최근 며칠 동안 하나의 아이디어를 꽤 깊게 파고들었다.
처음에는 단순했다. 현실 공간을 사진이나 영상으로 찍으면 3D 모델로 바뀌고, 사람이 직접 가지 않아도 그 공간을 둘러볼 수 있는 기술이 있다. 사실 아주 새로운 기술은 아니다. 가상현실, 네이버 지도, 부동산 앱, 3D 투어, 공간 스캔 같은 형태로 이미 여러 곳에서 쓰이고 있다.
그런데 문득 이런 생각이 들었다.
“미국에서 검증된 기술이라면, 한국에서는 아직 충분히 쓰이지 않는 분야가 있지 않을까?”
기술 자체보다 끌렸던 건 그 기술이 주는 느낌이었다.
단순함. 강력함. 보이는 순간 바로 이해되는 경험.
사진만 찍었는데 공간이 만들어진다. 현장에 가지 않아도 현장을 볼 수 있다. 설명하지 않아도 보여줄 수 있다.
이건 마케팅 언어로도 강력해 보였다. 그래서 이 기술을 다른 문제와 융합해보고 싶었다.
처음 생각한 방향은 ‘더러운 일’이었다
처음에는 아주 단순하게 발상했다.
이미 생각할 수 있는 아이디어라면 누군가는 했을 것이다. 그러면 사람들이 돈을 주고서라도 대신시키고 싶은 일은 뭘까? 직접 하기 싫고, 불편하고, 더럽고, 귀찮은 일은 뭘까?
그러다 나온 단어가 “더러움”이었다.
더러움. 오염. 청소. 특수청소. 입주청소. 이사청소. 준공청소.
그때부터 청소업체에 이 기술을 적용하는 아이디어를 생각하기 시작했다.
고객이 사진이나 영상을 찍는다. 그걸 바탕으로 3D 공간을 만든다. 청소업체는 직접 현장에 가지 않아도 공간을 둘러본다. 오염도를 보고, 작업량을 판단하고, 견적을 낸다. 나중에는 데이터가 쌓이면 AI가 오염도, 가격, 필요한 인원, 작업시간까지 자동으로 계산한다.
처음에는 꽤 그럴듯해 보였다.
청소업체는 손님의 요청을 받고, 전화나 카톡으로 정보를 받고, 필요하면 현장에 가서 상태를 보고, 사람을 배정하고, 청소를 진행할 것이다. 그 과정에서 사람이 직접 가서 보고 판단하는 시간이 꽤 들 것 같았다.
그래서 스스로에게 질문했다.
“이 과정에 사람이 꼭 필요한가?”
처음에는 대답이 “아니, 대체할 수 있을 것 같다”였다.
내가 생각한 핵심 가치는 업무 자동화와 인건비 감소였다
이 아이디어가 고객에게 주는 핵심 가치를 처음에는 이렇게 정의했다.
업무 자동화 + 인건비 감소
사람이 직접 현장에 가지 않아도 된다. 사장이 직접 사진을 보고 판단하지 않아도 된다. 견적 상담 시간이 줄어든다. 현장 방문이 줄어든다. 나중에는 AI가 오염도와 작업량을 판단해서 사람 배정까지 해준다.
처음에는 단계도 나름 그럴듯하게 나눴다.
1단계: 물리적 소요 제거
고객이 집이나 현장을 찍는다. 사진이나 영상으로 3D 환경을 만든다. 청소업체는 그 공간을 둘러보며 오염도를 확인한다. 직원이 직접 현장에 가지 않아도 된다.
2단계: 판단 시간 제거
데이터가 쌓이면 AI가 오염도를 판단한다. 어떤 형태의 오염인지 구분한다. 예상 비용을 계산한다. 몇 명의 직원이 필요한지 추천한다. 사장은 검토만 하면 된다.
3단계: 자동 견적과 자동 배정
고객이 사진만 찍으면 견적이 나오고, 업체는 거의 아무 일도 하지 않아도 된다. 사장은 결과를 승인하고, 직원은 작업만 하면 된다.
머릿속에서는 자연스럽게 그려졌다.
“아, 이거 되면 편하겠는데?”
그런데 계속 파고들수록 문제가 보이기 시작했다.
첫 번째 문제: 3D는 멋있지만 청소 견적의 핵심이 아닐 수 있다
내가 처음 붙잡은 건 3D였다.
공간을 볼 수 있다. 현장감을 줄 수 있다. 직접 가지 않아도 둘러볼 수 있다.
하지만 청소 견적에서 진짜 중요한 것은 공간 구조만이 아닐 수 있다.
청소에서 가격을 흔드는 건 이런 것들이다.
