모바일 왕국을 꿈꾸며!!! mobizen@mobizen.pe.kr

Posted
Filed under 모바일 일반
1. 카카오톡의 업데이트와 사용자들의 반발
최근 카카오는 대규모 업데이트를 단행했다. 여러 기능이 바뀌었지만 핵심은 채팅 기능 업그레이드, 소셜 피드 형태로 재편된 탭, AI 통합이다. 카카오는 “대화하러만 들어오는 공간”에서 “콘텐츠·서비스·AI 제안과 검색을 돌아다니며 소비·실행하는 공간”으로 포지션을 전환하겠다며, 목적형 서비스에서 탐색형으로의 변경을 공식화했다.

이런 메신저의 진화는 새삼스러운 흐름이 아니다. 해외에서도 라인은 메시징+피드(VOOM)로 체류 시간과 광고 비중을 키웠고, 위챗은 메신저를 생활 플랫폼으로 확장해 광고·결제·콘텐츠까지 흡수했다. 왓츠앱 역시 Channels로 ‘소비형’ 동선을 열었다. 카카오 역시 슈퍼앱으로서 이미 다양한 탐색형 콘텐츠를 제공해 왔다.

사용자 삽입 이미지
그럼에도 사용자 반응은 싸늘하다. 대체제를 찾는 글이 늘고, 자동 업데이트를 끄고 이전 버전을 유지하려는 움직임도 보인다. 일부 온라인 커뮤니티에서는 ‘프로필 업데이트 공유 해제’가 더 중요하다며 설정 변경법을 공유하기도 했다. 내부에서는 “제발 개발자 욕은 하지 말아달라”, “시키는 대로 만들 수밖에 없는 사람들이다”라는 하소연성 글이 블라인드에 올라왔다.

서비스 개편에 사용자의 반발은 종종 있는 일이다. 하지만 이번에는 그냥 지나칠 단계는 넘어섰다고 본다. 해석의 각도는 여럿이겠지만, 이 글에서는 JTBD(Jobs To Be Done) 관점에서 현 상황을 정리해보고, 거기에 개인적 견해를 덧붙여 보겠다.



2. 제품 기획의 방향성, JTBD
JTBD의 강점은 단순하고 명확하다. 무엇을 만들까가 아니라 고객이 지금 어떤 일을 끝내려는가를 먼저 묻는 프레임이다. 기능 목록을 줄 세우거나 페르소나 스토리를 늘어놓는 대신, 상황(Situation)–일(Job)–원하는 결과(Outcome)에 초점을 맞추면 제품이 훨씬 결과 지향적이 된다.

사용자 삽입 이미지


크리스텐센이 주장한 관점 하나로 요약된다. “고객은 제품을 사는 게 아니라, 어떤 일을 해내기 위해 ‘고용(hire)’한다.” 여기서 ‘일(Job)’은 기능 자체가 아니다. “지금 떠오른 생각을 지체 없이 전달하고 상대가 바로 이해하게 만든다” 같은 상위 목적이다. 같은 사람이더라도 상황이 바뀌면 고용하는 제품이 달라진다. 그래서 JTBD는 사람(Who)보다 상황(When/Why)을 더 중요하게 본다.

다른 프레임워크와 굳이 비교를 하자면 
  • 기능 중심: “폴더 공유, 댓글, 알림 추가” → 무엇을 늘렸다.
  • 페르소나 중심: “30대 직장인 A는…” → 누구에게 맞춘다.
  • JTBD 중심: “회의 직후, 합의 내용을 5분 안에 배포하고 누가 무엇을 언제까지 할지 결정한다” → 어떤 결과를 만든다.

결론적으로 JTBD는 “수단”보다 “결과”를 우선한다. 그래서 “이 기능이 멋있다”보다 “그 결과가 빨라졌나?”로 판단이 바뀐다.



3. JTBD 관점에서 본 이번 개편의 문제
사용자 행동을 JTBD로 끊어보면, 이번 카카오톡 개편의 핵심 문제는 단순하다. '사용자가 카톡을 고용(hire)하는 1순위 일(Job)'과 이번 릴리즈가 체감시키는 전달값이 어긋나 있다는 점이다.

3.1. 이전 사용자 핵심 JTBD는 “빨리 연락·합의·정산”
키워드는 즉시성 · 가벼움 · 예측 가능성이다. 사용자는 연락 → 합의 → 실행(메시지, 예약,정산 등)을 최소한의 클릭과 시간으로 끝내고 싶다.

