Kavak, AI 에이전트로 회사 전면 재구축…고객 상호작용 96%·거래 95% 자동화

Kavak은 현재 지식 노동자보다 토큰(AI 처리 비용 단위)에 더 많은 투자를 하고 있으며, 이를 통해 '초인적인' 에이전트를 만들 수 있었다고 밝혔습니다. 이는 에이전트가 중요한 모든 면에서 회사가 고용한 최고의 인간 직원을 능가한다는 의미입니다. 에이전트들은 지치지 않고 지속적으로 학습하며 고객과의 상호작용에서 뛰어난 성과를 보입니다.

이러한 결과는 AI 기술을 단순히 도구로 활용하는 것을 넘어, 회사의 핵심 운영 체제로 통합하려는 Kavak의 전략이 주효했음을 시사합니다.

Kavak은 고객당 하나의 에이전트를 구축하는 독특한 전략을 선택했습니다. 매일 10만에서 20만 개의 에이전트가 특정 고객을 위해 자체 가상 머신과 함께 인스턴스화됩니다. 이 에이전트들은 고객의 과거 이력을 모두 파악하고 개인화된 상호작용을 제공하여, 고객 만족도를 높이고 효율적인 거래를 가능하게 합니다.

이러한 방식은 AI 에이전트가 고객 개개인의 요구와 상황에 맞춰 최적의 서비스를 제공하도록 설계되었음을 보여줍니다.

Kavak은 트랜스포머와 챗GPT의 등장을 목격하면서, 새로운 종류의 회사와 회사를 구축하는 새로운 방식이 가능해졌다는 것을 명확히 인지했습니다. 이 기술들은 기존의 비즈니스 모델을 혁신하고, 인공지능을 핵심 동력으로 삼는 기업의 등장을 알리는 중요한 전환점이 되었습니다.

이러한 인식은 Kavak이 AI 에이전트를 중심으로 회사를 전면 재설계하는 과감한 결정을 내리는 데 결정적인 영향을 미쳤습니다.

Kavak은 원래 중고차 마켓플레이스로 사업을 시작했지만, 라틴 아메리카의 인프라 부족 문제에 직면했습니다. 이로 인해 차량 구매, 수리, 판매 및 자금 조달을 위해 필요한 핀테크, 물류, 차량 이력 서비스(Carfax와 유사) 등 모든 것을 자체적으로 구축해야 했습니다. 기본적인 인프라가 존재하지 않았기 때문에, 고객에게 제대로 된 서비스를 제공하기 위해 모든 것을 수직적으로 통합하는 전략을 택했습니다.

이러한 수직 통합은 Kavak이 복잡한 중고차 시장에서 완전한 고객 경험을 제공하고, AI 에이전트가 처리할 수 있는 범위와 깊이를 확장하는 기반이 되었습니다.

많은 기업이 단순히 AI 도구를 기존 시스템에 도입하는 방식을 택하지만, Kavak은 에이전트를 중심으로 회사 전체를 재설계하기로 결정했습니다. 이는 기존 구조를 유지한 채 팀에 챗GPT나 클라우드를 제공하는 방식으로는 진정한 효율성이나 고객 경험 개선을 이룰 수 없다는 판단에 따른 것입니다. Kavak은 에이전트와 미래 역량을 중심으로 회사를 재설계하기 위해 실제로 대부분의 API를 재구축하는 과감한 길을 선택했습니다.

이러한 결정은 AI를 핵심 비즈니스 모델에 깊이 통합하여 근본적인 변화를 이끌어내려는 Kavak의 강력한 의지를 보여줍니다.

에이전트가 제대로 작동하기 위한 유일한 방법은 교육이며, 이를 위해 고객에게 에이전트를 노출시키고 데이터를 확보하며 평가를 통해 훈련하는 과정을 거쳐야 합니다. 이 피드백 루프는 에이전트의 지속적인 개선과 학습을 가능하게 하는 핵심 요소입니다.

