2018
9-10월(합본호)

중국의 혁신적인 디지털 거인, 알리바바에서 배운다
정밍(Ming Zeng)

FEATURE STRATEGY

중국의 혁신적인 디지털 거인, 알리바바에서 배운다

정밍

알리바바그룹

아카데믹카운슬 회장

 

IDEA IN BRIEF

▶ 새 비즈니스 모델

‘스마트 비즈니스는 생태계 안 여러 비즈니스 참여자를 조율하는 기술기반 플랫폼이다. 알리바바는 미래의 스마트 비즈니스를 잘 보여주는 사례다.

 

▶ 작동 방식

생태계 참여자들은 데이터를 공유하고 머신러닝 기술을 활용해 고객 필요를 파악해 더 훌륭하게 충족시킨다.

 

▶ 구축 방법

다음을 통해 의사결정을 자동화한다:

• 모든 상호 작용에서 최대한 데이터를 생성하도록 한다.

• 모든 비즈니스 활동은 소프트웨어가 조율하도록 한다.

API와 기타 인터페이스 프로토콜을 사용하여 소프트웨어 시스템끼리 원활하게 상호작용하도록 한다.

• 머신러닝을 적용해 실시간으로 데이터를 분석한다.

  

 

2014 9월 알리바바는 세계 최대 규모의 IPO에 성공하며 헤드라인을 장식했다. 현재는 시가총액 기준으로 세계 상위 10대 기업에 들어가 있다. 글로벌 매출도 월마트를 추월했으며 세계 모든 주요 시장으로 영역을 확장했다. 창업자인 마윈 회장은 모르는 사람이 없을 정도로 스타가 됐다.

 

1999년 설립 당시부터 알리바바는 전자상거래 플랫폼을 토대로 엄청난 성장가도를 달렸다. 하지만 필자가 경영진으로 합류한 이듬해인 2007년까지만 해도 지금 같은 초일류기업의 모습은 아니었다. 그해 우린 중국 저장성 닝보에 있는 한적한 해안가 호텔에서 경영 전략회의를 가졌다. 처음에는 전자상거래에 관한 시각과 아이디어가 제각각이었다. 하지만 회의를 진행할수록 더 큰 미래를 보는 관점으로 수렴하기 시작했고, 마지막엔 비전에 합의했다. 우리는개방적이고, 모든 요소가 조화를 이루며, 번영하는 전자상거래 생태계를 만들기로 했다. 알리바바가 본격적으로 대장정에 오르는 순간이었다.

 

우린 알리바바의 남다른 혁신이 진정한 생태계 구축에서 나온다는 점을 깨우쳤다. 이 생태계 속에서 여러 유형의 기업과 소비자는 유기체와 같이 서로 상호작용한다. 외부 환경이라 할 수 있는 온라인 플랫폼과 오프라인의 물리적 요소와도 영향을 주고 받는다. 알리바바는 생태계가 진화하도록 지원하는 데 전략적 우선순위를 뒀다. 이를 위해 온라인 기업이 성공하는 데 필요한 모든 자원을 제공하거나 자원에 접근할 수 있도록 했다.

 

초기에 알리바바가 구축한 생태계는 단순했다. 제품 구매자와 판매자를 연결시켰을 뿐이었다. 기술이 발전하면서 온라인으로 통합되는 비즈니스 기능이 늘어났다. 광고, 마케팅, 물류, 재무 등 기존 기능은 물론이고 제휴 마케팅, 제품 추천 시스템, 소셜미디어 인플루언서와 같이 새로 부상하는 기능도 온라인으로 이동했다. 알리바바는 이런 혁신을 담아내기 위해 생태계를 확장하며 새로운 유형의 온라인 비즈니스가 탄생하도록 도왔다. 이 여정을 밟는 동안 중국의 리테일산업은 완전히 새로워졌다.

 

오늘날 알리바바는 단순히 전자상거래 기업이 아니다. 리테일 비즈니스와 관련된 모든 기능을 가져다가 온라인에서 조직하는 플랫폼이다. 이 생태계 안에서 판매자와 마케터, 서비스 제공자, 물류기업, 제조기업은 점차 커지는 데이터 기반 네트워크를 형성한다. 바꿔 말해, 미국에서 아마존과 이베이, 페이팔, 구글, 페덱스, 도매업체, 상당수 제조기업이 하는 기능을 알리바바는 혼자서 해낸다. 건전한 거래를 위해 금융서비스도 제공한다.