3.2. 이번 릴리즈의 사용자 체감
탭/피드 중심의 탐색 동선의 변하면서 프로필 타임라인, 숏폼(숏비디오)가 전면에 들어온다. AI 연동을 한다고 하지만 다음 달부터 본격화 예정이라 체감이 되지 않은 상황이다. 요컨대, 볼거리(탐색)는 늘었지만, 연락→합의→실행의 동선은 증가되었다.

3.3. 사용자 반발이 강한 이유
  • JTBD 불일치: 사용자는 ‘빨리 끝내기’를 원하지만, 릴리즈는 ‘볼거리’에 초점.
  • 근육기억 파괴: 수년간 학습된 탭/아이콘 동선이 바뀌며 인지 부하가 증가. “작은 변화”도 사용자는 큰 불편으로 느낀다.
  • 가치 출시 시차: 핵심 가치(요약·검색·에이전트 실행)는 다음 달. 현재는 UI 변화만 체감되어 기대–경험 갭이 커진다.
  • 피드 피로 + 프라이버시 불안: 이미 인스타/틱톡이 있는 상황에서 채널 중복 피로가 높고, 추천/요약이 개인 대화에 개입한다는 인상은 방어적 반응을 유발한다.
3.4. JTBD 기반 ‘기대 ↔ 전달값’ 갭 매트릭
사용자 삽입 이미지

위 점수는 1~5 척도이며, Gap = 중요도 − 만족도, Opp.(기회점수) = 중요도 + (중요도 − 만족도)이다. Outcome은 사용자 리서치 없는 개인적인 가설이다. 그래서 정확하지는 않겠지만 사용자들은 채팅 내 약속 장소 결정해서 예약을 자동으로 해주거나 캘린더에 자동 등록해주는 기능을 바라지, 지인 프로필이나 숏폼 소비에는 관심이 작다는 것은 크게 틀리지 않은 해석일 것이다.



4. Fit-to-Expectation
카카오는 이번 반발을 무시하면 안 된다. “우리는 고객의 요구를 들었다”는 빠른 제스처가 먼저다. 그리고 지금 당장 할 수 있는 것부터 선언을 해야 한다.

4.1. 메시징은 기본값, 탐색은 옵트인
가장 문제가 되는 첫번째 탭의 탐색 부분을 사용자가 선택할 수 있게 제공한다. 당장 안된다면 계획이라도 발표할 필요가 있다.

4.2. 대화창 기능 강화
곧 추가되는 AI 기능과 채팅창의 결합에 대해 사용자 기대감을 고조시킬 필요가 있다. 실제 예시 시나리오를 광고형태로 제공해야 한다. 그 과정에서 화면 전환이 줄어들고 편해진다는 것을 강조해야 한다.

4.3. 대고객메시지는 기능이 아니라 결과로
전면 카피: “대화가 끝나는 시간 30% 줄였습니다. 채팅 안에서 3클릭.”. 과거에는 채팅→검색→지도→예약앱… 등의 과정이었다면  채팅→제안 카드→완료(3클릭)로 AI통해 개선되었다는 이야기를 해야한다.



5. Shift-Expectation
그렇다고 카카오정도 되는 규모의 플레이어가 Fit만 할 수는 없다. 사용자가 카톡을 고용하는 이유(“빨리 연락·합의·정산”)를 해치지 않으면서, 탐색=발견→실행의 가치를 만들어낼 필요가 있다.  핵심은 탐색을 ‘볼거리’가 아니라 ‘hire'에 도움이 되는 힌트로 재정의하는 것이다.

5.1. 원칙(Principles)
  • Exploration = Action
    • 피드/탐색은 “구경”이 아니라 카카오의 본질인 '대화'와 연결이 되어야 한다. 대화 맥락을 단축시키는 실행 단서이거나, 새로운 대화의 시작점이 되어야 한다.
  • Context-first, Content-second
    • 맥락(대화·통화·일정)이 먼저, 콘텐츠는 그 맥락을 즉시 실행으로 잇는 재료여야 한다.
  •  Gradualism
    • 급진적 UI 전개 금지. 옵트인→기본 약하게→점진 강화 순으로 장기 도입하여 사용자의 반감을 완화시켜야 한다.