고객과의 실제 상호작용에서 발생하는 데이터를 기반으로 에이전트의 성능을 향상시키고, 이는 다시 고객 만족도와 비즈니스 성과로 연결됩니다.

Kavak은 AI 에이전트를 통해 고객 상호작용의 96%를 처리하며, 이 과정에서 인간의 개입은 거의 없습니다. 모든 거래의 95% 또한 에이전트에 의해 완전히 처리됩니다. 물리적으로 차를 픽업하거나 열쇠를 건네주는 경우를 제외한 고객 여정의 대부분이 에이전트를 통해 이루어집니다.

이러한 높은 자동화율은 Kavak이 AI 에이전트를 단순한 보조 도구가 아닌, 비즈니스 운영의 핵심 주체로 성공적으로 전환했음을 보여줍니다.

Kavak은 에이전트를 구축하는 데 투입하는 시간, 엔지니어링 리소스, 토큰, 그리고 비용과 동일한 양을 평가(evals) 시스템 구축에도 투자하고 있습니다. 이는 평가를 단순히 부수적인 작업이 아닌, 에이전트의 지속적인 발전을 위한 핵심 요소로 간주하기 때문입니다.

평가 시스템에 대한 적극적인 투자는 에이전트의 성능을 정확히 측정하고 개선점을 파악하여, 궁극적으로 더 나은 고객 경험과 비즈니스 성과를 달성하는 데 필수적입니다.

Kavak이 개발한 에이전트는 단순히 고객 지원이나 서비스 에이전트가 아니라, 복잡한 차량 판매 과정을 처리하는 '판매 에이전트'입니다. 라틴 아메리카에서 자동차를 판매하는 것은 구매자가 2만 개 이상의 SKU 중에서 선택하고, 대출, 보험, 보증을 결정하며, 자신의 차를 팔고 교환하는 등 매우 복잡한 과정입니다. 2020년에서 2021년 Kavak은 이 과정을 처리하기 위해 15개 분야에 걸쳐 극도로 능숙한 15명의 다른 전문가를 필요로 했습니다. 이제 이 모든 과정을 AI 에이전트가 처리합니다.

이러한 판매 에이전트들은 고객의 복잡한 요구사항을 이해하고, 맞춤형 솔루션을 제공하며, 거래의 모든 단계를 원활하게 진행하여 판매 효율성을 극대화합니다.

Kavak의 AI 에이전트가 인간보다 더 나은 판매자인 이유는 여러 가지입니다. AI는 특정 분야의 전문가이며, 무한한 인내심을 가지고 고객의 모든 이력을 파악할 수 있습니다. 또한 장기적인 계획을 수립할 수 있고, 절대 지치지 않습니다. 중요한 점은 에이전트가 실수를 하더라도 다음 날 즉시 학습하며, 이 학습 결과가 해당 에이전트뿐만 아니라 다른 20만 명의 에이전트에게도 공유되어 즉각적인 개선이 이루어진다는 것입니다. 이것이 바로 Kavak이 활용하는 피드백 루프이며, 결과적으로 고객 만족도와 성과 증가로 이어지고 있습니다.

이러한 AI 에이전트의 강점은 고객과의 상호작용을 최적화하고, 판매 과정을 더욱 효율적이고 개인화된 경험으로 전환하는 데 결정적인 역할을 합니다.

Kavak은 고객을 깊이 이해하고 금융 상품 프로세스를 간소화함으로써 전환율과 유지율 지표를 크게 향상시켰습니다. 단순한 거래를 넘어 각 고객의 개인적인 상황을 이해하고, 준비되었을 때 매우 깊이 있게 개인화된 금리, 위험도, 최대 대출 금액을 제시하여 거래를 성사하도록 돕습니다.

이러한 금융 상품의 심층 개인화는 고객 만족도를 높이고, 장기적인 고객 관계를 구축하는 데 기여합니다.

