더이상 아웃풋 지표만을 추구하지 않습니다.

세상의 의미 있는 문제를 스케일업 가능한 방식으로 풀어낸다는 것ㅣ CEO 강재윤님

2026.01.20

레브잇은 '양손잡이 조직'이라는 구조 아래, 한 쪽에서는 이미 검증된 비즈니스를 안정적으로 성장시키고, 다른 한 쪽에서는 아직 정답이 없는 문제를 실험하며 다음 성장을 준비하고 있습니다. 레브잇의 과거와 현재, 그리고 앞으로에 대한 이야기를 전합니다.

조직 구조 자세히 보기

커머스 경험을 하나로 보지 않고 ‘발견형/목적형’으로 나눠 접근하는 이유, 그리고 조직을 두 개로 분리한 이유가 궁금합니다.

레브잇은 창업 초기부터 “커머스를 혁신해보자”는 목표를 갖고 출발했습니다. 그 과정에서 올웨이즈/올팜을 통해 발견형 쇼핑(Discovery Commerce)이라는 강력한 성장 엔진을 만들어냈고, 실제로 그 방식이 한국 시장에서 굉장히 유의미하게 작동한다는 것을 증명해왔어요. 다만 시간이 지나면서 커머스 영역에서 고객이 겪는 문제를 더 근본적으로 바라보게 됐습니다. 그 과정에서 고객이 겪는 비효율이 굉장히 크다는 걸 많이 느꼈어요.

시간: 리뷰를 찾아보고, 상세페이지를 해석하고, 가격을 비교하는 데 너무 많은 시간이 들어갑니다.
스트레스: 시간을 써도 “내 선택이 최선인가?” 확신이 없어 불안과 피로가 쌓입니다.
금전적 손실: 충분한 선택을 못 해 과지출을 하거나, 필요 이상 오버스펙을 사거나, 반대로 원하는 품질을 놓치는 일이 많습니다. 기회비용까지 포함해서요.

이 비효율의 본질은 결국 정보 비대칭이라고 봤습니다. 제품 정보는 어렵고, 리뷰는 너무 많고, 이미지 기반 판단(취향/핏/스타일)은 사람에게 과도한 탐색을 요구하죠. 그런데 지금은 AI라는 기술이 이 정보 비대칭을 크게 줄이고, 사용자의 구매 결정을 훨씬 더 효율적으로 도와줄 수 있는 단계에 왔다고 판단했습니다. 그래서 레브잇은 커머스를 두 가지 문제로 나눠서 접근하기로 했습니다.

발견형 쇼핑: 이미 올웨이즈가 강점이 있는 영역으로, 새로운 상품을 자연스럽게 발견하고 구매로 이어지게 만드는 경험을 고도화하는 것
목적형 쇼핑: 사용자가 특정 상품 구매 목적을 가지고 들어왔을 때, 탐색·비교·결정 과정에서 생기는 비효율을 AI로 크게 줄이는 것

이 둘은 고객이 진입하는 순간부터 UX와 리텐션 구조, 성공 방식이 다르고, 제품의 성숙도와 운영 방식도 다릅니다. 올웨이즈/올팜은 이미 검증된 모델을 안정적으로 운영하며 성장시키는 페이스라면, AI 쇼핑 비서는 아직 정답이 없는 문제를 풀며 PMF를 찾아가는 페이스에 가깝죠.

그래서 조직도 두 축으로 분리했습니다. 한쪽은 검증된 비즈니스인 올웨이즈를 안정적으로 성장시키고, 다른 한쪽은 새로운 성장을 실험하며 다음을 준비하는 구조예요. 이 부분에서는 스페이스X의 구조에서 영감을 많이 받았습니다. 화성을 향해 가는 로켓인 스타십(Starship)과, 인공위성을 쌓아가며 안정적으로 돈을 벌어내는 팔콘(Falcon)이 사실상 서로 다른 리듬과 문화, 리스크 감수 방식으로 운영되잖아요. 마치 왼손잡이·오른손잡이처럼요. 그런데 동시에 두 축이 하나의 조직으로 묶여 서로 시너지를 내고, 결과적으로 더 큰 미션을 향해 가는 모습을 보면서 우리도 이런 방식으로 가는 게 효율적이겠다는 생각을 했습니다.

