.svg)
.svg)
코로나 팬데믹으로 전 세계가 혼란에 빠졌던 당시, 2주 만에 코로나 진단 키트를 개발해 큰 주목을 받았던 기업이 있습니다. 바로 ‘씨젠(Seegene)’입니다. 씨젠은 2024년 마이크로 소프트와 기술 협업을 맺을 정도로 IT 혁신에 적극적인 기업 중 하나인데요. 최근 위시켓과 함께 AI 챗봇을 개발하는 새로운 도전을 했습니다. 4개월 만에 테스트 단계에서 정확도 90% 이상을 보여주는 결과물을 냈죠.
물론 씨젠의 AI 개발 과정은 화려한 성공담만은 아닙니다. 내부 설득은 어떻게 할 것인가? AI가 어려운 전문 용어를 이해하고 제대로 된 답변을 낼 수 있을까? 무엇보다 투입할 예산과 시간은 적절한가? 같은 현실적인 질문들이 있었기 때문입니다.
프로젝트를 담당한 커뮤니케이션 그룹 최영오 PM님은 "이번 프로젝트는 이런 현실적인 고민들에 대한 답을 찾아가는 과정이었다"고 말합니다. 과연 씨젠은 어떤 배경에서 AI 챗봇 도입을 결정했을까요? 그리고 개발 과정에서 문제들을 마주하고, 어떻게 풀어냈을까요? 그 생생한 이야기를 들어 봤습니다.
안녕하세요, 커뮤니케이션 그룹 PM을 맡고 있는 최영오입니다. 씨젠에서 진행하는 여러 사업을 위한 서비스를 기획, 개발, 운영까지 하는 역할을 하고 있습니다.
새로운 B2B 플랫폼 런칭을 준비하면서 AI 챗봇 개발을 결정했습니다. 저희가 당시 준비한 비즈니스 모델이 기존과는 조금 달랐어요. 그래서 파트너사에게 가장 적합한 상품을 추천하고, 가입 절차를 더 쉽고 편리하게 진행할 수 있도록 도와줄 수 있는 역할이 필요했습니다.
처음에는 전담 인력을 두는 방안도 검토했지만, 새로운 사업 모델을 학습시키는 시간과 24시간 대응을 위한 비용 부담이 컸어요. 그래서 챗봇을 검토하게 됐습니다.
솔직하게 말하면 반신반의하는 분위기였습니다. AI에 대해서는 항상 우려하는 반응이 따라오는 것 같아요. 이런 반응이 나오는 이유도 충분히 이해합니다. AI 도입은 시간과 비용이 많이 드는 작업이거든요.
예를 들면, AI가 제대로 작동하려면 우선 기업 내부 데이터가 체계적으로 정리되어 있어야 합니다. 그런데 실제로는 여기저기 데이터가 흩어져 있고 형태도 제각각인 경우가 많습니다. 데이터를 정리하려면 전문 인력이 필요하죠. 전문 인력을 고용하면 돈이 들고요.
또 유관 부서와의 협업 과정도 복잡한 경우가 많습니다. 이런 문제들 때문에 '투자 대비 정말 효과가 있을까?', '이게 정말 필요한가?' 같은 의견들이 나오는 겁니다.
두 가지 포인트가 핵심이었습니다. 첫 번째는 명확한 목표와 ROI 제시였어요. 막연하게 'AI 도입'이 아니라, 구체적으로 어디에 어떤 기술을 도입해 어떤 문제를 해결할지 정리해서 내부에 공유했습니다.
그리고 AI 챗봇 도입 비용과 기존 인력 운영 비용을 수치로 비교했어요. ROI 측면에서 챗봇 도입이 훨씬 합리적이라는 걸 명확하게 보여드릴 수 있었습니다. 두 번째는 현실적인 예산이었습니다. 합리적인 예산을 제시하니 설득력이 생겼죠.
저희는 IT 자회사도 있고, IT 인력들도 꽤 되다 보니 각자 알고 있는 회사들이 있었습니다. 그래서 처음에는 그쪽을 먼저 알아봤습니다. 그런데 막상 견적을 받아보니 '이게 합리적인가?' 라는 의심이 들었습니다. 업체들이 주는 숫자가 천차만별이었거든요. 같은 요구사항인데 3~4배 차이 나는 경우도 있었습니다.
