1. 지쿠팀의 아침은 여전히 뜨거웠다: 변화의 시작

2024년 어느 여름 아침

한여름 뜨거운 햇볕을 맞으며 사무실로 향하던 그때가 떠오릅니다. 노트북을 펼치자마자 쏟아지는 수많은 알림들. 늘 그렇듯 하루는 두꺼운 엑셀 파일과 함께 시작되었죠.

"어제는 몇 건이나 왔을까..."

파일을 여는 순간, 숨이 턱 막혔습니다.

• 1,978건: 주말이라 평소보다 더 많은 피드백이 쌓여있었죠.

프로덕트팀의 평범한(?) 하루

09:00 AM - 출근

"주말 동안 들어온 피드백만 1,500건이 넘네요."
"전부 다 읽으려면 오늘 하루가 모자를 것 같은데..."

10:30 AM - 긴급 회의

"강남역 근처에서 앱 오류로 결제가 중복됐다는 피드백이 있어요!"
"언제 들어온 건가요?"
"...2일 전이요."

터닝포인트: 한 통의 피드백

"앱이 먹통이 되었다가 5분 뒤에 해결되어 5분가량 금액이 더 나갔습니다ㅠㅠ 학생이라 이런 금액도 부담되네요."

이 피드백을 발견했을 때는 이미 3일이 지난 후였습니다. 단순한 환불 건이 아니었죠. 한 학생의 지쿠에 대한 신뢰가 무너지는 순간이었습니다. 무더운 여름날, 불편함은 더 크게 다가왔을 것입니다.

더 이상 미룰 수 없는 변화

우리에겐 나름의 '시스템'이 있었습니다:

• 정기적인 CSV 파일 추출

• 피벗 테이블로 데이터 분석

• 색깔별 구분과 메모...

하지만 이것만으로는 부족했습니다. 피로도는 높아져만 갔고, 소중한 피드백들은 계속해서 묻혀갔습니다.

2. 데이터가 말해주는 사용자 경험: 피드백 속 진실 찾기

"이게 단순한 불만은 아닌 것 같아요"

매일 밤, 수백 개의 피드백을 읽다 보니 사용자 여정 맵(User Journey Map)을 통해 특별한 패턴이 보이기 시작했습니다. 마치 퍼즐 조각을 맞추듯, 사용자들의 이야기가 하나로 연결되었죠.

숫자로 보는 현실

피드백을 분석하기 시작하자, 명확한 패턴이 보였습니다:

• 앱 사용성 관련: 28%

• UI/UX 관련: 25%

• 위치 기반 서비스: 22%

• 고객 지원: 8%

• 새로운 기능 요청: 17%

하지만 이 숫자들 뒤에는 더 깊은 이야기가 있었습니다. 사용자의 잠재적 니즈(Latent Needs)와 실제 사용 맥락(Context of Use)을 이해하는 것이 중요했죠.

피드백 속 진실

"앱이 자주 강제로 종료됩니다. 안정성이 더 필요해요."

단순한 기술적 오류 신고일까요? 그 속에는 더 깊은 맥락이 있었습니다: 급하게 이동해야 하는 상황, 반복되는 실패로 인한 좌절감, 서비스에 대한 신뢰 하락.

숨겨진 보석 같은 인사이트

특히 눈에 띄는 건 사용자들의 적극적인 제안이었습니다:

"자전거에 주차 금지 구역 진입하면 음성 알림이라도 있으면 좋겠어요"
"아침에는 자전거가 편한데, 저녁에는 피곤해서 킥보드 타고 싶거든요."

이런 피드백들은 단순한 불만이 아닌, 서비스 발전의 씨앗이었습니다.

3. AI와의 첫 만남: 실수와 성장의 이야기

"AI를 도입하면 어떨까?"

문득 든 생각이었습니다. 하지만 곧바로 의문이 따라왔죠.

"AI가 지쿠의 특별한 맥락을 이해할 수 있을까?"

첫 시도의 실패

• 사용자: "환승 할인이 적용이 안 되요."

• AI 분류 결과:

  • 카테고리: 일반 할인 문의

  • 긴급도: 낮음

  • 담당 부서: 미정

결과를 보며 한숨이 나왔습니다. '환승 할인'은 지쿠의 핵심 서비스인데, 사용자의 멘탈 모델(Mental Model)을 이해하지 못하고 AI는 이것을 단순한 할인 문의로만 이해했죠.

지쿠만의 언어 학습

먼저 지쿠만의 특별한 용어들을 정리했습니다:

• 환승 할인, 픽업존, 반납 구역, 주차 할인, 정기권, QR 스캔...