서로 다른 리듬과 문화, 리스크 감수 방식이 필요한 두 문제를 동시에 풀기 위한 조직 설계라고 보시면 됩니다. 결과적으로는 두 축이 서로 시너지를 내면서, 레브잇이 장기적으로 커머스를 더 큰 수준으로 혁신할 수 있는 기반이 된다고 믿고 있습니다.

왼손잡이 조직과 오른손잡이 조직은 완전히 분리된 문제를 해결하나요?

두 조직이 서로 다른 문제를 풀되, 하나의 구매 경험 안에서 연결된다고 생각합니다.

먼저 제품·비즈니스 경험 관점에서 보면, 왼손잡이 조직이 만드는 AI 쇼핑 비서는 세상에 존재하는 다양한 커머스 경험을 레버리지해 고객에게 최적의 선택을 제안하는 역할을 합니다. 이 과정에서 올웨이즈가 가격, 품질, 신선도 등 특정 영역에서 더 나은 선택지를 갖고 있다면 자연스럽게 추천 대상이 될 수 있고, 그만큼 고객에게 더 완성도 높은 소비 경험을 만들 수 있다고 봅니다.

반대로 올웨이즈 역시 AI를 통해 크게 업그레이드될 수 있는 플랫폼이라고 생각해요. AI 쇼핑 비서는 고객이 직접 검색어를 잘 정제하지 않아도, 일상적인 언어를 구매 의도와 상품 속성으로 번역하는 데 강점이 있습니다. 이런 방식은 올웨이즈의 탐색·검색·발견 경험 자체를 한 단계 끌어올리는 데도 활용될 수 있습니다.

두 번째는 트래픽 시너지입니다. AI 쇼핑 비서의 초기 타겟과 올웨이즈의 핵심 고객층은 상당 부분 겹칩니다. 한쪽에서 강한 가치를 느낀 고객이 다른 쪽으로 자연스럽게 이동하면서 서로의 트래픽을 공유하는 구조가 가능합니다. 발견형 쇼핑에서 올웨이즈를 쓰던 고객이 목적형 구매에서는 AI 비서를 사용하고, 반대로 AI 비서에서 확신 있는 추천을 경험한 고객이 실제 구매 채널로 올웨이즈를 선택하는 흐름도 충분히 만들어질 수 있다고 봅니다.

마지막은 팀과 노하우의 시너지입니다. 왼손잡이 조직은 AI 기술을 제품에 녹이는 방식, 그리고 PMF를 찾기 위한 제로투원 실험 방법론을 계속 축적하고 있습니다. 이 노하우는 올웨이즈 안에서 새로운 게임이나 경험을 만들 때도 충분히 활용될 수 있어요. 반대로 AI 쇼핑 비서가 PMF 이후 고속 성장 단계에 들어가면, 대규모 트래픽 운영, CS, 인프라, 품질 관리 같은 성숙한 운영 역량이 중요해지는데, 이 부분은 이미 오른손잡이 조직이 경험을 쌓아온 영역입니다.

결국 두 조직은 각자 다른 문제를 풀지만, 서로의 강점을 연결해 하나의 더 나은 커머스 경험을 만들기 위한 구조라고 볼 수 있습니다.

왼손잡이 조직 이야기를 더 자세히 해보겠습니다. PMF팀이 AI Agent로 문제를 풀어낸다면, 사용자의 구매 결정 과정은 어떻게 달라질까요?

위에서 말씀드린 세 가지 축에서 발생하는 비효율을 대략 환산해보면, 1년 기준으로 전 세계적으로 2조 달러(2000조 원) 수준, 한국 GDP에 육박하는 규모의 손해가 나온다고 봤어요. “이걸 해결할 수 있다면 진짜 위대한 일이겠다, 가치있는 일이겠다” 라는 생각을 하게 됐고, 어찌 보면 그때부터는 이 문제를 반드시 해결하자로 마음이 정리됐습니다.

핵심은 다시 세 가지 축에서 효용이 생긴다는 거예요. 시간·스트레스·금전적 손실이요. 쇼핑이 즐거움인 영역도 물론 있지만, 그걸 제외하면 대다수의 쇼핑 시간—리뷰 보기, 상세페이지 분석, 가격 비교—은 사실 해야 하니까 하는 일에 가깝잖아요. 저희가 목표하는 상태에서는 그 시간이 크게 줄거나, 상당 부분이 사라질 수 있습니다.