Kavak은 멕시코의 코르나바카라는 한 도시에 'AI CEO'를 배치하는 실험을 진행했습니다. 이 AI 에이전트는 CEO로서 학습하고 의사결정을 내리며, 그 의사결정을 스스로 평가하도록 설계되었습니다. 6주간 운영된 이 실험에서 AI CEO는 첫 달 목표였던 수익 두 배 달성에는 미치지 못했지만, 1.5배, 즉 50%의 수익 증가를 기록했습니다.

이 실험은 AI가 단순히 운영 효율성을 높이는 것을 넘어, 전략적 의사결정 분야에서도 상당한 성과를 낼 수 있음을 입증했습니다. 이는 미래 기업 경영에서 AI의 역할이 더욱 확대될 가능성을 시사합니다.

Kavak은 정비사들을 돕는 보조 AI인 '엘 마이크'(El Mike)를 개발했습니다. 영화 '라따뚜이'에서 요리사 인간과 쥐가 협력하는 것처럼, 엘 마이크는 정비사에게 자동차 검사 방법, 유용한 팁, 그리고 절차를 안내합니다. 이 AI의 도움으로 Kavak의 차량 점검 품질은 다시 한번 최고치를 기록했습니다.

이는 AI가 인간의 일자리를 대체하는 것이 아니라, 인간의 역량을 강화하고 업무 품질을 향상시키는 도구로 활용될 수 있음을 보여주는 사례입니다.

Kavak은 AI 기반 회사로의 전환을 위해 '제다이 아카데미'(Jedi Academy)라는 사내 프로그램을 시작했습니다. 이 아카데미에는 CEO부터 AI 엔지니어, 심지어 정비사까지 Kavak의 모든 직원이 참여합니다. 목표는 모든 직원이 AI 에이전트를 이해하고 직접 개발 및 배포할 수 있는 역량을 갖추는 것입니다.

6주간의 집중 교육을 통해 직원들은 최첨단 AI 에이전트를 프로덕션에 배포할 수 있는 능력을 습득합니다. 이는 단순히 몇몇 전문가에게 AI를 맡기는 것이 아니라, 회사 전체의 AI 역량을 내재화하려는 Kavak의 전략을 보여줍니다.

이러한 전사적 AI 교육은 직원들이 새로운 기술 패러다임에 적응하고, 각자의 업무 분야에서 AI를 활용하여 혁신을 이끌어낼 수 있도록 지원합니다. 결과적으로 Kavak은 조직 전체의 AI 주도 혁신 문화를 구축하고 있습니다.

AI 도입 시 에이전트의 반복적인 학습을 위해서는 인간과 AI의 협업이 중요하다고 Kavak은 강조합니다. 단순히 AI가 벽에 부딪혔을 때 다음 단계로 넘어가 버리는 방식은 데이터가 쌓이지 않아 AI의 성장을 저해합니다. Kavak은 각 고객에게 전담 에이전트를 배정하고, 에이전트가 특정 문제에 봉착하면 '도움이 필요하다'는 API를 호출하여 인간 전문가에게 지원을 요청하도록 설계했습니다.

이러한 방식은 인간의 개입을 통해 에이전트가 해결하지 못하는 복잡한 상황에 대한 데이터를 축적하고, 이를 바탕으로 에이전트의 학습 루프를 완성하여 지속적으로 성능을 개선하는 데 기여합니다.

Kavak은 AI 도입이 반드시 상명하달식이어야 한다고 주장합니다. 아래에서 위로 올라가는 방식으로는 조직이 명확한 전략 없이 각자의 아이디어를 구축하게 되어 회사 전체의 변화를 이끌어내기 어렵기 때문입니다. 따라서 리더들은 AI 구축에 대한 명확한 계획을 가지고 회사 전체에 지시를 내려야 한다고 강조합니다. 해커톤이나 자유로운 아이디어 도출만으로는 AI 전환의 효과를 얻기 어렵다는 것입니다.

