정리하는 데 특화되어 있다. 논문을 쓰더라도 생성형 AI를 통해 초본을 쓰고 어떻게 발전시킬지 생각을 해봐야 한다. 이렇게 하는 것은 생성형 AI를 사용하지 않는 것보다 더 논문의 퀄리티가 높아졌다.
생성형 AI를 사용을 하게 된다면 특화된 부분은 도구로써 활용을 하고 기존의 문제 해결을 빠르고 개개인의 페르소나에 맞춰서 해결 하도록 도움을 줄 수 있도록 해결하려는 노력을 해야만 하는 거 같다. 단순한 기술을 어떻게 사용할까? 라기보다는 고객이라는 초점에 맞춰서 더 좋은 서비스를 생각하면 매출에 이어진다고 생각된다.
카카오뱅크 AI 엔지니어의 멘토링
이전에는 AI를 이용한 모델을 만들고 유저가 유입되길 바라면서 리스크가 많았다면 현재는 상용되는 서비스의 데이터를 연결하여 리스크가 0가 되면서 패러다임이 변경되었다. AI 개발자라고 나와 다르다 생각하지 말고 대부분이 AI 관련 API를 사용하는 것이므로 서비스에 도입을 할 수 있는 개발자여야 한다. 백엔드 Java도 SpringAI가 나오면성 생성형 AI의 등장으로 더 빠르게 정보를 제공하는 것으로 모든 산업에서 변화가 일어나고 있다.
이러한 변화는 스마트폰이 나왔을 때보면 더 많은 영향력을 미치고 있다. 그리고 아직은 단순하게 데이터의 정보를 취합하고 가공해서 선택을 쉽게 하도록 만드는 포인트로 사용하지만 그 이상의 시너지가 발생되는 무언가가 나올 수 있다.
생성형 AI와 연결되는 시너지를 하기위해서는 개개인의 관심사와 도메인 지식이 충분해야 한다고 볼 수 있다.
그리고 어떻게 하면 좋은 질문을 할 수 있을까? 고민을 해야 된다. 좋은 질문을 쓰면 그만큼 좋은 답은 저절로 나온다.
또한 생성형 AI가 만들어내는 이미지나 글에서 저작권과 연관되어 있는 부분이 있기 때문에 사용하는 부분에서 검증을 해야되는 절차가 필요한 경우도 있다. 생성형 AI와 협업하기 위해서는 의문을 갖고 비판적인 사고로 생각하는 방식이 필요하다.
그리고 생성형 AI를 가지고 특정 서비스를 선점할 수 있는 효과를 누릴 수 있다. 개인이 할 수 있는 부분은 기업이 검증을 하는 시간에 빠르게 만들어보고 출시하고 유저 피드백을 받고 더 발전시킬 수 있게 된다. 이것을 통해 방향성을 확인할 수도 있다.
아이디어는 번뜩 생각나지 않는다. 각자의 경험에 더해진 무언가를 통해서 새로운 지식이 생기고 새로운 아이디어로 발전하게 된다. 디자이너에게 이런 이야기를 들은 적이 있다. 대한민국에서 유명한 디자이너가 안나오는 이유가 무엇인지 아느냐? 같은 경험으로 고등 • 대학교 생활을 하고 성인이 되고 결국 그런 경험 안에서 새로운 것을 만들기는 어렵다. 창의성이 필요한 노래들조차도 에미넴이 평탄하게만 살았다면 좋은 노래를 만들고 저렇게 성공할 수 있었을까? 아니라고 생각한다고 말이다.
제일 쉽게 새로운 경험을 할 수 있는 것은 독서라 생각한다. 일단 할 수 있는 다양한 주제의 독서, 다양한 주제의 관심사를 가지게 되면 새로운 무엇가를 만들 수 있는 개발자가 되지 않을까 싶다.