쇼핑 비서가 사용자를 충분히 이해하고 신뢰를 쌓는다면, 사용자는 시간을 거의 쓰지 않아도 “이 정도 가격에 이런 상품을 찾아왔는데 구매할까요?”라는 제안에 고민없이 바로 결정할 수 있는 상태가 될 수 있어요. 그 과정에서 “이 선택이 잘못이면 어떡하지” 같은 스트레스도 크게 줄어들고요.

나아가 쇼핑을 어느 정도 위임한 결과로 월 예산이 200만 원씩 절약되는 것 같은, 금전적으로도 더 풍요로워지는 경험이 가능하다고 봅니다.

‘왜 AI 서비스를 시작했느냐’는 질문을 많이 받으실 것 같습니다.

모바일/인터넷 기술이 성숙기에 들어가면 솔루션은 수렴합니다. 사람들은 바보가 아니니까, 현존하는 기술로 가능한 아이디어와 솔루션을 끝까지 밀어붙이게 되고, 결과적으로 그 기술로 만들 수 있는 최적점이 점점 채워지거든요. AI는 인터넷/모바일을 뛰어넘는 산업혁명급 변화라고 생각해요. 세상의 문제들에 완전히 새롭게 접근하고 솔루션을 제안할 수 있는 기회이자 무기입니다.

AI 모델 자체를 만드는 기업과, 그 기술을 활용해 고객 가치를 만드는 기업이 나뉘는데요. 전자는 엄청난 자본과 연구 역량이 필요해서 우리가 정면 경쟁하기 사실상 어려울 수 있죠. 반면 후자는, 누구나 기술을 활용할 수 있는 시대가 된 만큼 고객 이해와 집착, 그리고 제품 설계 역량이 훨씬 더 중요해졌다고 봐요.

사람들이 쇼핑에서 겪는 비효율, 우리가 풀고 싶은 문제의 본질은 정보 비대칭에서 오고 AI가 그 문제를 해결할 수 있는 적합한 도구라고 판단했습니다.

경쟁 관점에서, 왜 레브잇이 더 잘할 수 있다고 보나요?

경쟁사를 크게 세 부류로 봅니다.

오픈AI/구글 같은 제너럴 AI 기업
쿠팡/아마존 같은 커머스 기업
다른 초기 스타트업

첫 번째(제너럴 AI)는 해야 할 일이 너무 많습니다. 쇼핑은 네 번째, 다섯 번째, 혹은 그보다 더 낮은 우선순위로 밀릴 가능성이 크고, 카테고리별로 니즈/구매 패턴/필요한 정보가 완전히 다른 쇼핑 문제를 정말 고객 집착적으로 풀 수 있을지 의문이 있어요. 얼마 전 오픈AI가 쇼핑 리서치를 발표했는데, 저희가 이 문제를 생각해보면 패션, 가구, 뷰티 등 카테고리마다 고객의 니즈와 구매 패턴, 필요한 정보가 전부 달라요. 그걸 하나하나 최적화하는 건 진짜 끝이 없습니다. 그런데 이걸 보편적인 하나의 솔루션으로 풀겠다는 사고는 오히려 고객 집착과 거리가 있다고 느껴지고 결과물도 충분히 좋은 경험을 제공하기 어렵다고 생각합니다. 저희는 카테고리별로 하나의 스타트업을 만든다는 느낌으로 Problem Solver 한 분 한 분이 오너십을 가지고 문제를 풀고, 그 결과물을 공통 UX로 통합하는 방식으로 접근하고 있어요. AGI 같은 범용 해법을 목표로 하는 방식과는 다릅니다.

두 번째는 쿠팡이나 네이버 쇼핑같은 대형 커머스입니다. 이들은 이미 성숙한 기업이고 안정적인 매출과 영업이익을 내고 있는 구조를 갖고 있어요. 바로 그 점이 동시에 딜레마가 된다고 생각합니다. 진짜 최고의 AI 쇼핑 비서라면 특정 플랫폼에 묶이지 않고 모든 선택지를 놓고 고객에게 최적의 선택을 제안해야 합니다. 그런데 쿠팡이 네이버 상품을, 네이버가 쿠팡 상품을 아무 이해관계 없이 추천해줄 수 있을까요? 현실적으로는 어렵죠. 각 플랫폼은 이미 셀러 생태계, 수수료 구조, 광고 매출 등 강하게 쌓아온 비즈니스 모델이 있고, 그 관성 때문에 소비자에게 최선이 아닌 ‘플랫폼에 유리한 추천’이 섞일 수밖에 없는 구조라고 봅니다.