 

현재 시가총액 기준 글로벌 상위 10개 기업 중 7개가 알리바바와 비즈니스 모델이 유사한 인터넷기업이다. 그중 미국의 아마존, 구글, 페이스북과 중국의 알리바바와 텐센트 등 5개는 생긴 지 채 20년도 안 된 회사들이다. 이토록 엄청난 가치와 시장 지배력을 지닌 기업들이 이렇게 급속히 등장한 이유는 무엇일까? 해답은 이 기업들이 빠짐없이 활용하는 네트워크 조율과 데이터 인텔리전스 역량에 있다. 그들이 가꾸는 생태계는 전통적인 산업보다 훨씬 경제적 효율성이 높으며 고객을 중심에 둔다. 이 기업들은 필자가 스마트 비즈니스라고 부르는 접근방식을 따른다. 스마트 비즈니스야말로 미래를 지배하는 비즈니스 논리라 하겠다.




스마트 비즈니스란 무엇인가?

 

스마트 비즈니스는 리테일이나 카셰어링 등 공동의 비즈니스 목표를 지닌 모든 당사자가 온라인 네트워크에서 조율되고 머신러닝 기술을 통해 실시간 데이터를 효율적으로 활용할 때 나타난다. 기술이 중심에 있는 이 모델은 운영 관련 의사결정을 대부분 컴퓨터가 내린다. 덕분에 기업은 시장 여건과 고객 선호가 변하는 과정에서 역동적이고 신속하게 적응할 수 있다. 전통적인 비즈니스 접근방식에 비해 엄청난 경쟁우위를 확보하게 된다.

 

물론 머신러닝을 활용하려면 충분한 컴퓨팅 파워와 디지털 데이터가 필수다. 알고리즘 엔진이 학습하는 데이터 양과 학습 횟수가 늘어날수록 결과물의 품질도 높아진다. 데이터 과학자들이 특정 행동에 대한 확률 예측 모델을 수립하면, 알고리즘이 방대한 데이터를 반복 학습하면서 실시간으로 더 나은 의사결정을 내린다. 비즈니스 의사결정은 대부분 이런 예측 모델에 기초를 둔다. 따라서 머신러닝은 기술 혁신 이상의 의미를 지닌다. 의사결정 주체가 점차 인간에서 기계로 대체되면서 비즈니스 수행 방식이 완전히 달라지기 때문이다.

 

앤트 마이크로론Ant Microloans은 이런 미래가 어떤 모습일지 잘 보여주는 사례다. 알리바바는 앤트를 2012년 설립했다. 당시 중국 대형은행에서 취급하는 기업대출은 통상적으로 수백만 달러 규모였다. 최소 대출금액은 600만 위안( 100만 달러)으로, 대부분 중소기업이 필요로 하는 금액을 훨씬 상회했다. 은행들은 거래 내역이 없거나 사업활동을 뒷받침하는 문서가 불충분한 기업들은 상대하길 꺼렸다. 그 결과, 수천만에 달하는 중국 기업은 사업 확장에 필요한 자금을 확보하는 데 심각한 어려움을 겪고 있었다.

 

우리는 확장성과 수익성을 갖춘 효과만점의 중소기업 대출 사업의 재료가 알리바바에 있다는 사실을 알게 됐다. 바로 수많은 소상공인이 알리바바 플랫폼을 사용하면서 생겨나는 엄청난 거래 데이터였다. 그래서 우리는 100만 위안( 16만 달러) 이하의 기업대출 상품을 취급하는 데이터 기반형 소액대출 사업을 남들보다 한 발 앞서 2010년에 시작했다. 이 사업을 7년 동안 운영하면서 약 870억 위안(134억 달러)을 거의 300만 개 중소기업에 대출해 줄 수 있었다. 평균 여신규모는 8000위안( 1200달러)이다. 2012, 우린 이 대출 비즈니스를 한창 잘나가는 자체 페이먼트 사업인 알리페이Alipay와 연결해 앤트 파이낸셜 서비스Ant Financial Services를 탄생시켰다. 이 벤처 비즈니스에 그런 이름을 붙인 데는 이유가 있다. 작지만 부지런한 일개미같은 소상공인들에게 힘을 보태는 일이라고 생각했기 때문이다.

