Otis ONE·Micro-Pricing: Otis가 승강기 데이터로 수리 제안을 먼저 내고 가격을 가치별로 나누는 방식
Otis는 3분기 콜에서 Otis ONE 데이터를 쓰는 AI 엔진이 수리 제안을 먼저 만들고 기술자 추천과 영업 후속이 이를 받친다고 밝혔습니다. 고객 가치로 가격을 나누는 AI micro-pricing은 수리 매출에 먼저 반영됐고 수리 매출은 9% 늘었지만 AI 효과만 떼어 낸 수치는 아닙니다. 따라 할 때의 데이터, 효과 분리법, 12주 시범안을 붙였습니다.
Otis는 승강기 서비스 영업에 AI를 두 군데 넣었습니다. Otis ONE 데이터로 고객이 부르기 전에 수리 제안을 만드는 AI 엔진과, 고객이 받는 가치로 가격을 나눠 할인을 줄이는 micro-pricing입니다. 3분기 수리 매출은 9% 늘었지만 회사는 그중 AI가 만든 몫을 따로 밝히지 않았습니다. 따라 하려면 제안 건수, 수주율, 할인율을 처음부터 AI 적용 여부로 나눠 기록해야 합니다.
요약
Otis는 2026년 10월 28일 3분기 실적 콜을 열었습니다. Judith F. Marks 회장 겸 CEO는 준비 발언에서 내부 데이터 도구가 수리와 현대화(modernization, 낡은 승강기를 새 설비로 바꾸는 사업) 기회를 찾아 주고, 그 덕에 고객과 먼저 대화를 시작할 수 있다고 말했습니다. Melius의 Robert Wertheimer 애널리스트가 묻자 구조를 조금 더 풀었습니다. AI 엔진이 Otis ONE(고객 계약에 포함되는 Otis의 서비스) 데이터로 선제적 수리 제안을 만들고, 현장 기술자의 추천과 영업 조직의 후속 연락이 그 제안을 받칩니다. 앞으로는 영업 인력을 전문 분야별로 나누고 AI 기반 영업 도구를 더해 서비스 수요를 잡겠다고 했습니다. Marks에 따르면 고객은 Otis ONE의 예방 정비와 선제 수리가 예상 못 한 운행 정지를 줄여 준다는 점을 높이 삽니다. Otis ONE은 Rutgers 대학 프로젝트, 중국 Line 11 계약, 런던 99 City Road 프로젝트에 들어갔습니다.
숫자로 보면 서비스 부문 유기적 매출(환율과 인수합병 효과를 뺀 매출)이 7% 늘었습니다. 유지보수와 수리를 합치면 4%이고, 유지보수만 2%, 수리는 9% 늘었습니다. 2분기 수리 증가율은 12%였습니다. Cristina Mendez CFO는 수리에서 micro-pricing 전략이 실적으로 이어지는 것이 보인다고 했고, 분기 초에 쌓여 있던 수주 잔고(backlog)를 보면 예상했던 흐름이라고 덧붙였습니다. 수리 9%에는 잔고 소화, 가격, 현장 인력 보강이 함께 들어 있고 AI 효과만 떼어 낸 숫자는 공개되지 않았습니다. 유지보수 2%는 포트폴리오 증가 3%, 가격 3%에서 이탈과 믹스가 약 4%p를 깎은 결과입니다. 아래에서는 수리 제안 엔진, micro-pricing, 현장 배차 도구의 작동을 콜 발언으로 정리하고 같은 방식을 설비 유지보수 사업에 옮길 때 필요한 데이터와 효과 분리법, 일정을 덧붙였습니다.
핵심 메커니즘
Proactive Repair Proposal: 고객이 부르기 전에 수리 제안을 만드는 AI 엔진
이 엔진의 입력은 Otis ONE 데이터이고 출력은 고객에게 보낼 선제적 수리 제안입니다. Marks는 엔진과 함께 움직이는 두 가지를 들었습니다. 현장 기술자의 추천이 더해지고 영업 조직이 고객에게 후속 연락을 합니다. 준비 발언에서 말한 내부 데이터 도구도 같은 역할을 합니다. 수리와 현대화 기회를 찾아내 영업이 먼저 고객에게 말을 걸게 합니다. 어떤 신호를 보는지, 제안이 몇 건 나왔고 그중 몇 건이 수주됐는지는 콜에서 나오지 않았습니다. 따라 할 때는 유지보수 계약으로 이미 정기 방문하는 설비부터 고르는 편이 맞습니다. 계약 밖 수리가 따로 청구되는 구조라야 제안이 매출로 이어지기 때문입니다.