주방 기름때. 욕실 곰팡이. 창틀 오염. 분진. 스티커와 보양지. 짐 유무. 가전 내부 청소 여부. 폐기물. 고객이 원하는 청소 범위. 현장에서 추가금이 발생할 가능성. 작업자가 실제로 몇 시간 걸리는지.
이런 요소는 3D 모델만으로 충분히 판단하기 어렵다.
24평 집 두 개가 있다고 해도 하나는 신축 공실이고, 다른 하나는 오래된 구축에 곰팡이와 기름때와 창틀 먼지가 가득할 수 있다. 평수와 구조가 비슷해도 작업량은 완전히 다르다.
그러니까 3D는 “공간을 보여주는 기술”이지, 반드시 “청소 견적을 정확히 내는 기술”은 아닐 수 있다.
이 지점에서 처음 아이디어가 흔들렸다.
두 번째 문제: 고객이 사진을 제대로 찍어줄까?
자동화 아이디어는 보통 사용자의 협조를 전제로 한다.
고객이 집을 잘 찍어준다. 방마다 빠짐없이 찍어준다. 주방, 욕실, 창틀, 베란다, 후드, 곰팡이 부위를 잘 찍어준다. 흐릿하지 않고, 밝게, 필요한 각도로 찍어준다.
그런데 현실의 고객은 그럴 가능성이 낮다.
고객은 그냥 묻고 싶을 것이다.
“24평 입주청소 얼마예요?”
그런데 내가 만든 서비스가 이렇게 요구한다면?
“정확한 견적을 위해 집 전체를 한 바퀴 촬영해주세요. 주방 후드와 욕실 곰팡이, 창틀, 베란다, 가전 내부도 각각 찍어주세요.”
이건 고객 입장에서는 편리한 서비스가 아니라 귀찮은 서비스가 될 수 있다.
고객에게 새 행동을 요구하려면, 기존보다 훨씬 좋아야 한다. 그냥 조금 더 정확한 견적을 위해 더 많은 사진을 찍으라고 하면, 이탈할 가능성이 크다.
세 번째 문제: 청소업체 사장은 “내가 보면 되지”라고 말할 수 있다
가장 강한 반론은 이거였다.
“사진 몇 장 보면 내가 견적 낼 수 있는데, 왜 돈 내고 이걸 써요?”
청소업체 사장이 이미 카톡으로 사진을 받고, 평수별 단가표가 있고, 추가금 항목을 알고, 경험으로 대략 견적을 낼 수 있다면 AI 견적은 그렇게 강하지 않다.
사장님은 AI가 신기해서 돈을 내지 않는다. 돈을 내는 이유는 딱 하나다.
더 벌거나, 덜 잃거나, 시간이 확 줄어야 한다.
예를 들어 이런 게 증명되어야 한다.
- 현장 방문 견적을 월 20건 줄인다.
- 견적 상담 시간을 하루 1시간 줄인다.
- 잘못 낮게 잡은 견적으로 발생하는 손해를 월 50만 원 줄인다.
- 추가금 분쟁을 줄인다.
- 작업자 배정 오류를 줄인다.
- 사장이 직접 판단해야 하는 시간을 줄인다.
이런 숫자가 없으면 제품은 그냥 “있으면 좋은 기능”이다.
그리고 “있으면 좋은 기능”은 사업이 아니다.
네 번째 문제: 사람이 하는 일이 진짜 비효율인지 아직 모른다
처음에는 사람이 직접 보고 판단하는 과정을 비효율로 봤다.
하지만 나중에 생각해보니, 그 사람은 단순히 시간을 잡아먹는 존재가 아닐 수 있다.
그 사람이 하는 일은 단순 확인이 아니라 이런 역할일 수 있다.
고객을 안심시킨다. 가격을 설득한다. 추가금 가능성을 미리 방어한다. 현장 리스크를 확인한다. 고객 기대치를 조정한다. 작업자에게 전달할 정보를 수집한다. 작업 가능 여부를 판단한다. 사장의 마진을 보호한다.
그러면 질문이 바뀐다.
“사람이 필요한가?”가 아니라 “그 사람이 하는 일 중 돈을 벌어주는 일과 돈을 잡아먹는 일은 무엇인가?”
이걸 모르면 자동화는 위험하다.
자동화가 비용을 줄이는 게 아니라 신뢰와 계약률을 줄일 수도 있기 때문이다.
다섯 번째 문제: 이미 해결된 문제일 수 있다
이 과정에서 부동산 중개인 미팅도 했다. 청소 아이디어와 직접 같은 분야는 아니지만, 그 미팅은 큰 교훈을 줬다.
나는 부동산 중개 업무에도 수작업과 반복 업무가 많을 거라고 생각했다. 고객 관리, 매물 정리, 광고 등록, 사진 관리, 임대인 보고 같은 영역에서 AI 비서가 들어갈 수 있지 않을까 생각했다.