5.2. 제품·UX: 탐색을 “실행 카드”로 연결
  • 맥락 민감 카드(Contextual Action Cards)
    • 모임 대화 → “지도/거리/혼잡도/예약 버튼” 카드 한 장
    • 결제/정산 얘기 → “더치페이 계산→송금 요청” 카드
    • 통화 종료 → “요약→액션(캘린더·할 일·공유)” 카드
  • 피드의 재해석(NOW/숏폼)
    • 정보성/생활형 콘텐츠에 즉시 실행 버튼(길찾기·예약·장보기·쿠폰)을 기본 부착.
    • 소비형 숏폼 비중은 줄이고, 행동 전환형 숏폼(예: “근처 주차 쉬운 식당 3”)을 늘린다.
  • 앱 전환 최소화
    • 가능한 한 톡 내 결제/예약/정산으로 닫히게 하고, 외부 앱은 딥링크 1클릭.



6. 지금은 “끝내기”를 복구하고, 탐색은 “실행의 촉매”로 길게 키워라
이번 개편이 남긴 메시지는 분명하다. 카카오는 더 이상 “메시지 앱”에 머물 생각이 없다. 문제는 사용자가 카톡을 고용하는 이유와 지금 손에 잡히는 경험 사이의 간극이다. 그래서 순서가 중요하다.

먼저, 고객의 목소리를 듣고 있다는 제스처가 필요하다. “메시징은 기본값, 탐색은 옵트인”이라는 단 한 줄의 선언만으로도 공기가 달라질 수 있다. 사용자는 ‘내 일(연락·합의·정산)을 방해하지 않는다’는 안심을 얻고, 카카오는 신뢰라는 시간을 번다. 그 다음에야 “탐색”을 꺼내도 된다.

둘째, 탐색을 ‘구경’이 아니라 ‘끝내기의 힌트’로 재정의해야 한다. JTBD 프레임으로 보자. 사람들이 카톡을 여는 이유는 언제나 같다. 지금 해야 할 일을 최대한 빨리 끝내기. 그렇다면 피드가 보여줘야 할 것은 자극적인 숏폼이 아니라, 대화의 다음 단계로 바로 이어지는 실행 단서다. 모임 얘기에는 거리·혼잡·예약 버튼이 붙은 한 장의 카드가, 정산 얘기에는 더치페이와 송금 요청이, 통화가 끝나면 요약과 일정 추가가 자연스럽게 등장해야 한다. “탐색=실행”이 되는 순간, 사용자는 굳이 다른 앱으로 떠날 이유가 없다.

셋째, 장기전의 언어를 쓰자. 급격한 UI 실험은 근육기억을 깨뜨린다. 반대로, 사용자가 스스로 “이건 나에게 도움이 된다”고 느끼는 순간은 천천히 누적된다. JTBD의 미덕이 여기 있다. 기능을 밀지 말고, ‘일이 더 빨리 끝났다’는 체감을 꾸준히 선물하면 된다. 결과가 쌓이면 기대가 바뀐다. “카톡은 메시지 앱”에서 “카톡에서 다 끝난다”로.

마지막으로, 신뢰를 전면에 내세우자. 개인화·요약·추천이 얼마나 똑똑한지보다, 그것들이 어디서 처리되고 무엇을 남기지 않는지를 더 크게 말할 필요가 있다. JTBD의 감정적 Job—“안심하고 쓰고 싶다”—를 놓치면 어떤 전략도 오래가지 못한다.

요약하자면 이렇다.
카카오는 지금 당장 ‘끝내기’를 복구해야 한다. 동시에, 탐색을 ‘실행의 촉매’로 천천히 키우는 장기전을 설계해야 한다. 그리고 그 두 축을 JTBD라는 공통 언어로 묶어라. 사용자는 결과로 설득된다. 대화에서 실행까지 걸리는 시간, 클릭 수, 그리고 마음의 불안—이 세 가지가 줄어드는 순간, 탐색형 메신저는 구호가 아니라 습관이 된다.
2025/09/26 09:41 2025/09/26 09:41
Posted
Filed under AI 이야기
CEO 스코어의 지표
최근 CEO 스코어가 국내 주요 기업들의 AI 경쟁력을 평가한 결과를 발표했다. 삼성전자가 압도적인 1위를 차지했고, 네이버와 LG가 뒤를 이었다는 소식은 여러 매체에서 빠르게 전파됐다. 흥미로운 결과지만, 여기서 멈추기보다는 이 지표가 무엇을 의미하고, 또 무엇을 놓치고 있는지를 차분히 짚어볼 필요가 있다. 단순히 순위를 소비하는 대신, 그 속에 깔린 평가의 프레임과 한계를 이해해야 한다는 뜻이다.