작은 예시(가상 예시): 사무 빌딩 승강기 6대 중 1대에서 문 닫힘 오류가 2주 동안 반복됩니다. 엔진이 문 구동부 교체 제안 초안을 만들고, 다음 정기 방문 때 기술자가 상태를 확인해 추천을 붙입니다. 영업 담당은 그 근거를 들고 건물 관리자에게 연락합니다.
Micro-Pricing: 고객이 받는 가치로 가격을 나눠 할인을 줄이는 방식
Marks는 AI 기반 micro-pricing이 가격 결정을 더 일관되고 규율 있게 만든다고 말했습니다. Evercore의 Alexander Virgo 애널리스트가 뜻을 묻자, 고객이 받는 가치를 기준으로 고객을 세분화하고 할인을 줄이는 것이라고 답했습니다. 효과가 나타나는 속도는 계약마다 다릅니다. Mendez는 수리에서 반영이 보인다고 했고, Marks는 중국의 유지보수 계약은 1년 넘게 이어져 효과가 나타나기까지 더 걸린다고 했습니다. 3분기 유지보수 매출에는 가격이 3%를 보탰습니다. Mendez는 가격을 이탈 방지, 유지율 개선과 저울질한다고 했습니다. 따라 한다면 건별로 견적을 내는 수리에 먼저 적용하고 다년 계약은 갱신 시점에 맞춰 차례로 넓힙니다.
Field Service Tools: 일정과 배차, 이동 경로를 맞추는 현장 도구
수리 제안이 늘면 그 일을 할 기술자와 배차가 받쳐 줘야 합니다. Otis는 일정, 배차, 기술자 이동 경로를 최적화하는 현장 서비스 도구를 확대하고 있습니다. 이동 시간을 줄여 생산성과 서비스 일관성을 높이려는 도구입니다. 3분기 생산성은 예상대로 대체로 제자리였고 개선 조치는 진행 중입니다. 인력도 함께 늘렸습니다. Mendez는 현장 인력 보강이 수리와 현대화 실행에서 보인다고 했고, 연말까지 기술자 수가 늘 것으로 봤습니다. 구체적인 숫자는 연간 실적 콜에서 밝힌다고 했습니다. Marks는 신규 기술자의 생산성과 서비스 품질이 좋아지고 있다고 했습니다. 채용은 유럽, 일본, 북미에 집중합니다. 북미 견습생은 여러 고용주가 함께 맺은 노조 협약에 따라 4년 동안 보조로 일하고, 다른 지역은 교육 기간이 더 짧습니다. 현대화 수요가 큰 지역으로 인력을 옮겼고 2분기에 문제였던 하도급 대체 인력 의존도 줄였습니다.
통념과 다른 주장
흔히 이렇게 봅니다유지보수 계약은 주로 가격 때문에 경쟁사에 넘어가므로 할인으로 지킨다.
Otis는 이렇게 봅니다Marks는 "It is predominantly a service quality issue"라고 했습니다. 가격 때문에 계약을 잃는 일은 드물고 대개 서비스 품질이 원인이라는 뜻입니다.
근거서비스 품질 지수는 지난 분기에 밝힌 7포인트 상승을 유지했고 목표 수준에 이르렀습니다. 유지율은 품질 개선보다 늦게 따라오며, Marks는 이탈이 2025년 말보다 나빠지지 않았다고 했습니다. Mendez는 이탈이 처음 예상보다 나빴지만 품질이 유지율로 이어지면서 나아질 것으로 봤습니다. Otis는 할인을 줄이는 micro-pricing과 서비스 품질 투자를 함께 진행하고 있습니다.
콜에서 나온 사례
| 사례 | 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|---|
| Otis ONE 계약 | 고객이 예상 못 한 운행 정지를 줄이고 싶어 함 | Rutgers 대학 프로젝트, 중국 Line 11 계약, 런던 99 City Road 프로젝트에 Otis ONE 포함 | 고객이 예방 정비와 선제 수리의 가치를 인정(계약별 수치 미공개) | Proactive Repair Proposal |
| 수리 가격 | 가격 결정을 더 일관되게 하고 할인을 줄일 필요 | 고객 가치 기준 세분화와 AI 기반 micro-pricing | 수리에서 먼저 반영, 수리 유기적 매출 +9%(AI 몫 미공개) | Micro-Pricing |
| 서비스 품질 | 계약 이탈 | 서비스 투자로 품질 지수 7포인트 상승 유지 | 목표 수준 도달, 유지율은 뒤따르는 중 | 통념과 다른 주장 |
| 현장 인력 | 2분기 하도급 대체 인력 의존 | 현대화 필요 지역으로 인력 재배치, 채용 확대 | 하도급 의존 축소, 인력 보강이 수리·현대화 실행에서 보임 | Field Service Tools |
기술 디테일: 같은 도구를 직접 만든다면
아래 데이터, 모델, 필드, 설정값은 실제로 돌릴 때 필요한 것을 정리한 실행 제안이며 Otis가 밝힌 구현이 아닙니다.
