레브잇 PMF팀에는 Problem Solver(PS)라는 역할이 있습니다. 아직 아무도 풀지 못한 고객의 문제를 찾고 풀어내는 사람인데요.
오늘은 PS 류호산님을 만나봤습니다.
호산님은 연세대학교에서 심리학과 인지과학을 전공했어요. UC 버클리 교환학생 시절 미국 스타트업에서 PM 인턴으로 일했고, 이후 공동 창업으로 시드 투자를 받아 여러 B2C 제품을 만들었어요.
직접 회사를 만들고, 혼자서도 제품을 키워본 사람이 왜 다음 창업 대신 레브잇을 택했을까요? 쇼포트를 만든 지난 1년의 이야기에서 그 답을 들어봤습니다.
호산님은 어떤 일을 하고 있나요?
레브잇 PMF팀에서 AI 쇼핑 에이전트 '쇼포트'를 만드는 Problem Solver 류호산이라고 합니다! 공동 창업과 1인 개발을 거쳐, 레브잇에 합류한 지 곧 1년이 되어가요.
저희는 AI가 구매를 돕는 쇼핑을 '에이전틱 커머스(Agentic Commerce)'라고 불러요. AI 석학 앤드류 응은 AI를 에이전트냐 아니냐로 나누기보다 얼마나 자율적으로 움직이는지, 즉 '에이전틱한 정도'로 봐야 한다고 했는데요. 쇼포트도 하루가 다르게 더 똑똑해지고 에이전틱해지고 있어요.
좋은 동료들과 강한 모멘텀 속에서 실존하는 거대한 문제를 풀고 있다는 감각이 있어요. 쇼핑 에이전트 영역에서는 저희가 가장 앞서 있는 팀 중 하나라고 생각하지만, 동시에 이 시장은 정말 초입이라고도 봐요. (그래서 더 좋고요!)
심리학과 인지과학을 공부하면서 '지적 도구'라는 개념에 빠졌다고요. 그게 뭔가요?
사람의 생각의 범위를 넓혀주는 도구예요. 손목시계, 구글, 그리고 지금의 ChatGPT 같은 것들이요. 시계를 찬 사람은 누가 시간을 물으면 머릿속에 시간이 떠올라 있지 않은데도 나는 지금 시간을 알고 있다고 느껴요.
재미있는 건 이런 도구를 많은 사람이 쓰기 시작하면, 사람들의 사고방식과 라이프스타일 자체가 바뀐다는 점이에요. 도구에 담긴 메이커의 ‘의도‘가 널리 퍼지면서 세상 사람들의 보편적인 ‘습관‘이 되는 거죠. 저는 이것이 메이커가 세상에서 만들 수 있는 가장 큰 임팩트 중 하나라고 생각해요. 그래서 사람의 마음을 더 잘 이해하고, 거기에 맞는 더 나은 도구를 만드는 일이 너무나도 중요하다고 생각하고요.
AI는 이 관점에서 꽤 특별해요. 도구이면서 동시에 '지능'을 가진 존재니까요. 그래서 같은 AI라도 사람의 일을 대신하는 '자동화'가 될 수도, 사람이 더 잘 판단하도록 돕는 '증강'이 될 수도 있는 거죠. 개인적으로는 마음의 연장으로 쓰이는 증강으로서의 AI에 더 끌려요.
창업도 1인 개발도 해봤는데 왜 레브잇을, 그중에서도 AI 쇼핑 에이전트를 택했나요?
처음 창업을 한 건 사람들이 의미 있다고 느끼는 무언가를 창작하고 빚어내는 데 쓰는 시간이 더 많아졌으면 좋겠다는 마음 때문이었어요. 제게 창업은 언제나 이 방향에 가까이 다가가는 수단이었어요. B2C 서비스들만 고집해온 이유이기도 해요.
지난 창업 때는 쉬는 날 없이 달렸어요. 저는 하고 싶은 창업의 영역이 꽤 구체적이었는데, 팀은 도메인을 언제든 새로 바꿀 수 있다고 생각했어요. 시작할 땐 작은 차이인 줄 알았는데 생각보다 큰 불일치였어요.