 

현재 앤트는 몇 백 위안(50달러) 정도의 소액대출은 불과 몇 분 만에 손쉽게 처리할 수 있다. 이것이 어떻게 가능한가? 돈이 필요한 기업이 찾아오면 대출기관은 세 가지만 판단하면 된다. 대출 여부, 대출 금액, 대출 이자율이 그것이다. 플랫폼을 사용하는 판매자로부터 데이터 분석 권한을 부여받기만 한다면 우리는 그 세 가지를 결정하는 데 매우 유리한 위치에 있다. 알리바바의 알고리즘은 어떤 기업의 거래 데이터를 분석해 비즈니스 현황, 제품의 시장경쟁력, 파트너들의 신용등급 등을 진단할 수 있다.

 

앤트는 이 데이터를 활용해 기한 내 대출금을 상환하는 우량고객과 상환하지 못하는 불량고객의 특성을 각각 추출한다. 이런 특성을 활용해 신용점수를 산정한다. 물론 모든 대출기관이 어떤 형태로든 고객에게 신용점수를 매긴다. 하지만 앤트에서는 모든 대출자의 행동데이터를 실시간으로 분석한다. 모든 거래, 판매자와 구매자 간 모든 커뮤니케이션, 알리바바가 제공하는 모든 다른 서비스와의 연결 등 우리 플랫폼에서 취하는 모든 행동을 해당 기업의 신용점수에 반영한다. 동시에, 신용점수 계산 알고리즘은 실시간으로 진화한다. 데이터 학습을 반복하면서 의사결정의 품질을 개선한다.

 

대출금액과 이자율은 알리바바 네트워크에서 생성된 여러 유형의 데이터를 분석해야 결정할 수 있다. 총이익률, 재고회전율 등과 더불어 제품의 수명주기, 판매자의 사회적, 비즈니스적 관계의 질 등 숫자로 정확하게 산정하기 쉽지 않은 데이터까지 고려해야 한다. 예를 들어보자. 알리바바의 알고리즘은 메신저, 이메일, 기타 중국에서 흔히 사용하는 소통수단의 커뮤니케이션의 빈도, 길이, 유형을 분석해 관계의 질을 평가한다.

 



어떤 데이터 포인트에서 인사이트를 얻을 수 있는지와 데이터 마이닝을 수행할 알고리즘을 찾아내고 검증하는 데 있어서 알리바바의 데이터 과학자들은 핵심 역할을 한다.
이런 작업을 하려면 비즈니스를 깊이 이해하면서도 머신러닝 알고리즘에 대한 전문성도 갖추고 있어야 한다. 다시 앤트 파이낸셜로 돌아가보자. 신용상태가 불량하다고 판단한 판매자가 대출을 제때 상환하거나 신용점수 우량한 판매자가 부도가 나면 당연히 알고리즘을 조정해야 한다. 데이터 엔지니어들은 세웠던 가정을 쉽고 빠르게 점검할 수 있다. 어떤 변수를 추가하거나 제거할 것인가? 어떤 사용자 행동에 더 가중치를 부여할 것인가?

 

새로 조정한 알고리즘을 통해 예측 정확도가 점점 좋아지면서, 앤트의 리스크와 비용은 꾸준히 감소한다. 기업은 감당할 수 있는 수준의 합리적인 금리로 필요 자금을 더 대출 받을 수 있다. 그 결과 매우 성공적인 비즈니스로 성장한다. 소액대출 사업의 채무불이행 비율은 1%로 세계은행에서 집계한 2016년 세계 평균치인 4%보다 훨씬 낮다.

 

그렇다면 어떻게 이런 비즈니스를 만들어낼 수 있을까?



모든 운영 의사결정을 자동화하라

 

스마트 비즈니스가 되려면 가능한 많은 운영 의사결정을 기계가 실시간 데이터를 활용해 자동적으로 내릴 수 있도록 해야 한다. 사람이 주관적인 분석을 바탕으로 결정을 내리는 부분을 최소화해야 한다. 의사결정을 이런 방식으로 혁신하기 위해서는 4가지 단계를 밟도록 한다.

