AX 컨설팅을 하며 반복하게 되는 5가지 조언 최근 AX 프로젝트 컨설팅을 (즐기며) 진행하고 있습니다. 반복적으로 드리게 되는 공통 조언들의 패턴을 정리해 보았어요. 🙂 💽 (무조건) 데이터가 먼저!!!!! AX 컨설팅을 의뢰하시는데 막상 만나보면 DX가 먼저 필요한 곳들이 있습니다. 엑셀 탭으로 일일 매출 일지를 관리하는 곳, 또는 여러 시스템의 데이터가 유기적으로 연결되지 않는 곳 등이 있었어요. 우리 회사만의 데이터 없이 AX를 한다는 것은 ChatGPT에 일반적인 질문을 던지는 것과 다름없어요. '와, AI가 정말 우리 회사에 딱 맞는 도움을 주네'라는 결과물을 얻으려면 고유 데이터가 꼭 필요합니다. 🤹 데이터 설계 시 정말 중요한 변수 설정 변수를 잘 설정해야 AI가 예측도, 분석도, 추천도 더 잘합니다. 이 변수를 설계할 때는 연결된 비즈니스 성과와 액션이 무엇인지를 잘 들여다봐야 해요. 자칫 '이미 있는 데이터, 쌓기 쉬운 데이터'에 무게를 싣게 되는데, 정말 비즈니스 맥락과 AI의 의사결정에 중요한 데이터 요소라면 그 길이 험난하더라도 장기적으로 쌓는 방법을 고민해야 하니까요. 옥외광고 성과 측정 프로젝트를 하며 없는 데이터를 만들어 쌓아본 경험이 조언에 큰 도움이 되었어요. 🔚 프로세스 단축은 최대한 A to Z로 팀의 시각에 갇힌 경우, 팀 안에서의 비효율만 AI로 해결하려는 아이디어가 종종 나오는데요. 해당 업무의 전후와 연결된 타 팀의 업무까지 추적해보면 좀 더 종횡으로 확장된 기획이 가능합니다. 예를 들어 '최근 트렌드를 리서치하여 콘텐츠 마케팅 아이데이션을 자동화한다' 정도로 AX 아이디어가 마무리되었다면, 아이데이션뿐 아니라 콘텐츠 제작, 이미지 디자인, 발행 후의 성과 분석과 프로세스 개선까지 한 번에 연결하는 선순환을 추가로 기획하는 것이죠. 🖍️ 미리 성과 판단 기준과 기간 정하기 보통 업무나 고객의 불편에서 아이디에이션 시작 → 빠르게 바이브코딩으로 구현 → 와우! 하며 실제 개발하는 과정을 많이 목격하게 되는데요. 프로젝트가 실제로 마무리되지 않고 끝나는 경우도 많습니다. 처음에는 '와우!'라고 느꼈던 포인트가 있었지만, 갈수록 AI의 들쑥날쑥한 퀄리티에 마음이 흔들리고 여러 사람의 의견이 더해지며 '이제 그만할까' 하는 생각이 드는 것이죠. 그래서 '와우!'를 느끼고 → 실제 개발을 하는 과정 사이에 '이 혁신으로 무엇을 이룰 것인가'에 대한 기간과 KPI를 명확히 설정하는 것이 중요합니다. 예를 들면 고객 만족도 상승, 고객 응대 소요 시간 단축, 고객 구매 전환율 상승 등의 목표요! 모두가 바라보는 이 목표와 타임라인이 있어야, 이 모호한 AI의 바다 속에서 헤매지 않게 됩니다. 🎖️ 회사에서 특히 좋아할 만한 아이디어인가? 여러 아이디어 중에서도 특히나 회사에서 채택 후 투자할 만한 아이디어를 가늠해보는 것도 좋은 방향입니다. 메일 작성 효율화, 문서 자동화와 같은 실무 관련 아이디어도 분명 도움이 되지만, 특정 회사의 도메인에서만 실행할 수 있는 아이디어가 PR 측면으로도 좋고, 추후 외부 서비스화를 통한 수익화의 기회도 있기 때문이죠! '이 AX 아이디어에 회사의 아이덴티티가 담겨있는가?'가 또 하나의 아이디어 평가 기준이 되곤 합니다. 이 다섯가지 공통 조언을 살펴보며 저는 결국 AX가 '우리 회사만의 문제를 푸는 일’이라는 결론을 내릴 수 있었습니다. 데이터를 쌓고, 변수를 설계하고, 프로세스를 확장하고, 성과 기준을 정하고, 회사 고유의 가치를 담는 것 - 이 모든 과정이 결국 하나를 향하는데요. 바로 '범용 AI가 절대 해결할 수 없는, 우리 회사만의 문제'를 푸는 것이죠. ChatGPT가 아무리 똑똑해도 우리 고객의 구매 패턴은 모르고, 우리 팀의 업무 흐름은 모르고, 우리 회사의 전략적 맥락은 모르기 때문입니다. AX의 진짜 가치 - 범용 도구를 넘어, 우리만의 AI 경쟁력을 만드는 것. 우리가 가진 고유한 데이터를 검토하고, 쌓고, 진짜 해결해야하는 문제를 발견하고 연결하는 것에서 시작하는데요. 여러분은 어떻게 접근하고 계신지 의견이 궁금합니다!