대부분의 외주 개발이 그렇겠지만, 특히 AI 도입은 이렇다할 비용 가이드가 없어 업체의 말에 쉽게 끌려갈 수밖에 없는 구조인 것 같았습니다. 그래서 비용을 좀 더 객관적으로 알 수 있는 방법이 없을까 찾다가 위시켓이라는 플랫폼을 찾게 됐습니다.
위시켓을 쓰면서, 외주 개발과 관련해 흐릿하던 모든 것들이 명료해지는 느낌을 받았습니다. 보통 외주 개발을 맡기려면 업체마다 따로 접촉해서 각각 다른 방식의 견적을 받아야 하는데요. 금액도 제각각이고 산정 기준도 달라서 비교가 쉽지 않습니다.
그런데 위시켓에서는 프로젝트 요구사항을 등록하면 여러 개발사가 동일한 조건을 기준으로 제안서를 제출합니다. 그래서 단순히 ‘누가 더 싸게 해주나’를 보는 게 아니라, 같은 기준 안에서 각 업체가 제시하는 비용, 기술적 접근 방식, 그리고 유사 프로젝트 경험까지 한눈에 비교할 수 있었죠. 오프라인 미팅을 통해 업체를 만나보면서 더 자세한 비교가 가능했고요.
덕분에 그동안 불투명하게 느껴졌던 외주 비용 구조가 훨씬 투명하게 드러났고, 내부적으로도 ‘이 정도면 합리적이다’라는 공감대를 얻을 수 있었고 설득 과정도 훨씬 수월해졌죠.
가장 중요하게 본 기준은 실제 역량이었습니다. 특히 포트폴리오를 많이 봤어요. 업력도 중요하지만, 실제로 저희의 요구사항을 구현해낼 능력이 있는가를 실제 결과물로 확인하는 것이 먼저라고 생각했습니다. 위시켓을 통해 진행한 미팅에서도 유사한 포트폴리오를 직접 시연해달라고 요청했고요.
그다음은 업체의 태도였습니다. 여러 업체를 만나보니, 회사가 가진 기술력과 실무 경험에서 나오는 자신감에서 확연히 차이가 나더라고요. 이 프로젝트를 어떻게 운영해 나갈 것인지 명확한 방향성을 제시하는 기업과 아닌 기업이 나뉘었습니다. 그 후엔 선택이 쉬워지더라고요.
그래서 RAG를 활용했습니다. RAG는 검색 증강 생성 방식이라고 해서, 사용자가 질문을 하면 저희 플랫폼 내 데이터베이스나 실시간으로 업데이트되는 정보들을 크롤링해서 종합적으로 답변을 만들어주는 기술입니다.
기존의 시나리오 기반 챗봇처럼 정해진 질문에만 답하는 방식이 아니라, 내부 자료와 데이터베이스를 기반으로 실시간 검색과 답변을 조합할 수 있는 거죠. RAG를 활용하면 예측하기 어려운 질문에도 훨씬 빠르게 대응할 수 있고, 적합한 상품 정보를 빠르고 정확하게 안내할 수 있을 거라 기대했습니다.
무엇보다 내부에서 데이터를 업데이트하면 챗봇 응답에도 즉시 반영되기 때문에, 운영 효율성을 높일 수 있는 가능성을 확인했습니다.
📎RAG(검색 증강 생성)란? AI가 사내 자료 활용하게 만들기
.png)
가장 먼저 한 일은 명확한 요구사항 정의였어요. 막연하게 ‘챗봇을 만들자’가 아니라, 구체적으로 어떤 질문에 답변해야 하는지, 답변 정확도는 어느 수준이어야 하는지를 먼저 정해야 했죠. 내부에서 1차적으로 요구사항을 정리한 후에, 개발 업체와 여러 번 오프라인 미팅을 가지며 구체화했습니다.
그 중에서도 질문 유형을 체계화하는 일이 중요했습니다. 큰 분류를 먼저 잡고, 그 안에서 파생될 수 있는 다양한 질문들을 AI가 스스로 처리할 수 있도록 설계하는 것이 핵심이었죠. 아마 가장 시간을 많이 쓴 작업이 아닐까 싶습니다.
두 번째 단계는 데이터 준비였습니다. 이게 생각보다 까다롭더라고요. (웃음) 저희도 데이터가 여러 부서에 흩어져 있고 형태도 제각각이었거든요. AI가 학습할 수 있는 형태로 데이터를 정제해야 하는데, 이때 경험 있는 개발사의 가이드가 정말 중요했습니다.
