생성형 AI가 마켓 인텔리전스에 미치는 영향

생성형 AI가 마켓 인텔리전스에 미치는 영향

2022년 11월, 챗GPT 출시 이후 생성형 AI에 대한 실효성이 입증되면서 다양한 산업/부문에서 이 기술을 적용하려는 시도가 나타나고 있습니다. 마케팅에서는 생성형 AI가 만든 광고를 선보이기도 하고, 영업에서는 생성형 AI를 고객 응대 서비스에 도입하기도 하는데요. 지식 산업으로 대표되는 마켓 인텔리전스에서도 이를 활용해 방대한 데이터를 효율적으로 처리하고, 소비자 행동을 보다 효과적으로 이해하려는 노력이 많이 등장하고 있습니다.

이번 시리즈에서는 생성형 AI란 무엇이며, 왜 이렇게 화두인지, 그리고 마켓 인텔리전스에는 어떤 변화를 불러일으키고 있는지 다루고자 합니다. 또한 새로운 패러다임의 변곡점에서, 관련 업무를 하는 사람들은 향후 무엇을 준비해야 하는지에 대해서도 함께 정리해 보았습니다.

📌 시리즈 콘텐츠 목차

1. 생성형 AI가 마켓 인텔리전스에 미치는 영향
2. 마켓 센싱을 위한 MI 업무의 생성형 AI 적용 방향
3. 고객 조사에 활용하는 생성형 AI 기반 MI 접근법
4. 보고서 작성에 활용하는 생성형 AI 적용 방향
5. MI 거버넌스 업무를 위한 생성형 AI 적용 방향

1. 마켓 인텔리전스란 무엇인가?

생성형 AI에 관해 얘기하기 전에 앞서, 마켓 인텔리전스에 대해 간단히 설명드리겠습니다. 마켓 인텔리전스(Market Intelligence, MI)란 시장과 고객에 대한 정보와 데이터를 수집하고 분석하여 전략 방향성을 세우는 일을 말합니다. MI팀이라는 이름 외에 시장 조사팀, 고객 조사팀, 리서치팀 등 다양한 이름으로 기업 내 존재하고 있습니다.

MI팀에서 하는 업무는 크게 4가지로 분류되며, 각 업무에서 고민하는 과제들은 아래와 같습니다. 이 고민을 생성형 AI로 해결해 가려는 방향성, 사례, 고려해야 할 체크리스트에 대해서는 이어지는 포스팅에서 자세히 다루겠습니다.

2. 생성형 AI(Generative AI)란 무엇이며 왜 화두인가?

AI는 사실 새로운 기술은 아닙니다. 아주 오래전부터 개발되었고 이미 사용되고 있는 기술입니다. 다만, 최근 급격히 화두가 되는 이유는 생성형 AI가 기존 AI와 다른 차별점이 있기 때문입니다.

1) 자연어(Natural Language) 처리 가능

• 기존 AI는 자연어를 이해하지 못했기 때문에 프로그래밍 언어를 할 줄 알아야 했습니다. 이 때문에 프로그래머 등 코딩을 할 수 있는 전문가들 위주로 AI를 활용했죠. 하지만, 생성형 AI는 자연어를 이해하기 때문에 일반인도 AI를 활용할 수 있게 되었습니다. 접근성이 좋아지면서 우리의 일상에 큰 변화를 만들게 된 것이죠. MI 담당자가 AI와 대화하며 업무를 할 수 있는 시대가 다가오고 있으며, 향후에는 AI와 고객 간 대화를 통한 조사 수행도 가능하게 될 것입니다.
• 인간의 자연어를 이해한다는 점은 대화 속에서 맥락(Context)도 더 파악할 수 있게 된다는 것을 의미합니다. 따라서, 앞으로 AI를 활용하여 고객이 남긴 VoC 분석 또한 효율을 높일 수 있을 것으로 예상됩니다.

2) 멀티모달(Multi-modality) 가능

• 기존 AI는 하나의 모델 안에서 텍스트, 이미지, 비디오 등을 처리하지 못했습니다. 하지만 생성형 AI는 하나의 모델 안에서 다양한 처리가 가능해지면서 정말 사람같이 행동하게 됩니다. 즉, 인간처럼 눈으로 보면서(이미지, 비디오) 동시에 듣고 말하는(텍스트, 음성) 것이 가능해진 것입니다. 이에 따라 MI 업계의 변화는 고객이 남긴 텍스트뿐만 아니라 이미지, 동영상 등 다양한 비정형 데이터를 통합 처리 및 분석하는 데 AI를 활용할 수 있게 될 것입니다.

