레브잇의 Problem Solver 영섭님은 대학 시절 작은 팀을 꾸려 창업하며 커리어를 시작했습니다. 1년 남짓한 시간 동안 네 개의 제품을 기획하고 만들어 시장에 내놓았죠.
그다음 선택은 큰 서비스였습니다. 500만 명이 쓰는 AI 서비스에서 엔지니어로 일하며, 질문 유형에 따라 최적의 AI 모델을 자동으로 고르는 시스템을 만들어 추가 비용 없이 리텐션을 끌어올렸습니다. 그리고 다시 0으로 돌아가, 시청각 데이터 기반 AI라는 새로운 영역에서 PMF를 찾아봤습니다.
0에서 1을 만드는 일과 1을 수백만으로 키우는 일을 모두 지나온 그는, 지금 레브잇 PMF팀에서 건강식품 구매의 문제를 풀고 있습니다.
이번 인터뷰에서는 영섭님이 레브잇을 택한 이유, 적은 데이터로 확신을 만들어가는 방식, 엔지니어 시절의 시행착오가 지금의 속도로 이어지는 과정, 그리고 창업할 때보다 훨씬 빠르게 돌아가는 PMF팀의 일하는 방식에 대해 이야기를 나눴습니다.
창업을 두 번 했고, 가장 최근에는 투자까지 받아 직접 팀을 이끌었어요. 그러다 레브잇에 합류하기로 한 이유는 무엇인가요?
직전 창업에서는 공동창업자와 방향이 조금 달라 각자의 길을 걷게 됐어요. 팀을 나온 뒤에는 바로 다시 창업하기보다, 제가 생각하는 여러 조건이 맞아떨어질 때를 기다리기로 했습니다. 그리고 그때의 성공 확률을 높일 수 있도록, 밀도 있는 경험을 할 수 있는 조직에 가고 싶었어요.
그러다 레브잇의 Problem Solver 공고를 보게 됐습니다. 이미 큰 트래픽을 만들어본 강재윤 대표님의 시각과 의사결정을 가까이서 볼 수 있다는 점, 그리고 제품에 대한 완전한 오너십을 갖고 0 to 1의 모든 과정을 직접 해볼 수 있다는 점이 크게 다가왔어요. 저에게 필요한 경험을 가장 높은 밀도로 채울 수 있는 곳이라고 생각해 합류하게 됐습니다.
합류한 지 얼마 되지 않았죠. 들어오기 전에 예상했던 레브잇과 실제로 겪어본 레브잇은 무엇이 달랐나요?
가장 기대했던 건 대표님과 가까이서 일하며 좋은 판단을 직접 보는 거였는데, 실제로는 기대 이상이었어요. 일하다가 언제든 뒤돌아서 제품, 시장, 고객에 대해 묻고 생각을 나눌 수 있는 환경이거든요.
반대로 걱정했던 부분도 있었어요. PS가 혼자 모든 걸 한다는 건 분명 효율적이지만, 필연적으로 비효율도 생기지 않을까 싶었죠. 그런데 들어와 보니 레브잇은 그 비효율을 최대한 낮추고 효율을 극단적으로 끌어올린 구조였어요.
마케팅, 디자인, 엔지니어링의 문제를 함께 고민하고 실행해 주는 Product Marketer, Product Designer, Product Engineer분들이 있고, PS가 고객의 문제를 푸는 과정에서 생기는 장애물을 정말 빠르게 걷어내 주세요. 모두가 제품의 성공을 바라보면서, PS가 본질적인 문제에 집중할 수 있도록 돕는다는 게 느껴졌습니다.
요즘 쇼포트에서 맡고 있는 일은 무엇인가요?
저는 사람들의 구매 과정 중 건강 관련 구매, 그중에서도 건강식품을 고르는 여정의 문제를 풀고 있어요. 지금은 일부 고객이 추천을 받고도 "조금 더 찾아봐야겠다", "후기를 더 봐야겠다" 하고 떠나는 경우가 있는데요. 그 마지막 의심까지 해소해서 쇼포트 안에서 구매 여정이 끝나도록, 추천 결과에 대한 확신을 높이는 데 가장 많은 노력을 쏟고 있습니다.
