AI 도입 성과 지표, 우리 홈페이지엔 0건이었다: 브런치 405편 대조

AI 도입 성과 지표, 왜 우리 홈페이지엔 하나도 없었나?

결론부터 적으면, 우리 홈페이지에는 시장이 AI를 원한다는 숫자는 있었고 AI를 도입해서 무엇이 얼마나 줄었는지 보여 주는 숫자는 없었습니다. 첫 화면 맨 위 문구는 'AI 필요 78.4% · 실제 활용 30.6%'였고, 출처는 대한상의·산업연구원이 2024년에 국내 기업 500개사를 조사한 결과였습니다. 출처까지 달아 둔 성실한 숫자였지만, 이 숫자는 '이 회사에 맡기면 우리 일이 이만큼 바뀐다'를 말해 주지 못합니다.

이 빈칸이 문제가 된 이유는 비용 쪽에 있습니다. 홈페이지를 열고, 광고를 돌리고, 제안서를 쓰는 데 시간을 들였지만 계약은 0건이었습니다. 처음에는 이 0을 시장 문제로 읽었습니다. 사려는 사람이 없거나, 저희가 고른 자리가 틀렸다고 생각했습니다. 그래서 질문도 '시장에 저희가 돈을 벌 기회가 있느냐'로 시작했습니다.

이 글은 그 질문을 숫자로 다시 잰 기록입니다. 코딩 이야기는 거의 없습니다. AI 도입 컨설팅이나 업무 자동화 외주를 파는 작은 회사, 혹은 그런 업체를 고르는 구매 담당자라면 같은 빈칸을 자기 쪽에서도 찾아볼 수 있습니다. 숫자가 없는 자리에서 숫자가 왜 만들어지지 않는지, 그 고리를 어디서 끊기로 했는지가 핵심입니다.

처음 잰 숫자: 브런치 405편과 홈 카피의 숫자 2개

대조 재료는 Peter Shin이 쓴 글입니다. 그는 국내 AX·DX 컨설팅 시장과 초기 창업팀의 사업 모델을 오래 써 온 사람이고, 브런치에 올린 405편을 전문 그대로 모았습니다. 글자 수로 1,339,296자입니다. 같은 저자의 Disquiet 글 10편과 Threads 글 13편도 함께 모아 한곳에 보관했습니다. 요약본을 읽지 않고 전문을 모은 이유는, 그가 결론만이 아니라 근거로 드는 구매 구조까지 확인해야 했기 때문입니다.

반대편 재료는 우리 홈페이지 카피 파일입니다. 첫 화면, 서비스 카드, 진행 순서, 자주 묻는 질문까지 한국어판과 영어판 문구가 한 파일에 모여 있습니다. 측정 방법은 단순했습니다. 이 파일을 처음부터 끝까지 읽으며 숫자가 나오는 자리를 전부 표시하고, 그 숫자가 시장 통계인지 우리 결과인지 나눴습니다.

결과는 이렇습니다. 시장 통계는 2개(AI 필요 78.4%, 실제 활용 30.6%)였고, 저자가 요구하는 형태의 결과 지표는 0건이었습니다. 그가 예로 드는 결과 지표는 '처리시간 32% 감소', '재작업률 25% 감소', '오류율 0.3%→0.1%' 같은 문장입니다. 하나 분명히 해 둘 점이 있습니다. 이 세 숫자는 저희가 낸 개선이 아니라 그가 예로 든 형태이고, 우리 카피에는 이런 형태의 문장이 한 개도 없었다는 뜻입니다.

영어판도 같이 셌습니다. 영어판은 한국어판을 옮긴 번역이고 숫자를 새로 만들지 않는다는 원칙으로 관리합니다. 첫 화면 문구는 '78.4% need AI · 30.6% actually use it'으로 한국어판과 같은 두 숫자였고, 결과 지표는 영어판에서도 0건이었습니다. 두 언어를 합쳐도 숫자의 종류는 시장 통계 하나뿐이었습니다.

