[스케일업] 드리머리 (3) 팀長클럽 “人工知能을 통해 새로운 價値를 찾아 提供한다는 어려움”

[SBA X 스케일업코리아] SBA와 스케일업코리아가 有望한 스타트업을 選定해 이들의 苦悶을 解決하고, 다음 段階 跳躍을 돕는 '스케일업 프로젝트 2022'를 進行합니다. 'BM 分析'을 土臺로 '專門家 助言'과 '팀長級 實務 人力과의 協業'을 이끌고, 이렇게 이룬 '成果를 點檢'합니다.

2022年 스케일업에 選定된 優秀 스타트업 다섯 곳(딥波인 / 트랜쇼 / 드리머리 / 웍스메이트 / 不엔까미노)을 만나봅니다.

[IT東亞 권명관 記者] 지난 2018年 設立한 드리머理는 個人化 뷰티 SNS ‘드리머리’를 서비스하고 있습니다. 드리머리가 提案하는 價値는 크게 헤어 ‘트렌드’를 바탕으로 使用者에게 맞춘 ‘個人化’ 패션을 提案하고, 旣存 헤어디자이너와 連繫한 ‘專門化’ 서비스를 提供하는 것입니다. 사람마다 다른 얼굴兄(頭狀)과 雰圍氣, 皮膚톤 等을 人工知能으로 分析해 스타일 컨설팅을 提供하고(개인화), 專門 헤어디자이너를 連結하죠(전문화). ‘實時間 檢索語 順位’, ‘最近 流行하는 헤어 손질法’ 等 時時刻刻 變하는 流行 트렌드를 情報도 提供합니다.

스케일업 프로젝트를 통해 드리머理는 비즈니스모델 컨설팅을 提供하는 人士이터스의 황현철 代表로부터 ‘仲介가 아닌 뷰티 콘텐츠의 멋을 아는 사람에게 必須 SNS로 接近하라’는 提言과, THE BOLT IDEA(以下 더 볼트) 김보라 代表로부터 ‘브랜딩에 集中한 마케팅 方法’에 對해 助言을 얻었습니다.

이어서 스케일업팀은 드리머리에게 인터비즈가 運營하고 있는 네이버 카페 ‘팀長클럽’을 통해 여러 企業의 팀長級 管理者와 만날 수 있는 미팅을 周旋했습니다. 現業에서 活動하고 있는 各 企業의 팀長과 이야기를 나누면서, 意外의 協業 포인트를 찾을 수 있을 것이라 생각했기 때문입니다.

팀長클럽을 통해 트랜쇼에게 關心을 보인 팀長님은 서울市 서초동 素材의 로펌에서 法律마케팅 關聯 業務를 擔當하고 있는 윤나라 팀長(以下 尹 팀長)입니다. 尹 팀長은 ‘人工知能으로 使用者를 分析, 個人에게 어울리는 스타일을 推薦하는 드리머里의 技術을 法律 相談으로 活用해볼 수는 없을까?’라고 생각하셨는데요. 依賴人이 相談하는 事件 內容을 人工知能으로 分析해, 로펌 내 辯護士와 連結하는 方法을 苦悶한 것이죠.

定性的인 데이터 속에서 定量的인 基準을 찾아야 합니다

尹 팀長: 드리머리 關聯 記事를 보며, 人工知能으로 使用者의 모습(外貌)를 分析해 各 個人에게 어울리는 스타일을 推薦해 준다는 內容을 確認했다. 이 內容을 보며 많은 생각을 했다. ‘어떻게 人工知能으로 使用者 外貌를 分析하는지’, ‘外貌를 分析해 推薦하는 스타일은 어떤 基準으로 提供하는지’ 等 드리머리 技術 提供에 對한 궁금症부터, ‘人工知能 分析을 法律 相談과 連結해 우리 로펌에서 活動하고 있는 辯護士를 推薦할 수는 없을지’, ‘法律 相談 依賴人이 願하는 것을 事前에 미리 分析할 수는 없을지’ 等 로펌이 提供하는 서비스를 발전시킬 수는 없을까 苦悶했는데.