사용자 삽입 이미지

CEO 스코어는 국내 191개 기업을 대상으로 특허, 논문, 인력 등 여섯 가지 지표를 기반으로 AI 경쟁력을 점수화했다. 구체적으로는 ▲특허 피인용 수(기술력), ▲특허 등록 수(특허 활동), ▲AI 학회 논문 등재 수(학술 활동), ▲논문 인용 수(연구 영향력), ▲AI 기술 인력, ▲AI 전공 인력 등이다. 항목별 1위를 100점으로 잡고, 나머지를 상대적으로 환산하는 구조다.



지표의 해석
이 프레임은 분명 유효하다. 특허와 논문, 그리고 인재 규모는 기업의 기술적 토대를 보여주는 정량 지표이기 때문이다. 다만 이 역시 R&D 중심의 지표라는 점에서 한계가 뚜렷하다. 또한, 1등을 기준으로 상대평가를 하다보니 지표의 요소가 다양해질 수록 하위 순위에 있는 기업들의 점수가 낮아보이는 착시가 생긴다.

추가적으로 여기에는 실제 시장에서 AI가 어떻게 활용되고, 어떤 방식으로 매출과 연결되는지가 빠져 있다. 데이터의 독점성이나 인프라 역량, 혹은 생태계 주도권 같은 요소들도 측정되지 않는다. 결국 이번 평가는 “연구개발 역량을 수치화한 결과”로 읽는 것이 가장 타당하다. 기업의 AI 경쟁력을 한눈에 보여주지만, 그것이 곧바로 사업성과나 시장 영향력을 대변하지는 못한다는 얘기다.

예를 들어보면, 삼성전자를 600점 만점으로 하다보니 제조업에서 LG 155점, 현대차 30점은 사실상 레벨이 다른 스케일을 보여준다. LG는 일부 가전/배터리/AI연구원 중심으로 활동, 성과가 있지만 범위와 인력에서 차이가 나고, 현대차는 자율주행 등 일부 분야에 집중되어 있어 AI 연구 저변이 좁기 때문이다. 그렇다고 현대차보다 삼성전자의 AI 역량이 20배 높다고 이야기할 수는 없는 건데 말이다.



현재 지표에 추가를 해보자면 
그렇다면 실제 기업의 AI 역량을 제대로 보려면 어떤 지표가 필요할까? 진짜 경쟁력을 보려면 사업화, 데이터, 인프라, 생태계까지 포함해야 된다고 생각한다. 즉, 기술적 역량(R&D)에 더해, 사업성과·자산·네트워크까지 고려하는 구조가 필요하다는 생각이다. 아래는 추가 지표에 대한 개인적인 견해이다.

(1) 사업화 지표
  • AI 매출 비중: 전체 매출 대비 AI 관련 제품/서비스 기여도(예: MS Azure AI 매출, AWS AI 서비스 매출)
  • AI 서비스 론칭 수: AI 기반 서비스/솔루션의 출시 및 유지 건수
  • 고객 확보: AI 솔루션의 B2B 고객 수, 혹은 사용자 수
  • 특허/논문 → 제품화 비율: 연구성과가 실제 제품·서비스로 연결된 정도
→ 문제: 기업별로 AI 매출을 구분 공개하지 않는 경우가 많아, 외부에선 파악하기 어렵다는 한계

(2) 데이터 지표
  • 데이터 자산 규모: 기업이 보유·접근 가능한 데이터셋의 크기(예: 영상, 의료, 금융 등)
  • 데이터 독점성: 경쟁사 접근이 어려운 데이터(예: 네이버 검색 로그, 카카오톡 대화 로그, 삼성 헬스 데이터)
  • 데이터 품질: 정제율, 라벨링 수준, 멀티모달 여부
  • 데이터 활용도: 실제 모델 학습/서비스에 활용된 비율
→ 문제: 데이터는 기업 내부 자산이라서 외부 검증이나 정량화가 어렵다는 점

(3) 인프라 지표
  • AI 전용 GPU/TPU 보유량: 자체 보유 연산 자원의 규모
  • 클라우드/온프레미스 인프라 운영능력: AI PaaS 제공 여부, 대규모 분산 학습 가능 여부
  • 모델 파운데이션 보유 여부: 자체 LLM, CV 모델, 멀티모달 모델
  • 에너지/비용 효율성: AI 워크로드 대비 에너지 사용량, TCO
→ 문제: GPU 보유량 같은 건 추정 가능하지만, 효율성이나 실제 활용도까지는 공개되지 않는다.

