🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

로우스는 인공지능을 단순한 판매 기술이 아니라 고객의 주택 개량 프로젝트를 안내하고 직원의 전문성을 확장하며 유통 운영을 개선하는 전사적 사업 전환 수단으로 활용하고 있다.

📌 핵심 요약

• 로우스는 고객이 상품 하나를 사는 것이 아니라 수리·개조·설치 같은 프로젝트를 해결한다는 관점에서 인공지능 전략을 설계한다.
• 고객용 가상 조언 서비스인 마이로우와 매장 직원용 마이로우 컴패니언은 프로젝트 절차, 상품 정보, 추천, 재고 확인을 지원한다.
• 로우스는 약 10년 동안 인공지능에 투자해 왔으며 가격 책정, 수요 예측, 공급망 등에 50개가 넘는 머신러닝 모델을 배포했다.
• 인공지능 거버넌스 위원회, 실무 공동체, 인공지능 전환 조직과 맞춤형 교육을 통해 기술 도입을 전사적 변화 관리와 연결했다.
• 성과는 초기 이용률부터 생산성, 고객 만족도, 직원 자신감, 추가 매출과 구매 금액까지 단계적으로 측정하며 개인정보 보호와 고객 통제권도 함께 고려한다.

🧩 주요 포인트

1. 로우스는 고객이 상품 하나를 사는 것이 아니라 수리·개조·설치 같은 프로젝트를 해결한다는 관점에서 인공지능 전략을 설계한다.
2. 고객용 가상 조언 서비스인 마이로우와 매장 직원용 마이로우 컴패니언은 프로젝트 절차, 상품 정보, 추천, 재고 확인을 지원한다.
3. 로우스는 약 10년 동안 인공지능에 투자해 왔으며 가격 책정, 수요 예측, 공급망 등에 50개가 넘는 머신러닝 모델을 배포했다.
4. 인공지능 거버넌스 위원회, 실무 공동체, 인공지능 전환 조직과 맞춤형 교육을 통해 기술 도입을 전사적 변화 관리와 연결했다.
5. 성과는 초기 이용률부터 생산성, 고객 만족도, 직원 자신감, 추가 매출과 구매 금액까지 단계적으로 측정하며 개인정보 보호와 고객 통제권도 함께 고려한다.

🧠 상세 정리

1. 주택 개량이라는 복합적인 고객 여정

로우스는 미국에서 매주 약 1,600만 건의 고객 거래를 처리하는 대형 주택 개량 유통기업으로, 약 1,700개 매장과 방대한 온라인 상품군을 운영한다. 주택 개량은 일반적인 소매 구매와 달리 영감, 선택의 검증, 전문적인 안내가 함께 필요한 경우가 많으며, 욕실 개조나 페인트 선택처럼 비용과 지속성, 개인적 의미가 큰 결정으로 이어진다. 로우스는 이러한 고객 여정을 수많은 매장 상품과 온라인 상품, 현장 직원, 디지털 기술이 결합된 대규모 생태계로 지원한다. 인공지능은 이 기존 역할을 대체하기 위한 유행성 기술이 아니라 고객과 직원의 경험을 더 빠르고 정확하며 개인화하기 위해 약 10년 동안 투자해 온 핵심 수단으로 설명된다. 특히 생성형 인공지능은 고객이 프로젝트를 구상하고 문제 해결 방법을 이해하도록 전문 지식의 접근성을 높이는 역할을 맡는다.

2. 상품 판매에서 프로젝트 해결로의 전환

로우스가 강조하는 출발점은 고객이 단순히 수도꼭지나 자재를 구매하는 것이 아니라 누수를 고치거나 욕실을 개조하는 프로젝트를 수행한다는 사실이다. 상품 중심 접근에서는 개별 품목의 판매가 핵심이지만, 프로젝트 중심 접근에서는 필요한 절차와 여러 자재의 조합, 작업 과정에 대한 전문 지식과 단계별 지원이 함께 제공되어야 한다. 로우스는 인공지능을 이용해 이처럼 분산된 정보와 지원 요소를 한데 모으고, 고객이 각 단계에서 충분한 안내를 받아 자신 있게 다음 행동을 결정하도록 돕고 있다. 이는 인공지능을 추천 기능 하나에 국한하지 않고 고객이 실제로 해결하려는 문제 전체를 이해하고 지원하는 도구로 배치하는 방식이다. 결과적으로 고객 경험의 기준도 상품을 얼마나 잘 노출했는지가 아니라 프로젝트를 얼마나 원활하게 준비하고 진행하도록 도왔는지에 맞춰진다.