처음 세운 가설: 기회는 시장이 있느냐의 문제다

처음 가설은 '매출이 0인 이유는 시장이 없거나 자리를 잘못 골랐기 때문'이었습니다. 이 가설이 맞다면 할 일도 정해집니다. 더 큰 시장을 찾거나, 다른 업종으로 옮기거나, 판매 서비스를 새로 짜면 됩니다. 실제로 그 무렵 저희는 판매 서비스 후보를 계속 늘리고 있었습니다.

이 가설을 확인하려면 바깥 기준이 하나 필요했습니다. 우리 사정에서 출발한 판단은 우리에게 유리한 쪽으로 기울기 쉽습니다. 그래서 국내 컨설팅 시장을 구조로 설명해 온 저자의 글 전체를 기준으로 삼고, 그가 초기 창업팀에게 권하는 6가지 전략에 우리를 하나씩 대 보기로 했습니다. 시장 규모 숫자가 아니라 전략별로 맞는지 틀리는지를 표시하는 방식입니다.

가설이 맞는다면 대조 결과는 '자리부터 틀렸다'로 나와야 했습니다. 저자가 권하는 사업 모델과 저희가 파는 서비스가 겹치지 않거나, 그가 지목한 진입점과 우리 서비스의 진입점이 어긋나야 합니다. 결과는 반대였습니다.

가설이 틀린 지점: 자리는 이미 맞았다

먼저 자리입니다. 저자가 한국 극초기 팀의 사업 모델 1위로 꼽은 것이 'AX DX 컨설팅'이었습니다. 그가 함께 추천한 3종, 즉 AI PoC에서 Pilot으로 넓혀 가는 AX, 사내 GenAI 패키지, 현업 자동화 Workflow+AI는 저희가 이미 파는 AI 업무 자동화·AI 챗봇·AI 소프트웨어 개발과 겹쳤습니다. 시장이 없어서 못 판다는 설명은 여기서 무너졌습니다.

B, 팀 단위 진입도 맞았습니다. 그는 회사 전체가 아니라 한 팀의 반복 업무로 들어가라고 권합니다. 우리 판매 서비스 목록은 이미 그렇게 짜여 있었습니다. 경리 자동화는 재무팀, 기술지원 티켓 분류는 CS팀, 마케팅 리포트 자동화는 영업운영팀, 견적서 자동 생성은 구매팀으로 들어가는 입구입니다. 그가 지목한 진입점 목록과 그대로 맞았습니다.

A, 컨설팅 증폭도 맞았습니다. 진단에서 시작해 구축으로 넓히고 인계로 끝내는 사다리를 말하는데, 우리 홈페이지가 이미 무료 진단, 2~6주 구축, 운영 인계의 3단 구조였습니다. 여기까지 보면 저희는 그가 권하는 길 위에 서 있었습니다. 처음 가설대로라면 바로 이 대목에서 어긋남이 나와야 했는데, 나온 것은 일치였습니다.

여기서 측정 기준을 바꾼 이유도 적어 둡니다. '시장이 있느냐'는 예 아니면 아니오로 끝나는 질문이라, 예가 나와도 다음에 무엇을 할지 알려 주지 않습니다. 전략별 대조는 맞는 칸과 비는 칸을 나눠 보여 줍니다. 비는 칸이 곧 다음 할 일이 됩니다. 그래서 판단의 축을 시장 존재에서 6가지 전략 대조로 옮겼습니다.

진짜 원인은 무엇이었나: 감사 가능한 숫자 0건

어긋남은 C에서 나왔습니다. C는 감사 가능한 숫자, 다시 말해 외부 감사나 사내 보고서에 그대로 올릴 수 있는 결과 지표입니다. 우리 홈 카피의 숫자는 시장 통계뿐이었고 결과 지표는 0건이었습니다. 결정적인 빈칸은 이 하나였습니다.