李 代表: 음… 어려운 質問이다(웃음). 基本的으로 드리머理는 顧客(내게 어울리는 스타일을 찾고자 하는 需要者)과 헤어디자이너(顧客에게 스타일을 提供하는 供給者)를 連結하는 플랫폼 서비스다. 需要者와 供給者를 連結한다는 意味에서 仲介 서비스 形態와 비슷하다. 나름의 競爭力을 갖춰야 했다. 이에 다른 서비스와 差別點으로 準備한 것이 ‘個人化’와 ‘트렌드 提供’이다. 두 核心 價値를 提供하기 위해 人工知能 技術을 適用한 것이고.

個人化는 곧 ‘나에게 어울리는 스타일을 찾고 싶어요’에서 始作한다. 顧客이 願하는 核心 需要다. 個人마다 다른 頭相과 얼굴型, 雰圍氣, 皮膚톤 等을 人工知能으로 分析해 스타일을 推薦한다. 이를 위해 于先 情報를 모은다. 情報는 顧客이 直接 作成한 設問 答辯과 正面 撮影 寫眞이다.

人工知能으로 使用者에게 어울리는 스타일과 같은 結果를 導出하기 위해서는, 수많은 情報(데이터)를 聚合해 分析하는 事前 作業이 必要하다. 수많은 量의 데이터(빅데이터)에서 必要로 하는 基準(모델)부터 찾아야 한다. 앞서 言及한 頭狀, 얼굴型, 雰圍氣, 皮膚톤 等이 이에 該當한다. 그리고 各 個人마다 다른 性向을 確認하기 위해 몇 가지 設問 調査를 進行한다. 음… 빅데이터에서 結果를 導出하기 위한 最小 基準을 마련하는 過程이라고 理解하면 좋겠다. 데이터를 定量化하는 過程이라고 생각해도 좋고.

顧客 情報 以外에 別途로 蒐集해야 하는 情報도 있다. 트렌드다. 現在 流行하고 있는 스타일은 무엇인지, 시즌別로 달라지는 스타일 情報를 反映해야 한다. 엄청난 데이터를 찾아야 한다.

尹 팀長: 그러니까… 어떤 意味있는 結果를 提供하기 위해서 수많은 情報를 蒐集해 人工知能으로 分析, 學習하는 過程이 必要하다는 뜻인가.

李 代表: 맞다. 正말 어려운 過程이다. 意味있는 結果를 찾아낸다는 것은, 달리 말해 旣存에 찾지 못했던 새로운 價値를 찾아내야 한다는 것과 같다. ‘어떤 情報에서 어떤 結果를 찾아내야 顧客이 滿足할 수 있을까?’를 끊임없이 苦悶하고 調査해야 한다.

例를 들어 보자. 헤어 스타일을 提供하기 위해서는 數十, 數百 가지의 情報를 分析해야 한다. ‘잘 어울리는 스타일’은 너무나 定性的인 領域 아닌가. 사람마다 基準이 다르다. 누군가는 짧은 斷髮을, 누군가는 긴 生머리를, 누군가는 살짝 웨이브 陳 中短髮을 좋아한다. 때문에 ‘어떤 基準으로 어떤 스타일을 提供해야 좋은 것인가?’에 對한 基準이 必要하다. 또한, 우리가 設定한 基準에 따라 몇 가지 스타일을 提供한 뒤 顧客이 헤어 技術을 받았는데, 정작 顧客이 느끼는 結果는 滿足하지 못할 수도 있다. 이러한 結果도 分析하는 過程에 다시 包含시켜야 한다.

그래서 人工知能을 繼續 학습시키며(머신러닝), 顧客이 滿足하는 結果를 찾아내야 한다. 이를 위해 지난 2021年 8月부터 ‘使用者 뷰티 데이터 AI 分析 基盤 個人化 뷰티 서비스 推薦 技術’이라는 팁스(TIPS) 課題에 參與하며 人工知能 알고리즘을 開發하고 있다.

