AX는 도구 도입이 아니라 의사결정 시스템 재설계다
많은 회사가 AX를 말할 때 가장 먼저 묻는 건 모델입니다.
"어떤 AI를 붙이면 되나요?" "요즘은 Claude가 좋나요, Gemini가 좋나요?"
이 질문이 완전히 틀린 건 아닙니다. 다만 순서가 틀렸습니다.
AX가 실제로 성과로 이어지려면 먼저 정리돼야 하는 건 도구가 아니라 의사결정 구조입니다.
왜 많은 AX가 실무에서 미끄러지는가
현장에 들어가 보면 문제는 꽤 비슷합니다.
- 리뷰는 쌓이는데 아무도 구조적으로 읽지 못합니다.
- 반품 사유는 모이는데 제품팀, 운영팀, 마케팅팀이 각자 다르게 해석합니다.
- 대표는 매출을 올리고 싶어 하고, 실무자는 업무를 줄이고 싶어 하고, 개발팀은 기능 요청만 쌓입니다.
이 상태에서 AI를 붙이면 대부분 "신기한 기능"은 생깁니다. 하지만 숫자는 잘 안 움직입니다.
이유는 간단합니다.
AI가 대신 판단해주는 것처럼 보여도, 실제로는 무엇을 좋은 판단으로 볼지를 조직이 아직 합의하지 못했기 때문입니다.
제가 먼저 보는 기준
AX를 이야기할 때 저는 먼저 아래를 봅니다.
- 첫 구매를 만드는 상품이 무엇인가
- 두 번째 구매로 이어지는 구조가 무엇인가
- 반품은 어디에서 새고 있는가
- 리뷰에서 반복되는 칭찬과 불만은 무엇인가
- 팀은 지금 무엇을 기준으로 판단하고 있는가
이 다섯 가지가 정리되지 않으면 AI는 대개 "조금 더 빨리 일하게 해주는 보조도구"에서 멈춥니다.
반대로 이 기준이 정리되면, AI는 조직의 판단 품질을 끌어올리는 시스템이 됩니다.
숫자는 같이 움직여야 한다
좋은 액션은 보통 숫자 하나만 움직이지 않습니다.
- CVR
- AOV
- 반품률
- 재구매율
- LTV
이 숫자들은 따로 노는 것처럼 보여도 실제로는 연결돼 있습니다.
예를 들어 리뷰 인텔리전스를 잘 설계하면:
- 상세페이지 메시지가 선명해지고
- 기대치가 정렬되며
- 반품률이 줄고
- 재구매 경험이 좋아질 가능성이 높아집니다
즉, AX는 자동화 예능쇼가 아니라 숫자가 연결되는 경로를 설계하는 일이어야 합니다.
그래서 저는 기능보다 구조부터 제안한다
대표나 실무팀과 대화할 때 제가 먼저 제안하는 건 보통 화려한 챗봇이 아닙니다.
- 리뷰 인텔리전스 MVP
- 반품/핏 인사이트 시스템
- 상품 의사결정 대시보드
이 셋은 조직 저항이 낮고, 숫자와 직접 연결되며, AI를 억지로 쓰는 느낌이 적습니다.
무엇보다 중요한 건 이 접근이 저를 "기능만 치는 개발자"가 아니라, 대표와 밀도 있게 우선순위를 맞추고 구조를 설계하는 사람으로 위치시켜 준다는 점입니다.
결론
AX의 본질은 모델 선택이 아닙니다.
조직이 어떤 기준으로 문제를 보고, 무엇을 먼저 바꾸고, 어떤 숫자가 움직여야 성공으로 볼지를 정리하는 일입니다.
도구는 그 다음입니다.
그래서 저는 AI를 빠르게 붙이는 사람보다, AI가 성과로 이어지는 구조를 먼저 설계하는 사람으로 움직이려고 합니다.