기업 AI, 고객 맥락 파악이 관건

기업 AI가 고객 행동과 상황을 파악해야 관련성 높은 결과를 낼 수 있다고 경영진이 밝혔습니다. Sifted가 2026년 10월 28일 게재한 기사에서, 게임업체 Allwyn의 마케팅·광고 기술 부문을 이끌었던 캐롤리나 데 프레이타스(Carolina de Freitas)는 가장 뛰어난 AI 모델도 사용자 주변에서 무슨 일이 일어나는지 알지 못하면 원하는 결과를 내기 어렵다고 말했습니다. 행동 분석 기업 Intent HQ의 최고경영자 조너선 레이킨(Jonathan Lakin)은 모델이 콘텐츠를 만들고 데이터를 분석할 수 있지만, 한 번의 상호작용 중 저장해 참조할 수 있는 정보량인 컨텍스트 윈도에는 한계가 있다고 설명했습니다. 그가 밝힌 상용 모델의 최대 컨텍스트 윈도는 약 100만 토큰입니다.

Intent HQ는 은행, 통신사, 소매업체와 협력합니다. 고객사는 기존 모바일 앱이나 기기에 이 회사의 소프트웨어를 넣어 일상 습관과 위치, 생활 패턴을 기기 안에서 분석합니다. 예를 들어 신발 소매업체는 신발 구매자 모두에게 같은 할인을 보내는 대신 생활 방식 정보를 활용해 고객에게 맞는 혜택을 제안할 수 있습니다. Fifth Third Bank의 AI·데이터 분석 임원 데이비드 포라스(David Porras)는 개인의 행동을 설명해 고객 데이터에 의미를 부여하는 이해가 사람에 대한 맥락이라고 말했습니다.

레이킨은 방대한 행동 데이터에서 어떤 행동이 사람의 의도를 보여주는지 찾아내는 인프라 계층이 필요하다고 밝혔습니다. 원본 데이터가 외부로 유출되지 않도록 분석은 기기 안에서 이뤄져야 한다는 설명입니다. 기업들은 과거 고객 정보를 중앙 집중형 데이터 레이크에 저장해 분석했지만, 기사에 따르면 개인정보 보호법은 프로파일링을 제한하며 저장된 행동 데이터는 사이버 공격의 표적이 될 수 있습니다. 데 프레이타스는 고객 데이터를 창고나 내부 시스템에 덜 보관하면 규제 준수와 위험 관리에 도움이 된다고 말했습니다.

Intent HQ는 고객의 행동과 습관을 중심으로 AI 전략을 세우는 기업을 ‘맥락 중심 기업’으로 설명하며, 이들이 분산형 기기 내 시스템을 도입하고 있다고 밝혔습니다. 예를 들어 서버 시스템이 기기에 저녁 열차가 지연됐는지, 사용자가 평소 음식 배달을 주문하는지 물을 수 있습니다. 기기는 자체 데이터를 확인해 조건이 맞으면 해당 지역에 맞는 할인을 표시하며, 사용자의 원본 위치와 생활 패턴은 데이터 웨어하우스로 보내지 않습니다.

데 프레이타스는 전통적인 마케팅 자동화가 사용자가 링크를 누르면 미리 정한 후속 이메일을 보내는 식의 사람이 만든 규칙을 사용한다고 설명했습니다. 그는 기존 시스템을 구축하는 데 수년이 걸리고 교체도 어려울 수 있다고 말했습니다. 맥락 기반 AI는 사용자의 동기를 고려하며, 기업이 누구를 대상으로 삼지 말아야 할지도 판단하도록 도울 수 있습니다. 레이킨에 따르면 Intent HQ는 통신사 고객에게 보내는 메시지를 고객당 연간 400건에서 65건으로 줄였으며, 대상에서 제외해야 할 사람을 찾아 해당 고객사의 매출도 늘렸습니다.

포라스는 은행의 전통적인 시스템이 주로 과거 사건을 정리하고 보고·분석하는 반면, 사람에 대한 맥락은 고객의 행동과 관심사, 잠재적 필요를 해석하는 데 도움이 된다고 말했습니다. 그는 고객이 로그인해 대출을 신청할 때까지 기다리는 대신, 금융 상황의 변화를 실시간으로 파악하는 사례를 들었습니다. Intent HQ의 IntentOne 플랫폼은 AI World Series Awards 2026에서 국제 부문 올해의 AI 솔루션으로 선정됐습니다.

