소매 업계가 보다 디지털화된 온디맨드 소비자 기반으로 전환함에 따라 AI는 소매업체가 이러한 진화하는 소비자 행동을 더 잘 이해하고 수용할 수 있는 비밀 무기가 되고 있습니다. 고도로 개인화된 온라인 쇼핑, 소비자 직접 판매 모델, 배달 서비스가 증가함에 따라 생성형 AI는 소매업체가 고객 관리, 인재 혁신, 애플리케이션 성능을 개선할 수 있는 다양한 이점을 실현하는 데 도움이 될 수 있습니다.
생성형 AI는 이메일, 이미지, 비디오, 오디오 파일, 소셜 미디어 콘텐츠 등 다양한 데이터 소스를 처리하는 데 탁월합니다. 이 비정형 데이터는 모델 생성과 생성형 AI의 지속적인 교육을 위한 백본을 형성하므로 시간이 지나도 효율성을 유지할 수 있습니다. 이 비정형 데이터를 활용하면 챗봇을 통한 고객 서비스 향상, 보다 효과적인 이메일 라우팅 촉진 등 소매 운영의 다양한 측면으로 확장할 수 있습니다. 사실상 이는 적절한 리소스로 사용자를 안내하는 것을 의미할 수 있습니다. 이를 위해 사용자를 올바른 상담원에게 연결하거나 사용자 가이드 및 FAQ로 안내할 수 있습니다.
소매업체는 AI를 중심으로 전략을 수립하고 이를 운영의 여러 측면에 통합해야 할 필요성을 인식하고 있습니다. IBM의 최신 CEO 연구에 따르면, 업계 리더들은 매출 성장을 촉진하기 위해 AI 기술에 점점 더 주력하고 있으며, IBM의 설문조사에 참여한 소매 기업 CEO의 42%는 향후 3년 동안 성과를 내기 위해 생성형 AI, 딥 러닝, 머신 러닝과 같은 AI 기술을 도입할 계획이라고 밝혔습니다. 이 데이터는 최근 IDC 유럽 연구와 밀접하게 연관되어 있는데, 이 연구에 따르면 전 세계 소매업체와 브랜드의 40%가 생성형 AI 실험 단계에 있으며, 21%는 이미 생성형 AI 구현에 투자하고 있다고 합니다.
이러한 투자의 영향은 향후 몇 년 안에 분명해질 것입니다. 연구 분석 기관인 IHL Group의 최근 예측에 따르면 생성형 AI는 2029년까지 소매 비즈니스에 총 9조 2천억 달러의 재정적 영향을 미칠 것으로 예상됩니다. 현재 생성형 AI가 2023년 소매업계에 미치는 영향은 9%에 불과하지만, IHL은 2029년까지 생성형 AI가 전체 재정적 영향의 78%를 차지할 정도로 성장하여 그 금액은 총 4조 4천억 달러에 이를 것으로 예상하고 있습니다.
AI는 소매업체가 액세스할 수 있는 방대한 양의 데이터를 활용할 수 있도록 지원하지만, 그 중 상당 부분은 지금까지 활용도가 낮았습니다. 고객 행동 예측부터 공급망 효율성 및 개인화된 마케팅에 이르기까지 AI는 고객 관리, 운영 효율성, 인재 혁신 등 여러 중요한 영역에서 업계의 효율성과 생산성을 혁신할 수 있는 잠재력을 가지고 있습니다.
인공 지능에 대한 소매 및 CPG 부문의 관점을 조사한 IBM의 최근 CEO 연구에 따르면 오늘날 이러한 산업의 최우선 과제는 고객 관리입니다. 고객 관리 영역에서 생성형 AI는 고객 피드백 및 구매 습관에서 얻은 귀중한 인사이트를 활용하여 소매업체가 고객 중심 접근 방식을 채택할 수 있도록 지원합니다. 이러한 데이터 기반 접근 방식은 제품 설계 및 패키징을 개선하는 데 도움이 될 수 있으며 높은 고객 만족도와 매출 증대를 촉진하는 데 도움이 될 수 있습니다.
또한 생성형 AI는 대화 기록, 감정 분석 및 콜센터 기록에 기반하여 상황에 맞는 안내를 제공하는 고객 관리용 인지 어시스턴트 역할도 수행할 수 있습니다. 또한 생성형 AI는 개인화된 쇼핑 경험을 가능하게 하여 고객 충성도를 높이고 경쟁 우위를 제공할 수 있습니다.
운영 효율성과 관련하여 AI 기술은 가격 책정 전략, 재고 관리 및 물류를 개선하여 수익을 최적화하고 고객에게 원활한 쇼핑 경험을 제공할 수 있습니다. 예를 들어, 생성형 AI는 수요 변동을 예측하여 동적 가격 책정을 최적화하고, 배송 시간과 배송 비용을 포함한 여러 요소를 분석하여 물류를 개선하는 데 사용될 수 있습니다. 이는 비용 절감과 향상된 고객 서비스로 이어질 수 있습니다.