시간으로 따지면 정말 하루 종일 고객을 만나요. 고객을 만나고, 그 고객의 행동에 맞는 솔루션을 만들고, 그 솔루션으로 다시 고객을 만나는 걸 반복하면서 고객에 대한 이해를 조금씩 쌓아가고 있습니다.
가설을 세우고 검증하는 영섭님만의 순서나 원칙이 있나요? 창업할 때와 지금, 달라진 점이 있다면요?
저는 목표에 도달하는 과정을 세 단계로 나누고, 각 단계를 명확히 분리해서 진행하려고 해요.
첫 번째는 지금의 상태와 우리가 도달해야 할 이상을 명확하게 정의하고, 그 사이에서 진짜 문제가 무엇인지 찾는 단계예요. 두 번째는 발견한 수많은 문제 중 정말 집중해야 할 문제가 무엇인지 깊게 고민하는 단계고요. 마지막은 솔루션을 고르는 단계예요. 제품을 만들다 보면 좋아 보이는 솔루션이 정말 많이 떠오르는데, 각 솔루션이 정확히 어떤 문제를 푸는지 따져보고, 중요한 문제와 연결되지 않는다면 아무리 좋아 보여도 가차 없이 뒤로 미뤄요. 뻔하게 들릴 수 있지만, 이걸 탁월하게 해내는 건 정말 어렵다고 느낍니다.
창업할 때와 비교하면, 예전에는 좀 더 몸으로 부딪혔다면 지금은 고객과 시장을 훨씬 구조적으로 바라보게 됐어요. 시장에는 어떤 특성의 고객들이 있는지, 그 고객의 여정에서 우리 제품이 해결하는 영역은 어디까지인지, 내가 건드릴 수 있는 축은 무엇이고 그중 어떤 축을 잡아야 성공 확률이 가장 높은지를 고민하는 식이에요. 이 부분은 대표님의 영향을 많이 받았습니다.
추천 품질처럼 정답이 없는 것을 검증해야 할 때는 무엇을 기준으로 삼나요?
정말 더 좋은 추천을 하고 있는지는 결국 고객의 반응으로 알 수 있어요. 그리고 진짜 더 좋은 추천을 했다면, 생각보다 그게 꽤 명확하게 드러나요.
다만 쇼포트는 수많은 상품 중에 아주 적은 수만 골라서 추천하기 때문에, 좋은 걸 골라주는 것만으로는 부족해요. 그게 왜 좋은지 고객이 납득하는 것까지 맞아떨어져야 실제 만족으로 이어지더라고요. 그래서 무엇이 좋은 추천인지도 결국 고객이 추천을 받은 뒤 무슨 생각을 하고 어떤 행동을 하는지를 보면서 방향을 정해요.
여기서 큰 도움이 된 건 팀이 갈고닦아 온 PMF 방법론이에요. 적은 모수로 올바른 방향과 단서를 찾는 건 정말 어려운 일인데, 제가 합류했을 때 팀은 이미 1년 동안 시행착오를 겪으며 적은 모수에서 올바른 신호를 잡아내는 방법을 어느 정도 체계화해 둔 상태였어요. 덕분에 저도 훨씬 수월하게 활용할 수 있었고, 솔직히 많이 놀랐습니다.
제품을 고객에게 더 잘 맞게 고도화 할수록 비용도 함께 커질 것 같아요. 그 사이에서 어떻게 균형을 잡나요?
처음에는 비용이 커지더라도 최대한 신경 쓰지 않으려고 해요. 균형을 잡는다기보다는, 혁신을 지향하는 단계와 최적화하는 단계를 명확하게 나누는 쪽에 가까워요.