개발자, 돈을 벌기 위해 필요한 코딩 실력
작은 시도를 많이 하자. 물수제비는 돌을 수면 위로 얇게 던져서 돌이 물의 표면에 닿으면서 돌이 가라앉기 전에 얼마나 많이 튀기게 하는지가 관건인 놀이다. 이거 할 때 한 번만 던지고 마는 게 아니라 몇 번이고 계속 더 던진다. 앞서서 던진 것보다 다음 차례에는 더 멀리 갈 수도 있다는 기대를 가지고 던지는 것이다. 기대를 걸어볼 수도 있다는 긍정적인 기분은 사람이 실행하게 하는 큰 동기가 된다. 무엇보다 물수제비 다음 도전이 계속될 수 있는 또 다른 이유 중에 큰 것은 다음 번 도전이 크게 부담스럽지 않다는 것이다. 그냥 돌을 집어서 던지는 과정이 그리 길지 않고 그것에 대한 피드백도 바로 온다.
실행을 하는데 있어서 부담이 작아야 한다. 새로운 기술을 사용도 해보고 만들고 싶은 앱도 만들 때, 핵심 기능만 만들고 빠르게 출시해보는 것은 기대감을 만들어 낸다. 이런 기대감은 한 주를 시작하기 위해 복권을 사는 것과 동일하다. 조악하게 만든 코드여도 생각 이상의 결과물을 만들 수 있다. 인생에서 재밌는 일 일어나기를 바라는 사람이라면 무언가를 만들어가는 것을 한 번 해 볼만하다.
무엇을 만들지에 대한 고민을 해봐야 한다. 우선 내가 불편하게 겪는 부분을 해결해보면 나와 같은 불편함을 겪는 사용자의 문제를 해결해 주는데에서 수익이 발생되는 것은 자연스러운 이치이다.
너무 잘 해야한다는 생각은 오히려 독이 된다. 실행을 주저하게 되고 그렇게까지 중요하지 않은 작은 것에서 오랜 시간을 사용하게 한다. 그럴바에는 대충 하는 것이 좋다. 정답이 정해져 있다고 생각하지 않는 것이 좋다. 확장성을 고려할 필요도 없다. 만들어도 누구에게도 이용되지 않을 가능성이 높기때문에 확장해야 될 일이 없다. 그렇기에 핵심만을 빠르게 구현하고 사람들의 반응을 보는 것이 중요하다. 같은 문제를 해결하는 앱이 있다고 해도 다양한 해결법이 존재하기에 일단 출시해보는 게 중요하다. 이런 출시는 무엇이 자라날지는 모르지만 씨앗을 계속 심어보는 것과 같다. 그 씨앗들이 모두 꽃을 피우는 것은 절대로 아니지만 기대하는 삶은 굉장한 생기를 만들어낸다.
파킨슨의 법칙
어떤 일이든 주어진 시간을 다 써야 끝난다.
어떤 일을 완수하는 데 3년이라는 시간을 계획했다면, 그 일을 완수하는 데 3년이 걸릴 수 밖에 없다. 하지만 3개월 만에 끝내겠다고 생각하면 그 시간 안에 완수하는 방법을 찾아낼 수도 있다.
댄 설리번은 완수가 완벽보다 낫다고 이야기 했다.
80퍼센트 하려고 할 때는 결과를 얻지만 100퍼센트 완벽하게 하려고 하면 여전히 고민만 하게 된다.
좋은 개발자가 되기 위해서는 새로운 기능을 만들 때 확장성을 고려해야지 다음에 만들 때 수고스러움을 줄일 수 있기에 고려해야된다 생각한다. 하지만 위에서 언급된 확장성을 고려하지 않는 것은 분명 목적이 다르기 때문이다. 사이드 프로젝트를 취미삼아서 여러 분야에 대해 관심을 가지고 만들게 되면 돈을 벌 곳은 많다고 생각이 든다. 돈을 벌려고하는 목적보다는 계속 취미로 하다보면 수익이 발생하고 이런 기대감은 분명 위에서 나왔듯이 삶의 굉장한 생기를 만들어 낼 수 있을 거라고 생각이 든다.