E도 비어 있었지만 원인은 같았습니다. E는 한 팀에서 쓰기 시작한 시스템의 사용률 데이터를 근거로 옆 팀까지 넓히자고 제안하는 길입니다. 사용률을 잴 납품이 없으니 이 길도 열리지 않습니다. C가 없으면 E도 성립하지 않습니다. 빈칸 두 개처럼 보였지만 뿌리는 하나였습니다.

팀 단위 진입이 왜 중요한지도 이 구조에서 나옵니다. 회사 전체의 AI 전환은 결재선이 길고 효과를 재기도 어렵습니다. 경리팀의 대사 업무, CS팀의 티켓 분류처럼 한 팀의 반복 업무는 범위가 좁아 도입 전후를 재기 쉽습니다. B가 이미 맞았다는 사실은, 우리 서비스가 결과 숫자를 만들기 좋은 단위로 짜여 있었다는 뜻이기도 합니다. 숫자를 낼 그릇은 있었고, 담긴 것이 없었습니다.

왜 C가 결정적인지는 한국 DX 구매 구조에서 나옵니다. 저자의 정리에 따르면 기업 안에서 예산을 여는 근거는 '감사·보고 가능한 지표'입니다. 구매 담당자는 '좋아 보인다'로 결재를 올리지 못합니다. '도입하면 처리시간이 몇 퍼센트 줄었다는 다른 회사 사례가 있다'를 들고 가야 합니다. 그 숫자를 저희가 줄 수 없었습니다.

매출 0과 숫자 0은 같은 고리다. 납품 이력이 0이면 지표를 만들 원천이 없고, 지표가 없으면 예산이 열리지 않는다.

여기서 원인의 모양이 바뀌었습니다. 납품이 없으니 결과 숫자가 없고, 결과 숫자가 없으니 예산을 여는 근거가 없고, 근거가 없으니 계약이 없고, 계약이 없으니 다시 납품이 없습니다. 시장이 없는 것이 아니라 이 고리가 닫혀 있었습니다. 처음 가설이 '바깥에 문이 없다'였다면, 실제로는 '문은 있는데 열쇠가 우리 손에 없다'에 가까웠습니다.

조치 전에 버린 대안 두 가지

고리를 끊는 방법으로 세 가지를 놓고 비교했습니다. 첫째는 시장 통계를 더 보강하는 안입니다. 출처 있는 통계를 몇 개 더 붙이면 첫 화면이 더 단단해 보일 수 있습니다. 버린 이유는 간단했습니다. 기업에 AI가 필요하다는 사실은 이미 78.4%로 증명돼 있습니다. 같은 종류의 숫자를 더 넣어도 '이 회사에 맡기면 얼마나 바뀌나'에는 답하지 못하고, 구매 근거도 되지 않습니다.

둘째는 사례를 만들기 전에 판매 서비스 후보를 더 뽑는 안입니다. 이것도 버렸습니다. 서비스 목록에는 이미 129건과 대표 서비스 3종이 있었습니다. 후보가 모자라서 못 판 것이 아니었기에, 후보를 더 늘려도 고리의 어느 칸도 바뀌지 않습니다. 오히려 고를 것이 많아질수록 첫 납품이 뒤로 밀립니다.

셋째가 채택한 안입니다. 측정 설계를 붙인 납품 1건을 먼저 만든다. 앞의 두 안은 고리 바깥을 꾸미는 일이었고, 셋째만 고리 안의 칸 하나를 직접 바꿉니다.

조치: 측정 설계를 붙인 납품 1건을 먼저 만든다

결정은 두 갈래였습니다. 하나, '기회가 있느냐'를 시장이 있느냐로 답하지 않기로 했습니다. 자리는 이미 맞으므로 판단의 기준을 6가지 전략 대조로 옮겼습니다. 둘, 첫 계약의 의미를 바꿨습니다. 지금까지 첫 계약은 매출 때문에 필요한 것으로 다뤘는데, 실제로는 댈 숫자를 만드는 유일한 길입니다.