요즘은 최적화가 시간을 충분히 들이거나, 혹은 시간이 조금만 지나도 해결되는 문제라고 느껴요. AI 기술이 워낙 빠르게 발전하고 있으니까요. 오히려 더 큰 혁신을 만들 수 있는 지점이 어디냐가 훨씬 중요해진 시기라고 생각해요. 그래서 혁신을 지향하는 단계에서는 최적화를 철저하게 배제하려고 합니다.
예전에는 혁신과 최적화를 동시에 고민한 적도 있었는데, 그러다 보면 이런저런 제약을 계속 생각하게 되고, 결국 틀을 넘어서는 결과물이 나오기 어렵더라고요.
창업할 때와 비교하면, 레브잇에서 아이디어를 고객 앞에 내놓기까지의 속도는 어떻게 다른가요?
레브잇에서는 고객을 만나 문제를 정의하고, 솔루션을 만들어 다시 고객 앞에 내놓기까지 빠르면 3일 안에 끝나요.
가장 큰 차이는 PS가 올바른 방향과 본질적인 문제에 도달하기만 하면, 그 방향으로 빠르게 달리기 위한 모든 것이 준비되어 있다는 점이에요. 창업할 때는 타깃 고객 한 명 한 명을 구하는 데도 정말 많은 시간을 썼는데, 레브잇에서는 마음만 먹으면 하루 종일 고객 인터뷰를 잡을 수 있어요. 개인적으로 이게 정말 좋았습니다.
또 엔지니어링, 마케팅, 디자인 각 영역의 뛰어난 동료들이 PS가 제품의 성공을 만들어낼 수 있도록 지지해 주고 있어요. 성공과 실패의 사이클이 훨씬 빠르게 돌아가는 환경이고, 그만큼 압축적인 경험과 학습을 할 수 있다는 게 이 과정을 즐겁게 만드는 이유인 것 같아요.
엔지니어로 일했던 경험이, 지금 쇼포트를 만들 때 가장 크게 쓰이는 순간은 언제인가요?
가장 크게 쓰이는 건 기술적인 능력 자체보다 엔지니어 시절에 겪은 시행착오예요. 그때는 성능이 좋아지면 당연히 고객 가치도 좋아질 거라고 믿었는데, 실제로는 그렇지 않다는 걸 여러 번 확인했어요. 도전적인 기술을 달성했을 때의 임팩트는 크게 보면서, 거기까지 가는 데 드는 리소스는 가볍게 생각하기도 했고요. 그 경험 덕분에 지금은 더 중요한 것을 보는 눈이 생겼습니다.
LLM과 에이전트 제품의 사이클을 직접 돌아봤기 때문에 ROI를 가늠하는 것도 훨씬 수월해요. 어떤 기능이 80% 정확도면 충분한지, 95%가 필요한지에 따라 구현 난이도와 리소스가 완전히 달라지거든요. 이걸 미리 가늠할 수 있으니, 워크플로우를 에이전트화하는 것 같은 결정도 시행착오를 덜 겪으면서 내릴 수 있어요. 소소하게는 에이전트 성능을 끌어올리기 위한 하네스를 짜는 방식 같은 것들이 이미 손에 익어 있어서, 그런 부분에서 새로 헤매지 않는다는 점도 있고요.
결국 기술의 시행착오를 줄이고 한 번 더 헤매지 않아도 되는 것, 그래서 제품에 조금 더 집중할 수 있다는 것. 그게 제게 가장 큰 자산인 것 같아요.
반대로 큰 서비스에서 일할 때와 비교하면, 레브잇에서 일하는 건 무엇이 다른가요?
장단점이 있다고 생각해요. 제품 의사결정에 쓸 수 있는 정보는 크게 데이터, 고객의 말, 그리고 만드는 사람의 감, 이렇게 세 가지가 있다고 봐요.
사용자가 많은 서비스에서는 실험 하나의 모수가 기본 1만 명 이상이라, 통계적 결과만으로도 확신을 얻을 수 있는 부분이 많았어요. 자연스럽게 데이터의 비중이 컸죠.
