AI로 실험이 쉬워져 고객 증거가 더 중요해졌다

AI는 제품 실험을 더 싸고 빠르게 만들었지만, 고객이 실제로 무엇을 원하는지 보여주는 증거까지 만들어주지는 않는다. 제프 고델프(Jeff Gothelf)는 기업이 AI가 만든 결과물의 양보다 고객 행동의 변화에 근거해 투자 결정을 내려야 한다고 주장한다.

하버드 비즈니스 리뷰(HBR)는 AI가 기업가정신의 규칙을 바꾸고 있다라는 글에서 AI 도구를 활용하면 한 사람이 여러 제품 아이디어를 병렬로 내고, 시제품과 웹사이트를 만들어 시장 반응을 시험할 수 있다고 설명했다. 글의 저자들은 이를 ‘풍요의 기업가정신’이라고 부른다. 고델프는 아이디어를 만들고 시험하는 비용이 낮아졌다는 점에는 동의하지만, 스타트업 방식의 핵심 제약이 자본에서 관심과 선별로 바뀌었다는 해석에는 이견을 제기한다.

고델프는 조시 세이든(Josh Seiden)과 함께 쓴 《Lean UX》에서 에릭 리스의 아이디어를 바탕으로 대기업 제품팀에 린 스타트업의 관점을 적용했다. 이 방법의 목적은 자본이 부족한 창업자를 돕는 데 그치지 않는다. 고객이 원하는지 알 수 없는 초기 아이디어에 대해 가장 작고 저렴한 실험으로 불확실성을 줄이는 데 있다.

AI는 작고 시험 가능한 것을 만드는 비용을 크게 낮췄지만, 고객의 필요와 특정 해결책의 가치에 관한 불확실성은 없애지 못했다. 실제 고객이 어떻게 행동하는지 보여주는 자료는 여전히 고객과의 상호작용에서 나와야 한다. HBR 글도 유효한 시장 신호는 여전히 부족하다고 짚고, 스티브 블랭크가 말한 “AI는 나쁜 아이디어를 더 빨리 움직이게 한다”는 경고와 창업자들이 실제 고객과의 대화보다 AI의 통찰에 지나치게 의존할 위험을 소개했다. 스티브 블랭크의 관련 글

AI로 고객 인터뷰를 모의해 여러 실험에서 학습 속도를 높일 수는 있다. 하지만 고델프는 모델이 사용자에게 아첨하는 경향이 있어, 창업자에게 아이디어가 나쁘다고 말하지 않을 수 있다고 지적한다. 모의 인터뷰가 실제 고객의 증거로 취급되면 제품을 중단할지, 방향을 바꿀지, 계속할지 판단하는 데 도움이 되기는커녕 잘못된 호응을 만들어낼 수 있다.

고델프는 대기업에서 린 스타트업의 언어가 실제 실행보다 더 널리 퍼졌다고 본다. ‘최소기능제품(MVP)’이라는 말을 쓰면서도 그 뜻에는 합의하지 못하는 경우가 있다는 것이다. AI는 사업계획서와 제안서, 전략 문서, 제품 요구사항 문서(PRD) 같은 자료를 싸고 매끄럽게 만들 수 있지만, 그 완성도가 고객과 시장에서 아이디어가 실제 가치를 얻을지를 증명하지는 않는다. 그 결과 더 많은 프로젝트가 투자 승인을 받고 고객에게 출시될 수 있으며, 시장에는 잡음과 혼란이 늘고 AI를 활용한 제품 개발의 투자수익률(ROI)은 불분명해질 수 있다고 그는 주장한다.

이런 우려를 뒷받침하는 자료로 고델프는 애틀라시안의 《State of Product 2027》을 든다. 제품 전문가 1,000명을 대상으로 한 조사에서 제품 관리자는 AI가 팀의 출시 속도를 높인다고 답했지만, 고객이 더 빨리 가치를 얻지는 못한다고 했다. 제품 관리자(PM)의 86%는 무엇을 만들지 결정하는 일이 어느 때보다 중요하다는 데 동의했다. 시스코의 지투 파텔도 HBR의 IdeaCast에서 무엇을 만들지보다 무엇을 만들지 않을지 선택하는 편이 더 중요하다고 말했다. 크리스천 카탈리니는 HBR 글에서 “실행 비용이 낮아질수록 검증의 가치는 높아진다”고 썼다. 관련 글

고델프는 AI로 산출물을 늘리는 대신 학습과 고객 가치에 투자를 연결하라고 제안한다. 이번 분기부터 적용할 수 있는 방법은 다음과 같다.

• 작업을 시작하기 전에 아이디어가 성공하면 실제 고객의 행동이 어떻게 달라질지, 그 변화를 언제쯤 확인할지 합의한다. 다음 투자 단계는 그 행동 변화와 연결한다.
• 개발과 함께 학습 활동을 계획한다. AI로 필요한 것을 더 빨리 배우게 해줄 실험을 만들고, 실험을 진행하고 결과를 측정할 시간을 배정한다.
• 모의 인터뷰와 AI가 만든 페르소나는 검증할 가설로 표시한다. 의사결정의 증거로 간주하지 않는다.
• 만들지 않기로 했거나 중단한 아이디어를 기록한다. 이를 통해 조직이 얼마나 빠르게 배우는지 파악할 수 있다.

고델프의 결론은 AI가 실험을 더 싸고 빠르며 그럴듯하게 만들었어도 고객 가치의 증거를 얻는 일은 쉬워지지 않았다는 것이다. 풍요를 활용해 단지 더 많이 만드는 기업이 아니라 더 빨리 배우는 기업이 이익을 얻을 것이라고 그는 주장한다.