(4) 생태계 지표
  • 오픈소스 기여도: GitHub 스타·Fork 수, 주요 라이브러리 기여 내역
  • 학회/컨소시엄 참여: AI Alliance, MLCommons 등 글로벌 컨소시엄 참여 정도
  • 파트너십/투자: AI 스타트업 투자·인수 건수, 파트너십 수
  • 인재 네트워크: 산학연 협력, 석·박사급 인재 영입 현황
→ 문제: 정량화 지표(스타 수, 투자 건수)는 가능하나, 네트워크 효과나 영향력은 질적 평가가 필요



새로운 지표를 적용해보니
이런 지표를 혼자서 정리를 할 수도 없을 뿐더러, 위에서 이야기한 바와 같이 상당수의 지표 요소들이 비공개 자료이기 때문에 정확할 수도 없다. 다만, 어떠한 결과가 나오는지 궁금해서 AI를 통해 시뮬레이션을 돌려보았다. '시뮬레이션'이라는 단어를 쓰는 만큼 정확한 결과가 아니라는 점을 분명히 한다.

이번 시뮬레이션은 R&D 점수는 CEO 스코어 자료를 기본으로 했다. 다만, 업종별로 상이함을 감안하여 업종별 1위를 100점으로 하고 상대점수를 매겼다. 다만, 공개 자료가 부족한 금융사와 스타트업에 대해서는 조금 다른 룰을 적용하였으니 이점을 참고하기 바란다. AI 시뮬레이션의 결과는 아래와 같다.

사용자 삽입 이미지


시뮬레이션이긴 하지만, 몇 가지 흥미로운 점이 보인다.
  • 삼성전자의 압도적 우위: 제조업에서는 사실상 다른 기업과 비교 불가한 레벨
  • 플랫폼 기업의 데이터 독점: 네이버가 학술+데이터 두 마리 토끼를 잡으며 확실한 우위
  • 통신사의 인프라 경쟁: KT는 GPU 투자와 B2B AI 매출로 앞섰고, SKT는 생태계(얼라이언스)에서 강점
  • 스타트업의 빠른 성장: 업스테이지와 뤼튼처럼 규모는 작지만 특화된 영역에서 의미 있는 점수를 기록
즉, R&D 절대 강자 vs 특화·사업화 강자라는 이중 구도가 국내 AI 사업의 모습이라는 점을 알 수 있다. 



왜 이런 지표화가 중요한가 
AI는 더 이상 연구실 안의 기술이 아니다. 특허와 논문을 넘어, 데이터·인프라·생태계와 같은 요소가 기업의 미래 성장을 결정한다. 따라서 기업의 AI 역량을 지표화하고 이를 분석하는 일은 단순히 순위를 매기기 위한 게 아니다.

이 과정은 기업의 전략적 방향성을 확인하고, 투자자가 기업 가치를 해석하는 기준을 마련하는 작업이다. 더 나아가 이런 데이터가 공개적으로 쌓일수록, 기업 가치를 객관적으로 측정하려는 시도로 이어진다. 이는 기술력만이 아니라 사업성과·지속가능성까지 함께 평가하는 새로운 기준이 될 수 있다.

결국, 우리가 AI 경쟁력을 어떻게 측정하느냐가 곧 기업의 미래를 어떻게 바라보는가와 직결된다. 지금은 특허와 논문에 머무르지만, 앞으로는 더 넓고 현실적인 지표 체계가 필요하다. 그것이 한국 기업의 AI 경쟁력을 제대로 드러내고, 시장과 사회가 그 가치를 이해하게 만드는 출발점이 될 것이다.

* 참고로 이번에 AI를 통해 시뮬레이션 돌린 결과는 이곳의 가장 아래쪽에 올려두었으니, 궁금하신 분은 참고하기 바란다. 
 
2025/09/11 11:15 2025/09/11 11:15