그래서 끊는 지점을 '무상이나 저가라도 측정 가능한 1건'으로 정했습니다. 핵심은 '측정 가능한'에 있습니다. 납품만 하고 전후를 재지 않으면 같은 고리로 돌아옵니다. 착수 전에 무엇을 잴지, 도입 전 값을 언제 어떻게 잴지 먼저 정하고 들어가야, 끝났을 때 '처리시간 몇 퍼센트'라는 문장을 쓸 수 있습니다.

홈페이지 카피 쪽에서도 이 방향과 맞는 문구가 있습니다. 지금 카피의 '구축 후, 무엇이 바뀌나' 영역에는 '테스트 정답률·응답 시간을 착수 전 계약서에 못박습니다'라는 약속이 있습니다. 측정 기준을 계약 단계로 끌어오겠다는 약속이고, 첫 납품에서 이 약속을 지키면 그 결과가 곧 첫 결과 지표가 됩니다. 비슷하게 AI 업무 자동화 견적서를 점검한 기록은 AI업무자동화 견적서 점검 글에 따로 정리했습니다.

첫 건 가격을 낮추면 단가 기준선이 무너지지 않나?

이 조치에는 분명한 비용이 있습니다. 첫 건 가격을 낮추면 이후 견적의 기준선도 함께 내려갈 위험이 있습니다. 한 번 싸게 해 준 고객이 다음 견적에서 같은 가격을 기대하고, 그 가격이 소문으로 퍼지면 단가를 되돌리기 어렵습니다.

그래도 이 위험을 감수하기로 했습니다. 저자는 초기에는 가격이 고무줄이어야 한다고 씁니다. 어떤 고객에겐 300만원, 어떤 고객에겐 3,000만원일 수 있다는 말입니다. 제품과 시장이 아직 맞물리지 않은 단계에서 가격표를 고정하면 오히려 배우는 속도가 늦어진다고도 봅니다.

저희가 내린 판단은 '기준선 하락보다 측정 부재가 크다'입니다. 기준선은 다음 계약에서 조정할 수 있지만, 결과 숫자가 0인 상태는 계약 자체를 막습니다. 두 손실을 같은 저울에 올리면 측정 부재 쪽이 무겁습니다.

재측정 결과: 홈 카피를 다시 읽었다

이 글을 쓰면서 홈 카피 파일을 같은 방법으로 다시 읽었습니다. 한국어판과 영어판의 숫자가 나오는 자리를 전부 표시하고 종류를 나눴습니다. 첫 화면 맨 위는 여전히 'AI 필요 78.4% · 실제 활용 30.6%'이고 출처도 2024년 500개사 조사 그대로입니다.

그 밖의 숫자는 구축 기간 '보통 2~6주'와 '계약 종료 후 30일 이내에 파기' 정도입니다. 앞의 것은 진행 일정이고 뒤의 것은 데이터 보안 약속입니다. 둘 다 결과 지표가 아닙니다. 결과 지표 형태의 숫자는 이번에도 0건이었습니다.

숫자 대신 약속은 늘어 있었습니다. '구축 후, 무엇이 바뀌나' 영역은 반복 업무가 사라진다, 검수 기준이 숫자로 고정된다, 귀사 명의로 인계된다, 운영 표준으로 돌아간다는 네 가지를 말합니다. 그중 '테스트 정답률·응답 시간을 계약서에 못박는다'는 측정을 약속하는 문장입니다. 다만 약속은 결과가 아닙니다. 구매 담당자가 보고서에 옮겨 적을 수 있는 것은 실제로 잰 값뿐이라, 이 문장들은 결과 지표로 세지 않았습니다.

결과만 보면 개선은 0입니다. 숨기지 않고 적습니다. 이번 결정이 바꾼 것은 카피의 숫자가 아니라 무엇을 먼저 할지의 순서였고, 카피의 결과 지표는 첫 측정 납품이 끝나야 1이 될 수 있습니다. 처음 잰 0과 다시 잰 0이 같다는 사실이, 이 빈칸을 카피 수정으로 메울 수 없다는 진단을 오히려 확인해 줍니다.

앞선 판단과는 어떻게 이어지나?

