One ELC: Estée Lauder가 공유 서비스 이관·프로세스 재설계와 AI를 한 운영 모델로 묶은 방법
Estée Lauder는 브랜드·지역마다 흩어진 운영을 One ELC라는 운영 모델 하나로 묶고 그 위에 AI를 얹었습니다. 공유 서비스는 10월까지 85%를 Accenture로 옮겼고, 사내 AI 비서 Ask ELC는 49개국 4만 5천 건 넘는 질문 중 90% 이상을 사람 없이 답했습니다.
Estée Lauder는 AI를 따로 떼어 낸 과제로 두지 않고, 브랜드·지역별로 겹치던 기능과 시스템을 먼저 하나로 묶은 뒤 그 위에서 AI를 돌렸습니다. 따라 하려면 공유 서비스 이관, 플랫폼 통합, 프로세스 재설계를 AI 도입과 같은 일정표에 올려야 합니다. 진척은 무인 응답률이나 출시 기간처럼 바로 셀 수 있는 지표로 확인합니다.
요약
Constellation Research의 Larry Dignan이 쓴 기사입니다. Estée Lauder의 1분기 실적 발표와, 이틀 뒤 중국에서 열린 Capital Markets Day 발언을 묶어 정리했습니다. 중심에는 One ELC(Estée Lauder Companies 전체를 하나의 운영 모델로 돌리는 계획)가 있습니다. CEO Stéphane de La Faverie는 이를 회사 운영의 “the backbone of how we are operating”이라고 불렀습니다. One ELC는 브랜드와 지역마다 중복된 기능을 없애고 글로벌 모범 관행을 표준으로 삼습니다. CFO Akhil Shrivastava는 그 범위를 문화, 시스템, 프로세스, 한 팀으로 설명했습니다. 이와 함께 PRGP(Profit Recovery and Growth Plan, 이익 회복과 성장 계획)가 돌아갑니다. PRGP는 총이익률, 공급망·재고 효율, 본사 기능 통합을 다루는 일회성 계획이고 효과는 대부분 FY2027까지 거둡니다.
진척은 숫자로 나옵니다. 공유 서비스는 Accenture를 전략 파트너로 정해 10월까지 85%를 넘겼습니다. 30곳이 넘던 미디어 대행사는 WPP 한 곳으로 모았고, 판매 운영의 80%와 매장 300곳을 FY2027까지 Shopify로 옮기는 중입니다. 사무직 1만 4천 명 이상이 Microsoft Copilot을 씁니다. 사내 AI 비서 Ask ELC는 49개국에서 4만 5천 건 넘는 질문을 받아 90% 이상을 사람 개입 없이 답했습니다. 마케팅은 통합 브리핑 모델로 90일 동안 캠페인 약 700개를 내보냈고, 글로벌 프로세스 230개 이상을 다시 설계했습니다. 회사는 FY2027 유기 매출 성장 전망을 3~5%에서 4~5.5%로 올렸습니다. 아래에서 이 전환을 움직인 장치 다섯 가지와 실제로 돌릴 때 필요한 디테일을 정리합니다.
핵심 메커니즘
One ELC: 일회성 절감 위에 계속 도는 운영 모델을 얹는다
One ELC는 비용 절감 프로젝트가 아니라 회사가 일하는 기본 틀입니다. 같은 일을 브랜드·지역마다 따로 하던 구조를 걷어 내고, 가장 잘하는 방식 하나를 글로벌 표준으로 씁니다. PRGP가 정해진 기간에 절감을 거두고 끝나는 것과 달리, One ELC는 계속 개선하고 절감분 일부를 성장에 다시 넣습니다. Shrivastava는 이를 조달, 조직 효율, 설계를 아우르는 지속적인 전환 플랫폼으로 설명했습니다. 마진 개선 원천으로는 원재료 가격, 운송비, 제품 투입물, 포장 설계, 재고 관리, 폐기물 제로 방식을 들었습니다. AI 과제를 이 틀 안에 넣으면 과제마다 따로 예산과 데이터를 확보할 필요가 줄어듭니다.
공유 서비스 이관과 글로벌 조달 모델: 뒷단 업무를 한 곳으로 모은다
Accenture는 기술 인프라와 기타 기업 서비스를 표준화하는 공유 서비스 파트너입니다. 10월까지 이관 대상의 85%가 넘어갔습니다. 조달도 같은 방향입니다. CTO 겸 최고 전환 책임자 Brian Franz는 구매 주문부터 공급사 지급까지를 글로벌 조달 모델 하나로 묶고 AI로 처리하겠다고 밝혔습니다. 목표는 지출 절감과 글로벌 물량을 앞세운 공급사 조건 개선입니다. 이관이 먼저 끝나야 업무 데이터가 한 형식으로 쌓이고, 그래야 AI가 한 번 만든 규칙을 전 세계에 적용할 수 있습니다.