 

1단계:

 

모든 고객과의 상호작용을데이터화하라’. 앤트는 운이 좋았다. 대출 비즈니스의 필수 의사결정에 필요한 잠재적인 대출고객에 대한 방대한 데이터에 접근할 수 있었기 때문이다. 여러 기업이 데이터 수집 프로세스에서 어려움을 겪을 것이다. 그러나 실시간 데이터는 머신러닝의 근간인 피드백 고리를 구축하는 데 필수적이다.

 

자전거 대여 사업을 생각해 보자. 중국 스타트업들은 휴대폰, 사물인터넷(자전거용 스마트자물쇠 형태), 기존 모바일 페이, 신용 시스템을 활용해 전체 대여 프로세스를 데이터화했다.

 

자전거를 빌리는 전통적인 방식은 이러하다. 우선 대여 장소를 방문한다. 보증금을 지급하고 직원으로부터 자전거를 수령한다. 사용 후 반납하면서 현금 또는 신용카드로 사용료를 지불한다. 몇몇 중국 경쟁사가 신기술과 기존 기술을 통합해 이런 과정을 모두 온라인으로 옮겨 놨다. 중요한 혁신은 QR코드와 전자자물쇠를 결합해 체크아웃 과정을 자동화한 것이었다. 자전거 공유 앱을 실행하면, 사용할 수 있는 자전거를 확인하고 가까이 있는 것으로 예약하면 된다. 예약한 자전거가 있는 곳으로 가서 앱을 사용해 자전거에 있는 QR코드를 스캔한다. 계좌에 잔액이 있고 대여 기준을 충족하기만 하면 QR코드가 전자자물쇠를 열어준다. 이 앱은 심지어 이용자의 신용 내역을 확인할 수도 있다. 앤트 파이낸셜이 소비자 신용등급을 위해 신규 출시한 온라인 제품인 세서미 크레딧Sesame Credit을 통해서다. 덕분에 자전거 이용자는 보증금을 낼 필요가 없어진다. 대여 프로세스도 더 신속히 진행된다. 자전거를 반납할 때 자물쇠를 잠그면 거래가 완료된다. 이 과정은 단순·직관적이며 통상적으로 몇 초면 끝난다.

 

대여 과정을 데이터화하면 사용자 경험이 크게 향상된다. 실시간 데이터를 바탕으로 기업은 고객이 원하는 곳으로 자전거를 실은 트럭을 이동시킨다. 단골고객에게는 가까운 곳에 있는 사용 가능한 자전거를 푸시알림 형태로 알려주기도 한다. 이런 혁신이 크게 기여한 덕분에 중국에서 자전거 렌트는 시간당 몇 센트 정도로 비용이 떨어졌다.

 

데이터 기반 비즈니스를 추구하는 기업 대부분은 일반적으로 인과관계 모델을 구축하기 위해 정보를 수집하고 분석한다. 이 모델은 핵심적인 데이터 포인트를 방대한 정보에서 분리해낸다. 스마트 비즈니스가 데이터를 사용하는 방식은 이와 다르다. 스마트 비즈니스는 고객 및 다른 네트워크 구성원들과 상호작용, 커뮤니케이션하는 동안 발생하는 모든 정보를 수집한 후 어떤 데이터가 유의미한지 알고리즘이 파악하도록 한다.

 

2단계:

 

모든 활동을소프트웨어화하라. 스마트 비즈니스에서는 지식 관리나 고객 관계뿐만이 아니라 모든 활동이 소프트웨어로 구성된다. 이를 통해 비즈니스 활동에 영향을 미치는 의사결정을 자동화한다. 그렇다고 기업을 관리하기 위해 ERP 소프트웨어나 그와 비슷한 제품을 구입하거나 구축하라는 의미는 아니다. 오히려 그 반대다. 전통적인 소프트웨어를 사용하면 프로세스와 의사결정 흐름이 더 경직되고 종종 병목현상이 발생하기도 한다. 반대로 스마트 비즈니스의 지배적인 논리는 실시간 반응성이라 할 수 있다. 그 첫 번째 단계는 인간이 현재 어떻게 의사결정을 내리는지에 대한 모델을 구축하는 것이다. 그리고 소프트웨어를 사용해 그 의사결정 프로세스의 요소를 단순화해 복제하는 것이다. 이 작업이 항상 쉽지는 않다. 인간의 여러 의사결정이 상식이나 잠재의식의 신경활동에 바탕을 두고 이뤄지기 때문이다.

