성공 사례만 보다가 직접 해보면 현실은 다르더라고요. AI가 다 해줄 줄 알았는데, 3시간 투자해서 건진 게 0원이었던 적이 한두 번이 아니에요.
기업 AI 도입 프로젝트의 80%가 실패한다는 RAND 연구소 보고서가 있어요. MIT 연구에서는 AI 투자 기업의 95%가 의미 있는 ROI를 못 내고 있다는 결과도 나왔고요. 저도 그 통계의 일부였어요. 세 번의 삽질을 솔직하게 풀어볼게요.
삽질 1: AI 상품 설명 자동 생성 — 200개 만들고 전부 버림
작년에 상품 설명을 AI로 대량 생성하면 시간을 아끼겠다 싶었어요. ChatGPT에 상품 스펙을 넣고 “구매를 유도하는 상품 설명 써줘”라고 했더니, 200개가 30분 만에 나왔어요.
문제는 결과물이었어요. 전부 “이 제품은 뛰어난 품질과 세련된 디자인으로“로 시작하는, 어디서 본 것 같은 문장이었죠. 상품마다 고유한 셀링 포인트가 있는데, AI는 스펙만 보고 제네릭한 문장을 찍어냈어요.
교훈: AI에 스펙만 던지면 안 돼요. 타겟 고객이 누구고, 경쟁 제품 대비 뭐가 다른지, 실제 고객 리뷰에서 뭘 좋아했는지 — 이 맥락을 같이 넣어야 쓸 만한 결과가 나와요.
삽질 2: AI 가격 모니터링 자동화 — 알림 폭탄에 묻힘
경쟁사 가격을 AI로 모니터링하는 시스템을 만들었어요. 가격 변동이 있으면 슬랙으로 알림이 오게 했는데, 첫날부터 알림이 하루에 400개씩 쏟아졌어요.
왜? 임계값을 안 정했거든요. 100원 변동이든 1만원 변동이든 전부 알림이 온 거예요. 정작 중요한 알림은 400개 속에 묻혀서 못 봤고, 결국 알림을 꺼버렸어요. AI 다이나믹 프라이싱을 제대로 하려면 ‘언제 반응할지’를 먼저 정해야 해요.
교훈: 자동화의 핵심은 ‘무엇을 자동화하느냐’가 아니라 ‘어떤 기준으로 필터링하느냐‘예요. 기준 없는 자동화는 수동보다 더 비효율적이에요.
삽질 3: AI 이메일 마케팅 — 발송했는데 수신거부 폭증
고객 세그먼트별로 AI가 개인화된 이메일을 자동 생성해서 보내면 오픈율이 올라갈 거라 생각했어요. 실제로 AI가 만든 이메일 제목은 그럴듯했어요. “[이름]님, 지난번 보신 제품이 20% 할인 중이에요.”
그런데 실제 발송 후 수신거부율이 평소의 3배로 뛰었어요. 원인을 찾아보니, AI가 고객의 구매 이력을 기반으로 추천했는데 이미 구매한 상품을 다시 추천하고 있었어요. “이거 이미 샀는데?”라는 고객 문의가 줄줄이 들어왔고요.
교훈: AI에 데이터를 넣을 때 ‘구매 완료’ 필터를 빼먹은 제 실수였어요. AI 교차 판매든 이메일이든, 제외 조건이 포함 조건만큼 중요해요.
삽질에서 배운 것
세 번의 삽질에 공통점이 있었어요.
- 맥락 없이 AI를 돌리면 쓰레기가 대량 생산된다 — AI는 맥락을 주는 만큼만 똑똑해요
- 기준 없는 자동화는 수동보다 나쁘다 — 필터, 임계값, 제외 조건을 먼저 정해야 해요
- 테스트 없이 대규모 실행하면 사고가 난다 — 10개로 먼저 테스트하고, 괜찮으면 100개로 늘려요
RAND 연구소가 말하는 AI 프로젝트 실패의 근본 원인도 비슷해요. 명확한 비즈니스 목표 부재, 데이터 품질 문제, 기존 시스템과의 연동 실패. 거창한 이유가 아니라, 기본을 안 챙긴 거예요.
AI 도입을 고민하고 있다면, 성공 사례보다 실패 사례를 먼저 찾아보세요. 그게 진짜 시간을 아끼는 방법이에요. AI 맹신 실수 모음도 참고해보시고요.
Photo by Sebastian Herrmann on Unsplash