또한 생성형 AI는 과거 판매 데이터와 외부 요인을 사용하여 수요를 보다 정확하게 예측함으로써 품절과 재고 과잉을 방지하고 재고 보충 및 배분을 자동화할 수 있습니다. 이러한 측면을 효율적으로 관리함으로써 소매업체는 운영을 간소화하고 전반적인 성과를 높일 수 있습니다.
세 번째 잠재적 영향 영역은 인재 혁신으로, 소매업체는 채용 및 온보딩에 챗봇을 활용하여 프로세스를 더욱 효율적으로 만들 수 있습니다. 온보딩이 완료되면, 직원들은 생성형 AI가 만든 개인화된 적응형 훈련 프로그램을 제공받을 수 있습니다. 이 프로그램은 각자의 학습 스타일과 지식 격차를 파악하는 데 도움을 줍니다.
최근 IBM 기업가치연구소(IBM)의 연구 결과에 따르면 기존 직원을 위한 새로운 기술을 개발하는 것이 최고 경영진이 가장 중요하게 생각하는 인재 과제라고 합니다. 소매업체 임원들은 설문조사에서 '기술 문맹'과 '기존 인재를 위한 새로운 기술 구축'을 오늘날 조직이 직면한 가장 큰 인재 과제로 꼽았습니다. 설문조사에 참여한 소매업체 임원들은 향후 3년 동안 AI 및 자동화 구현으로 인해 인력의 41% 이상이 재교육이 필요할 것으로 예상했습니다. 응답한 소매업체 임원의 거의 절반이 외부에서 채용하는 대신 재교육에 투자할 것이라고 답했습니다.
IBM은 이러한 요구 사항을 해결하는 데 도움이 되는 AI 솔루션을 개발했습니다. 소매 업계는 세 가지 모드를 통해 IBM의 AI를 이용할 수 있습니다. 이 중 가장 대표적인 것은 핵심 워크플로에서 생성형 AI의 영향을 가속화하여 생산성을 높이는 AI 제품 포트폴리오인 IBM watsonx입니다. 다른 IBM AI 제품으로는 IBM watsonx Orchestrate, IBM watsonx Code Assistant 및 IBM watsonx Assistant가 있습니다. 세 번째 모드는 Red Hat OpenShift AI와 같은 오픈 소스 플랫폼과 파트너 제품과의 원활한 통합을 이용하는 것입니다.
IBM은 기업이 생성형 AI와 파운데이션 모델의 기회를 활용할 수 있도록 돕기 위해 watsonx를 출시했습니다. watsonx는 IBM watsonx.ai, IBM watsonx.data 및 IBM watsonx.governance로 구성됩니다. watsonx.ai는 개방적이고 직관적인 사용자 인터페이스를 통해 기존 머신 러닝과 파운데이션 모델을 기반으로 하는 새로운 생성형 AI 기능을 모두 학습, 검증, 조정 및 배포할 수 있는 AI 빌더를 위한 차세대 엔터프라이즈 스튜디오입니다. watsonx.data는 레이크하우스 아키텍처와 개방형 데이터 형식을 기반으로 하는 데이터 저장소로, 파운데이션 모델용 엔터프라이즈 데이터를 관리하도록 설계되었습니다. 세 번째 구성 요소는 watsonx.governance로, 2023년 12월에 출시될 예정인 이 솔루션은 기업 전체의 거버넌스 프로세스를 지정하고 관리하며 위험을 제어할 수 있는 강력한 툴 세트입니다.
앞으로 소매업체는 watsonx.data를 사용하여 대량의 이질적인 비정형 고객 데이터를 활용하고 watsonx.ai에서 모델을 구축하여 개인화된 쇼핑 추천을 위한 추천 알고리즘을 활용할 수 있습니다. 소매업체는 고객의 동의를 얻어 과거 구매 및 검색 행동을 기반으로 가상 입어보기 툴을 만들고 대화형 쇼핑 도우미를 개발할 수 있습니다. 사용 가능해지면, watsonx.governance는 이 프로세스에 통합되어 소매업체들이 고객 데이터를 윤리적이고 책임감 있게 관리하는 데 도움을 줄 수 있습니다.
소매업체는 이러한 툴을 자유롭게 사용할 수 있기 때문에 전략의 필수 요소로 생성형 AI를 수용할 수 있는 유리한 위치에 있으며, 점점 더 복잡하고 빠르게 변화하는 소비자 환경을 탐색할 수 있는 역량을 갖추게 될 것입니다.
책임감 있는 AI 워크플로를 도입하고 가속화하는 데 watsonx가 어떻게 도움이 되는지 자세히 알아보고 싶으신가요?