Platform consolidation: Shopify 하나로 커머스 뒷단을 표준화한다
Shopify는 매장과 옴니채널 경험의 백엔드입니다. 기사에 따르면 Estée Lauder는 이 규모의 기업 중 Shopify로 표준화한 첫 회사 가운데 하나입니다. Franz가 밝힌 결과는 결제 완료율 12% 상승, Shop Pay 사용률 60%, 데이터·서비스·API 재사용에 따른 자본 지출 60% 감소입니다. 브랜드 사이트에 새 기능을 내는 데 걸리던 기간은 5~6개월에서 6~8주로 줄었습니다. 브랜드가 많을수록 뒷단을 하나로 두는 효과가 커집니다. 한 번 만든 기능을 브랜드마다 다시 만들지 않아도 되기 때문입니다.
Ask ELC: 직원의 일상 질문을 받아 답하고 다음 행동까지 안내한다
Ask ELC는 직원용 AI 비서입니다. 일상적인 질문에 답하고, 필요한 처리를 어떻게 하는지 단계별로 안내합니다. 49개국에서 4만 5천 건 넘는 질문을 받았고 90% 이상을 사람 개입 없이 처리했습니다. 사무직 1만 4천 명 이상에게 Copilot을 연 것도 같은 흐름입니다. Microsoft와는 통합 데이터 플랫폼 협력을 넓혔습니다. 리서치 문서와 데이터를 분석하는 사내 에이전트 ConsumerIQ도 Copilot Studio, Azure의 OpenAI 모델, Azure Functions로 만들었습니다.
Unified briefing model: 브리핑 양식 하나로 캠페인을 같은 길로 흘린다
Franz는 통합 브리핑 모델 덕분에 90일 동안 마케팅 캠페인 약 700개를 내보냈다고 밝혔습니다. 캠페인 요청을 같은 양식으로 받으면 제작과 미디어 집행이 같은 경로를 탑니다. 제작은 Adobe Firefly API로 일부 자동화하고, 미디어는 WPP 단일 파트너가 받아 오디언스 데이터와 측정을 한 루프로 돌립니다. 최고 디지털·마케팅 책임자 Aude Gandon은 소비자 인텔리전스, 문화·커머스 신호, 미디어 전환, AI를 묶은 성장 엔진을 설명했습니다. 데이터 쪽 원칙은 Franz가 말한 golden source(조직 전체가 믿고 쓰는 단일 기준 데이터)입니다.
통념과 다른 주장
흔히 이렇게 봅니다AI 도입은 별도 조직과 예산을 둔 과제로 시작해 성과가 나면 현업으로 넓힌다.
Estée Lauder는 이렇게 봅니다Aude Gandon은 AI를 성장 엔진을 키우는 능력으로 보고, 따로 떨어진 과제로 보지 않습니다. 회사 전체로는 AI를 One ELC 운영 모델 안에 넣어 돌립니다.
근거Franz는 캠페인 약 700개와 프로세스 230개 이상 재설계를 AI 단독 성과가 아니라 통합 브리핑 모델과 전환 전체의 결과로 소개했습니다. Franz가 꼽은 AI 우선순위 다섯 가지 중 첫째도 통합 커머스·데이터 기반을 다시 까는 플랫폼 전략입니다.
저자가 든 사례
| 사례 | 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|---|
| Ask ELC | 49개국 직원의 일상 질문 | 사내 AI 비서가 답하고 처리 방법 안내 | 4만 5천 건 이상, 90% 이상 무인 응답 | Ask ELC |
| Shopify 표준화 | 브랜드별 커머스 뒷단 | 매장·옴니채널 백엔드를 Shopify로 통일 | 기능 출시 6~8주, 결제 완료 +12%, 자본 지출 -60% | Platform consolidation |
| 마케팅 통합 | 대행사 30곳 이상 | WPP 단일 파트너, 통합 브리핑 | 90일 캠페인 약 700개, 프로세스 230개 이상 재설계 | Unified briefing model |
| 공유 서비스 | 기능 중복 | Accenture로 이관 | 10월까지 85% | 공유 서비스 이관 |
| ConsumerIQ | 리서치 문서·데이터 분석 | Copilot Studio 기반 사내 에이전트 | 원문에서 밝히지 않음 | Ask ELC 맥락 |
기술 디테일: Ask ELC 같은 사내 비서와 통합 브리핑을 직접 돌린다면
Ask ELC 같은 사내 비서를 만들려면 질문 하나를 입력(국가·언어·직무), 근거 검색, 응답과 행동 안내, 측정의 네 단계로 나눕니다. 49개국처럼 나라마다 규정이 다르면 검색 단계에서 국가 코드로 문서를 먼저 거릅니다. 그러지 않으면 다른 나라 휴가 규정으로 답하는 오류가 납니다. 답에는 근거 문서 링크를 붙이고, 근거를 못 찾으면 추측하지 말고 담당 큐로 넘깁니다. 모델은 사내 표준 클라우드(Azure라면 Azure OpenAI)에 맞추고 temperature는 0~0.2로 낮춥니다.
