아마존 VS 구글 미래 전쟁 (강정우 저 / 출판사 시크릿하우스)

아마존 vs. 구글 미래 전쟁

 

1. P16~17

- 사실 '물류'라는 영역은 엄청나게 넓다. 온라인 유통을 예로 들면 첫째, 창고에 물건을 실어 오고 이를 예측력 있게 최적의 상태로 분류해놓는 것에서 도전이 시작된다. 둘째, 고객의 주문이 들어왔을 때 최적의 동선과 작업 효율로 해당 물건을 가져와 포장해서 차에 실어 내보내느냐가 주요한 도전이다. 셋째, 운송 트럭의 적재함을 얼마만큼 채워서 출발시킬 것인가, 아니면 곧바로 고객의 집으로 보낼 것인가, 또는 중앙 집중, 재분류소(보통 '허브'라고 부른다)로 트럭을 보냈다가 다시 패킹해 보낼까 하는 도전이다. 넷째는 결국 최종적으로 고객의 집 앞까지 보내는 작업을 기업 내부적으로 소화할 것인가, 아니면 파트너에게 맡길 것인가 등 주문에서 배송까지의 시간과 비용, 고객 만족을 최적화해내는 실로 엄청난 설계와 실행이 필요하다.

 

2. P29

- 아마존 프라임 사업 출범 당시 한 애널리스트는 "아마존의 무료 배송 프로그램은 지속될 수 없는 무모한, 사회적으로도 무책임한 도전이다"라고 평가했다. 아마존의 제푸 베이조스는 2017년 주주들에게 보내는 서한에서 "불만스러운 고객이야말로 혁신을 위한 가장 큰 자산"이라고 밝혔다. 불만의 이유가 가격이든, 제품 또는 서비스의 품질이든 이러한 불만을 근원적으로 줄이는 방법은 고객의 행동이나 자사의 운영에 대한 '예측력'을 높이는 것이며, 여기서 어김없이 AI 기술이 머리를 내민다.

 

3. P41

- 딘은 크게 2가지 방향을 제시한다. 첫째, AI를 통한 헬스케어 부문의 혁신이다. 인도에서 진행하고 있는 시력 상실을 유발하는 당뇨 합병증의 원인 규명, 유방암의 인자 규명 프로젝트 등이 그가 AI를 통해 구글 사업을 돕는 큰 축이다. 아직 조심스럽지만, FDA가 이러한 원인 규명 소프트웨어 자체를 식품 의약품 안전 사업의 한 부문으로 보고 본격적으로 승인을 내는 일은 머지않았다고 본다. 둘째는 AI 자체를 자동화하는 거대한 솔루션을 개발하고 고도화하는 것이다. 일반인들에게 AI는 이미 자동화의 의미를 내포하고 있지만, 실제로 AI는 매우 구체적인 목적성을 가진 작업에 맞게 맞춤형이 개발됐을 때 기능할 수 있는 솔루션이다. 그 개별 AI 솔루션의 근간에는 머신 러싱 기술이 자리하고 있다. 머신 러닝 기법을 적용해 그 자체를 다용도로 활용하기 쉽게 만드는 것이 AI 자동화의 핵심이다. 이것이 바로 구글 오토 머신 러닝 사업의 핵심가치다.

 

4. P53

- 제프 베이조스는 AWS를 1900년대 초 유틸리티 회사에 비유했다. 100년 전만 해도 전기가 필요한 공장은 자체 발전소를 건설할 수 있었지만 공장이 전기를 구매할 수 있게 되면서 값비싼 개별 전기 발전소 건설의 필요성이 줄어들었다. 기업의 컴퓨팅 수요도 마찬가지라고 본 것이다. 전통적으로 많은 양의 스토리지를 찾고 있는 기업은 실제로 스토리지 공간을 구축하고 유지해야 했다. 저장소를 너무 많이 만들거나 구매하면 사업이 예전만 못할 경우 재앙이 될 수 있다. 컴퓨팅 능력에도 동일하게 적용된다. 일순간의 피크 트래픽을 경험한 기업은 전통적으로 피크 시간대에 비즈니스를 유지하기 위해 많은 양의 전력을 구매하게 된다. 예를 들어 세무회계사가 일을 많이 하지 않는 기간인 5월에는 컴퓨팅 능력이 사용되지 않지만 5월에도 회사의 비용은 여전히 많이 들어가는 것이 전통적인 유형이다. 클라우드 서비스를 통해 기업은 사용량에 비례해 비용을 지불하게 되는데, 스토리지 시스템을 구축하고 사용량을 예측할 필요가 없어 초기 비용이 매우 낮아진다. 클라우드 서비스 고객은 필요한 것을 사용하고, 비용은 그에 맞게 자동으로 조정되는 것이다.