3. 고객과 매장 직원을 지원하는 마이로우

고객용 서비스인 마이로우는 주택 개량 프로젝트의 진행 방법을 안내하고 적합한 상품을 추천하며, 고객이 작업을 시작할 준비를 갖추도록 돕는 가상 조언자다. 로우스는 이를 고객이 언제든 활용할 수 있는 매장 직원과 같은 존재로 설명하며, 오픈AI의 응용 프로그램 인터페이스와 로우스가 100년 동안 축적한 주택 개량 전문 지식을 결합했다. 매장 직원용 마이로우 컴패니언은 프로젝트 단계와 상품 세부 정보에 즉시 접근하고 재고 보유 여부를 확인할 수 있게 해준다. 이를 통해 직원은 자신이 담당하지 않는 부서에서 복잡한 질문을 받더라도 필요한 정보를 빠르게 찾아 고객을 지원할 수 있다. 두 도구의 공통 목적은 사람의 역할을 제거하는 것이 아니라 고객과 직접 만나는 직원이 더 넓은 전문 지식을 활용하고 더 확신 있게 대응하도록 만드는 데 있다.

4. 장기적인 인공지능 투자와 전략 체계

로우스의 인공지능 여정은 생성형 인공지능이 대중적인 관심을 얻기 전부터 시작됐으며, 로우스 이노베이션 랩은 3년에서 5년 앞을 내다보며 새로운 기술을 탐색해 왔다. 회사는 챗GPT가 널리 알려지기 전부터 오픈AI와 트랜스포머 모델을 연구했고, 이미 가격 책정과 수요 예측, 공급망 등의 영역에 50개가 넘는 머신러닝 모델을 배포했다. 2022년 말 이후 소비자의 인공지능 기대가 빠르게 변하면서 매장 직원부터 고위 경영진까지 회사의 관련 계획에 관심을 보이기 시작했고, 내부 논의의 범위도 확대됐다. 로우스는 이에 대응해 인공지능 거버넌스 위원회와 인공지능 실무 공동체를 구성했다. 또한 고객이 쇼핑하는 방식, 회사가 판매하는 방식, 직원이 일하는 방식이라는 세 영역을 전략적 기준으로 세워 도입 과제를 목적에 맞게 관리하고 있다.

5. 일상적인 유통 운영에 미치는 영향

인공지능은 상품 기획, 공급망, 매장 운영, 디지털 서비스 등 로우스의 여러 업무 영역에서 일상적인 의사결정을 지원한다. 직원과 각 조직은 필요한 통찰을 더 빠르게 얻고, 계획을 효과적으로 수립하며, 더 높은 정밀도와 확신을 바탕으로 판단할 수 있다. 이는 특정한 고객용 서비스 하나만의 변화가 아니라 상품과 재고가 움직이고 매장이 운영되며 디지털 채널이 고객에게 연결되는 전반적인 과정에 적용된다. 로우스는 인공지능을 통해 변화하는 상황에 민첩하게 대응하고 조직 사이의 조정을 개선하려 한다. 궁극적으로 고객에게는 매장과 온라인을 아우르는 끊김 없는 경험을 제공하고, 그 경험을 뒷받침하는 직원에게는 업무에 필요한 정보와 판단 지원을 제공하는 것이 운영 적용의 핵심이다.

6. 기술 도입을 넘어선 조직 전환과 교육

로우스는 인공지능 도입을 기술 부서만의 변화가 아니라 사업 전체의 전환으로 보고, 기술 조직과 현업 사이의 간극을 연결하기 위해 전담 인공지능 전환 조직을 설립했다. 이 조직은 새로운 도구를 배포하는 데 그치지 않고 변화 관리와 전사적인 인공지능 활용 역량 구축을 강조한다. 오픈AI와 함께 경영진을 위한 맞춤형 교육을 제공하며, 교육 내용도 도구의 사용법뿐 아니라 업무와 전략에 인공지능을 어떻게 적용할 것인지까지 다룬다. 일반 직원이 기술 변화에 맞춰 기초 지식을 지속적으로 익힐 수 있도록 인공지능 기본 내용을 사내 학습 과정에도 통합했다. 기술 조직에서 자발적으로 시작된 내부 공동체는 전사로 확대됐고, 서로 다른 조직이 실제 사업 문제의 해결 방법을 공유하며 호기심과 혁신, 협업을 촉진하는 문화적 기반이 됐다.

