Lauri Kien Kotcher, Different Day CEO 겸 공동 설립자 – 인터뷰 시리즈

Lauri Kien Kotcher, Different Day의 CEO 겸 공동 설립자는 인공지능, 소비재, 소매, 헬스케어, 금융 서비스 및 사모펀드 분야에 걸친 경력을 가진 경험 풍부한 비즈니스 리더, 브랜드 구축가, 이사회 이사 및 전략 고문이다. Different Day를 설립하기 전에는 quip의 CEO이자 이사회 멤버로 재직하면서 구강 관리에서 구강 웰니스로의 전환을 주도하고, 신제품을 출시하며, 기업의 직접 소비자 구독 모델을 재구성하고 운영 비용을 절감했다. 이전에는 The Shade Store와 Hello Products를 이끌었으며, 후자를 2020년에 Colgate가 인수하도록 성장시켰다. 그녀의 초기 리더십 경력에는 L Catterton, Godiva Chocolatier, Lehman Brothers, Pfizer Consumer Healthcare에서의 고위 직책과 McKinsey & Company에서 15년 근무하며 파트너가 되고 북미 소비재 부문을 공동으로 이끌었던 경험이 포함된다. Kotcher는 Freshpet 이사회에서도 활동하며 성장 전략, 혁신, 마케팅, 인수합병 및 조직 변혁에 대한 폭넓은 경험을 제공한다.

Different Day는 중견 기업이 운영상의 과제를 실용적이고 맞춤형 인공지능 애플리케이션으로 전환하도록 돕는데, 이는 기존 기술 환경과 통합된다. 실험적인 AI 프로젝트나 범용 소프트웨어에 집중하는 대신, 이 회사는 수작업을 줄이고 가시성을 높이며 매출 성장 가속화, 마진 강화, 유용한 비즈니스 인사이트 발굴을 목표로 하는 엔드‑투‑엔드 솔루션을 개발한다. 주요 작업 영역에는 수요 예측, 공급 및 재고 계획, 영업 인텔리전스, 재정 지원 조정, 규정 준수, 계약 분석, 고객 관계 관리, 성과 보고 등이 포함된다. Different Day는 초기 문제 발견부터 배포 및 지식 이전까지 파트너로서 팀을 배치하여 고객이 내부적으로 애플리케이션을 운영하고 지속적으로 개선할 수 있도록 지원한다.

McKinsey, Godiva, hello products, The Shade Store 및 quip에서 수십 년간 변화를 이끌어 온 뒤 Different Day를 공동 설립하셨습니다. 중견 기업에 새로운 유형의 AI 파트너가 필요하다고 확신하게 된 계기와 기존 기술 공급업체 및 컨설팅 회사들이 해결하지 못하고 있다고 생각한 운영상의 문제는 무엇인가요?

놀랍게도 많은 비즈니스 리더는 어둠 속에 살아갑니다. 고성장 중견 소비재 브랜드와 소매업을 운영하는 CEO이자 CMO로서 사업의 모든 움직이는 요소들을 명확히 파악할 수 없었습니다. 우리의 데이터는 채널, 지역, 기능 담당자별로 분리된 사일로에 존재했습니다. AI가 그 점들을 연결해 우리가 놓친 부분을 찾아줄 수 있을 것이라는 직감은 있었지만, 누구에게 연락해야 할지, 어디서 시작해야 할지 전혀 알지 못했습니다. Different Day가 그 해답이었습니다.

중견 기업은 대기업에 비해 자원이 적지만 관료주의와 기술 부채가 적을 수도 있습니다. AI 구현에 대한 접근 방식이 기업용 매뉴얼과 어떻게 달라야 할까요?

중견 기업은 활용해야 할 뛰어난 강점을 가지고 있습니다. 속도가 실제 경쟁 우위이므로 더 큰 경쟁자를 뛰어넘는 것을 목표로 해야 합니다. 우리는 대부분의 중견 기업을 2026년에 처음부터 AI 기반 조직으로 전환할 수 있다고 봅니다. 대기업은 조용히 두려워합니다. AI가 소규모 경쟁자에게 인력 증가 없이도 AI 팀원을 활용해 더 빠르게 움직일 수 있게 함으로써 경쟁 구도를 평평하게 만들 것이라고. 인원이 적다는 것은 누가 무엇을 할지, 어떻게 할지, 목표가 무엇인지 결정하는 사람이 적다는 뜻이며, 따라서 작은 조직도는 제한이 아니라 자산이 됩니다.