그런데 실제 미팅에서 소장님은 이미 전산을 쓰고 있다고 말했다. 필요한 고객과 물건은 전산에 기록하고, 직원이 많았을 때는 더 전산화해서 썼고, 지금은 둘이 운영하니 필요한 범위만 쓴다고 했다.
퇴거와 파손 증거도 비슷했다. 기본 제공 물품은 리스트를 만들고, 입주할 때 체크하고, 사진이나 영상도 찍어두며, 나중에 차이가 나면 그걸 증거로 제시한다고 했다.
내가 상상한 개인 비서형 기능도 이미 비슷한 프로그램이 있다고 했다. 광고 올리는 귀찮은 작업도 유료 자동화 기능이 있고, 전산 프로그램들이 계속 업그레이드되고 있다고 했다.
이 미팅에서 가장 크게 배운 건 이것이다.
현장이 귀찮아 보이는 일은 이미 누군가 돈 받고 해결하고 있을 가능성이 높다.
청소도 똑같이 봐야 했다.
청소업체도 이미 카톡 사진 상담, 평수별 가격표, 추가금 항목표, 현장 경험, 숨고나 미소 같은 플랫폼 요청서, 네이버 블로그와 리뷰, 전화 상담 스크립트로 충분히 굴러가고 있을 수 있다.
그렇다면 내가 만들려는 것은 혁신이 아니라 기존 방식 위에 얹히는 귀찮은 옵션일 수 있다.
여섯 번째 문제: B2C로 가면 플랫폼 전쟁이다
처음에는 이런 그림도 생각했다.
고객이 사진을 찍는다. AI가 견적을 낸다. 청소업체와 매칭한다. 나는 수수료를 받는다.
그런데 이건 바로 플랫폼 전쟁이다.
B2C 매칭 플랫폼이 되려면 기술보다 훨씬 많은 것이 필요하다.
고객 유입. 브랜드 신뢰. 지역별 공급자 확보. 리뷰. CS. 환불. A/S. 추가금 분쟁 대응. 예약과 결제. 품질관리. 광고비.
결국 고객은 이렇게 생각할 수 있다.
“그냥 숨고나 미소나 네이버에서 찾으면 되지.”
AI 견적이 있어도 양면시장 운영을 못 하면 사업이 안 된다.
일곱 번째 문제: 데이터 해자는 말처럼 쉽게 생기지 않는다
처음에는 데이터가 쌓이면 모델을 만들 수 있다고 생각했다.
사진이 쌓이고, 오염도 데이터가 쌓이고, 견적 금액이 쌓이고, 실제 작업시간과 인원 데이터가 쌓이면 견적 모델을 만들 수 있을 거라고 생각했다.
논리적으로는 맞다.
하지만 현실적으로는 질문이 있다.
처음 데이터를 누가, 왜, 얼마나 꾸준히 제공해줄 것인가?
좋은 견적 모델을 만들려면 이런 데이터가 필요하다.
사진과 영상. 평수. 방 구조. 오염도. 견적 금액. 실제 작업시간. 투입 인원. 추가금 발생 여부. 고객 불만. 재청소 여부. 최종 마진. 업체별 단가표.
그런데 청소업체가 이런 데이터를 다 제공해줄까?
특히 실제 작업시간, 마진, 추가금, 컴플레인 데이터는 민감하다. 업체가 굳이 나에게 줄 이유가 없다.
그러면 “데이터가 쌓이면 모델이 된다”는 말은 맞지만, 데이터가 쌓이는 구조가 없다.
이것도 큰 문제였다.
그래도 이 아이디어가 완전히 틀린 건 아니다
여기까지 쓰면 이 아이디어가 완전히 틀린 것처럼 보일 수 있다.
하지만 그렇지는 않다.
내가 처음 던진 질문은 여전히 유효하다.
현장 파악과 견적 판단 과정에서 사람의 시간과 이동 비용을 줄일 수는 없는가?
이 질문 자체는 좋다.
다만 제품의 정의가 잘못됐다.
처음 정의는 이랬다.
3D 청소 견적 서비스
이건 약하다.
더 나은 정의는 이거다.
청소업체의 견적 실패 비용을 줄이는 도구
즉, 핵심은 3D가 아니다. 핵심은 견적 실패다.
견적을 너무 낮게 잡아서 손해 본다. 견적을 너무 높게 불러서 고객을 놓친다. 사진이 부족해서 계속 다시 물어본다. 현장에 가보니 예상보다 심각하다. 추가금 때문에 고객과 싸운다. 작업자를 적게 배정해 클레임이 생긴다. 작업자를 많이 배정해 마진이 깨진다. 사장이 견적 상담에 너무 많은 시간을 쓴다.
이런 문제가 실제로 크다면 이 아이디어는 다시 살아날 수 있다.