데이터를 어느 수준까지 정리해야 하는지, 그리고 어떤 형태로 가공해야 하는지 같은 것들이었습니다. 예를 들어 모든 데이터를 한꺼번에 정리하는 게 아니라, 우선 꼭 필요한 질문과 답변부터 시작해 점차 확장하는 방식이 더 낫다는 점을 구체적으로 알려줬죠.
또 단순히 파일을 모으는 게 아니라, AI가 이해할 수 있도록 텍스트를 구조화하고 불필요한 중복을 제거하는 방법까지 안내해 주다 보니 내부적으로도 정리해야 할 범위와 우선순위가 명확해졌습니다. 이런 가이드가 있었기 때문에 데이터 준비 과정에서 시행착오를 크게 줄일 수 있었고, 내부 팀도 부담을 덜고 프로젝트를 안정적으로 진행할 수 있었죠.
이렇게 정리한 데이터를 AI 모델에 학습시킨 후에, 반복 테스트와 튜닝을 진행했습니다. 단순히 ‘답변이 나오는가’를 보는 게 아니라, 실시간으로 업데이트되는 데이터를 제대로 반영하는지, 우리 브랜드 톤에 맞는 답변을 하는지까지 세밀하게 조정했어요.
이렇게 체계적인 접근 덕분에 비교적 짧은 개발 기간에도 테스트 단계에서 정확도 90% 이상을 기록할 수 있었습니다.
첫 번째는 우리 회사에 맞는 AI 형태를 명확히 정의하는 것입니다. AI라고 해서 다 같은 게 아니거든요. 생성형 AI, 챗봇 형태의 AI, 에이전틱 AI 등 종류도 다양하고, 활용 분야도 업무 자동화부터 크리에이티브 영역의 이미지 생성이나 영상 제작까지 정말 다양합니다.
그래서 막연하게 'AI 도입'이 아니라, 각 부서별로 왜 AI가 필요한지, 어떤 문제를 해결하려는 건지를 수렴해서 우리가 실제로 어떤 형태의 AI가 필요한지 명확히 해야 합니다. 저희도 처음에는 '챗봇을 만들어보자'가 아니라 '협력사 가이드 문제를 어떻게 해결할 것인가'에서 출발했거든요.
두 번째는 내부 데이터를 정리하는 것입니다. AI의 진짜 가치는 우리 회사만의 데이터를 활용할 때 나온다고 생각합니다. 그래야 직원들도 편리하게 활용할 수 있고, 고객들도 우리만의 특별한 서비스를 받을 수 있거든요. 대부분 기업들이 데이터가 여기저기 흩어져 있습니다. 그러면 활용하기 쉽지 않죠.
하지만 그렇다고 너무 걱정할 필요는 없습니다. 완벽하게 정리된 데이터가 있어야만 AI를 시작할 수 있는 건 아니거든요. 오히려 AI 도입을 계기로 데이터를 체계적으로 정리해나가면 됩니다. 어떤 부서에 어떤 자료가 있는지 파악하고, 필요한 부분부터 차근차근 정리해나가는 거죠.
경험상 이 두 가지 방향성만 명확하면, 나머지는 좋은 개발 파트너와 함께 단계적으로 해결해나갈 수 있지 않을까 생각합니다.
AI 도입은 필수입니다. 이젠 피할 수 없는 흐름입니다. 지금 쏟아져 나오는 AI 솔루션들과 더욱 고도화되는 컴퓨팅 인프라 등을 보면, 앞으로 일하는 방식이 크게 바뀔 거라는 생각을 합니다. 이런 흐름에서 뒤처지지 않으려면 지속적으로 AI를 도입하고 고도화해야 한다고 보고요. 이제 우리가 던져야 할 질문은 'AI가 필수인가'가 아니라, '어떻게 도입할 것인가' 아닐까요. (웃음)
이제 위시켓이라는 좋은 파트너를 알게 되었으니 그 과정이 더 쉬워지지 않을까 생각합니다.
기업의 중요한 경쟁력이 될 AI 개발. 어디서부터 시작해야 할지, 제대로 된 결과물을 낼 수 있을지 고민하고 계셨나요? 우리 회사에 딱 맞는 무료 도입 컨설팅부터 실력 있는 전문 AI 개발 업체 매칭, 체계적인 프로젝트 진행 관리까지. 위시켓과 함께라면 성공할 수 있습니다.
🗂 함께 읽으면 좋은 콘텐츠
.svg)