수리 제안 엔진을 돌리려면(Proactive Repair Proposal) 먼저 장비 한 대 단위로 데이터를 묶습니다. 입력은 운행 정지와 오류 코드 같은 장비 이벤트, 정기 방문 기록, 과거 수리 작업 지시, 그리고 계약 조건입니다. 계약 조건이 빠지면 계약에 이미 포함된 작업을 유료 수리로 제안하는 실수가 생깁니다. 판정은 매일 밤 장비별로 한 번 돌립니다. 같은 오류 패턴이 7일 중 3일 이상 나타날 때만 후보로 올리고, 후보는 과거 비슷한 패턴 뒤에 실제로 수리가 일어났는지를 학습한 순위 모델로 줄 세웁니다. LLM은 판정에 쓰지 않습니다. 기술자와 고객이 읽을 제안 설명문을 쓰고 비슷한 과거 작업 지시를 찾아 붙이는 데만 씁니다(temperature 0~0.2). 제안은 기술자 확인을 거쳐야 영업에 넘어가게 하고, 기술자가 반려한 사유를 다시 학습 라벨로 씁니다. 모델은 시작 전에 과거 데이터로 먼저 시험합니다. 2025년 기록으로 학습하고, 순위 상위 10% 장비에서 이후 60일 안에 실제 수리가 일어난 비율을 전체 평균과 비교합니다. 상위 10%의 비율이 평균의 2배를 넘지 못하면 신호 정의부터 다시 봅니다.
{
"unit_id": "EL-0412-03",
"building_id": "BLD-0412",
"signal_summary": "door_close_fault x9",
"evidence_window": "2026-11-01/2026-11-14",
"suggested_repair": "door_operator_replacement",
"covered_by_contract": false,
"rank_score": 0.81,
"similar_work_orders": ["WO-2025-3307", "WO-2026-0918"],
"technician_confirmed": null,
"technician_note": null,
"price_band": "B",
"sales_owner": "S-117",
"status": "await_technician",
"model_version": "repair-rank-v1"
}micro-pricing을 돌리려면 가격을 모델이 직접 정하게 하지 않고 세그먼트별 가격 밴드와 할인 상한을 내게 합니다. 세그먼트 기준은 건물 용도, 운행량, 정지 한 번이 고객에게 주는 불편의 크기, 계약 기간, 이탈 위험 점수입니다. 영업이 상한보다 큰 할인을 넣으면 승인 요청으로 넘깁니다. Mendez가 말한 것처럼 가격과 이탈을 함께 봐야 하므로, 이탈 위험이 높은 세그먼트는 가격 인상 폭을 따로 묶어 두고 세그먼트별 이탈률을 월 1회 점검합니다.
| 세그먼트(가상 예시) | 기준 | 가격 밴드 | 할인 상한 |
|---|---|---|---|
| A | 정지 영향 큼, 운행량 많음 | 표준가 | 3% |
| B | 일반 사무·주거 | 표준가 | 7% |
| C | 이탈 위험 높음 | 인상 보류 | 10%(승인 필요) |
배차 도구를 돌리려면(Field Service Tools) 하루 작업 목록, 기술자별 보유 기술과 근무 시간, 현장 위치, 고객이 정한 방문 가능 시간을 넣고 경로 최적화 솔버(예: Google OR-Tools)로 일일 경로를 짭니다. 수리 제안 엔진의 순위 점수를 작업 우선순위로 넘기면 두 도구가 이어집니다. 목적 함수는 총 이동 시간이고, 탐색 시간에 상한(예: 지점당 5분)을 둡니다. 결과는 기술자별 방문 순서, 예상 도착 시각, 기존 대비 이동 시간 차이를 담아 지점장에게 보냅니다.