參考로 基準은 隨時로 變化한다. 平素 좋아하던 스타일도 바뀔 수 있지 않나. 周邊에서 流行하는 스타일을 따라하기도 하고. 때문에 實時間 데이터를 反映하며 內部的으로 繼續 調律하는 過程도 必要하다. BTS, 블랙핑크처럼 많은 人氣를 얻고 있는 演藝人의 스타일을 어느 程度 反映해야 하는지 等 나름의 基準을 設定해야 한다.

尹 팀長: …어떻게 데이터 모델을 定하는지 궁금하다.

李 代表: 繼續 테스트해야 한다. 나름의 데이터 모델을 設定한 뒤에, 顧客 反應을 隨時로 체크하며 滿足度를 올려가야 한다. 定性的인 部分을 定量的인 部分으로 옮겨오는 過程이 必要하다. 하나하나 變數를 追加하면서 모델을 設計해 나가야 하는데… 繼續 나타나는 갈림길 앞에서 보다 選好度가 높은 結果를 찾아가는 過程과 비슷하다. 다만, 이 모든 過程을 사람이 할 수 없어 人工知能으로 代替한 것이고.

어렵다. 正말 어려운 作業이다. 顧客의 正面 寫眞을 分析하는 過程에도 수많은 變數가 登場하기 때문이다. 撮影 當時 照明은 어땠는지, 化粧한 寫眞인지, 顧客의 耳目口鼻 比率은 어떤지, 平素 選好하는 스타일은 무엇인지 等… 셀 수 없는 條件을 反映해야 한다. 때문에 繼續 學習할 수 있는 알고리즘에 데이터 모델(條件)을 追加하며 學習하는 過程을 거쳐야 한다.

여기에서 그치지 않는다. 드리머理는 顧客에게 어울리는 스타일을 推薦한 뒤, 그게 맞는 헤어디자이너를 紹介한다. 卽, 分析한 顧客 情報를 바탕으로, 드리머리가 推薦한 스타일을 잘 提供할 수 있는 헤어디자이너의 情報도 分析해 連結해야 한다. 只今 이 瞬間에도 수많은 施行錯誤를 거쳐나가며 보다 많은 顧客이 滿足할 수 있도록 提供하기 위해 努力하는 셈이다.

사람이라는 ‘變數’ 속에서 ‘基準’을 찾아야 합니다

尹 팀長: 많이 어렵겠지만, 드리머리가 顧客 情報와 스타일 트렌드 等의 情報를 分析해 헤어디자이너를 推薦하듯, 法律 相談을 提供하는 로펌에서 依賴人의 情報를 分析해 辯護士를 推薦할 수는 없을지 궁금하다.

依賴人들이 로펌으로 依賴해 오는 事件事故는 單純히 民事 事件, 刑事 事件이라고 區分짓기 어렵다. 같은 刑事 事件이라도 數十, 數百 가지의 狀況에 따라 相談 內容이 달라져야 한다. 모든 相談 內容을 確認한 뒤, 辯護士를 連結하는 過程도 쉽지 않고. 이러한 部分을 人工知能을 통해 보다 더 원활하게 할 수 있는 方法을 찾고 싶었는데.

李 代表: 스타일 推薦, 어울리는 헤어디자이너 推薦처럼… 어려운 問題다. 依賴人의 法律 相談이라는 內容 속에서 定量化할 수 있는 데이터를 찾아야 한다. 그런데, 單純히 생각해봐도 法律 相談이라는 情報 속에는 수많은 變數가 存在한다. 수많은 變數를 滿足하는 데이터 모델을 찾아 알고리즘을 開發했다고 하더라도, 이를 다시 檢證하기 위한 結果 데이터를 聯動시켜야 하는데 分析 範圍가 얼마나 클지 苦悶이다.

