How Localiza reorganized work around generative AI

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Localiza는 생성형 AI를 새로운 운영 방식으로 보고, OpenAI와 함께 전사적 실험·대화형 고객 접점·AI 네이티브 제품을 중심으로 업무와 고객 경험을 재설계하고 있다.

📌 핵심 요약

• Localiza는 OpenAI와의 협력을 대규모 실험을 통한 사업 혁신, 새로운 고객 인터페이스, AI 네이티브 제품이라는 세 축으로 구성했다. ChatGPT 라이선스를 실험과 생산성 향상을 위한 자원으로 배분하고, 재무부터 운영까지 custom GPTs·에이전트·Codex 실험을 진행하고 있다.
• Codex는 기술 부서에서 시작해 분석가·관리자·PMO·법률가 등으로 확산됐고, 여러 직군이 개발 대기열에 들어가기 전에 직접 시제품과 자동화를 만드는 변화가 나타났다. CTO André Petenussi는 19개 트라이브와 130개 스쿼드가 효율적이고 일관되게 일하도록 업무 방식과 역량을 바꾸는 것이 핵심 과제라고 설명했다.
• Localiza 내부 데이터에 따르면 2024년부터 LLM 유입 트래픽이 빠르게 증가했으며 ChatGPT가 주된 채널이다. Localiza는 2026년 3월 브라질 최초이자 라틴아메리카 초기 사례 중 하나로 ChatGPT에 직접 통합된 모빌리티 앱을 선보였고, 고객은 대화에서 렌터카·구독·중고차 선택지를 탐색한 뒤 Localiza의 보안 환경에서 거래를 완료한다.
• AI 네이티브 고객 도우미 Liza는 추론 모델·MCP 통합·전문 도구를 기반으로 60개가 넘는 전문 에이전트를 운영하며 렌터카 이용 여정을 지원한다. Localiza는 자동화량보다 고객 경험을 우선하며, 기존 고객 여정 측정과 품질 지표를 바탕으로 에이전트와 사람의 개입 지점을 구분하고 상호작용 신호와 음성 기능을 제품 개선에 활용한다.
• OpenAI와의 협력은 Liza가 GPT‑3.5로 작동하던 초기부터 이어졌으며, Localiza는 특정 기능보다 시행착오와 공동 학습의 가치를 강조한다. 향후 개발 영역은 Liza와 영업 중심 에이전트의 발전, 고객 진입점으로서의 대화형 인터페이스, 에이전트 기반 소프트웨어 개발이며, 목표는 고객과 직원의 경험 및 사업 수익성과 건전성 개선이다.

🧩 주요 포인트

1. 비기술 직군까지 시제품 제작이 확산되면서 개발 이전의 문제 검증 방식이 달라졌다. 확산의 성과를 좌우하는 과제는 모델 통합뿐 아니라 조직 전체의 재교육과 일관된 업무 수행이다.
2. 자연어로 수요를 표현하는 고객과 LLM 유입 증가가 새로운 서비스 진입점을 만들었다. ChatGPT 앱은 실제 상호작용을 통해 고객 행동을 배우고 기존 서비스 생태계와의 보완 관계를 탐색하는 실험이다.
3. 고객 여정과 품질 지표를 먼저 확보했기 때문에 자동화와 사람의 역할을 구분할 수 있었다. Liza의 확장에서는 에이전트 수나 자동화량보다 고객 경험의 품질과 상호작용을 통한 지속적 개선이 중요하다.

🧠 상세 정리

1. 생성형 AI를 중심으로 운영 방식을 재설계

Localiza는 생성형 AI의 등장을 기존 도구 목록에 소프트웨어 하나를 추가하는 일이 아니라 회사가 운영되는 방식의 변화로 받아들였다. 이에 따라 개별 활용 사례를 따로 추진하기보다 OpenAI와의 협력을 대규모 실험을 통한 사업 혁신, 새로운 고객 인터페이스, AI 네이티브 제품이라는 세 가지 전략 축으로 구성했다. 세 축을 연결하는 원칙은 지능·맥락·속도를 중심으로 프로세스를 다시 설계하는 것이다. CTO André Petenussi는 직원들이 이미 회사 문화와 고객의 요구를 이해하고 좋은 서비스를 제공할 줄 안다는 점을 강조하며, AI가 이러한 역량을 뒷받침한다고 설명했다. 따라서 이 사례의 출발점은 특정 모델 기능의 도입이 아니라 직원의 전문성과 고객 이해를 새로운 업무 방식에 연결하는 데 있다.