 

알리바바 그룹의 중국 내 리테일 웹사이트인 타오바오Taobao가 성장하는 동력은 소매업 프로세스를 지속적으로 소프트웨어로 통합하는 데서 나온다. 타오바오에 처음으로 구축된 주요 소프트웨어 도구 중 하나는 왕왕Wangwang이라는 메신저였다. 구매자와 판매자는 왕왕을 통해 서로 쉽게 대화 할 수 있다. 이 메신저 도구를 사용해 판매자는 구매자를 맞이하고, 상품을 소개하며, 가격을 흥정하는 등 활동을 펼친다. 전통적인 소매상점에서 하는 활동과 다르지 않다. 알리바바는 또한 일련의 소프웨어 도구를 개발해 판매자가 다양하고 세련된 온라인 상점을 설계하고 오픈할 수 있도록 지원했다. 온라인 숍을 오픈하면, 판매자는 다른 소프트웨어 제품에 접근해 쿠폰 발행, 할인 제공, 멤버십 프로그램 등 고객관리 활동을 수행할 수 있다. 이런 활동은 모두 상호 조율된다.

 

오늘날 대부분 소프트웨어는 온라인 서비스 형태로 작동한다. 비즈니스 활동을 소프트웨어로 수행하면 실시간 데이터를 자연스럽게 수집할 수 있다는 커다란 장점이 있다. 이를 통해 머신러닝 기술을 적용할 수 있는 토대가 마련되는 것이다.

 

3단계 :

 

데이터를 흐르게 하라.여러 당사자가 상호 연결돼 있는 생태계에서 비즈니스 의사결정을 내리려면 복잡한 조율과정이 필요하다. 예를 들어, 타오바오의 추천 엔진은 판매자의 재고관리 시스템, 다양한 소셜미디어 플랫폼의 소비자 프로파일 시스템과 맞물려 작동해야 한다. 타오바오의 거래 시스템은 할인, 멤버십 프로그램과 연동돼야 함은 물론 물류 네트워크에 실시간으로 정보를 제공해야 한다.

 

TCP/IP와 같은 통신 표준과 APIApplication Programming Interfaces는 여러 당사자 사이에 데이터가 흐를 수 있도록 하는 데 핵심 역할을 한다. 생태계 전반에 걸쳐 데이터 접근과 수정 권한을 통제하는 데도 중요하다. API는 서로 다른 소프트웨어 시스템이 온라인으로 서로대화하고 조율할 수 있게 해주는 일련의 도구다. API는 타오바오 발전의 핵심이었다. 알리바바 플랫폼이 구매자와 판매자가 만나 상품을 매매하는 포럼으로 시작해서 중국을 호령하는 전자상거래 웹사이트로 성장함에 따라 판매자들은 외부 개발자의 지원을 더 많이 필요로 하게 됐다. 새로운 소프트웨어가 가치를 발휘하려면 플랫폼상의 다른 모든 소프트웨어와 폭넓게 호환될 수 있어야만 했다. 그래서 2009년에 타오바오는 독립적인 소프트웨어 개발업체가 사용할 수 있도록 API를 개발하기 시작했다. 오늘날, 타오바오의 판매자들은 평균 100개 이상의 소프트웨어 모듈을 구독하고 있다. 이를 통해 제공받는 실시간 데이터 서비스 덕분에 사업비용을 대폭 줄일 수 있었다.

 

기술 인프라를 올바르게 구축하는 것은 시작에 불과하다. 알리바바의 모든 사업단위에서 동일한 방식으로 데이터를 사용 및 해석할 수 있도록 표준을 구축하는 데 엄청난 노력이 필요했다. 기업들이 보유한 데이터를 공유하도록 유도하는 적절한 인센티브 구조를 마련하는 것 또한 중요하고도 지속적인 과제다. 앞으로 해야 할 일이 훨씬 많다. 물론 이 분야에서 기업들이 어느 정도까지 혁신할 수 있는가는 사업을 영위하는 국가의 데이터 공유 관련 법규에 부분적으로 달려 있다. 그렇지만 방향은 분명하다. 네트워크를 통해 데이터가 더 많이 흐를수록 비즈니스는 더욱 스마트해지고 생태계가 창출하는 가치도 커진다.