3) 콘텐츠 생성(Generate) 가능

• 생성형 AI라는 이름에 붙은 ‘생성’이라는 단어에 걸맞게 다양한 콘텐츠를 만들어 냅니다. 텍스트를 입력하면 세상에 없던 새로운 이미지나 영상을 만들어주기도 하고, 시를 쓰는 AI도 있습니다. 따라서, 정량 설문지(텍스트), 컨셉 보드(이미지, 영상), 보고서(텍스트, 이미지) 등 MI 업무를 수행하기 위해 필요한 자료들을 AI가 만들 수 있게 될 것입니다.

3. 생성형 AI로 인한 마켓 인텔리전스 업계 변화

2023년 MI 업무 실무자들을 대상으로 한 글로벌 설문조사에 따르면, 향후 영향력이 높아질 기술은 생성형 AI, 텍스트 분석/NLP, 머신러닝, 리서치 자동화입니다. MI 업계에서도 주목받는 기술인 생성형 AI는 앞으로 어떤 변화를 불러일으킬까요?

총 4가지 측면(조사 방식, 분석 범위, 업무 속도, 업무의 접근성)에서 변화가 나타날 것으로 예상됩니다.

1) 조사 방식 : 응답형에서 대화형, 관찰형으로 변화

• 현재 가장 많이 하는 온라인 정량 조사는 문항뿐만 아니라 응답도 정해져 있는 구조화된 조사 방식입니다. 하나의 포맷으로 많은 응답자에게 데이터를 받을 수 있어 효율적이라는 장점이 있으나, 그만큼 유연하지 못하다는 한계점도 있습니다. 앞으로는 생성형 AI의 등장으로 인해 이러한 점들이 보완된 조사 방식이 활성화될 것으로 예상됩니다.
• 예를 들어, AI 모더레이터가 등장하면서 대화형 조사 방식이 부상할 수 있습니다. AI 모더레이터는 24시간 지치지 않고 동시다발적으로 고객과 대화할 수 있기 때문에 효율적이며, 대화를 기반으로 유연하고 자연스러운 상호작용을 통해 고객 피드백을 수집할 수 있습니다.
• 또한, 과거에는 시간과 인력 소모가 커서 자주 하지 못했던 관찰형 조사도 앞으로는 생성형 AI의 멀티모달을 활용해 고객의 행동을 관찰하고 분석하며 생생한 데이터를 수집할 수 있을 것으로 예상됩니다.

2) 분석 범위 : 스몰 데이터에서 빅데이터로, 정형 데이터에서 비정형 데이터로 확장

• AI 덕분에 예전에는 분석할 수 없었던 데이터를 분석할 수 있게 되었습니다. 과거에는 수만 개의 오픈 응답을 사람이 단시간 내 모두 읽고 분석하는 것은 물리적으로 어려웠습니다. 시간과 비용이 매우 많이 드는 관계로 과거에는 오픈 응답을 최소화하는 방향으로 진행했습니다.
• 하지만 최근 AI/머신러닝의 등장으로 수만 개의 고객 피드백을 하루 또는 몇 시간 만에 분석할 수 있게 되었습니다. 유사한 토픽끼리 묶어주고 감정 분류까지 가능해졌습니다. 나아가 향후에는 생성형 AI의 자연어 처리 능력을 기반으로 맥락 분석이 더욱 고도화될 것으로 기대됩니다.
• 또한, 고객의 동적 데이터 분석도 가능해지며 고객을 더욱 다각적으로 살펴볼 수 있게 되었습니다. 과거에는 정형 데이터(숫자로 코딩된 데이터)를 주로 분석했다면, 최근에는 텍스트 분석이 발달하면서 비정형 데이터 분석도 가능해졌습니다. 앞으로는 생성형 AI의 멀티모달 능력을 기반으로 이미지, 영상 데이터까지 분석할 수 있을 것으로 보입니다. 비정형/동적 데이터를 분석하는 기술이 지속 발전함에 따라 MI의 분석도 더욱 깊고 다각화될 것으로 예상됩니다.

3) 업무 속도 : 더 빠르고 애자일하게 변화

• AI로 인해 MI 업무의 효율은 향상될 것입니다. 사람이 수많은 자료를 읽고 분석하는 데에 일주일의 시간이 걸렸다면, AI는 하루 만에 할 수 있습니다. 따라서 MI 업무 전반에 속도가 높아질 것으로 보입니다.
• 실시간 데이터 수집 및 분석의 가치는 점차 증가할 것으로 보입니다. 지금처럼 하나의 프로젝트를 위해 몇 개월을 소요하는 것이 아닌, 실시간으로 파악하고 후속 조치를 빠르게, 여러 번 거듭하면서 보완해 나가는 방식에 더욱 주목할 것으로 예상됩니다.