'AI에게 지쿠어를 가르치는 것 같다'는 생각에 피식 웃음이 났지만, 생각해보면 정확한 표현이었습니다. 이 과정은 도메인 지식 구축(Domain Knowledge Building)을 통해 AI가 지쿠의 맥락을 이해하는 데 중요한 역할을 했.

AI의 성장 일기

처음엔 서툴렀지만, AI는 하루가 다르게 성장했습니다.

• 첫 달: 기본적인 분류

  • 사용자: "브레이크가 이상해요"

  • AI 분류: 기기 고장 / 일반

• 두 달 차: 맥락 이해 시작

  • 사용자: "브레이크가 이상해요"

  • AI 분류: 안전 관련 / 긴급 대응 필요

  • 추가 조치: 해당 기기 일시 잠금

• 세 달 차: 패턴 발견

  • 사용자: "또 이러네요..."

  • AI 분석: 재발생 이슈 감지, 이전 피드백 이력 확인, 근본적 해결 필요성 제기

이는 학습 주기(Learning Cycle)를 통해 AI가 반복적인 데이터로부터 학습하고 개선하는 과정을 보여줍니다.

예상치 못한 발견들

시간대별로 특별한 패턴이 보이기 시작했습니다:

• 오전 8시: 잠금 해제 관련

• 점심시간: 반납 위치 문의

• 저녁 퇴근: 앱 성능 이슈

실수는 배움의 기회였다

때로는 AI가 엉뚱한 결론을 내기도 했습니다. 하지만 그 실수들이 오히려 도움이 됐죠. AI가 잘못 분류한 피드백들을 분석하면서 미처 생각하지 못했던 서비스의 새로운 측면을 발견했으니까요.

4. 실시간 모니터링: AI가 바꾼 일상

"이제 좀 일할 수 있겠네요"

AI 도입 두 달째, 업무 방식이 완전히 달라졌습니다. 더 이상 아침마다 수백 개의 행과 열을 확인하지 않아도 되었으니까요.

변화의 순간들

"띵-" 오전 9시, 평소와 다른 알림음이 울렸습니다.

[긴급 알림]

• 지역: 강남역 3번 출구

• 이슈: 브레이크 시스템

• 상태: 위험 감지

• 권장 조치: 현장 점검 필요

이제 AI가 먼저 읽고, 분류하고, 우선순위를 매깁니다. 긴급한 안전 이슈는 즉시 현장팀에게 전달되고, 서비스 개선 제안은 프로덕트팀으로 보내지죠.

일의 방식이 바뀌다

예전에는 이런 고민이 끊이지 않았습니다:

"이 피드백은 어떤 부서에서 봐야 하지?"
"이게 얼마나 급한 거지?"
"이전에도 이런 문제가 있었나?"

하지만 이제는 다릅니다. AI가 맥락을 파악하고, 히스토리를 확인하고, 관련 팀을 자동으로 태그합니다.

데이터가 만드는 인사이트

매주 금요일 오후, 데이터를 검토합니다. 이제는 단순한 '문제 해결'을 넘어 '서비스의 미래'를 그리는 시간이 되었죠. 이 과정은 휴리스틱 평가(Heuristic Evaluation)의 일환으로, 문제를 발견하고 개선 방향을 도출하는 중요한 활동입니다.

5. "피드백이 서비스가 되기까지": 데이터를 넘어 사람을 보다

숫자 너머의 변화

AI 도입 후 6개월, 수치상의 변화는 명확했습니다:

• 피드백 처리 시간: 12시간 → 2시간

• 긴급 이슈 대응: 24시간 → 1시간 이내

• 피드백 누락률: 15% → 1% 미만

하지만 진짜 변화는 숫자 너머에 있었습니다.

작은 피드백이 만든 큰 변화

"지도에서 킥보드랑 자전거 위치가 너무 복잡하게 보여서 찾기 어려워요. 급할 땐 어떤 게 있는지 한눈에 보고 싶은데..."

매일 수백 개씩 들어오는 피드백 중에서도 특별히 눈에 띄는 패턴들이 있었습니다. 여기서 새로운 과제가 발견됐죠.

"어떻게 하면 지도에서 정보를 더 직관적으로 보여줄 수 있을까?"

이는 인지 부하(Cognitive Load)를 줄이면서도 신뢰성을 유지해야 하는 과제였습니다.

데이터 기반 의사결정의 시작

개별 피드백의 패턴을 발견하면서, 보다 체계적인 분석의 필요성을 느꼈습니다. 그렇게 시작된 것이 월간 리포트였죠.