반면 레브잇의 AI 쇼핑 비서는 특정 셀러나 플랫폼에 대한 이해관계를 전제로 하지 않습니다. 예를 들어 AI가 판단했을 때 “이번 구매에서는 올웨이즈가 최고의 선택지다”라는 확신이 있다면 그걸 추천하겠지만, 그렇지 않다면 다른 플랫폼을 추천하는 것도 열어두고 있습니다. 이 지점에서 저희는 소비자 편익만을 기준으로 판단할 수 있는 구조적 자유도를 갖고 있다고 생각해요. 이게 기존 대형 커머스들과 가장 큰 차별점입니다.

세 번째 초기 스타트업과 비교하면, 우리는 팀/자본/경험/올웨이즈 트래픽 등에서 훨씬 풍부한 자원을 갖고 시작합니다. 여기에 미션에 대한 진심과 집착이 더해지면, 충분히 더 잘할 수 있다고 생각합니다.

PMF 팀은 어떤 구성이고, 어떤 사람들과 일하고 싶나요?

PMF 팀은 크게 네 가지 직군으로 구성돼요. Problem Solver, Product Engineer, Product Designer, CEO Staff. 그 중에서도 Problem Solver와 Product Engineer가 주를 이루고 있어, 그 두 포지션에 초점을 맞춰 설명드리면요. Problem Solver는 카테고리별 스타트업의 오너라고 생각하시면 됩니다. 다만 여러 개의 작은 스타트업들이 모여 하나의 쇼핑 비서를 만든다는 구조이기 때문에 팀 플레이에 능한 창업가형 인재가 필요하다고 봅니다.

저희가 Problem Solver에게 기대하는 인재상은 네 가지로 정리할 수 있어요.

Impact-oriented: 위대한 임팩트를 진심으로 추구하는가. 저는 진심으로 임팩트를 추구해야만 빛을 만들 수 있다는 믿음이 있고, 이건 레브잇 태초부터 단 한 번도 끊긴 적 없는 본질적인 가치입니다.
Raw intelligence: 지금 얼마나 많은 지식을 알고 있느냐가 아니라, 새로운 지식이든 고객이든 상황이든 빠르게 배우고 습득하고 응용해낼 수 있는가.
Hard-working: 몰입의 깊이와 시간을 극대화할 수 있는가. 얼마나 더 깊게 이 미션에 몰입할 수 있는가가 핵심이라고 생각합니다.
Humble: 내가 틀릴 수 있음을 인정하고, 수정하고, 협업할 수 있는가. 내 의견이 완전히 진실만은 아닐 수 있음을 알고 계속 업데이트할 수 있는 자세가 정답을 찾아나가야 하는 환경에서는 특히 중요합니다.

Product Engineer는 이 네 가지를 기본으로 갖추되, 여기에 기술적 관심과 깊이가 더 필요하다고 봅니다. 우리가 하려는 건 카테고리별로 최적화된 AI 쇼핑 비서를 만드는 일이고 그 바탕에는 공통 시스템이 있어야 해요. 방대한 커머스 데이터를 계속 정제하고, 리뷰/상품정보/학술정보 등을 결합해 고객이 이해할 수 있는 형태로 만들고, 그 과정에서 AI 기술로 가공해야 합니다. 그래서 내부에 PMF Core 팀을 두고, 다수의 Product Engineer와 이를 리딩하는 Problem Solver가 함께 공통 시스템을 만들어 각 카테고리 팀이 활용할 수 있게 하고 있습니다.

🚀 PMF팀 소개 바로가기

PMF 판단 기준은 무엇인가요? 지금은 어느 정도 확신이 있나요?

PMF를 찾을 때 거래액, 매출, 리텐션 같은 지표를 핵심으로 놓으면 한계가 있다고 생각합니다.

