Ashley Moser, MelodyArc 공동 설립자 겸 CCO – 인터뷰 시리즈

Ashley Moser, MelodyArc의 공동 설립자 겸 Chief Commercial Officer는 기업의 상업 전략을 이끌며 고객과 함께 야심찬 운영 목표를 측정 가능한 성과로 전환합니다. 그녀는 Wonder와 Walmart의 Jetblack에서 공급망, 지속적 개선, 전략 및 물류 분야를 아우르는 리더십 역할을 수행한 운영, 제품 전략, 물류, 영업 및 금융 서비스 전반에 걸친 배경을 가지고 있습니다. 초기 경력에서는 Stella Connect의 영업 이사로 재직했으며, 이후 Medallia에 인수되었고, 모바일 소매 플랫폼 NewStore와 협업했으며, J.P. Morgan에서 기관 주식 영업을 4년 이상 담당했습니다.

MelodyArc은 기업 운영 팀이 데이터, 비즈니스 규칙, AI 시스템 및 인간 의사결정을 하나의 관리된 환경에서 조정하도록 돕는 엔터프라이즈 AI 오케스트레이션 플랫폼입니다. 이 플랫폼은 복잡한 운영 프로세스를 처음부터 끝까지 실행하도록 설계되어 팀이 워크플로를 정의하고 비즈니스 로직을 적용하며 AI 연산자 또는 기타 에이전트를 배포하고, 보다 높은 판단이 필요할 때 사례를 사람에게 에스컬레이션할 수 있게 합니다. 그들의 Point Engine은 조직 규칙 내에서 각 사례를 해결하기 위한 잠재 경로를 평가하고 각 단계를 기록함으로써 고객 서비스, 머천다이징, 사이트 메시징, 공급망, 어소트먼트 등 분야에서 AI 기반 워크플로에 대한 가시성과 제어력을 높여줍니다.

J.P. Morgan에서 금융, Medallia에서 엔터프라이즈 SaaS, Walmart의 Jetblack에서 운영 역할까지 다양한 경력을 쌓으셨습니다. 어떤 구체적인 통찰이나 불만이 MelodyArc을 공동 설립하게 만들었으며, 이러한 경험이 회사의 핵심 비전을 어떻게 형성했나요? 

우리는 공동 설립자 James McHenry와 제가 모두 운영자이자 기술자였던 경험을 바탕으로 회사를 시작했습니다. 우리는 직접 목격하고 여러 차례 운영 팀을 위한 훌륭한 기술을 구축하는 데 도움을 주었습니다. 그러나 여전히 같은 격차에 부딪혔습니다. 즉, 운영이 실제로 수행하는 범위의 일부분만을 다루거나 현장에서의 작업 방식과 맞지 않는 포인트 솔루션들이었습니다.

이를 염두에 두고 우리는 최전선 운영 팀이 실제로 활용할 수 있는 방식으로 새로운 기술을 제공하는 플랫폼을 구축하고자 했습니다. 오늘날 이것은 인간이 참여하는 인-더-루프 오케스트레이션으로 구현되고 있습니다.

MelodyArc은 AI를 최전선 운영자에게 직접 제공하고 있습니다. 이 접근 방식이 전통적인 상향식(Top‑down) 엔터프라이즈 AI 배포와 어떻게 다르며, 왜 지금 이러한 변화가 일어나고 있나요? 

MelodyArc을 도입하면 플랫폼이 구축된 후 새로운 워크플로, 아이디어 및 인간‑인‑루프 프로세스를 팀이 직접 생성할 수 있게 되며, 전체 로드맵에 거의 영향을 주지 않습니다. 이는 팀이 매번 상하 명령 체계를 거치지 않고도 AI를 활용해 자체 프로세스를 개선할 수 있음을 의미합니다. 이는 기술을 배포하는 근본적으로 다른 방식입니다.

특히 가장 큰 엔터프라이즈 도입 사례에서 이 점이 두드러집니다. 한 고객에서는 한 팀의 단일 사용 사례로 시작했으며, 현재는 여러 팀에 걸쳐 5개 이상의 사용 사례가 실시간으로 운영되고 있습니다.

우리는 또한 팀이 하루 만에 AI 지원 프로세스를 구축하는 사례를 목격했는데, 이는 이전에 엔지니어링 집약적인 구축으로 인해 ROI 기준을 충족하지 못해 우선순위에서 제외되었던 것입니다.

많은 조직이 AI에 대규모 투자를 하고 있지만 여전히 이를 운영화하는 데 어려움을 겪고 있습니다. AI 전략과 실제 실행 사이에서 가장 흔히 나타나는 격차는 무엇인가요?