4단계 :

 

알고리즘을 적용하라.모든 사업활동을 온라인에서 수행한다면 기업이 다뤄야 하는 데이터량은 폭증한다. 기업이 데이터를 용도에 맞게 가공, 해석, 활용하려면 최적화하려고 하는 제품의 기본 로직이나 시장 역학을 뚜렷하게 반영하는 모델과 알고리즘을 개발해야 한다. 이는 여러 가지 새로운 스킬이 필요한 창조적인 작업이다. 따라서 데이터과학자와 경제학자에 대한 엄청난 수요가 발생한다. 이들에게 도전과제는 기계가 어떤 업무를 해주길 원하는지 규정하는 것이다. 특정한 비즈니스 맥락에서 훌륭한 작업 수행을 규정하는 요소는 무엇인지 명확하게 정의해야 한다.

 

애초부터 타오바오는 개인의 필요에 따라 맞춤형 서비스를 제공하고자 했다. 머신러닝의 발전 없이는 달성이 불가능했을 목표다. 오늘날 타오바오는 개인 맞춤형 웹페이지를 제공한다. 수백만 판매자가 제공하는 수십억 개의 제품 중에서 큐레이션된 상품이 로그인한 고객을 맞이한다. 타오바오의 강력한 추천 시스템이 이 상품들을 배열을 자동으로 생성한다. 고객이 방문할 때마다 구매전환율을 최적화하도록 설계한 이 알고리즘은 운영에서 고객서비스, 보안에 이르기까지 타오바오 플랫폼 전반에 걸쳐 생성된 데이터를 활용한다.

 

타오바오는 2009년에 성장의 전기를 마련했다. 그 전까지는 상품 검색기능이 단순했다. 방문 횟수나 상품 수가 지금보다 훨씬 적었기 때문에 별 문제는 없었다. 하지만 우리는 거기에 안주하지 않고 머신러닝 알고리즘으로 구동되고 방대한 양의 요청을 처리할 수 있는 검색엔진으로 업그레이드 했다. 타오바오는 또한 광학인식 검색 알고리즘을 실험해 왔다. 고객이 원하는 제품의 사진을 올리면 플랫폼에서 판매 중인 제품 중 그와 일치하는 것을 찾아주는 알고리즘이다. 이 기술을 사용해 판매를 촉진하기엔 아직 초창기에 있다. 하지만 이 기능은 고객에게 인기가 매우 높다. 광학검색 기능을 통해 웹사이트로 유입되는 방문수가 매일 1000만 회에 달할 정도다.

 

2016, 알리바바는 인공지능 챗봇을 도입해서 현장에서 올라오는 고객 요청을 처리하기 시작했다. 사람들은 질의와 매치되는 특정 레퍼토리에 있는 답변을 기계적으로 내뱉는 서비스에 익숙하다. 하지만, 우리의 인공지능 챗봇은 다르다. 알리바바 챗봇은 타오바오의 경험이 풍부한 판매자들을 통해학습한다’. 판매자들은 취급하는 제품에 대해 속속들이 알고 있다. 반품규정, 배송료, 주문수정 등 알리바바 플랫폼이 어떻게 작동하며 고객이 주로 어떤 질문을 하는지에도 훤하다. 챗봇은 의미 이해, 맥락 대화, 지식 그래프, 데이터 마이닝, 딥러닝과 같은 다양한 머신러닝 기술을 사용해 고객이 겪는 문제를 자동으로 진단하고 해결하는 능력을 빠르게 향상시킨다. 이 점에서 정해진 내용을 기계적으로 답하고 고객이 추가 조치를 취해야 하는 기존 서비스와 차별화된다. 챗봇은 제시한 해결책이 괜찮은지 고객의 확인을 받고 직접 실행한다. 이 과정에서 알리바바나 판매기업의 어떤 사람도 개입하지 않는다.