4) 업무의 접근성 : AI 에이전트로 인한 MI 직무의 보편화

• 지금까지는 MI 업무에 대한 경험과 지식이 있는 사람들이 각자의 전문성을 바탕으로 업무를 수행해 오고 있습니다. 하지만, 생성형 AI로 인해 MI 관련 데이터 및 노하우를 학습한 AI 에이전트가 발달하게 되면서 MI 업무에 대한 허들이 낮아질 것입니다.
• 향후에는 MI 비전문가도 AI 에이전트를 활용해 MI 업무를 보다 쉽게 수행할 수 있는 시대가 도래할 것입니다.

4. 생성형 AI 시대의 MI 담당자의 역할 및 준비

생성형 AI 기반의 에이전트가 등장하며 기존 MI 담당자들이 하던 업무의 일부를 대체할 것으로 예상됩니다. 그렇다면 AI 시대에 MI 담당자들은 무엇을 준비해야 할지 살펴보겠습니다.

1) 기업 내부 맥락과 이해관계에 대한 깊은 이해 필요

• AI가 데이터 수집뿐만 아니라 분석까지 수행할 수 있기 때문에, 앞으로 MI 담당자는 AI가 분석한 결과물을 내부 맥락에 맞게 재해석/재조정하는 역할이 중요해질 것입니다.
• 동일한 결과물을 보고 부문 간 역학 관계나 회사 내 이슈들을 바탕으로 다르게 판단하는 것은 사람만이 할 수 있는 역할입니다. 따라서, 앞으로는 회사의 내부 사정에 대해 더 기민하게 파악하고 어떤 팩트들이 의미가 있을지 선별하는 역량이 중요할 것입니다.

2) AI 리터러시(AI Literacy) 기르기

• AI가 생성한 결과물의 정합성을 파악하기 위해서는 MI 담당자도 기술적인 원리를 이해해야 합니다. 다만, AI 엔지니어와 같은 개발적인 지식을 습득하기에는 한계가 있으므로 현실적으로는 현재 시장에 나와 있는 AI 솔루션을 최대한 많이 접해보며 장단점을 파악하는 것이 도움이 될 것입니다.
• MI 솔루션에 대한 데모 시연을 받거나 가능하다면 베타 테스트를 해보며 AI를 활용해 어느 정도 수준의 결과물을 만들어 낼 수 있는지 경험치를 쌓는 것이 필요합니다. 아직은 AI 기반의 MI 솔루션이 시장 초기 단계로 실제로 기대만큼 작동하지 않는 경우도 많아서 한계점을 파악하는 것도 중요하기 때문입니다.
• 또한, 내부 데이터의 보안 이슈로 인해 내재화가 필요한 경우가 있어, 외부 솔루션을 많이 접해보면서 참고하거나 내부 적용 시 고도화할 부분을 미리 파악하는 것도 도움이 될 것입니다.

3) AI의 동력, 데이터 구축

• AI 시대가 도래하면서 데이터는 미래의 석유라고 불리고 있습니다. 그만큼 좋은 데이터를 AI에 학습시켜야 좋은 아웃풋이 나오기 때문에 AI를 학습시킬 데이터를 모으고 정제하는 것이 하나의 큰 과업이 될 것입니다.
• 특히, 기업의 규모가 클수록 데이터가 파편화되어 있기 때문에 AI의 장점 중 하나인 통합 분석이 어려운 경우가 있습니다. 이런 부분은 타 부문과의 협업이 필요할 수 있으므로, 전사적인 공감대를 형성하며 그 중심에서 MI가 어떤 역할을 할지를 잘 수립하는 과정이 전제되어야 합니다.

5. 마지막으로 정리하자면…

생성형 AI의 자연어 처리, 멀티모달, 생성 능력으로 인해 마켓 인텔리전스 담당자는 AI 에이전트와 대화하며 함께 일하는 시대를 맞이할 것입니다. 생성형 AI는 직접 고객과 대화하며 조사를 수행할 뿐만 아니라, 사람이 하기 어려웠던 빅데이터, 비정형 데이터도 빠르게 분석할 수 있게 되었습니다.

이러한 시대에 MI 담당자는,

• 부문 간의 이해관계 및 회사 내부 이슈에 대한 이해를 바탕으로, AI가 분석한 내용에서 인사이트를 선별하고 맥락을 조정하는 역할을 수행해야 합니다.
• 업무의 적재적소에 AI를 적용하기 위해 국내외 AI 기반 MI 솔루션을 다양하게 공부하고 경험하며 AI 리터러시 역량을 쌓아야 합니다.
• 데이터 구축을 위해 선제적으로 중심을 잡고 유관 부문과 협업해 나갈 준비도 필요합니다.

다음 포스팅에서는 마켓 인텔리전스의 주요 업무 중 하나인 ‘마켓 센싱’에서 생성형 AI를 어떻게 적용할 수 있을지, 무엇을 준비해야 할지 자세히 살펴보도록 하겠습니다.