미소는 고객이 필요한 서비스를 선택하고 예약하면, 실제 서비스를 수행할 파트너와 연결해 문제를 해결해 왔습니다. 이 경험은 고객이 자신에게 필요한 서비스가 무엇인지 알고 있을 때 가장 잘 작동합니다. 하지만 생활 속 문제는 서비스 이름으로 찾아오지 않습니다. ‘집이 너무 엉망이에요’, ‘이사 전에 뭘 준비해야 하죠?’, ‘이건 직접 고칠 수 있을까요?’처럼 아직 정리되지 않은 말에서 시작합니다.
AI Product 팀은 미소가 이 정리되지 않은 문제를 먼저 받아들이게 만듭니다. 고객의 상황과 의도를 이해하고, 필요한 정보를 더 물은 뒤, AI의 안내로 바로 해결할 수 있는 문제인지 실제 작업이 필요한 문제인지 판단합니다. 그리고 가장 적절한 답변, 기능, 서비스, 파트너로 연결해 해결이 끝날 때까지의 경험을 설계합니다.
우리 팀이 없다면 고객은 여전히 문제의 원인을 검색하고, 필요한 서비스의 이름을 알아내고, 여러 선택지를 비교한 뒤에야 미소를 사용할 수 있습니다. 미소 역시 고객이 이미 답을 알고 찾아오는 순간부터만 도움을 줄 수 있습니다. 우리는 그보다 앞선 순간, 고객이 문제를 처음 인식하고 누구에게 무엇을 물어야 할지 모르는 순간부터 미소가 역할을 하게 만듭니다.
다른 제품 팀이 각 서비스와 거래 과정의 품질을 깊게 개선한다면, AI Product 팀은 서비스의 경계를 가로지르는 새로운 시작점과 해결 경로를 만듭니다. 정답이 하나가 아닌 대화를 이해하면서도, 그 결과가 실제 방문과 결제, 고객과 파트너의 시간으로 이어질 수 있도록 신뢰할 수 있는 시스템을 설계하는 것이 우리 팀만의 역할입니다.
3. 우리 팀이 근본적으로 풀고 있는 문제와, 그 끝에 만들고 싶은 모습은 무엇인가요?
우리가 근본적으로 풀고 있는 문제는 모호한 생활의 문제와 실제로 실행 가능한 해결 사이의 간극입니다. 사람은 자신의 상황을 완벽하게 진단하거나 정리해서 말하지 않습니다. 반면 서비스를 실행하려면 무엇이 필요한지, 어떤 조건인지, 언제 어떻게 진행할지가 구체적이어야 합니다. 지금까지는 고객이 검색과 비교를 반복하며 이 간극을 직접 메워야 했습니다.
우리는 AI가 고객의 말을 단순히 잘 받아쓰는 것을 넘어, 문제의 성격을 이해하고 적절한 해결 경로를 선택하게 만듭니다. 직접 해볼 수 있는 일이라면 필요한 방법과 도구를 안내하고, 전문가의 작업이 필요하다면 미소의 서비스와 파트너 네트워크로 연결합니다. AI가 모든 문제에 답하는 제품이 아니라, 각 문제를 가장 잘 해결할 수 있는 길을 찾아주는 제품을 만드는 것입니다.
이 문제는 답변의 품질만으로 풀리지 않습니다. 일반적인 AI 제품에서는 잘못된 이해가 어색한 문장으로 끝날 수 있지만, 미소에서는 잘못된 예약이나 방문, 고객과 파트너의 시간과 비용으로 이어질 수 있습니다. 그래서 우리는 그럴듯한 응답보다 책임질 수 있는 실행을 중요하게 봅니다. 모델의 판단을 평가하고, 필요한 순간에는 되묻고, 불확실할 때는 안전하게 멈추거나 다른 경로로 전환하는 구조까지 함께 설계합니다.