월간 리포트의 진화

이제 매달 말이면 특별한 순간이 찾아옵니다. AI가 한 달간의 모든 피드백을 분석해 만든 종합 리포트를 검토하는 시간입니다.

단순한 통계가 아닌, 실질적인 인사이트를 제공합니다:

• 사용자들의 실제 목소리: 반복되는 패턴과 새로운 니즈

• 서비스의 현재 상태: 개선된 부분과 여전한 문제점

• 개선이 필요한 지점: 우선순위와 임팩트 분석

• 다음 달의 과제: 구체적 액션 아이템

데이터가 만드는 협업

월간 리포트는 각 팀에게 새로운 관점을 제시합니다:

• 프로덕트팀: "이 패턴은 새로운 기능의 필요성을 보여주네요"

• 개발팀: "이 문제는 근본적인 기술 개선이 필요해 보여요"

• 운영팀: "현장 대응 매뉴얼을 이렇게 수정하면 좋겠습니다"

끊임없는 개선의 여정

작은 피드백에서 시작된 변화가 이제는 체계적인 서비스 개선 프로세스로 발전했습니다. AI는 이 과정에서 중요한 도구가 되었지만, 가장 중요한 건 결국 '사람'입니다.

데이터는 방향을 제시하지만, 최종 결정과 실행은 사람의 몫이니까요.

6. "모든 순간이 의미있게": 지쿠의 새로운 도전

새로운 시작점에 서서

회의실 화이트보드에는 새로운 목표가 적혔습니다.

"사용자가 묻기 전에 먼저 답하기"
"모든 순간을 특별하게 만들기"
"더 나은 모빌리티 경험 설계하기"

이는 단순한 사용성(Usability)을 넘어 전체적인 사용자 경험(User Experience)을 고려한 목표였습니다.

다음 단계를 향해

현재 우리가 준비하고 있는 것들이 있습니다. 단순히 피드백에 '답변'하는 것을 넘어, 실제로 도움이 되는 정보를 즉시 제공하는 것.

예를 들어:

• 사용자: "30분 무료 쿠폰은 언제 나오나요?"

• AI: "현재 진행 중인 할인 이벤트를 안내해드릴게요..."

데이터가 이끄는 혁신

매달 작성되는 AI 리포트는 이제 전 직원이 기다리는 중요한 자료가 되었습니다. 각 팀은 이 데이터를 바탕으로:

• 프로덕트팀: 신규 서비스 방향 설정

• 개발팀: 기술 개선 우선순위 결정

• 운영팀: 현장 대응 매뉴얼 업데이트

우리가 꿈꾸는 미래

AI는 계속해서 진화하고 있습니다. 더 정확한 맥락 이해, 더 빠른 패턴 발견, 더 의미 있는 인사이트 도출. 하지만 이것은 시작일 뿐입니다.

새로운 도전들

현재 지쿠 UX팀이 고민하는 것들:

• 정보의 실시간성: 현재 진행 중인 개선사항 자동 안내, 자주 묻는 질문 선제적 대응, 관련 정보 맞춤형 제공

• 서비스 개선의 고도화: 피드백 기반 자동 개선 제안, 사용 패턴 분석 및 최적화, 개인화된 경험 제공

• 팀 협업의 진화: 실시간 데이터 공유, 부서간 협업 강화, 의사결정 프로세스 개선

끝나지 않는 여정

매일 아침, 여전히 수많은 피드백이 쌓입니다. 하지만 이제 그것은 부담이 아닌, 새로운 가능성의 시작입니다.

"지쿠가 있어서 출퇴근이 즐거워요"
"덕분에 서울 구석구석을 다녀요"
"앞으로도 잘 부탁드려요"

이런 메시지를 읽을 때면 새벽까지 이어진 회의가 떠오릅니다. 수많은 시행착오도 생각나죠. 하지만 분명한 건, 우리는 계속해서 더 나은 서비스를 만들어갈 것이라는 점입니다.

마치며: 모든 순간이 특별하도록

당신의 모든 순간과 함께하는 지쿠. 앞으로도 귀 기울이겠습니다. 모든 피드백이 의미 있는 변화가 되는 그날까지. 그리고 우리는 알고 있습니다. 진정한 혁신은 기술이 아닌, 사용자의 목소리에 귀 기울이는 것에서 시작된다는 것을.

이제 새로운 아침이 밝았습니다. 오늘도 어김없이 피드백이 쌓이겠죠? 하지만 괜찮습니다. 우리에겐 이제 든든한 자동화와 AI가 있으니까요.