두 가지 주요 요인이 눈에 띕니다. 첫째, 기업이 AI를 적용하고자 하는 프로세스를 살펴볼 때 전면적인 접근 방식을 취하는 경우가 많습니다. 즉, 해당 프로세스를 완전히 자동화하거나 전혀 손대지 않는 것입니다. 우리는 기업이 대신 프로세스의 구성 요소를 검토하고 자동화가 적합한 부분, AI가 적합한 부분, 그리고 여전히 사람이 관여해야 하는 부분을 식별하도록 권장합니다(필수적으로 그 순서대로는 아닙니다). 이러한 접근 방식은 AI 후보가 될 수 있는 프로세스 범위를 크게 확대하고, 사람을 어디에 포함시킬지 신중히 결정했기 때문에 하위 단계에서 더 많은 자동화를 가능하게 합니다.

둘째, 전략적 관점에서 기업은 선택할 수 있는 수백 개의 적격 사용 사례를 보유하고 있는 경우가 많습니다. 핵심은 화려함이나 쉬움에 휘둘리지 않고 실제 비즈니스 영향, 비용, 시간 및 구체적인 지표를 기준으로 평가하는 것입니다. 가장 큰 규모이면서 높은 영향을 미치는 영역을 먼저 공략하는 것이 비록 더 어려워도 기업이 가장 큰 가치를 얻는 방법입니다. 이는 AI 프로젝트가 조직 내에서 가치를 창출하는 긍정적인 선순환을 보여줍니다.

MelodyArc은 AI와 인간 워크플로를 결합하여 대체하지 않습니다. 엔터프라이즈 환경에서 자동화와 인간 의사결정 사이의 적절한 균형을 어떻게 결정하시나요?

MelodyArc는 AI와 인간이 참여하는 의사결정 사이의 적절한 균형을 찾아 기업이 자동화 목표를 달성하도록 돕습니다. MelodyArc가 구현을 시작할 때, 조직의 최종 목표는 자동화가 업무의 90%를 수행하고 나머지 10%는 팀 구성원의 전문성을 활용하는 것일 수 있습니다. 그러나 속도만을 우선시하는 것이 아니라, MelodyArc는 초기 단계부터 인간이 참여하도록 활용합니다. 예를 들어, 자동화와 팀 구성원 투입을 50-50으로 시작한 뒤 점진적으로 프로세스의 자동화를 확대합니다. 이 접근 방식은 AI를 통합하기 전에 워크플로우를 완벽하게 만들려 하지 않기 때문에 기업 수준의 워크플로우를 더 빠르게 프로덕션에 투입할 수 있습니다.

이 접근 방식의 또 다른 강점은 프로덕션에 출시하면서 프로세스 데이터를 수집해 다음에 자동화할 정확한 부분을 파악할 수 있다는 점입니다. 이를 통해 MelodyArc는 자동화 목표를 보다 빠르고 체계적으로 단계적으로 확대할 수 있습니다. 실제로 이는 기업이 워크플로우를 중단해 수정이나 조정을 할 필요 없이 자동화가 지속적으로 개선되는 것을 의미합니다.

고객 경험 및 운영 분야 배경을 바탕으로, 응답이 즉시 생성될 수 있는 환경에서 AI가 “우수한 서비스”의 모습을 어떻게 재정의하고 있다고 생각하십니까?

저는 ‘즉시’가 기본 요건이자 사실상 상품화될 것이라고 믿습니다. 우수한 서비스는 고객에게 빠르게 답을 제공하는 것이 아니라 최소한의 노력으로 올바른 답을 제공하는 데 있습니다. AI는 고객을 대신해 작업을 수행하거나 다음 단계를 제안하거나 필드를 자동 입력하는 등 그 노력을 줄이는 새로운 방법을 제공합니다—경험을 보다 빠르고 즐겁게 만드는 모든 것이죠. 답변을 즉시 생성한다 해도 실제로 관련성이 없으면 의미가 없으며, 속도만을 추구하는 것이 기업이 잘못된 목표에 최적화되는 원인이라고 주장하고 싶습니다.

기업용 AI는 채택과 사용성이 중요한 최종 단계에서 종종 실패합니다. MelodyArc가 현장 팀에 실제로 사용되도록 보장하기 위해 필수적인 설계 원칙은 무엇입니까?

우리는 팀에 내재된 암묵적 지식이 많다는 이해에서 시작하며, 자동화할 수 있는 것과 할 수 없는 것을 명확히 구분합니다. 이러한 구분을 사전에 밝히는 것이 경험을 훨씬 직관적으로 만듭니다. 이는 팀이 무슨 일이 일어나고 있는지, 왜 그런지 알 수 없는 블랙 박스가 아닙니다.

사용성은 기술이 현장 팀과 협력하여 작동하도록 하는 개념에 달려 있습니다. 이는 팀이 우회해야 하는 것이 아니라 말이죠. 이 점은 우리가 회사를 설립한 이유와도 연결됩니다. 너무 많은 포인트 솔루션이 운영의 좁은 부분만을 다루거나 실제 현장에서 이루어지는 작업 방식과 맞지 않았기 때문입니다. 우리는 이것이 많은 기업용 AI 도구가 출시 후 몇 달 동안 사용되지 않는 주요 원인임을 발견했습니다.