기업의 운영을 평가할 때, AI가 진정으로 도움이 되는 워크플로와 기존 자동화, 개선된 소프트웨어 또는 프로세스 재설계로 해결하는 것이 더 나은 워크플로를 어떻게 구분하시나요?

저는 노출된 접근법을 믿습니다: 워크플로를 기본으로 되돌리는 것입니다. 프로세스를 단순화하는 것이 AI보다 먼저 와야 합니다. 빈 종이부터 시작하세요 – 기존 레거시 소프트웨어와 우회 방법이 없었다면 여기서 무엇을 하시겠습니까? 대부분의 기존 프로세스는 올바른 작업 방식이라기보다 불편한 도구를 우회하도록 만들어졌습니다. 계약이 갱신될 때 어떤 기능을 사용하는지 물어보고, 거의 대부분의 경우 AI가 현재보다 더 맞춤화된 것을 구축할 수 있습니다. ERP나 CRM과 같이 유지해야 할 시스템도 있지만, 우리는 정확히 필요한 추가 기능만 설계하고 그 외는 제공하지 않습니다.

Different Day는 72시간 프로토타입으로 시작해 몇 주 안에 프로덕션 준비가 된 인계로 전환할 수 있다고 합니다. 이러한 속도가 가능한 이유는 무엇이며, 어떤 기술적, 보안적 또는 조직적 조건이 구현을 지연시킬 수 있나요?

과장된 약속처럼 보일 수 있지만, 이는 비즈니스와 기술을 모두 이해하는 사람들에 의해 설립된 우리 회사만의 독특한 장점의 반영입니다. 우리 팀은 AI‑네이티브이므로 구축 자체가 전통적인 소프트웨어 개발보다 훨씬 빠르게 진행됩니다. 변하지 않는 것은 탐색 단계입니다: 누가 프로세스를 소유하고, 누가 동의해야 하며, 어떤 결과를 목표로 하고 그 규모는 어느 정도인지, 이전에 무엇이 실패했는지 등. 이 작업을 앞서 건너뛰면 나중에 통합이나 구현 단계에서 훨씬 높은 비용으로 다시 나타납니다. 이러한 속도는 코딩보다 이해를 앞서서 진행하기 때문에 가능한 것입니다.

많은 중견 기업이 연결되지 않은 스프레드시트, 레거시 시스템 및 일관되지 않은 데이터 소스를 활용합니다. AI가 신뢰할 수 있는 운영 결과를 도출하기 위해 일반적으로 얼마나 많은 데이터 준비가 필요합니까?

중견 기업이 겪는 데이터 단절은 실제로 장애물이 아니라 기회입니다. 우리 도구는 정확히 어디에 격차가 있는지 보여주며, 기업은 이를 메우고자 할지 여부와 방법을 결정합니다. AI가 도입되기 전에는 이러한 격차가 보이지 않았으며, 누군가는 스프레드시트를 강제로 의사결정에 활용하거나 불완전한 데이터를 인식하지 못한 채 사용했습니다. 이제 팀은 격차를 확인하고 그에 따라 결정을 내릴 수 있어 데이터가 견고하다고 가정하지 않아도 됩니다.

AI 프로젝트를 시작하기 전에 경영진이 설정해야 할 지표는 무엇이며, 구현이 의미 있는 투자 수익을 창출하고 있다는 증거를 얼마나 빨리 확인할 수 있어야 할까요?

AI는 새롭지만 고전적인 비즈니스 원칙은 여전히 유효합니다. AI가 문제에 부딪히는 경우는 사람들이 기존 규칙이 모두 사라졌다고 생각할 때입니다. 모든 AI 프로젝트는 명확한 목표 하나를 가지고 시작해야 합니다. 그 목표는 매출, 브랜드 가시성, 마진, 의사결정 속도, 혹은 인력을 늘리지 않고 산출량을 늘리는 것 등이 될 수 있으며, 실현 가능한 일정도 함께 설정해야 합니다. 일정은 데이터 연결 수, 내부·외부 시스템 규모, 도구가 학습해야 하는 양에 따라 달라집니다. 3개월 정도면 어느 정도 결과를 확인할 수 있어야 하며, 복잡한 프로젝트는 더 오래 걸립니다. 핵심은 프로젝트를 단계별로 설계해 한 번에 큰 결과를 기다리지 않는 것입니다.