이 문제를 풀지 못하면 미소는 고객이 필요한 서비스를 미리 알고 찾아오는 플랫폼에 머뭅니다. AI도 질문에 답하는 부가 기능에 그치고, 실제 해결과 연결되지 못합니다. 반대로 이 간극을 풀면 미소가 오랫동안 쌓아 온 홈서비스 운영 경험과 파트너 네트워크는 AI가 현실을 바꾸는 힘이 됩니다. 대화만 잘하는 도구와 달리, 이해한 문제를 실제 행동과 결과까지 이어갈 수 있기 때문입니다.
우리가 만들고 싶은 모습은 단순합니다. 문제가 생겼을 때 검색창과 여러 업체를 돌아다니는 대신, 가장 먼저 미소에 말하는 것입니다. 미소가 고객의 상황을 이해하고, 필요한 해결책을 제안하고, 직접 해결하거나 적합한 전문가에게 연결하고, 결과까지 확인합니다. ‘문제 발생 → 미소 → 문제 해결’이 자연스러운 기본값이 되는 것. 미소를 서비스를 예약하는 곳에서 일상의 문제를 맡길 수 있는 문제 해결 플랫폼으로 확장하는 것이 우리가 만들고 싶은 끝 모습입니다.
4. 우리 팀만의 일하는 방식이 있다면 무엇인가요?
AI Product 팀은 이미 정해진 경험을 개선하는 것만큼이나, 아직 제품이 되지 않은 새로운 기회를 찾는 일을 중요하게 생각합니다. 고객이 무심코 남긴 한마디, 작지만 반복되는 사용 패턴, 새롭게 가능해진 기술에서 힌트를 발견하고, 이를 더 많은 고객이 사용할 수 있는 큰 가치로 발전시킵니다.
첫째, 작은 신호에서 새로운 기회를 찾습니다.
지금은 소수의 고객에게만 나타나는 행동이라도, 그 안에 앞으로의 제품을 바꿀 가능성이 있는지 살펴봅니다. 고객이 기대하지 않았던 방식으로 AI를 사용하거나 기존 흐름에서 해결되지 않던 문제를 발견하면, 새로운 경험의 출발점으로 삼습니다.
둘째, 실제 고객의 대화를 깊이 들여다봅니다.
지표로 변화의 크기를 보고, 대화를 읽으며 원인을 찾습니다. 팀의 직군과 관계없이 실제 대화를 적극 살펴보고, 고객이 어디에서 이해받지 못했는지 확인합니다.
셋째, 작게 만들고 빠르게 배웁니다.
AI가 만들 수 있는 경험은 문서와 회의만으로 예측하기 어렵습니다. 핵심 아이디어를 확인할 수 있는 작은 형태를 먼저 만들고, 실제 고객의 반응을 통해 가능성을 확인합니다. 가능성이 보이면 빠르게 확장하고, 그렇지 않다면 배운 것을 남기고 새로운 방향을 탐색합니다.
넷째, 직군보다 문제를 중심으로 협업합니다.
각자의 전문성은 분명하지만, 역할에 따라 생각의 범위를 제한하지 않습니다. 엔지니어도 실제 대화를 살펴보고 고객 경험과 제품 방향에 의견을 내며, 제품과 디자인 직군도 AI의 작동 방식과 기술적 제약을 이해한 상태에서 경험을 설계합니다. 직군 사이에서 결과물을 전달하는 데 그치지 않고, 어떤 경험이 좋은 AI 제품인지에 대한 기준과 감각을 함께 맞춰갑니다.
다섯째, 모델보다 학습과 시스템을 오래 남깁니다.
더 나은 모델과 도구가 계속 등장한다는 사실을 전제로 일합니다. 특정 모델에만 맞춘 경험보다 고객에 대해 배운 것, 제품의 판단 근거, 평가와 피드백 구조를 팀의 자산으로 축적합니다. 기술이 바뀌어도 더 좋은 문제를 발견하고 더 나은 제품을 만드는 능력은 남아야 한다고 생각합니다.
현재 제품의 품질을 꾸준히 높이는 동시에, 작은 사용자 신호와 기술의 변화에서 다음 제품의 가능성을 발견해 나가는 것이 우리 팀이 추구하는 방식입니다.