 

5. P59~60

- 아마존의 클라우드 비즈니스와 같이 기업이 기존 사업의 내부적인 문제를 해결하는 과정에서 생긴 노하우로 신사업을 만들어내는 경우가 다수 있다. 이른바 '청출어람'식 신사업 개발이라 할 이 같은 대표적인 국내 사례가 간편결제 카카오페이다. 카카오페이 출범전, 카카오는 '선물하기' 기능상에 결제 오류율이 치솟아 골머리를 앓았고 이 과정에서 오늘날 카카오페이의 프로토타입이 완성됐다. 이러한 방식의 신산업 개발은 크게 3가지 조건이 형성돼야 가능하다. 첫째, 자기 사업의 핵심적인 운영상 문제를 외부의 손에 맡기지 않고 내재화된 역량으로 끈질기게 풀어내려는 집념이 필요하다. 둘째, 개발자든 누구든 '현장'이 기능적이고 좁은 문제 해결에 천착하는 동안 이를 적어도 1만 피트(약 3000 미터) 상공에서 관찰하고 잠재력을 읽어낼 수 있는 경영자의 판단력이 필요하다. 셋째, 이것을 사업화해 남의 사업을 도와줄 때 자신의 기존 사업에 끼치는 해악에 관해 다음 세 갈래 중 하나의 판단이 서야 한다. ① 자신이 시장에 제공하게 될 서비스가 고객사 운영상 이슈의 부수적 문제를 해결하는 것이어서 그 고객이 자신의 본원적 사업을 위협하지 않는다고 판단하거나, ② 자신의 본원적 사업은 수명을 다해가고 있기에 기존 사업에 끼치는 해악에 대한 염려는 '사치'라고 판단하거나, ③ 자신의 본원적 사업에서는 더 이상 해당 기능의 개선이 핵심 역량을 가져다주지 않는 시기가 온다고 판단한다.

 

6. P70~71

- 어떤 산업이건 고객의 효익을 증가시키는 솔루션이 만들어져서 최종적으로 고객이 값을 지불하고 사용하기까지의 일련의 과정을 의미 있는 덩어리로 쪼개기 시작하면 크게 2가지를 발견할 수 있다. 첫째, 어떤 영역의 사업이 가장 크고 이익을 많이 가져가는가? 둘째, 그중에서도 고객에게 실제 효익을 창출하는 영역은 무엇인가? 여기에서 흔히 '가치 없는 미들맨'이 모습을 드러낸다. 돈은 많이 벌어 가지만 고객이 큰 가치를 부여하지 않는 사업 군이 등장하는 것이다. 이들은 대부분 새로이 대체 가능한 과거의 유물, 레거시다. 과거의 관습과 사업자나 고객의 오래된 사고방식에 기대어, 똬리를 틀고 앉아 자신들의 이익을 지켜내기 위해 가치 사슬을 보다 더 비효율적으로 만들려는 시도들을 한다. 아마존은 오프라인 서점을 트레거시라고 생각했다. 헬스케어에 대해서는 무슨 생각을 하고 있을까?

 

7. P103

- AI는 많은 것을 약속하는 듯 보이지만, 본진을 바로 AI가 인간에게 '예측 기술'을 제공한다는 점. 그리고 AI 또한 다른 기술과 마찬가지로 결국 경제학의 문제일 수밖에 없다는 것을 깨달았다는 점. 간단한 경제 원리에 따르면, AI의 가격이 내려가면 더 많이 이용될 것이 분명하고 그래서 AI는 우리 생활 어느 곳에서나 그 모습을 그러내기 시작할 것이고, 가격이 급락하면서 보급의 속도와 세상의 변화 폭은 크게 빨라질 것이라는 점. 예측의 비용, AI 기술의 값이 내려갈 때 올라가는 것은 없을까. 바로 보완재인 '데이터의 값'과 인간이 수행하는 '판단의 값'을 상승시킬 수밖에 없다는 것.

 

8. P113

- 촘촘하지만 가열차게: 우리는 결코 어떤 경주를 하자는 게 아닙니다. 우리 아이들을 위해 길을 닦는 일입니다. 중간의 실행 과정을 건너뛰는 것이 우리에게 빠른 성취를 가져다줄 것이라고 믿는 것은 허상입니다. 느리다는 것은 원활하다는 것이고, 원활하다는 것이 곧 빠른 것이라고 믿습니다.