첫째, 거래액/매출/사용자 수는 다른 요소들이 섞일 수 있어요. 예를 들어 마케팅을 더 강하게 하면 수치는 올라갈 수 있지만, 그게 제품의 본질적인 가치가 커졌다는 뜻은 아닐 수 있죠.

둘째, 리텐션은 게임처럼 매일 쓰는 서비스에서는 좋은 지표일 수 있지만, 커머스는 사용 빈도가 무조건 데일리일 필요가 없습니다. 특히 목적형 쇼핑은 구매 주기를 따라갈 수밖에 없고요. 이때 리텐션이 핵심 지표가 되면, 제품의 본질과 무관하게 더 자주 들어오게 만드는 장치를 얹게 될 위험이 있습니다. 제가 생각하는 이상적인 목적형 커머스는 고객이 다음 구매 주기에 자연스럽게 떠올리고 방문하는 제품이에요. 그게 일주일 뒤일 수도, 한 달 뒤일 수도 있고요. 그래서 저희가 중요하게 보는 건 고객의 정성적 만족도에 더 가까운 질문입니다. 구체적으로는 고객에게 이렇게 묻습니다.

“이 제품이 사라지면 얼마나 실망하실 것 같나요?”
(매우 실망 / 다소 실망 / 실망하지 않음)

NPS(추천 의향)도 많이 쓰이지만, 추천하겠냐는 질문은 좋게 답변하기 쉬운 반면, 사라지면 실망하겠냐는 질문은 부정성을 포함하고 감정에 직접 연결돼 있어서 상대적으로 더 진실된 답이 나올 가능성이 높다고 봅니다.

통상 ‘매우 실망’ 비율이 40%를 넘으면 PMF를 찾았다고도 하는데, 저는 이 프레임이 굉장히 공감돼요. 실제로 핸드폰 앱을 켜서 “사라지면 매우 실망”할 서비스를 떠올려 보면 그렇게 많지 않거든요. 그 정도 감정이 나온다는 건 장기 리텐션이 어느 정도 보장된다는 뜻이라고 생각합니다.

현재 저희는 카테고리별로 리포트를 쌓아가고 있고, 월 평균으로 30%대 수준을 만들고 있습니다. 그리고 수치뿐 아니라 고객 목소리—“왜 지금까지 이런 서비스가 없었냐”, “정식 출시 언제냐”, “이것만 쓸 것 같다”—가 확신을 계속 키워주는 연료가 되고 있어요. 아마도 이번 2월, 늦어도 3월 내에는 거의 쇼핑 전 카테고리에서 사라지면 매우 실망할 만한 제품 경험이 만들어질 거라고 보고 있고, 그것들을 통합해서 쇼핑 전체 영역에서 와우를 만들 수 있을 거라고 생각합니다.

재윤님의 이야기를 여쭤보고 싶습니다. 레브잇을 통해 진짜 이루고 싶은 목표는 무엇인가요?

커머스 영역에서 만들고 싶은 최종 상태는 되게 명확해요.

즐기기 위해 하는 쇼핑을 제외하고, 필요에 의해 발생하는 구매라면 그 과정에서 사람이 시간을 쓰고, 스트레스를 받고, 손해를 보는 것들이 반복되어 왔어요.

아무 스트레스 없이, 시간도 거의 쓰지 않고, 손해 보지 않으면서도 가장 좋은 선택을 할 수 있는 쇼핑 경험을 만들고 싶어요. 이건 한국에만 국한된 문제가 아니고 글로벌하게도 동일합니다. 그래서 커머스 안에서 이 경험을 만들고 그 경험을 글로벌로 확장하는 것이 레브잇이 커머스 영역에서 갖는 장기 비전이라고 생각합니다. 커머스에서 “세상에 의미 있는 문제를 스케일업 가능한 방식으로 풀어내는 성공”을 만들고, 그 과정에서 확보되는 자본과 고객 풀, 네트워크는 레브잇이 더 큰 문제를 풀 수 있는 기반이 될 거라고 믿습니다.

2026년에 가시적인 목표가 있다면요?