 

챗봇은 판매자의 매출에 상당히 기여할 수 있다. 예를 들어, 의류브랜드인 센마Senma 1년 전부터 챗봇을 사용하기 시작했다. 놀랍게도 챗봇은 영업 1위 직원보다 26배 많은 매출을 올렸다.

 

복잡하거나 개인적 문제라면 고객담당자가 처리할 필요가 있다. 하지만 챗봇을 통해 일상적인 요청을 처리 할 수 있는 기능은 판매량이 많거나 특별 프로모션을 진행 중일 때 특히 유용하다. 예전에는, 알리바바 플랫폼에 있는 대형 판매자들이 대규모 이벤트를 진행하는 경우 임시직원을 고용해 고객 요청을 처리하곤 했다. 이젠 달라졌다. 2017년 알리바바의 최대 판매일에 챗봇은 고객 문의의 95%를 처리하며 350만 명의 질문에 답했다.

 

창의적인 데이터화를 통해 기업이 더 똑똑해지는 데 필요한 데이터를 풍부하게 하는 일, 비즈니스를 소프트웨어화하여 업무 흐름과 핵심 당사자를 온라인에 통합하는 일, 표준과 API를 구축하여 실시간 데이터가 흐름과 조율을 가능하도록 하는 일, 머신러닝 알고리즘을 적용해똑똑한비즈니스 의사 결정을 내리는 일, 이 네 가지 단계는 스마트 비즈니스를 구축하기 위한 기초다. 이와 관련된 모든 활동은 중요하면서도 새로운 역량이며, 새로운 종류의 리더십을 필요로 한다.


리더의 역할

 

필자는 후판기업가대학Hupan School of Entrepreneurship에서 스마트 비즈니스 과정을 가르친다. 수업에서 필자는 비즈니스 리더 10인의 얼굴이 담긴 슬라이드를 학생들에게 보여주며 누구인지 맞혀보라고 요청한다. 학생들은 마윈, 일론 머스크, 스티브 잡스 같은 유명 기업인들은 쉽게 맞힌다. 하지만 시티그룹이나 도요타, GE CEO를 알아보는 학생은 거의 없다.

 

여기에는 다 이유가 있다. GE, 도요타, 시티그룹은 최적화된 공급망을 통해 자신들의 제품과 서비스를 제공한다. 하지만, 디지털 기업이 비전을 실현하려면 네트워크를 동원해야 한다. 그러기 위해선 리더가 나서서 네트워크의 구성원인 직원, 파트너, 고객의 마음을 움직여야 한다. 그들은 전통적인 기업의 리더와는 다른 방식으로 비전을 제시하고 전파하며 자기 생각을 외부에 적극적으로 드러내야 한다.

 

기업을 맨 위에서 이끌며 디지털 세상의 전도사가 되려면 미래의 모습을 간파하고 사회, 경제, 기술 변화에 대응하여 산업이 어떻게 진화할지 이해해야 한다. 기업의 목표를 실현하기 위해 어떤 단계를 밟아가야 하는지 이들이 구체적으로 설명할 순 없다. 비즈니스 환경은 너무 유동적이므로 어떤 역량이 필요한지 알 수 없기 때문이다. 그 대신, 리더들은 회사가 무엇을 성취하고자 하는지 정의해야 한다. 직원이 실험적인 제품과 서비스를 만들어 시장에서 테스트해보고 긍정적인 반응을 이끌어내는 아이디어가 있다면 확장 할 수 있는 환경을 조성해야 한다. 디지털 리더는 더 이상 관리하지 않는다. 대신, 직원이 혁신하도록 지원하고 의사결정과 실행에 대한 사용자의 반응이 전달되는 핵심 피드백 고리를 촉진한다.

 

스마트 비즈니스 모델에서 점진적 개선은 부담스러운 일이 아니다. 시스템 전체의 효율성을 높이기 위한 조정을 머신러닝 알고리즘이 자동으로 수행하기 때문이다. 따라서 리더에게 가장 중요한 일은 창의성이 자라나도록 하는 것이다. 리더의 임무는 운영의 효율성을 향상시키기보다 혁신의 성공률을 높이는 것이다.