레브잇에서는 한 번의 실험 모수가 적고, 변수는 훨씬 많아요. 그래서 의사결정에서 고객의 말과 만드는 사람의 감이 훨씬 중요해져요. 불확실한 상황에서 모호한 정보를 확신으로 바꿔내는 게 핵심이죠.
이 부분에서 도움이 된 건, 레브잇이 이미 그런 상황에서 답을 찾으려고 수많은 시행착오를 겪어왔고 그 과정에서 쌓인 조직의 러닝이 있다는 점이었어요. 덕분에 저도 빠르게 배우고, 그 감을 갖고 일할 수 있었습니다.
창업할 때는 스스로 거의 모든 걸 결정했을 텐데, 지금은 PE, PD와 함께 일하죠. 다른 점이 있다면요?
운이 좋게도 직전 창업에서도 초기부터 PE, PD와 함께 일했어요. 그때는 제가 디자인이나 개발 실무를 본격적으로 하지 않더라도, 각 영역에서 정말 어려운 문제가 생기면 달려들어서 어떻게든 해결하려고 했죠.
지금은 거의 반대가 됐어요. 가벼운 건 제가 빠르게 직접 처리하고, 정말 어려운 문제는 PE, PD분들이 완전히 해결해 주시는 구조예요. 덕분에 저는 더 중요한 문제에 집중할 수 있고, 등을 온전히 맞대고 일한다는 느낌이 들어요.
동료에게 배우는 건 일과 제품을 대하는 태도예요. 각자의 영역에서 어떻게든 문제를 해결해 주시는 걸 보면, 저도 제품에서 어떻게든 해내야겠다는 마음이 더 커져요. 서로가 계속 자극이 되는 것 같습니다.
레브잇에 와서 새롭게 배우고 있는 건 무엇인가요?
가장 크게 배운 건, 데이터가 아주 적은 순간에도 올바른 방향에 대한 확신을 만들어낼 수 있다는 거예요. 그리고 지금도 계속 배우고 있는 건, 그 부족한 데이터를 어떻게 더 좋은 의사결정과 확신으로 바꿔가느냐예요.
돌아보면 이전 창업에서도 배울 점이 많은 동료가 있었어요. 그분에게 시장을 보는 법, 어디에 기회가 있고 어떤 흐름이 오는지 읽는 법을 배웠다면, 레브잇에서는 고객을 구조적으로 바라보며 정말 좋은 제품에 도달하는 법을 배우고 있습니다.
마지막으로, 다음 커리어를 고민하고 있는 창업가나 엔지니어에게 해주고 싶은 말이 있다면요?
레브잇은 꽤 뾰족한 조직이라, 누구에게나 잘 맞는 곳은 아니라고 생각해요. 하지만 삶에서 큰 성취를 만드는 게 정말 중요한 사람이라면, 자신의 탁월함으로 세상에 가치를 만들고 싶은 사람이라면, 레브잇이 그 어느 조직보다 그 욕구를 잘 채워줄 거라고 말씀드리고 싶어요. 그리고 그걸 위한 대부분이 이미 준비되어 있습니다.
영섭님이 레브잇을 택한 이유는 밀도였습니다. 그리고 실제로 겪어본 레브잇은, 고객을 만나 문제를 정의하고 다시 고객 앞에 솔루션을 내놓기까지 3일이면 충분한 곳이었습니다.
그 속도는 환경만으로 만들어지지 않습니다. 창업가로서 부딪혀본 경험은 무엇을 풀지 고르는 눈이 되었고, 엔지니어로서 겪은 시행착오는 무엇을 얼마나 만들지 가늠하는 감각이 되었습니다. 그리고 레브잇에는 그 감각을 마음껏 쓸 수 있도록 장애물을 걷어내 주는 동료들과, 적은 데이터로 확신을 만드는 팀의 방법론이 있습니다.
영섭님의 말처럼 레브잇은 누구에게나 맞는 곳은 아닙니다. 하지만 자신의 탁월함으로 큰 성취를 만들고 싶다면, PMF팀에서 함께 이야기를 나눠보면 좋겠습니다.