1분기 내에 이 제품의 MVP를 세상에 내놓을 예정입니다. 이 MVP는 모든 카테고리에서 “무엇을 선택해야 하지?”라는 질문을 해결하면서도, 상품이 정해진 이후에는 “그걸 어디서 사야 최적 가치인가?”까지 해결할 수 있어요. 어디서 사야 배송을 가장 빨리 받을지, 어떤 선택이 최적일지까지요. 그리고 이 모든 카테고리에서의 경험이 충분히 유기적으로 연결돼서, 사용자가 “이제 쇼핑은 여기서 다 끝내도 되겠네”라고 느낄 수 있을 정도의 MVP를 3월에 출시할 예정입니다.

그로부터 6개월간은 두 가지가 있을 거예요.

첫 번째는 당연히 더 많은 사람에게 알리고 빠르게 성장시키는 User Acquisition/고속 성장의 로드가 있을 거고요.

두 번째는 지금은 한국 데이터와 한국 커머스 경험을 타깃으로 하지만, 이건 빠르게 확장할 수 있다고 봅니다. 예를 들어 미국 시장에 간다면 아마존, 쇼피파이 기반의 독립몰, 월마트 같은 데이터와 상품을 결합해 미국, 더 나아가 글로벌로 빠르게 확장할 수 있다고 생각합니다.

그래서 올해 9월에는 한국에서는 아웃풋 지표로도 연간 수억 원 수준의 거래 성과를 만들고, 고객 관점에서는 모든 국민까지는 아니더라도 최소한 한국의 1~2%는 “여기서 쇼핑을 다 해결한다”고 말할 정도의 광팬을 만드는 게 목표입니다. 미국에서도 비슷한 초기 지표를 9월까지 만들고 싶고요.

그 이후에는 성장을 더 가속화하고 더 많은 인력으로 데이터셋, 알고리즘, 고객 여정을 최적화하기 위해 자본이 더 필요할 수 있다고 생각합니다. 그래서 9월 전후로 투자 유치가 있을 가능성도 열어두고 있고, 그걸 바탕으로 내년에는 글로벌 대다수의 국가에서 10% 이상의 국민이 쇼핑 비서로 이동해도 이상하지 않은, 그 정도의 제품을 만들고 싶습니다.

레브잇 초기 EO 영상은 아직도 많이 회자됩니다. 그때와 비교해, 지금 재윤님의 생각이 가장 크게 달라진 점은 무엇인가요?

그때는 좀 어렸던 것 같아요(웃음). 달라지지 않은 건 진짜 큰 무언가를 이루고 싶다는 꿈과 패기, 열정이고요. 달라진 건, 예전에는 목표만 강하게 있었다면 지금은 그 목표를 이루기 위한 확률을 높이는 방식을 더 깊게 고민하게 됐다는 점입니다. 저는 목표를 이루는 데에는 운이 많이 작용한다고 생각하고, 지금도 운이 반절은 있다고 봅니다. 다만 나머지 반절은 운을 컨트롤할 수 있는 여러 인풋들이 있다고 생각해요. 그래서 “운을 컨트롤하는 인풋이 무엇인가”를 계속 고민하게 됐고, 그게 가장 크게 달라진 점입니다.

제가 생각하는 인풋은 크게 전략, 팀, 자본입니다. 우리가 가진 것과 가지지 못한 것을 객관적으로 메타인지하고, 우리에게 맞는 방향을 찾는 전략적 고민을 훨씬 더 많이 하게 됐고요. 팀 관점에서도 좋은 팀이란 무엇인지를 시행착오를 통해 고도화해왔습니다. 이전에 말했던 인재상(7 Standards)도 위에서 언급한 네 가지로 더 정교화됐고, 개인 역량을 넘어서 팀으로 시너지를 내는 구조를 더 중요하게 보게 됐어요.

또 목표 설정도 아웃풋보다 인풋에 가까운 목표가 중요하다고 생각하게 됐고, 그래서 고객 경험에 맞닿아 있는 지표를 중시하는 것도 그 연장선입니다. 거래액 같은 성적표가 필요해지는 순간이 오겠지만, 그 수치가 오를 때 너무 박수치는 문화를 만들고 싶지는 않아요. 그건 결과일 뿐이고, 우리가 만드는 본질적인 가치를 그대로 대변하지는 못하니까요.

지금도 계속 묻습니다. “고객이 어디서 와우를 느끼는가?”, “사라졌을 때 실망할 만큼의 디테일한 와우 포인트가 무엇인가?” 이런 질문들을 더 깊게 하게 된 게 가장 크게 달라진 점이 아닐까 싶어요.