AI 에이전트가 보다 자율적으로 변함에 따라, 기업이 이러한 시스템을 확장하기 전에 준비해야 할 거버넌스 및 제어상의 과제는 무엇입니까?

모든 기업 환경에서 가시성은 필수이며, 특히 어떤 결정이 내려졌는지와 그 이유를 파악할 수 있는 능력이 중요합니다. 기업이 자동화할 수는 있지만 즉시 자동화하는 데 주저하는 프로세스에 대해서는 인간을 루프에 유지할 것을 권장합니다. 이는 감시를 유지하기 위해서뿐만 아니라 새로운 시스템을 시험해 보면서 그 작동 방식과 긍정적·부정적 영향을 가장 잘 이해하기 위해서도 중요합니다.

상업적 관점에서, 구매자들이 더 많은 정보를 갖게 되면서도 신중해진 최근 몇 년간 기업에 AI를 판매하는 방식은 어떻게 변했습니까?

구매자와 공급업체 모두가 훨씬 더 똑똑해졌습니다. 우리는 실제로 수십 년 주기의 4년 차에 접어들었기 때문에 모두 아직 배우고 있는 단계입니다. AI가 더욱 강력하고 접근 가능해짐에 따라, 우리는 고객에게 제공할 수 있는 서비스를 빠르게 반복하고, 동시에 고객은 자체 조직 내에서 할 수 있는 일을 배우고 있습니다. 이는 가치 교환이 활발히 이루어지고 있어 진정으로 흥미진진합니다.

조직은 그 어느 때보다 정보 보안에 집중하고, 자신들을 차별화하는 요소와 AI가 제공하는 실제 효율성을 보존하려 합니다. 또한 프로젝트에 대해 보다 합리적으로 접근하여 한 번에 전면 도입하기보다 단계적으로 채택하려는 태도를 보입니다. 구축과 구매 사이의 선택은 여전히 내부에서 실시간으로 계산되는 문제이며, 최근에는 구축과 구매를 결합하거나 ‘구매를 통한 구축’과 같은 하이브리드 접근 방식을 점점 더 많이 채택하고 있습니다.

고성장 스타트업과 Walmart와 같은 대기업 모두에서 일해 보셨습니다. 기업 운영을 위한 AI 구축은 회사 규모와 조직 복잡성에 따라 어떻게 달라집니까?

여기에는 실제로 두 가지 차원이 있습니다: 조직의 규모와 기술 스택 및 프로세스의 역사적 깊이입니다.

고성장 스타트업에서는 인원도 적고 조직 복잡성도 낮으며, 20년 전에 구축된 시스템이나 수년간 동일한 작업을 수행해 온 팀을 우회할 필요가 없습니다. 조직이 클수록, 그리고 더 오래된 만큼, 근본적으로 업무 방식을 재고해야 합니다. 이는 미래에 어떻게 운영하고 싶은지를 결정하고, 조직에 맞는 방식으로 단계적으로 구현한다는 의미입니다. 때때로 이는 기존 프로세스와 다소 분리되거나 병행되는 형태로 가장자리에서 독립적인 실험을 진행하는 것을 의미하기도 합니다.

앞으로 AI가 일상 업무에 통합됨에 따라 현장 직원들의 역할이 어떻게 진화할 것으로 보십니까? 우리는 증강, 오케스트레이션, 혹은 완전히 새로운 무언가로 나아가고 있는 걸까요? 

일상 업무에서는 오케스트레이션 레이어가 필수적입니다. 모든 직원과 기술이 자연스럽게 함께 작동하도록 하는 것이 우리가 나아가고 있는 방향입니다. 그러나 이러한 기술을 구현하는 것은 복잡할 수 있는데, 조직이 한 단계만 자동화하고 이를 담당자에게 넘기는 단순한 사일로가 아니기 때문입니다. 이는 AI, 자동화, 그리고 담당자가 동시에 협력하는 조합입니다.

현장 팀이 워크플로를 구현할 수 있는 기회가 많이 있습니다. 고객과 대화할 때마다, 예산, 기술 로드맵, 팀 규모, 또는 ROI와 같은 제약 때문에 실제로는 수행할 수 없지만 시도하고 싶어 하는 프로젝트가 수십, 아니 수백 개에 달합니다. 바로 이 지점에서 AI와 오케스트레이션이 등장합니다. 이는 팀이 이미 보유한 자원으로 더 많은 일을 수행하도록 돕고, 출시 비용을 낮춰줍니다. 궁극적으로 이는 향후 프로젝트에 대한 긍정적인 ROI를 가져옵니다.

멋진 인터뷰에 감사드립니다. 더 알고 싶으신 독자분들은 MelodyArc를 방문하십시오.