그다음엔 혼자 AI 학습 서비스를 만들었어요. 틱톡 오가닉 영상만으로 해외 대학생들에게 알렸고, 지금도 구독이 이어지고 있어요. 혼자라서 빨랐지만 신경 쓸 일이 너무 많았고 풀 수 있는 문제의 크기도 작았어요.
그러다 AI 쇼핑 에이전트라는 풀어 보고 싶은 문제가 생겼어요.
저는 한 가지 일만 하는 제품보다 사람들이 여러 문제에 가져다 쓸 수 있는 도구에 끌려요. 커서의 전 디자이너 Ryo Lu의 말처럼 제품은 문제 하나를 풀지만 시스템은 수많은 문제를 풀 수 있는 블록(도구)을 줘요.
현 시점에서 AI라는 새로운 재료로 새 시대의 시스템과 경험을 실험하기에 쇼핑만 한 곳이 없다고 봤어요. 쇼핑은 사람의 욕망이 가장 솔직하게 드러나는 곳이고, 무엇을 살지에 대한 고민은 인류가 있는 한 계속될 테고요.
AI가 아무리 똑똑해져도 쇼핑에서 사람이 중간중간 결정에 참여하는 구조(human in the loop)와, 그 판단을 쉽게 만들어 주는 화면은 계속 필요해요. 이 관점에서 쇼포트는 대신 결정해주는 AI가 아닌 더 잘 결정하도록 곁에 있는 AI가 되어야 한다고 생각해요.
레브잇이라서 가능한 것들도 있어요. 강재윤 대표님과 함께 올웨이즈의 자본력을 등에 업고 공동 창업에 준하는 방식으로 이 문제를 풀 수 있다는 점이요. 채용, 투자, 운영에 나눠 쓰던 에너지를 고객과 제품에만 쏟을 수 있다는 것도 장점이죠.
직접 만들어 검증해보니 가설이 틀렸던 경험도 있나요?
처음 MVP 단계의 쇼포트는 객관식 질문 몇 개에 답하면 결과가 나오는 직선적인 구조였어요. 답할 때마다 추천 후보를 좁히고 전 단계로는 돌아가지 않는 흐름이었죠.
그래서 가설을 세웠어요. 첫 질문에 맞춰 상품 목록을 바로 띄우고 후속 대화로 자유롭게 조건을 바꿔 가며 추려 가게 하면 만족도가 올라가지 않을까?
그런데 막상 이 버전으로 테스트를 해보니 첫 추천 이후 추가 채팅을 입력하는 사람은 거의 없었어요. 정보를 제대로 받지 않고 추천했으니 일반 검색과 크게 다르지 않은 결과가 나왔고, 사용자들은 그걸 쇼포트의 최선이라 여기고 실망한 채 떠났어요. 처음 보여준 추천이 곧 서비스의 인상으로 굳어 버린 거예요. 상품 리스트로 즉답하는 대부분의 쇼핑 에이전트들이 공통으로 부딪히는 한계이기도 해요.
그래서 다시 결과보다 질문이 더 강조되도록 에이전트를 다듬었어요. 유명한 말이지만, 메이커들은 이 말을 항상 새겨야 한다고 생각해요. <어떤 계획도 실제 사용자를 만나는 순간을 온전히 버티지 못하고, 그 뼈아픈 타격은 사용자 피드백에서 발견되며, 우리는 그걸 로드맵이라고 부른다>
1년 동안 만들어보니, 에이전틱 커머스의 핵심은 뭐였나요?
한마디로 '더 좋은 문답'이에요.
고대 그리스 시절부터 상대의 생각을 끌어내는 가장 강력한 도구였던 문답이 수천년 만에 AI 에이전트의 핵심 도구로 돌아온 거죠.
문답이 쇼핑에서 특히 중요한 이유는 커머스의 본질이 '번역'이기 때문이에요. 사용자의 상황과 의도를 상품의 조건으로 번역해 사람과 상품을 이어주는 일이죠.
수분크림을 찾는다고 해볼게요. 오후만 되면 이마와 코는 번들거리는데 볼은 당긴다면 유분 적은 젤 크림 같은 제형을 봐야 해요. 레티놀 세럼을 쓰기 시작했다면 무향인지, 세라마이드나 판테놀 같은 장벽 성분이 있는지도 보고요. 바르고 바로 화장을 한다면 밀리지 않는 제형이 중요해요.