이번 대조 직전에 한 가지 판단이 먼저 있었습니다. 국내 B2B SaaS를 새로 시작하는 안은 권하지 않고, 지금의 AI 도입 서비스 축을 유지하기로 한 판단입니다. 그때는 '이 축을 유지한다'까지만 정했고, 이 축에서 무엇이 빠져 있는지는 비워 둔 채였습니다.

이번 대조가 그 빈자리를 채웠습니다. 축을 유지한다는 결정과, 그 축에서 빠진 것이 결과 숫자라는 진단이 한 줄로 이어집니다. 두 판단이 서로 어긋나지 않는다는 점도 확인했습니다. 새 사업을 벌이지 않고, 이미 맞는 자리에서 빈칸 하나를 메우는 쪽으로 힘을 모으는 순서입니다.

대조에 쓴 자료는 한곳에 보관해 두었습니다. 브런치 405편 전문, Disquiet 10편, Threads 13편입니다. 다음에 같은 저자의 다른 주장, 예를 들어 가격 정책이나 팀 단위 확산 방식을 확인해야 할 때 요약이 아니라 원문으로 다시 찾을 수 있게 하려는 목적입니다.

남는 한계: 근거가 기운 방향과 아직 없는 숫자

첫째 한계는 근거 자체의 편향입니다. 저자의 글 다수가 그가 운영하는 창업 프로그램 “Outsome Founder Sprint” 모집 안내로 끝납니다. '한국 극초기 팀은 AX 컨설팅을 해야 한다'는 판단은 그가 파는 상품과도 잘 맞습니다. 그래서 그의 결론을 그대로 믿지 않고, 그가 설명하는 구조만 빌려 왔습니다.

둘째, 그가 드는 시장 규모 숫자는 우리 몫이 아닙니다. 그는 DX 시장 21조, SI 시장 3조를 말하면서 스스로 '대부분 대기업 SI가 매출을 차지한다'고 씁니다. 1인 사업자가 접근할 수 있는 크기가 아닙니다. 이번 판단이 채택한 것은 이 큰 숫자가 아니라 구조 진단, 즉 구매가 어떻게 일어나고 무엇으로 감사받고 어느 팀 단위로 들어가는지입니다.

셋째, 이번 기록에는 재측정 뒤의 개선 숫자가 없습니다. 0에서 출발했고 다시 재도 0이었습니다. 첫 측정 납품이 끝나야 이 글의 '전후'가 처음으로 생깁니다. 그때 무엇을 쟀는지, 도입 전 값이 얼마였는지까지 함께 공개하지 않으면 그 숫자도 시장 통계와 다를 바 없는 장식이 됩니다.

AI 도입 성과 지표가 없는 회사는 무엇부터 확인해야 하나?

같은 처지의 작은 회사라면 홈페이지와 제안서의 숫자를 한 번 전수로 세어 보길 권합니다. 방법은 이 글과 같습니다. 숫자가 나오는 자리를 전부 표시하고 '시장 이야기인가, 우리 결과인가'로 나눕니다. 시장 이야기만 있다면 그 회사도 같은 고리 안에 있을 가능성이 큽니다.

• 홈 카피·제안서의 숫자를 전부 세고 시장 통계와 결과 지표로 나눈다
• 결과 지표가 0건이면 시장 통계를 더 붙이지 않는다
• 판매 서비스 후보를 늘리기 전에 첫 납품 1건을 고른다
• 그 1건은 착수 전에 잴 지표와 도입 전 값을 먼저 정한다
• 외부 권위의 결론은 그 사람의 상품과 겹치는지 따로 표시한다

반대로 AI 도입 업체를 고르는 쪽이라면, 상대에게 '도입 전후로 무엇이 얼마나 바뀌었는지 보고서에 올릴 수 있는 숫자가 있느냐'를 물어보면 됩니다. 숫자가 없는 업체라면 첫 계약에서 무엇을 잴지 함께 정하자고 제안할 수 있습니다. 우리 업무에서 어떤 숫자를 잴 수 있을지 같이 정해 보고 싶다면 상담으로 남겨 주세요.