AI 효과를 따로 재려면 처음부터 비교 그룹을 둡니다. 수리 9%처럼 잔고 소화, 가격, 인력 보강이 한 숫자에 섞이면 AI 몫을 나중에 나눌 수 없습니다. 지점 단위로 엔진을 켠 곳과 켜지 않은 곳을 나누거나, 같은 지점 안에서 장비 10%를 보류 그룹으로 두고 제안을 보내지 않습니다. 두 그룹의 장비 100대당 수리 수주 건수, 건당 금액, 할인율을 매달 비교합니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 계약 조건이 시스템에 없음 | 계약에 포함된 작업을 유료로 제안 | 계약서에서 포함·제외 항목을 먼저 구조화하고 covered_by_contract가 비면 제안을 막음 |
| 제안 과다 | 기술자가 확인을 미루고 영업이 무시 | 7일 중 3일 조건, 지점별 하루 제안 상한, 반려 사유 주 1회 검토 |
| 할인 상한을 피해 가는 영업 | 다른 항목 무상 제공으로 실질 할인 | 견적 전체 금액 기준으로 상한 계산 |
| 다년 계약 비중이 큼 | 가격 효과가 늦게 보임 | 갱신 시점 목록을 만들어 갱신 순서대로 적용, 수리부터 측정 |
| 효과가 다른 요인과 섞임 | AI 몫을 설명 못 함 | 보류 그룹과 지점 비교를 시작 전에 설계 |
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| 서비스 본부장 | 시범 지점 선정, 지표 승인, 확대 판정 |
| 지점장 | 기술자 확인 절차 운영, 배차 결과 검토 |
| 현장 기술자 | 제안 현장 확인, 추천과 반려 사유 입력 |
| 서비스 영업 | 확인된 제안으로 고객 연락, 견적과 수주 기록 |
| 가격·재무 담당 | 세그먼트와 가격 밴드, 할인 상한 확정, 이탈률 점검 |
| 데이터 엔지니어·분석가 | 장비 이벤트와 계약 데이터 연결, 모델 운영, 보류 그룹 비교 리포트 |
준비물. 시범 지점 장비의 최근 1년 이벤트 기록, 정기 방문과 수리 작업 지시 기록, 계약서의 포함·제외 항목, 최근 1년 수리 견적과 할인 내역, 계약 해지 기록, 기술자 명단과 보유 기술이 필요합니다. 기준선은 시작 전 4주치로 잡습니다.
| 기간(가상 예시) | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 데이터 연결, 계약 조건 구조화, 보류 그룹 지정 | 장비별 데이터 표, 기준선 |
| 3~6주 | 엔진이 제안을 만들고 기술자만 확인(고객 발송 없음) | 기술자 확인율, 반려 사유 목록 |
| 7~10주 | 확인된 제안을 영업이 고객에게 발송, 가격 밴드 적용 | 수주 건수, 건당 금액, 할인율 |
| 11~12주 | 보류 그룹과 비교, 확대 여부 결정 | 판정 보고서 |
현업에 물을 것.
- 지금 수리 영업은 어떤 계기로 시작되나요? 고객 요청, 기술자 보고, 정기 점검 중 무엇이 가장 많나요?
- 기술자가 발견한 수리 필요 사항은 어디에 어떤 형식으로 남나요?
- 계약에 포함된 작업과 따로 청구하는 작업은 어디에 정리돼 있나요?
- 수리 견적의 할인은 누가 얼마까지 결정하나요? 지난 1년 평균 할인율은 얼마인가요?
- 계약 해지 사유는 기록되나요? 가격과 서비스 품질 중 무엇이 더 많나요?
진행 판정 기준(예시). 실운영 4주 동안 다음을 채우면 둘째 지점으로 넓힙니다. 기술자가 확인한 제안 비율이 60% 이상이고, 엔진을 켠 그룹의 장비 100대당 수리 수주 건수가 보류 그룹보다 15% 이상 많아야 합니다. 수리 견적 평균 할인율은 기준선보다 낮아야 하고 같은 기간 계약 해지 건수는 늘지 않아야 합니다. 하나라도 못 채우면 원인을 찾아 4주를 더 봅니다.