행동 안내의 권한은 좁게 시작합니다. 처음에는 비서가 직접 처리하지 않고, 직원 권한으로 열 수 있는 기존 시스템 신청 화면으로 바로 가는 링크만 줍니다. 처리 결과를 비서가 대신 기록하는 단계는 무인 해결률과 오답률이 안정된 뒤에 엽니다. 답은 질문한 언어로 쓰되, 근거로 붙이는 정책 문구는 해당 국가 문서의 원문을 그대로 보여 줍니다. 번역 과정에서 조건이 빠지는 일을 막기 위해서입니다.
무인 응답률을 셀 때는 정의를 먼저 고정합니다. 90%라는 숫자를 내부 목표로 쓰려면 “사람 티켓 전환 없음”만으로는 부족합니다. 같은 사람이 72시간 안에 같은 주제로 다시 묻지 않았는지도 함께 봐야 실제 해결에 가깝습니다. 로그는 아래처럼 구조화합니다(가상 예시).
{
"query_id": "q-000123",
"country": "FR",
"language": "fr",
"intent": "leave_policy",
"sources": ["policy/fr/leave-2026.pdf#p4"],
"answer_type": "answer_with_action",
"action": "open_leave_request",
"handoff": false,
"repeat_within_72h": false,
"user_rating": 4
}
통합 브리핑 모델을 시스템으로 돌리려면 브리프를 자유 문서가 아니라 필드로 받습니다. 예를 들면 brand, market, objective, audience, channel, budget, launch_date, assets_needed, kpi입니다. 필수 필드가 비면 제출이 안 되게 막고, LLM은 빈칸 채우기 제안과 중복 캠페인 탐지만 맡깁니다. 90일에 700개면 하루 7~8개꼴이라 사람 검토를 모든 브리프에 붙이기 어렵습니다. 예산 상위 20%나 신규 시장 건만 사람이 보고 나머지는 규칙으로 통과시키는 식으로 검토 대상을 고릅니다.
golden source를 세우려면 고객, 제품, 매장, 공급사처럼 여러 시스템이 함께 쓰는 마스터 데이터부터 한 곳을 기준으로 정합니다. Shopify 이전과 공유 서비스 이관이 이 작업의 기회입니다. 옮기는 시점에 코드 체계와 필드 정의를 통일하지 않으면, AI가 브랜드마다 다른 제품 코드를 따로 배워야 합니다.
실패하는 경우와 대응. 비서가 오래된 정책 문서를 근거로 답하면 문서마다 유효 기간 필드를 두고 만료 문서는 검색에서 뺍니다. 언어별 답 품질이 다르면 국가별로 질문 50개 평가 세트를 두고 월 1회 채점합니다. 무인 응답률이 갑자기 오르면 사람 연결 버튼이 숨겨졌는지부터 확인합니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 담당 | 하는 일 |
|---|---|---|
| 스폰서 | CFO 또는 최고 전환 책임자 | 일회성 절감과 지속 개선을 나눈 목표 승인 |
| 프로세스 오너 | 공유 서비스·조달 리더 | 이관 순서, 표준 프로세스 확정 |
| 비서 운영 | HR·IT 서비스 데스크 | 질문 유형 정리, 근거 문서 관리, 사람 연결 처리 |
| 마케팅 운영 | 디지털·마케팅 조직 | 브리핑 양식, 검토 기준, 대행사 연동 |
| 데이터 | 데이터 플랫폼 팀 | 마스터 데이터 기준 정의, golden source 관리 |
시작 전 준비물. 최근 3개월 서비스 데스크 티켓과 질문 로그, 국가별 정책 문서 목록과 개정일을 모읍니다. 브랜드·지역별로 중복된 기능 목록, 현재 캠페인 요청 양식 사본, 이관 대상 업무와 업무별 처리 건수도 필요합니다.
주간 운영. 매주 금요일 30분, 비서 운영 담당이 무인 해결률·사람 연결 건수·오답 신고를 프로세스 오너와 함께 봅니다. 오답 신고는 다음 주 월요일까지 근거 문서를 고치거나 해당 질문 유형을 사람 연결로 돌립니다.