旣存 訴訟 事例를 代入해서 結果값을 찾는 方法이 떠오르기는 하는데…, 該當 데이터를 求하는 것이 그리 쉬워 보이지도 않는다. 무엇보다 헤어디자이너 또는 로펌 所屬 辯護士처럼 사람을 推薦하는 것은 正말 쉽지 않다.

오히려 다른 方向으로 接近해보는 것은 어떨까 싶다. 가장 잘 어울리는 結果를 찾아 連結하는 것이 아닌, 不必要한 條件을 除外해 나가는 필터링 過程을 提供하는 것은 어떨까. 顧客이 쿠팡에서 物件을 購買할 때 商品 種類, 價格, 브랜드 等 願하는 條件을 設定해 檢索하고 最終的으로 選擇하는 것처럼 말이다. 그렇게 初期 設定할 수 있는 條件을 통해 情報를 쌓고, 以後 滿足度를 調査해 結果를 맞춰 나가며 情報를 熟成할 수 있을 것이다. 그 以後 各 데이터를 代入하며 人工知能으로 分析, 結果값을 찾아나갈 수는 있겠다.

尹 팀長: 依賴人의 相談을 몇 가지 條件을 基準으로 分類해 願하는 法律 相談과 連結하는 것인지.

李 代表: 맞다. 거기서부터 始作해야 한다고 생각한다. 法律 相談을 願하는 依賴人과 尹 팀長이 일하는 로펌 내 辯護士의 圓滑한 連結을 提供하기 위한 先決 條件인 셈이다. 이 過程을 통해 몇 가지 導出할 수 있는 結果부터 찾아내야 한다. 그리고 該當 結果값을 바탕으로 人工知能을 學習해 最終的으로 願하는 推薦 알고리즘을 完成할 수 있을 것이다.

다만, 現實的인 時間과 費用的인 側面을 苦悶하지 않을 수 없다. ‘로펌 한 곳에서 苦悶할 問題인가?’라고 反問하고 싶다. 로펌 여러 곳이 모여 데이터를 모으거나, 辯護士協會처럼 많은 辯護士가 모여 情報를 共有해야 意味있는 結果를 찾을 수 있기 때문이다. 限定的인 條件 속에서 結果를 찾는다면, 客觀性은 떨어질 수밖에 없다. 할 수만 있다면, 모든 法律 相談 데이터를 모아 各 데이터로부터 共通되는 條件을 찾아 필터링한 뒤, 묶을 수 있는 結果부터 찾아야 하지 않을까.

法律 相談과 같은, 辯護士라는 專門家가 個人의 經驗과 스킬에 많은 影響을 받는 專門 領域은 基準을 찾는 것이 매우 어렵다. 情報를 分析하기 위해서는, 專門 領域일수록 그 안에서 活動하는 專門家 스스로 共通的으로 適用할 수 있는 基準부터 設定하고 接近해야 한다.

때문에 辯護士 推薦이 아닌 相談 內容을 필터링海 어울리는 辯護士를 連結할 수 있는 共通된 條件부터 찾는 것이 現實的이라고 생각했다. 그렇게 쌓은 데이터를 長期的으로 分析하며 人工知能을 학습시키는 方法을 推薦하고 싶다.

對話를 나누면서 드리머리가 提供하고자 努力 中인 人工知能 關聯 서비스를, 法律 相談이라는 專門 領域에서는 ‘이렇게 생각할 수 있구나’라는 것을 느꼈다. 우리가 提供하고자 開發 中인 技術을 더 많은 領域으로 擴大할 수 있겠다는 생각도 했고(웃음).

드리머理는 提供하고자 하는 價値를 위해 繼續 努力하고 있다. 對話를 나눈 尹 팀長님처럼 드리머리에 궁금한 點이나 새로운 提案 等도 언제든 들을 準備가 되어 있다. 앞으로도 우리 드리머리에 많은 關心과 應援을 付託드린다.

글 / IT東亞 권명관(tonadosn@itdonga.com)