기업 AI가 고객 행동과 상황을 파악해야 관련성 높은 결과를 낼 수 있다고 경영진이 밝혔습니다. Sifted가 2026년 10월 28일 게재한 기사에서, 게임업체 Allwyn의 마케팅·광고 기술 부문을 이끌었던 캐롤리나 데 프레이타스(Carolina de Freitas)는 가장 뛰어난 AI 모델도 사용자 주변에서 무슨 일이 일어나는지 알지 못하면 원하는 결과를 내기 어렵다고 말했습니다. 행동 분석 기업 Intent HQ의 최고경영자 조너선 레이킨(Jonathan Lakin)은 모델이 콘텐츠를 만들고 데이터를 분석할 수 있지만, 한 번의 상호작용 중 저장해 참조할 수 있는 정보량인 컨텍스트 윈도에는 한계가 있다고 설명했습니다. 그가 밝힌 상용 모델의 최대 컨텍스트 윈도는 약 100만 토큰입니다.

Intent HQ는 은행, 통신사, 소매업체와 협력합니다. 고객사는 기존 모바일 앱이나 기기에 이 회사의 소프트웨어를 넣어 일상 습관과 위치, 생활 패턴을 기기 안에서 분석합니다. 예를 들어 신발 소매업체는 신발 구매자 모두에게 같은 할인을 보내는 대신 생활 방식 정보를 활용해 고객에게 맞는 혜택을 제안할 수 있습니다. Fifth Third Bank의 AI·데이터 분석 임원 데이비드 포라스(David Porras)는 개인의 행동을 설명해 고객 데이터에 의미를 부여하는 이해가 사람에 대한 맥락이라고 말했습니다.

레이킨은 방대한 행동 데이터에서 어떤 행동이 사람의 의도를 보여주는지 찾아내는 인프라 계층이 필요하다고 밝혔습니다. 원본 데이터가 외부로 유출되지 않도록 분석은 기기 안에서 이뤄져야 한다는 설명입니다. 기업들은 과거 고객 정보를 중앙 집중형 데이터 레이크에 저장해 분석했지만, 기사에 따르면 개인정보 보호법은 프로파일링을 제한하며 저장된 행동 데이터는 사이버 공격의 표적이 될 수 있습니다. 데 프레이타스는 고객 데이터를 창고나 내부 시스템에 덜 보관하면 규제 준수와 위험 관리에 도움이 된다고 말했습니다.

Intent HQ는 고객의 행동과 습관을 중심으로 AI 전략을 세우는 기업을 ‘맥락 중심 기업’으로 설명하며, 이들이 분산형 기기 내 시스템을 도입하고 있다고 밝혔습니다. 예를 들어 서버 시스템이 기기에 저녁 열차가 지연됐는지, 사용자가 평소 음식 배달을 주문하는지 물을 수 있습니다. 기기는 자체 데이터를 확인해 조건이 맞으면 해당 지역에 맞는 할인을 표시하며, 사용자의 원본 위치와 생활 패턴은 데이터 웨어하우스로 보내지 않습니다.

데 프레이타스는 전통적인 마케팅 자동화가 사용자가 링크를 누르면 미리 정한 후속 이메일을 보내는 식의 사람이 만든 규칙을 사용한다고 설명했습니다. 그는 기존 시스템을 구축하는 데 수년이 걸리고 교체도 어려울 수 있다고 말했습니다. 맥락 기반 AI는 사용자의 동기를 고려하며, 기업이 누구를 대상으로 삼지 말아야 할지도 판단하도록 도울 수 있습니다. 레이킨에 따르면 Intent HQ는 통신사 고객에게 보내는 메시지를 고객당 연간 400건에서 65건으로 줄였으며, 대상에서 제외해야 할 사람을 찾아 해당 고객사의 매출도 늘렸습니다.

포라스는 은행의 전통적인 시스템이 주로 과거 사건을 정리하고 보고·분석하는 반면, 사람에 대한 맥락은 고객의 행동과 관심사, 잠재적 필요를 해석하는 데 도움이 된다고 말했습니다. 그는 고객이 로그인해 대출을 신청할 때까지 기다리는 대신, 금융 상황의 변화를 실시간으로 파악하는 사례를 들었습니다. Intent HQ의 IntentOne 플랫폼은 AI World Series Awards 2026에서 국제 부문 올해의 AI 솔루션으로 선정됐습니다.