AI & SaaS로 해결해볼 수 있는 문제들

초개인화

• 아직까지 대부분의 정보/컨텐츠는 소수가 제작하여 다수에게 전달되는 방식으로 이루어짐. AI로 인해 초개인화된 컨텐츠가 제작 가능해짐.

• 교육: 사람마다 학습 방식이 다르지만 현실적으로 한명 한명 맞춤 학습이 불가능 했음. AI로 인해 점점 이게 가능해지고 있음.

• 마케팅 / 세일즈: 앞으로 마케팅은 점점 1:1 세일즈처럼 변하게 될 것임. 타깃 고객과 유대를 쌓고 타깃 고객이 편하게 느끼는 언어, 이미지, 영상을 보여주면서 서비스를 마케팅하게 될 것임.

• Pricing: 서비스의 가격 또한 초개인화를 할 수 있음. 고객의 상황에 따라 서비스에 느끼는 가치가 다르고 사용하고 싶어하는 서비스의 기능이 다를 수 있음. AI를 활용해 초개인화된 가격 정책을 만들어주는 API를 제공.

모든 것의 AI화

• 웹이 생겨난 후 대부분의 서비스는 본질적으로 SQL 데이터베이스를 클라우드에 올린 후 쉽게 데이터를 조작할 수 있게 하는 것이였음. 앞으로는 이 데이터베이스에 있는 데이터를 AI에게 넘긴 후 새로운 예측, 컨텐츠 생산, 자동화하는데 사용될 것임.

• 데이터를 암호화 처리해주는 중간 API: RAG, 커스텀 모델 생성, 커스텀 워크플로우 생성하는 과정에서 데이터를 넘겨야 되는 경우가 많으며 이때 보안 이슈가 생김. 몇 줄의 코드로 데이터를 암호화 하고 쉽게 넘길 수 있는 방안이 필요.

• LLM 도입 PoC 프로젝트 매니지먼트 툴: 현재 대부분의 엔터프라이즈 대상 LLM 도입 세일즈는 PoC하는데 오랜 시간이 걸림. PoC를 할때 오래 걸리는 것 중 하나가 LLM 도입해서 나온 결과물에 대한 피드백을 주고 받는 것. 이메일, 슬랙 등을 활용해서 커뮤니케이션을 하는데 LLM 도입 하고자 하는 데이터 파이프 라인 구축, PoC 평가 기준, 결과물에 대한 피드백 제공 등을 매니징 해주고 자동화 해주는 툴을 도입해 PoC 과정 효율화.

• 데이터 아날리틱 자동 세팅: 데이터 아날리틱 툴 도입은 모든 비즈니스가 필요하지만 진입 장벽이 있음. 데이터를 보고 해석하기 위해서는 훈련이 필요하며 이 데이터를 트래킹할 수 있도록 환경 세팅하는데 개발 리소스가 많이 필요함. 코드 베이스, 데이터 베이스를 읽고 자동으로 트래킹할 데이터 태깅을 해주고 이를 유사 서비스, 제품의 스테이지, 진입하고자 하는 시장 등을 고려해 데이터를 해석할 수 있도록 도와주는 툴.

전문지식 부재로 인한 리스크

• 우리 사회의 많은 부분이 우리가 필수로 해야 되는 동시에 전문 지식을 요구하는 경우가 많음. 이런 경우 신뢰할 만한 전문가를 찾는 것의 고통, 뭘 모르는지 몰라 부당한 거래가 이루어지기 쉬운 환경 등의 문제가 있음.

• 부동산: 아직까지 부동산 중개를 통해 거래를 해야 됨. 심한 정보 불균형 때문에 부당한 거래에 대한 심리적 부담이 큼.

• 노무 / 세무 / 법률: 마찬가지로 어려운 용어가 많고 잘 알고 있지 않는 경우가 많음. 쉬운 언어로 해석해주고 어떤 리스크가 있는지 미리 알려주는 AI Agent.