자기 상황은 잘 알지만 그게 어떤 제품 조건이 되는지는 몰랐던 거예요. 막연한 의도를 선명하게 만든다는 점에서 저는 이걸 의도의 '증폭'이라고도 불러요. (위에서 언급한 ‘증강‘ 개념과도 이어지죠)
어떤 제품을 골라야 할지 모르지만 아무거나 살수는 없는 ‘중~고관여’ 쇼핑 순간은 생각보다 자주 와요. 그래서 문답형 쇼핑은 빠르면 1~2년 안에 업계 표준이 될 거라고 봐요.
문답이 핵심이라면 쇼포트만이 줄 수 있는 경험은 뭔가요?
"여기서 나온 상품과 구매처가 최선이고, 다른 데서 더 찾아볼 필요가 없다"는 확신이에요.
대부분의 AI는 자기가 검색한 결과 중 가장 좋은 걸 추천해요. 요즘 쏟아져 나오고 있는 최신 에이전트들도 마찬가지고요. 하지만 '찾아본 것 중 최고'와 '살 수 있는 것 중 최고'는 달라요. 쇼핑에서 이 차이는 어마어마하다고 봐요.
문제는 사용자들이 이 차이를 아직 직관적으로 느끼지 못한다는 거예요. 상품 몇 개를 나열하고 설명하는 데서 끝나면 "인터넷 검색이랑 뭐가 다르지?"라고 생각하기 쉬워요. 그래서 "검색 결과가 아니라 시장 전체에서 고른다"는 차이를 실제 기능으로도 구현할 뿐 아니라 UX적으로도 바로 느끼게 해야 해요. 쇼포트가 '더 찾아볼 필요 없는 확신'에 집착하는 이유예요.
요즘 '쇼핑 에이전트'라는 말이 많이 들리는데, 쇼포트는 어디에 집중하고 있나요?
쇼핑 에이전트의 일은 크게 둘이에요. 뭘 살지 고르도록 돕는 '구매 결정'과, 결제나 예약을 대신하는 '행동 대행'이요. 그런데 이 둘을 구분 없이 모두 쇼핑 에이전트라고 부르는 경우가 많아요.
요즘 나오는 범용 에이전트들은 행동 대행에 강점이 있고, 언론에 나오는 예시도 대부분 행동 대행인 여행이나 숙소 예약이에요. (솔직히 일반 소비자들이 AI에게 수십 분짜리 일을 맡기는 데 이렇게 빨리 적응할 줄은 몰랐어요.)
그런데 일반적인 쇼핑에서는 원클릭 결제가 이미 당연해서 행동 대행의 가치가 그렇게 크지 않아요. 저희가 발견하는 고객의 불편도 대부분 구매 결정 쪽에 몰려 있고요. 그래서 지금은 구매 결정에 집중하고 있어요.
추가로 지금은 범용 에이전트의 시대이지만 곧 모든 기능이 채팅창 하나 뒤에 숨어 있는 것이 아니라, 특정한 일과 맥락에 특화된 버티컬 에이전트들로 나뉠 거라고 생각해요. 쇼포트가 구매 결정에 최적화된 기능과 UI를 만드는 이유예요.
PS로 잘 맞는 사람은 어떤 사람일까요? 반대로 이 환경이 힘들 수 있는 사람은요?
세 가지를 꼽고 싶어요.
창업을 해본 분.
PS는 작은 IT 스타트업을 하나 운영하는 것과 비슷해요. 꼭 회사를 차려본 게 아니어도, 뭔가를 처음부터 끝까지 만들어 세상에 내놓아 본 경험이면 충분할 것 같아요.
집요한 분.
과정이 멋져 보이는 것보다 목적지에 도착하는 걸 더 중요하게 여기는 분이면 좋겠어요. 문제는 한 번에 안 풀리고, 가설은 생각보다 자주 틀리거든요.