 

디지털 네이티브 기업은 알리바바처럼 온라인에서 태어났기 때문에 활용할 수 있는 데이터를 이미 확보하고 있다는 점에서 유리하다. 따라서 스마트 비즈니스로의 전환도 매우 자연스럽다. 이들 기업의 비즈니스 모델은 검증됐으며 전통적인 산업 경제까지 변혁시키고 있다. 지금은 모든 기업이 이 새로운 비즈니스 로직을 이해하고 적용해야 할 때다. 고도의 기술을 사용해야 한다는 생각에 엄두가 나지 않을 수 있다. 하지만 기술을 활용하기 위해 넘어야 하는 문턱이 점점 낮아지고 있다. 클라우드 컴퓨팅과 인공지능 기술이 상용화되면서 누구나 대규모 연산과 분석 능력을 갖출 수 있게 됐다. 대용량 데이터를 저장하고 연산하는 비용은 지난 10년 동안 뚝 떨어졌다. 더욱더 다양한 환경에서 합리적인 비용으로 실시간 머신러닝을 적용할 수 있다는 의미다. 급속히 발전하는 사물인터넷 기술은 물리적 환경의 디지털화를 한층 가속하며 유례없이 방대한 데이터를 쏟아낼 것이다. 앞으로 수십 년 동안 이런 혁신이 축적되면, 결국 경쟁자보다 빠르게 스마트해지는 기업이 승자가 될 것이다.

 

더 읽을거리

 

플랫폼 비즈니스 전략에 대한 HBR 아티클

제품을 플랫폼으로 변신시키는 방법

(Finding the Platform in Your Product)

안드레이 하지우(Andrei Hagiu),

엘리자베스 앨트먼(Elizabeth J. Altman)

 

네트워크 효과만으로는 성공할 수 없다

(Network Effects Aren’t Enough)

안드레이 하지우, 사이먼 로스먼(Simon Rothman)

 

양면 시장을 위한 전략

(Strategies for Two-Sided Markets)

토마스 R. 아이즈만(Thomas Eisenmann),

제프리 G. 파커(Geoffrey G. Parker),

마셜 W. 반 앨스타인(Marshall W. Van Alstyne)

 

플랫폼 생태계 부상에 따른 새로운 전략의 규칙

마셜 W. 반 앨스타인, 제프리 G. 파커,

산지트 폴 초더리(Sangeet Paul Choudary)

 

디지털 비즈니스 플랫폼 구축하기

(How to Launch Your Digital Platform)

벤저민 에덜먼(Benjamin Edelman)

 

인공지능과 머신러닝에 대한 HBR 아티클

알고리즘도 관리자가 필요하다

(Algorithms Need Managers, Too)

마이클 루카(Michael Luca), 존 클라인버그(Jon Kleinberg),

센딜 멀레이너선(Sendhil Mullainathan)

 

인공지능의 경제학

(The Simple Economics of Machine Intelligence)

아제이 아그라왈(Ajay Agrawal), 조슈아 건즈(Joshua Gans),

애비 골드파브(Avi Goldfarb)

 

딥러닝 시대에 급변하는 인간과 기술의 상호작용 방식

(Deep Learning Will Radically Change the Ways We Interact

with Technology)

애디티야 싱(Aditya Sing)

 

온라인 시장에서 차별 바로잡기

(Fixing Discrimination in Online Marketplaces)

레이 피스먼(Ray Fisman), 마이클 루카 

 

정밍(Ming Zeng)은 중국 항저우에 본사를 둔 전자상거래, 리테일, 기술 기업집단인 알리바바그룹의 아카데믹카운슬 회장이자 <  What Alibaba’s Success Reveals About the Future of Strategy  >(하버드비즈니스리뷰 프레스, 2018 9월 출간 예정)의 저자다. 또한 정밍은 마윈 알리바바 회장을 비롯해 항저우의 중국 일류기업가들이 설립한 사립 경영대학원인 후판기업가대학(Hupan School of Entrepreneurship) 의 학장이다.

 

번역 류아람 에디팅 장재웅

 

  • 아티클 다운로드
    (PDF)
    5,000원

    담기바로구매

  • 2018년 9-10월호
    25,000원
    25,000원

    구매하기

  • 디지털서비스
    1년 150,000원

    디지털서비스란

    신청하기

전략 다른 아티클

무료 열람 가능 아티클 수 0/1 회원가입 | 서비스상품안내