7. 단계적으로 확대되는 투자수익 측정

로우스는 인공지능의 투자수익을 처음부터 단일 재무 지표로 판단하지 않고, 도구의 성숙도에 맞춰 측정 항목을 바꾸는 단계적 방식을 채택한다. 매장 직원용 도구를 처음 출시했을 때는 직원이 정기적으로 사용하는지, 적절한 질문을 하는지, 고객 피드백이 추천 품질을 개선하는지와 같은 선행 지표를 우선 확인했다. 활용이 안정되고 기능이 성숙하면 직원 생산성, 고객 만족도, 고객 참여도와 같은 더 넓은 결과로 평가 범위를 확장한다. 추가 매출과 구매 금액 같은 사업 지표도 추적하지만, 직원이 더 큰 자신감과 권한을 느끼며 우수한 서비스를 제공하는지도 함께 살핀다. 따라서 로우스가 정의하는 성과는 재무적 수익과 고객 경험, 직원 경험을 함께 개선하면서 실제 사업 결과를 만들어 내는 것이다.

8. 개인화와 개인정보 보호의 균형

개인화는 로우스 인공지능 전략의 중요한 부분으로, 고객이 수행하는 프로젝트와 해결하려는 문제에 맞춰 상품을 추천하는 데 활용된다. 예를 들어 고객이 멀치를 찾을 때 단순히 상품 목록을 보여주는 데 그치지 않고 필요한 양을 계산하고, 기후를 포함한 지역 조건을 고려해 적절한 종류를 제안할 수 있다. 로우스는 이러한 개인화가 고객에게 실질적인 도움을 주어야 하지만 지나치게 개입하는 방식이 되어서는 안 된다고 강조한다. 이를 위해 고객의 개인정보를 존중하고 데이터 사용 방식을 투명하게 설명하며, 맞춤형 지원과 고객의 통제권 사이에서 균형을 유지하도록 절차를 계속 개선한다. 고객용 마이로우와 직원용 마이로우 컴패니언은 이러한 원칙 아래 신뢰할 수 있는 조언, 상품 추천, 복잡한 질문에 대한 신속한 답변을 제공하도록 오픈AI 기술을 활용한다.

🧾 핵심 주장 / 시사점

• 로우스의 사례에서 인공지능 적용의 기준은 개별 상품의 판매 자동화가 아니라 고객이 완수하려는 프로젝트 전체를 지원하는 데 있다.
• 대규모 도입은 모델과 서비스 개발만으로 이뤄지지 않으며, 거버넌스 조직과 전환 전담 조직, 교육 과정, 사내 실무 공동체가 함께 운영된다.
• 성과 평가는 초기 이용 행동에서 시작해 생산성, 고객 만족도, 직원 자신감과 재무 성과로 확대되며, 개인화 과정에서는 개인정보 보호와 고객 통제권을 동시에 고려한다.

✅ 액션 아이템

• 로우스와 같이 AI를 프로젝트 기반 리테일로 전환하기 위해 고객 여정을 구매가 아닌 수리·개조·설치 과업 단위로 재정의한다.
• 고객용 조언형(MyLowe)과 직원용 동반형(MyLowe Companion) 기능을 분리해 절차 안내, 상품 정보, 추천, 재고 확인 흐름을 운영에 반영한다.
• 가격·수요예측·공급망 등 50개 넘는 모델 적용 경로를 정리하고 이용률→생산성→만족도→추가 매출·구매액 순으로 성과를 단계 측정한다.

❓ 열린 질문

• 프로젝트형 고객 여정을 설계할 때 수리·개조·설치 외에 어떤 과업군을 추가 분류해야 할까?
• 고객용 조언 채널과 직원용 동반 채널이 각각 어떤 권한 범위에서 운영되어야 혼선이 줄어들까?
• 50개 이상 모델 체계에서 개인정보 보호와 고객 통제권을 유지하면서 이용률, 생산성, 매출 성과를 동시에 개선할 수 있을까?