그렇다고 자신을 갈아 넣으라는 건 아니에요. 성공에는 운이 너무 크게 작용해서 보편적인 법칙이 없지만 실패에는 법칙이 있어요. 따라서 망하는 패턴을 알아보고 피하는 건 실력이고, 그래서 우리가 관리할 수 있는 건 결국 과정이라고 봐요. 저도 첫 창업과 달리 지금은 이 일을 장기 마라톤처럼 대해요.
추가로 길고 지난한 실패의 시간을 견딜 수 있게, AI가 사람들의 일상을 바꿀 가능성을 진심으로 믿는 분이면 더 좋겠어요.
반대로 당연한 말 같긴 하지만, 고정된 역할과 명확한 지시가 있을 때 더 잘하는 분에게는 꽤 막막한 환경일 수 있을 것 같아요.
좋은 제품 취향(taste)이 있고, 그걸 키우고 싶은 분.
만드는 게 쉬워진 지금 결과물의 차이는 거의 다 취향에서 나온다고 생각해요. 제가 생각하는 취향이란 객관적으로 좋은 걸 알아보는 능력이 아니라, 내가 무엇에 끌리는지 알아채고 세상 어딘가에 나처럼 반응할 사람이 있다고 과감하게 믿어보는 거예요.
스티브 잡스가 아이폰과 아이패드에 어도비 플래시를 넣지 않은 이유를 설명했던 인터뷰를 좋아하는 것도 그래서예요. 잡스는 모든 걸 다 할 수는 없다고, 저물어 가는 기술 대신 이제 막 봄을 맞은 기술에 집중하겠다고 했어요. 애플에는 위대한 제품에 필요 없는 걸 빼고 시장에 내놓을 용기가 있다고요.
저는 여기서 취향이 곧 자기 확신이라는 걸 배웠어요. 취향을 키운다는 건 끌림을 알아채는 데서 멈추지 않고, 확신을 갖고 현실로 만들어 보는 일이에요.
마지막으로, 호산님이 그리는 다음 그림이 궁금해요.
몇 년 전만 해도 코드를 한 줄씩 직접 썼지만, 지금은 많은 개발자가 에이전트에게 무엇을 만들지 설명하고 결과를 검토하는 데 대부분의 시간을 써요. 저도 이제 코드 편집기를 고집하지 않고 터미널 창들을 여럿 띄워 각 에이전트에게 일을 맡긴 뒤 결과를 확인해요. 도구가 바뀌면서 생각의 단위가 코드에서 의도로 바뀐 거죠.
인터넷 쇼핑도 과거의 개발과 비슷하다고 볼 수 있어요. 탭을 열 개씩 띄워 놓고 블로그, 커뮤니티, 가격비교 등을 오가며 직접 비교하죠. 인터뷰에서 만난 한 분은 성분을 하나하나 검색하고 병원에 물어보느라 로션 하나 사는 데 몇 달이 걸리기도 한다고 했어요.
쇼핑 에이전트가 아껴준 돈과 시간은 더 중요한 곳에 쓸 수 있게 돼요. 개인의 고민과 마찰을 줄여 돈과 시간을 돌려주는 일은 말처럼 쉽지 않지만, 그만큼 사람들의 실질적인 삶을 크게 바꿀 수 있다고 생각해요. 제가 한창 일할 향후 10년이, AI와 함께 이런 도구들을 만들기에 딱 맞는 시기라고 생각해요 :)
호산님에게 좋은 제품은 기능을 하나 더 얹는 것이 아니라 사람이 생각하고 결정하는 방식을 바꾸는 도구입니다. 그래서 그는 고객이 무엇을 클릭했는지보다, 어디서 왜 망설였는지를 먼저 봅니다.
PMF팀의 Problem Solver는 그 망설임을 끝까지 파고들 수 있는 자리입니다. 정답이 없는 문제 앞에서 가설을 세우고, 직접 만들어 부딪히고, 틀리면 다시 풉니다. 그 과정을 함께 검증해줄 동료들이 바로 옆에 있습니다.
AI 시대의 제품이 어떤 모습이어야 하는지 고민하고 있다면, 그리고 그 답을 실제 고객 앞에서 증명해보고 싶다면 PMF팀에서 함께 이야기를 나눠보면 좋겠습니다.