AX 적용 제언. 승강기, 공조, 산업 설비처럼 설치된 장비에 유지보수 계약을 붙여 파는 회사라면 수리 제안 엔진부터 시작하는 편이 낫습니다. 이미 방문 기록과 수리 이력이 쌓여 있고 결과가 수주 건수로 바로 보이기 때문입니다. Otis처럼 기술자 확인과 영업 후속을 엔진 뒤에 붙여야 현장이 제안을 믿고 씁니다. 가격은 건별 견적인 수리에서 먼저 바꾸고 다년 계약은 갱신 순서대로 넓힙니다. 해지 사유가 가격보다 품질에 몰려 있다면 할인 예산을 품질 투자로 돌리는 안도 함께 따져 봅니다. 경영 보고에는 수리 매출 증가율만 올리지 말고 보류 그룹과 비교한 AI 몫을 따로 적어야 다음 투자 판단의 근거가 남습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 발표 | Otis 2026년 3분기 실적 발표 콜, 2026.10.28 (The Motley Fool 녹취) |
| 발언자 | Judith F. Marks(회장·CEO), Cristina Mendez(CFO), 질문 Robert Wertheimer(Melius), Alexander Virgo(Evercore) 등 |
| AI·디지털 | 내부 데이터 도구로 수리·현대화 기회 발굴, Otis ONE 데이터를 쓰는 AI 엔진의 선제적 수리 제안, 기술자 추천과 영업 후속, AI 기반 영업 도구 |
| Otis ONE | Rutgers 대학 프로젝트, 중국 Line 11 계약, 런던 99 City Road 프로젝트에 포함 |
| 가격 | AI 기반 micro-pricing, 고객 가치 기준 세분화와 할인 축소, 수리에서 먼저 반영, 중국 유지보수 계약은 1년 이상이라 효과가 늦음 |
| 현장 | 일정·배차·이동 경로 도구 확대, 3분기 생산성 대체로 유지, 유럽·일본·북미 채용, 하도급 의존 축소 |
| 서비스 품질 | 품질 지수 7포인트 상승 유지, 목표 수준 도달, 유지율은 뒤따르는 중 |
| 서비스 매출 | 서비스 유기적 +7%, 유지보수·수리 +4%(유지보수 +2%, 수리 +9%, 2분기 수리 +12%) |
| 유지보수 분해 | 포트폴리오 +3%, 가격 +3%, 이탈·믹스 약 4%p 감소 |
| 현대화 | 유기적 매출 약 +20%, 수주 +10%(고정 환율), 잔고 +20%(2025년 말 +30%에서 둔화), 마진 10% 목표에 근접 |
| 수익성·현금 | 서비스 영업이익 6억 3,300만 달러(고정 환율 기준 +2,000만 달러), 서비스 마진 24.2%(전년 대비 -130bp, 전 분기 대비 +100bp), 조정 잉여현금흐름 3분기 2억 7,200만 달러, 연초 누적 8억 3,400만 달러(+9%) |
| AI 효과 | AI 효과만 떼어 낸 수치는 공개되지 않음 |
핵심 개념
- Otis ONE
- 고객 계약에 포함되는 Otis의 서비스. 콜에서는 예방 정비와 선제 수리로 예상 못 한 운행 정지를 줄인다는 점이 고객 가치로 소개됐습니다.
- organic sales
- 환율 변동과 인수합병 효과를 빼고 본 매출 증가율입니다.
- backlog
- 수주했지만 아직 매출로 잡지 않은 일감. 분기 초 잔고가 크면 그 분기 매출이 그만큼 받쳐집니다.
- churn
- 유지보수 계약을 해지하고 떠나는 고객. 유지보수 매출 증가율을 깎는 요인입니다.
- mix
- 매출 구성 변화. 단가가 다른 계약의 비중이 바뀌면서 생기는 증감입니다.
- constant currency
- 고정 환율 기준. 환율 변동을 빼고 실적을 비교하는 방식입니다.
- bp
- basis point. 0.01%p입니다. 130bp는 1.3%p입니다.
내 메모
TODO: 내 생각 추가
원문은 The Motley Fool에 실린 「Otis (OTIS) Q3 2026 Earnings Call Transcript」(콜 2026.10.28)입니다. 요약, 핵심 메커니즘의 콜 내용, 통념과 다른 주장, 사례, 원문 사례 표는 Otis 경영진의 발언을 AX Review가 다시 정리했으며 효과와 수치는 회사 측 설명입니다. 수리 매출 9% 증가에는 잔고 소화, 가격, 현장 인력 보강이 함께 들어 있고 회사는 AI 효과만 떼어 낸 수치를 공개하지 않았습니다. 기술·현업 실행 디테일, JSON 예시, 가격 밴드 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 콜 전문은 원문 페이지에서 볼 수 있습니다.