이러한 하향식 접근 방식은 조직이 통일된 방향으로 AI를 구축하도록 돕고, 이는 회사 전체의 시스템과 문화 변화를 이끌어내는 데 필수적입니다.

Kavak은 고객당 하나의 에이전트를 구축하기로 결정하고, 이 과정에서 각 에이전트가 자체 마이크로 가상 머신을 필요로 한다는 사실을 발견했습니다. 이는 기술적으로 위험하고 도전적인 결정이었지만, 고객에게 고도로 맞춤화된 서비스를 제공하는 데 매우 효과적이었습니다. 이 방식은 에이전트가 고객의 개별적인 요구사항과 맥락에 깊이 침투하여 최적의 상호작용을 제공하도록 합니다.

이러한 전략은 AI 에이전트가 단순한 자동화 도구를 넘어, 고객 경험을 혁신하는 핵심 주체로 기능할 수 있게 합니다.

Kavak이 구축한 새로운 AI 시스템은 메모리, 평가(evals) 기능, 그리고 명령줄 인터페이스(CLI)에 접근할 수 있는 에이전트를 갖춘 가상 머신 형태로 구현되었습니다. 이 가상 머신은 각 고객별 에이전트에게 독립적인 실행 환경을 제공하여, 고도로 개인화되고 안정적인 서비스 제공을 가능하게 합니다.

이러한 아키텍처는 에이전트가 방대한 데이터를 처리하고, 복잡한 의사결정을 내리며, 시스템과 효율적으로 상호작용할 수 있도록 지원합니다.

Kavak은 새로운 기술을 진정으로 활용하기 위해서는 기존 시스템을 파괴하고 재설계해야 한다는 점을 전기의 도입 사례에 비유하여 설명합니다. 에디슨이 전기를 상업화한 후에도 많은 공장이 석탄 엔진을 전기 엔진으로 단순히 교체하는 데 그쳐 6% 정도의 효율성 증가만 얻었습니다. 하지만 포드의 생산 라인처럼 공장 전체를 전기를 중심으로 재설계한 경우, 3배의 생산성 향상을 달성하며 20세기 미국 경제 발전을 이끌었습니다.

이러한 비유는 컴퓨터 시대와 오늘날 AI 시대에도 동일하게 적용된다고 Kavak은 말합니다. 기업들이 AI를 표면적으로만 채택하고 회사 전체를 재설계할 의향이 없다면, 6~10%의 개선에 그칠 뿐 진정한 10배 혁신은 불가능하다는 것입니다. 이는 산업 규모의 혁신가 딜레마와 같다고 지적합니다.

Kavak은 지금이 인류 역사상 가장 흥미로운 시기이자 창업자들에게 가장 좋은 시기라고 강조합니다. 누구나 세상에서 가장 강력한 도구와 지능에 거의 무료로, 또는 월 20달러라는 저렴한 비용으로 접근할 수 있게 된 첫 번째 시기이기 때문입니다. 이러한 도구의 민주화는 과거 인류 역사상 유례가 없었던 일이며, 해결해야 할 많은 문제와 AI를 중심으로 구축해야 할 새로운 현실이 존재합니다.

새로운 창업자들에게 Kavak은 단순히 AI를 시도하는 것을 넘어, AI를 중심으로 한 미래가 어떤 모습일지 깊이 상상하고 이를 위해 구축할 것을 조언합니다. AI가 선형적으로 계속 발전한다고 가정하고 그에 맞춰 구축한다면, 세상에 많은 가치를 가져다줄 멋진 아이디어를 발견할 수 있을 것이라고 말합니다.

이 조언은 새로운 기술 패러다임 속에서 창업가들이 대담한 비전을 가지고 AI를 핵심 동력으로 삼아 혁신을 이끌어내야 한다는 메시지를 전달합니다.