Different Day는 수요 예측, 공급 계획, 계약 인텔리전스, 재정 지원 조정 및 실시간 판매 신호 등 다양한 적용 사례를 강조합니다. 오늘날 가장 재현 가능한 결과를 내는 사용 사례는 무엇이며, 어떤 사례는 여전히 기업의 산업 및 운영 모델에 크게 의존하고 있나요?

AI의 재현성 요소를 과소평가하지 마세요. 많은 면에서 기업은 우리가 생각하는 것보다 구조적으로 더 유사합니다. 보편적인 계약부터 고객 요구를 내부 역량과 매칭하는 것까지. 계약 인텔리전스와 재정 지원 조정은 오늘날 가장 재현성이 높습니다; 두 경우 모두 명확한 파라미터와 출력이 있어 도구가 정확히 무엇을 해결해야 하는지 알고 있습니다. 수요 예측과 공급 계획은 더 복잡합니다: 데이터 세트가 많고, 채널이 다양하며, 기업마다 운영 모델이 크게 다르기 때문입니다. 실시간 고객 알림과 같은 경우는 중간 정도이며, 기업의 현재 기술 스택과 채널에 따라 달라집니다.

기업이 기성 AI 제품을 구매할지, 내부에서 직접 구축할지, 외부 파트너와 맞춤형 애플리케이션을 개발할지를 어떻게 결정해야 할까요? 불필요한 복잡성이나 공급업체 종속성을 드러내는 질문은 무엇인가요?

AI 클릭베이트를 피하고, 복잡한 도구를 내부에서 쉽게 만들 수 있다고 주장하는 LinkedIn 게시물에 회의적이어야 합니다. 도구가 정말 간단할 때만 내부에서 구축하세요. 예를 들어 몇 개의 스프레드시트를 한 화면에 모아 몇 명의 동료가 볼 수 있는 대시보드 정도는 내부에서 만들 수 있습니다. 실시간으로 내부·외부 시스템에서 데이터를 끌어와야 할 때는 비전문 팀이 DIY 도구로는 감당하기 어렵습니다. 기성 AI는 기존 SaaS와 마찬가지로 한계가 있습니다. 일반적인 데이터를 읽을 수는 있지만, 귀사와 경쟁사의 비즈니스에 특화된 뉘앙스는 제공하지 못합니다.

인상적인 AI 시연에서 직원이 매일 신뢰하고 사용해야 하는 시스템으로 전환할 때 기업이 가장 흔히 저지르는 실수는 무엇인가요?

‘프로토타입 중독’이라는 전염병을 목격하고 있습니다: 기업이 빙산의 눈에 보이는 10%에만 매료되는 경우입니다. 프로토타입은 인상적일 수 있지만, 실제 작업은 표면 아래에서 이루어집니다: 데이터 테스트와 백테스트, 모든 시스템 연계 검증, 데이터 보안 확보 등이 그것입니다. 그 다음은 변화 관리 단계로, 사람들에게 사용 방법, 한계, 인간이 언제 개입해야 하는지, 출력에 대해 어떤 질문을 해야 하는지를 교육합니다. AI는 목적에 맞게 사용되어야 하며, 특히 중견 기업에서는 수년간 구축된 인간 판단을 대체하는 것이 아니라 보완해야 합니다.

AI가 핵심 운영에 내재화됨에 따라 관리직과 현장 직원의 역할이 어떻게 변할 것으로 보이며, 중견 기업 리더는 AI가 팀을 향상시키고 단순히 또 다른 기술 층을 추가하는 것이 되지 않도록 지금 무엇을 해야 할까요?

‘관리자’라는 역할은 한때 사람을 지시하는 것이었습니다. 이제는 에이전트와 시스템을 관리하는 것으로 급변했습니다. 먼저 팀의 가장 큰 고통 지점을 파악하고 수작업·반복 작업을 분리하세요; 이것이 AI가 먼저 담당해야 할 영역이며, 더 복잡한 결정을 맡기기 전에 먼저 적용해야 합니다. 중견 기업에서는 신뢰를 한 번에 한 승리씩 쌓아가야 하므로, 뛰기 전에 걷는 것이 중요합니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶은 독자분들은 Different Day를 방문하시기 바랍니다.