다시 한다면 이렇게 접근해야 한다
이제 다시 이 아이디어를 본다면, 나는 “3D 모델링”부터 만들지 않을 것이다.
먼저 청소업체 10곳을 만나 이런 질문부터 할 것이다.
한 달에 견적 문의가 몇 건 들어오나요? 그중 현장 방문 견적은 몇 건인가요? 현장 방문 한 번에 이동 포함 몇 분이 걸리나요? 견적 상담에 하루 평균 몇 분을 쓰나요? 최근 한 달 안에 견적을 너무 싸게 잡아서 손해 본 일이 있나요? 손해 금액은 얼마였나요? 추가금 때문에 고객과 다툰 적이 있나요? 고객 사진이 부족해서 다시 물어보는 일이 많나요? 작업팀이 현장에 가서 “이 정도인 줄 몰랐다”고 한 적이 있나요? 지금 견적은 평수표로 하나요, 상태별로 하나요? 이 문제가 해결되면 월 얼마까지 낼 수 있나요?
이 질문에 대한 답이 중요하다.
만약 업체들이 이렇게 말한다면 가능성이 있다.
“견적 상담에 하루 1~2시간 씁니다.” “현장 방문이 너무 많습니다.” “사진만 보고 싸게 잡았다가 손해 봅니다.” “추가금 때문에 리뷰가 나빠질까 무섭습니다.” “작업자 배정이 틀리면 마진이 깨집니다.”
반대로 이렇게 말한다면 접어야 한다.
“사진 보면 제가 더 빨라요.” “평수별로 가격표 있어서 괜찮아요.” “현장 가서 추가금 받으면 돼요.” “고객이 사진을 잘 안 보내요.” “그런 것보다 고객을 데려와주세요.” “월정액은 싫어요.”
이 인터뷰 없이 제품을 만들면 또 상상이다.
이 과정에서 배운 것
이번 아이디어를 파고들면서 가장 크게 배운 건 이것이다.
고객이 불편해 보이는 것과, 고객이 돈을 내고 바꾸고 싶은 것은 다르다.
나는 처음에 “현장 파악을 사람이 한다”는 것을 비효율로 봤다. 하지만 실제로는 그 과정이 신뢰, 책임, 가격 설득, 리스크 흡수 역할을 하고 있을 수 있다.
나는 “3D로 보면 편하겠다”고 생각했다. 하지만 고객은 3D를 찍고 싶지 않을 수 있고, 업체는 이미 사진 몇 장으로 충분히 판단할 수 있다.
나는 “데이터가 쌓이면 모델이 된다”고 생각했다. 하지만 데이터가 쌓이는 구조가 없으면 아무것도 시작되지 않는다.
나는 “이런 건 아직 안 했겠지”라고 생각했다. 하지만 현장은 이미 전산화되어 있고, 누군은 이미 그 귀찮은 일을 해결하고 있었다.
아이디어는 상상 속에서 강해 보일 수 있다. 하지만 현장에 가까워질수록 부서진다.
그리고 아이디어가 부서지는 건 나쁜 일이 아니다. 오히려 부서져야 진짜 문제가 보인다.
지금의 결론
내 청소 아이디어는 완전히 틀린 건 아니었다.
사진, 영상, 3D, AI를 통해 청소 견적과 작업 배정을 더 빠르게 만들 수 있다는 생각은 여전히 가능성이 있다.
하지만 처음 생각했던 방식은 약했다.
“3D 청소 견적 서비스”는 기능이다. “청소업체의 견적 실패 비용을 줄이는 도구”가 사업에 더 가깝다.
이제 앞으로 아이디어를 볼 때는 이렇게 해야겠다고 느꼈다.
기술에서 시작하지 말 것. 불편해 보인다고 바로 사업화하지 말 것. 현장이 수작업일 거라고 가정하지 말 것. 이미 있는 시스템과 관행을 먼저 찾아볼 것. 고객이 실제로 돈을 잃는 순간을 찾을 것. 무료면 쓰겠다는 말에 속지 말 것. “있으면 좋다”가 아니라 “없으면 손해다”를 찾아야 할 것.
이번 아이디어는 아직 제품이 되지 않았다.
하지만 꽤 좋은 실패였다.
내가 얻은 결론은 하나다.
기술은 답이 아니라 가설이다. 사업은 기술이 아니라 고객이 돈을 잃는 지점에서 시작된다.
그래서 이 아이디어를 당장 만들지는 않는다. 대신 다시 물어볼 것이다.
청소업체는 정말 견적 실패 때문에 돈을 잃고 있는가?
그 답이 “그렇다”라면, 이 아이디어는 다시 살아날 수 있다. 그 답이 “아니다”라면, 이 아이디어는 깨끗하게 버리면 된다.
아이디어는 아깝다고 붙잡는 게 아니라, 현실에 부딪혀 살아남는지만 보면 된다.