최근 AX 프로젝트 컨설팅을 (즐기며) 진행하고 있습니다. 반복적으로 드리게 되는 공통 조언들의 패턴을 정리해 보았어요. 🙂
💽 (무조건) 데이터가 먼저!!!!!
AX 컨설팅을 의뢰하시는데 막상 만나보면 DX가 먼저 필요한 곳들이 있습니다. 엑셀 탭으로 일일 매출 일지를 관리하는 곳, 또는 여러 시스템의 데이터가 유기적으로 연결되지 않는 곳 등이 있었어요.
우리 회사만의 데이터 없이 AX를 한다는 것은 ChatGPT에 일반적인 질문을 던지는 것과 다름없어요.
'와, AI가 정말 우리 회사에 딱 맞는 도움을 주네'라는 결과물을 얻으려면 고유 데이터가 꼭 필요합니다.
🤹 데이터 설계 시 정말 중요한 변수 설정
변수를 잘 설정해야 AI가 예측도, 분석도, 추천도 더 잘합니다. 이 변수를 설계할 때는 연결된 비즈니스 성과와 액션이 무엇인지를 잘 들여다봐야 해요.
자칫 '이미 있는 데이터, 쌓기 쉬운 데이터'에 무게를 싣게 되는데, 정말 비즈니스 맥락과 AI의 의사결정에 중요한 데이터 요소라면 그 길이 험난하더라도 장기적으로 쌓는 방법을 고민해야 하니까요.
옥외광고 성과 측정 프로젝트를 하며 없는 데이터를 만들어 쌓아본 경험이 조언에 큰 도움이 되었어요.
🔚 프로세스 단축은 최대한 A to Z로
팀의 시각에 갇힌 경우, 팀 안에서의 비효율만 AI로 해결하려는 아이디어가 종종 나오는데요. 해당 업무의 전후와 연결된 타 팀의 업무까지 추적해보면 좀 더 종횡으로 확장된 기획이 가능합니다.
예를 들어 '최근 트렌드를 리서치하여 콘텐츠 마케팅 아이데이션을 자동화한다' 정도로 AX 아이디어가 마무리되었다면, 아이데이션뿐 아니라 콘텐츠 제작, 이미지 디자인, 발행 후의 성과 분석과 프로세스 개선까지 한 번에 연결하는 선순환을 추가로 기획하는 것이죠.
🖍️ 미리 성과 판단 기준과 기간 정하기
보통 업무나 고객의 불편에서 아이디에이션 시작 → 빠르게 바이브코딩으로 구현 → 와우! 하며 실제 개발하는 과정을 많이 목격하게 되는데요. 프로젝트가 실제로 마무리되지 않고 끝나는 경우도 많습니다. 처음에는 '와우!'라고 느꼈던 포인트가 있었지만, 갈수록 AI의 들쑥날쑥한 퀄리티에 마음이 흔들리고 여러 사람의 의견이 더해지며 '이제 그만할까' 하는 생각이 드는 것이죠.
그래서 '와우!'를 느끼고 → 실제 개발을 하는 과정 사이에 '이 혁신으로 무엇을 이룰 것인가'에 대한 기간과 KPI를 명확히 설정하는 것이 중요합니다.
예를 들면 고객 만족도 상승, 고객 응대 소요 시간 단축, 고객 구매 전환율 상승 등의 목표요!
모두가 바라보는 이 목표와 타임라인이 있어야, 이 모호한 AI의 바다 속에서 헤매지 않게 됩니다.
🎖️ 회사에서 특히 좋아할 만한 아이디어인가?
여러 아이디어 중에서도 특히나 회사에서 채택 후 투자할 만한 아이디어를 가늠해보는 것도 좋은 방향입니다. 메일 작성 효율화, 문서 자동화와 같은 실무 관련 아이디어도 분명 도움이 되지만, 특정 회사의 도메인에서만 실행할 수 있는 아이디어가 PR 측면으로도 좋고, 추후 외부 서비스화를 통한 수익화의 기회도 있기 때문이죠! '이 AX 아이디어에 회사의 아이덴티티가 담겨있는가?'가 또 하나의 아이디어 평가 기준이 되곤 합니다.
이 다섯가지 공통 조언을 살펴보며 저는 결국 AX가 '우리 회사만의 문제를 푸는 일’이라는 결론을 내릴 수 있었습니다. 데이터를 쌓고, 변수를 설계하고, 프로세스를 확장하고, 성과 기준을 정하고, 회사 고유의 가치를 담는 것 - 이 모든 과정이 결국 하나를 향하는데요.
바로 '범용 AI가 절대 해결할 수 없는, 우리 회사만의 문제'를 푸는 것이죠. ChatGPT가 아무리 똑똑해도 우리 고객의 구매 패턴은 모르고, 우리 팀의 업무 흐름은 모르고, 우리 회사의 전략적 맥락은 모르기 때문입니다.
AX의 진짜 가치 - 범용 도구를 넘어, 우리만의 AI 경쟁력을 만드는 것. 우리가 가진 고유한 데이터를 검토하고, 쌓고, 진짜 해결해야하는 문제를 발견하고 연결하는 것에서 시작하는데요. 여러분은 어떻게 접근하고 계신지 의견이 궁금합니다!