확인 질문. 같은 업무를 브랜드·지역마다 따로 하는 곳은 어디인가? 직원이 가장 많이 묻는 질문 50개는 무엇이고 답은 어느 문서에 있는가? 캠페인 요청이 들어와 집행까지 몇 단계, 며칠이 걸리는가? 이관할 업무 중 데이터 형식을 먼저 맞춰야 하는 것은 무엇인가?
진행 판정 기준(가상 예시). 파일럿 2개국에서 세 조건을 모두 채우면 다음 국가로 넓힙니다. 무인 해결률(72시간 재문의 제외) 70% 이상, 근거 링크 정확도 95% 이상, 사람 연결 뒤 처리 시간 유지입니다. 브리핑 양식은 시범 4주 동안 필수 필드 누락으로 되돌아온 건이 10% 미만이면 전사에 적용합니다.
어디에 쓸까. 브랜드나 사업부가 여럿인 소비재·유통 기업이라면 AI 과제 목록을 따로 만들기 전에 중복 기능 지도부터 그리는 것이 순서입니다. 공유 서비스 이관이나 ERP 전환을 준비 중이라면 그 일정에 사내 비서와 마스터 데이터 정리를 함께 올립니다. 이관으로 문의가 몰리는 시점에 비서가 받아 주면 전환 저항이 줄고, 이관 뒤 쌓이는 표준 데이터가 다음 AI 과제의 재료가 됩니다. 성과 보고는 PRGP처럼 기한 있는 절감과 One ELC처럼 계속 도는 개선을 나눠 경영진에게 보여 줍니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | Constellation Research, Larry Dignan, 2026년 11월 14일 |
| 근거 행사 | FY2027 1분기 실적 발표, 이틀 뒤 중국 Capital Markets Day |
| 발언자 | CEO Stéphane de La Faverie, CFO Akhil Shrivastava, CTO 겸 최고 전환 책임자 Brian Franz, CDMO Aude Gandon |
| 실적 전망 | FY2027 유기 매출 성장 4~5.5%(종전 3~5%), FY2026 3%. FY2030까지 한 자릿수 중반 성장, 영업이익률 16.5~18.5% |
| 운영 | Accenture 공유 서비스 85% 이관(10월까지), WPP로 대행사 30곳 이상 통합, Shopify로 판매 운영 80%·매장 300곳 이전(FY2027까지) |
| AI | Ask ELC 49개국 4만 5천 건 이상, 90% 이상 무인 응답. Copilot 사무직 1만 4천 명 이상. ConsumerIQ(Copilot Studio, Azure OpenAI, Azure Functions) |
| Shopify 효과 | 결제 완료 +12%, Shop Pay 60%, 자본 지출 -60%, 기능 출시 5~6개월에서 6~8주 |
| 마케팅 | 90일 캠페인 약 700개, 글로벌 프로세스 230개 이상 재설계 |
| 기타 | MAC.com AI 에이전트(피부 톤·타입·날씨 기반 추천), Formula navigator, AI 재고 배분, Jo Malone AI Scent Advisor(Gemini, Vertex AI), Profound, Anaplan, SAP S/4HANA 전환 |
핵심 개념
- PRGP
- Profit Recovery and Growth Plan. 총이익률·공급망·본사 기능을 손보는 다년 계획으로, 회사는 일회성이라고 설명합니다.
- Shared services
- 여러 사업부가 따로 하던 지원 업무를 한 조직이나 외부 파트너에 모아 처리하는 방식입니다.
- Formula navigator
- 연구원이 제형 후보를 더 일찍 비교하게 해 시험 반복과 개발 기간을 줄이는 도구입니다.
- Agentic commerce
- AI 에이전트가 상품을 추천하고 ChatGPT나 Gemini 같은 LLM 안에서 장바구니 담기와 구매까지 이어지게 하는 판매 방식입니다.
- Profound
- 브랜드가 AI 답변과 추천에 어떻게 나오는지 추적하는 마케팅 플랫폼입니다.
- Decision intelligence
- Franz가 꼽은 AI 우선순위 중 하나로, 자연어 대화로 데이터를 묻고 판단에 쓰는 방식입니다.
내 메모
TODO: 내 생각 추가
원문은 Constellation Research의 Larry Dignan이 쓴 「Estée Lauder: A look at its AI and data transformation plan」(2026.11.14)입니다. 요약, 핵심 메커니즘, 통념과 다른 주장, 사례, 원문 사례 표는 기사에 나온 내용을 AX Partners가 다시 정리했습니다. 기술·현업 디테일의 처리 단계, JSON 필드, 브리프 필드, 일정, 질문, 판정 기준, 인포그래픽과 표는 실제로 돌릴 때 필요한 것을 새로 작성한 가상 예시입니다. 출시 기간 그림의 주 단위는 개월을 약 4.3주로 환산한 값입니다. 전체 내용은 원문에서 확인할 수 있습니다.