2. 전사적 실험의 확산과 사람 중심의 도입 과제

내부 도입의 원칙은 규모가 학습을 가능하게 하고, 학습이 더 나은 제품으로 이어진다는 것이다. Localiza는 ChatGPT 라이선스를 개인에게 주는 혜택보다 실험과 생산성을 위한 자원으로 배분했고, 재무부터 일상 운영까지 여러 팀이 custom GPTs·에이전트·Codex를 활용한 실험을 이어가고 있다. Codex는 소프트웨어 엔지니어·제품 관리자·디자이너·데이터 과학자가 있는 기술 부서에서 시작했지만, 분석가·관리자·PMO·법률가 등 사업 부문 전문가에게도 확산됐다. 이들은 자신의 전문 영역에서 가설을 검증하기 위해 직접 시제품과 자동화를 만들었고, 그 결과 개발 대기열에 들어가기 전 여러 직군이 해결책을 구체화하는 예상 밖의 변화가 나타났다. Petenussi는 도입의 병목을 기술보다 사람의 문제로 보며, 19개 트라이브와 130개 스쿼드가 새로운 역량과 업무 방식을 익히면서 효율성과 일관성을 유지하는 일을 큰 과제로 제시했다.

3. 자연어로 시작하는 고객 여정과 ChatGPT 앱

두 번째 전략 축은 사람들이 필요한 것을 자연어로 설명하기 시작하면서, 의도를 표현하는 순간 자체가 모빌리티 서비스의 새로운 진입점이 된다는 관찰에서 출발한다. Localiza 내부 데이터에 따르면 LLM에서 들어오는 트래픽은 2024년부터 빠르게 증가했으며, ChatGPT가 주요 채널로 나타났다. 회사는 2026년 3월 브라질 최초이자 라틴아메리카 초기 사례 중 하나로 ChatGPT에 직접 통합된 모빌리티 앱을 출시했다. 고객은 대화 안에서 렌터카·구독·중고차 선택지를 탐색하고 이용 여정을 시작한 뒤 Localiza의 보안 환경에서 거래를 완료할 수 있다. Localiza는 이 앱을 고객 행동의 변화를 가까이에서 관찰하고 실제 상호작용으로부터 학습하며 AI가 기존 생태계를 어떻게 보완하는지 살펴보는 실험으로 다룬다. 원문은 회사가 이후 브라질에서 진행되는 ChatGPT 광고 시범 프로그램에도 광고주로 참여했다고 덧붙인다.

4. 대화·의도·맥락을 중심으로 설계한 Liza

Localiza가 제시하는 대표적인 AI 네이티브 제품은 운영 현장에서 성공 사례로 자리 잡은 대화형 도우미 Liza다. 기존 챗봇과의 차이는 화면이나 대화 형식보다 아키텍처에 있으며, 고정된 의사결정 트리 대신 대화·의도·맥락을 중심으로 설계됐다. Liza는 OpenAI 모델, Localiza 서비스, 전문 도구를 결합해 최초 요청의 이해부터 렌터카 이용 여정의 주요 단계까지 지원한다. 결과 개요에 따르면 추론 모델·MCP 통합·전문 도구를 기반으로 60개가 넘는 전문 에이전트가 이 여정을 조율한다. 목표는 반복적인 이용 과정을 높은 품질로 처리하고 직원들이 복잡하고 가치가 높은 상호작용에 집중할 여력을 확보하는 것이다. 다만 Localiza는 성공을 자동화량으로 판단하지 않으며, 전환율도 추적하지만 가장 중요한 기준은 고객 경험이라고 설명한다.

5. 자동화에 앞선 고객 여정 측정과 지속적 개선

Localiza는 이러한 기술을 사용하기 전부터 고객 서비스 여정을 파악하고 측정해 왔으며, 그 기반 덕분에 에이전트가 개입할 지점과 사람이 개입해야 할 지점을 구분할 수 있었다. 원문은 이 순서를 중요한 교훈으로 제시하며, 대화형 에이전트를 확장하기 전에 고객 경험의 품질 지표를 마련해야 한다고 강조한다. Liza의 상호작용에서 집계되고 모니터링되는 신호는 고객의 요구, 이용 과정의 마찰, 새로운 서비스 기회를 찾는 데 쓰인다. 이러한 신호는 음성을 텍스트로 바꾸거나 텍스트를 음성으로 바꾸는 기능과 결합해, Liza가 거래형 챗봇에서 여러 모빌리티 여정에 걸쳐 학습하고 확장하는 AI 네이티브 고객 인터페이스로 발전하도록 뒷받침한다. 이 사례가 제시하는 실천 방향은 모델 기능보다 고객 문제와 여정에서 출발하고, 각각의 상호작용에서 얻은 신호를 다시 제품 개선에 연결하는 것이다. 직원에게 확보되는 여력 역시 더 의미 있고 복잡한 문제를 해결하는 데 활용하는 것으로 설명된다.

6. GPT‑3.5부터 이어진 공동 학습과 다음 개발 영역

OpenAI와의 협력은 Liza의 첫 버전이 GPT‑3.5로 작동하던 시기부터 시작됐다. Petenussi는 특정 기능보다 두 회사가 함께 발전하며 적극적으로 학습하는 관계를 중시하고, 파트너가 Localiza의 과제와 기술 부문 안팎의 서로 다른 역량 성숙도를 이해하는 데 가치를 둔다. 그는 아직 성숙 중인 기술에서는 시행착오와 긴밀한 협력이 중요하다고 주장하며, 이 기술이 앞으로 5년·10년·15년에 걸쳐 시장과 일하는 방식, 제품과 서비스 이용 방식을 바꿀 것으로 전망한다. 원문이 제시하는 리더십 교훈도 완벽한 단일 시범 사업보다 여러 실험을 통한 조직 학습, 비기술 직군의 참여, 재교육의 중요성으로 이어진다. Localiza가 OpenAI와 개발 중인 다음 영역에는 Liza와 영업 중심 에이전트의 발전, 고객 진입점으로서의 대화형 인터페이스 정착, 에이전트 기반 소프트웨어 개발의 새로운 주기가 포함된다. 회사는 AI를 향후 경험과 프로세스의 중심에 두고, 사업의 수익성과 건전성을 높이는 동시에 고객과 직원에게 더 나은 경험을 제공하려 한다.

🧾 핵심 주장 / 시사점

• 전사적 실험의 효과는 개인 생산성 향상에만 머물지 않는다. 각 분야 전문가가 직접 가설을 검증하면서 개발 이전 단계의 업무 구성 자체가 달라질 수 있다.
• 대화형 고객 접점의 가치는 거래 유입뿐 아니라 고객이 요구를 표현하는 방식을 배우는 데도 있다. Localiza는 ChatGPT 앱을 이러한 학습을 위한 실험으로 규정한다.
• Liza 사례에서 자동화 확장의 기반은 기존의 고객 여정 이해와 품질 측정이다. 기술의 처리 범위를 넓히는 일과 사람이 개입해야 할 지점을 판단하는 일이 함께 진행된다.

✅ 액션 아이템

• 19개 트라이브와 130개 스쿼드의 일관된 업무 수행을 위해 새로운 업무 방식과 역량 학습에 중점.
• ChatGPT 앱의 실제 상호작용을 바탕으로 고객 행동 변화와 기존 서비스 생태계의 보완 가능성 검토.
• Liza의 확장에서는 고객 경험과 품질 지표를 기준으로 에이전트와 사람의 개입 지점을 점검하고 상호작용 신호를 개선에 반영.

❓ 열린 질문

• 19개 트라이브와 130개 스쿼드에서 새로운 역량 학습과 업무 수행의 일관성이 확보됐는지는 어떻게 확인할 수 있는가?
• ChatGPT 앱을 통한 고객 행동 학습과 기존 서비스 생태계의 보완 효과는 어떤 결과로 나타나고 있는가?
• Liza의 60개가 넘는 전문 에이전트가 고객 경험과 품질 지표를 얼마나 개선했으며, 사람의 개입이 필요한 지점은 어떻게 달라지고 있는가?