자기계발 건강정보 습관 공부방법

인공지능이란 무엇인가? 새삼스럽지만 중요한 질문입니다.

인공지능으로 어떤 비즈니스를 할 것인가? 많은 분들은 인공지능하면 대단한 사업일 거라고 생각하는 경향이 있습니다.

구글, 페이스북, 아마존, 애플과 같은 유명 거대기업들은 하루가 멀다하고 인공지능을 선보이고 있습니다. 그러나 냉정하게 봐야지요. 이 기업들은 제품을 팔아 먹기 위해서 혹은, 자신들의 서비스에 더 많은 시간을 쓰도록 인공지능을 이용하는 것일 뿐입니다.

여기에 함정이 하나 있습니다.

이런 거대기업들의 인공지능 서비스만을 인공지능으로 생각한다면, 우리는 아무 것도 할 수 없을지도 모른다는 겁니다.

인공지능은 인격체가 아니다

또 하나의 오류를 지적하고 넘어가야 합니다. 많은 분들은 인공지능이 로봇과 동일하다고 생각하기도 하고, 이제 인간이 할 수 있는 일이란 존재하지 않는다고도 생각할 수 있습니다. 그러나 영화 속 로봇을 인공지능이라고 생각한다면, 비즈니스에서의 활용법은 찾을 수 없을 것입니다.

인공지능을 활용하는 것은 '데이터 활용'이라고 생각해야만 합니다. 그렇습니다. 여기서도 많은 분들은 '데이터 활용'이 분석이라고 생각하실 겁니다. 하지만 이것도 아닙니다.

기업의 현실이 말해줍니다.

실제로 보면 데이터를 기반으로 의사결정을 하는 경우는 거의 존재하지 않습니다. 대부분은 의사결정을 먼저 내려놓고, 근거 자료를 위해 '데이터 분석'을 사용하는 경우가 많지요. 따라서 기업에서 분석 리포트가 어떤 가치를 창출하는 결과로 이어지는 경우는 극히 드물다는 것입니다.

그러니 우리는 '인공지능으로 무엇인가를 해야한다'는 생각에 매몰되어 있는 것은 아닐까요? 이 의문을 잘 고민해 보아야만 합니다.

인공지능이란 무엇인가?

이제 원점에서 다시 시작해 보겠습니다.

'인공지능은 무엇이다.'라고 쉽게 말할 수 있으면 좋겠지요. 그러나 대중적으로 합의된 '인공지능의 정의'는 존재하지 않습니다. 사람마다 각자의 배경 지식과 경험에 따라 인공지능을 다르게 생각한다는 뜻이지요.

따라서 부정적인 입장과 긍정적인 입장으로 나눌 수 있습니다. 우선 '인간과 기계의 대결'로 보는 부정적 입장이 있고, '인간의 도구'라고 보는 긍정적 입장이 있습니다.

인공지능은 경영학과 비슷하다

인공지능이 처음 만들어지기 시작했을 때부터 명확한 형태가 있었던 것은 아닙니다. 그렇기 때문에 많은 분들은 인공지능의 의미를 혼동하고 있는데, 특히 인공지능과 로봇을 동일시하는 경우가 제일 많습니다. 그러나 인공지능과 로봇은 분리하고 구분해서 인식해야 합니다.

'데이터 드리븐 비즈니스'라고 언급되는 사업영역들이 있습니다. 이것은 인공지능을 본격적으로 활용하는 경영방법을 말합니다. 이렇게 표현하면 데이터를 분석해서 이를 기반으로 의사결정을 한다고 말씀하시겠지만, 이런 행위의 중심에는 언제나 데이터가 아닌 인간이 있었다는 점을 주목하세요.

데이터가 이끄는 대로 결정하는 것이 아니라, 항상 데이터를 인간이 볼 수 있도록 만들고, 여기에 다시 인간의 주관적인 견해를 붙여서 결정해왔던 것입니다.

그리고 '데이터 드리븐 비즈니스'는 원래부터 그렇게 하는 것이 아닙니다. 머신러닝 (Machine Learning)과 딥러닝 (Deep Learning)이라는 것이 있는데, 데이터 드리븐 비즈니스에서 많이 사용되고 있는 인공지능은 바로 이 두 가지로 볼 수 있겠지요. 물론 이 개념도 혼용되고 있는 게 사실입니다.

머신러닝

컴퓨터가 데이터를 통해 '스스로 학습하는 것처럼'하는 기술입니다. 여기서 주목할 것은 '스스로'와 '학습하는 것처럼'인데, 머신러닝에서 인간은 컴퓨터에게 처리방법을 알려주지 않습니다. 대신 머신러닝은 충분한 데이터만 있다면 광범위하게 사용될 수 있고, 그래서 기업경영에서 최근 매우 중요한 자리를 차지하고 있습니다.

머신러닝의 종류

머신러닝에는 몇 가지 유형이 있습니다.

1) 우선 '지도 학습'으로 '예측하기'가 있는데, '경험 기반 타게팅'을 생각할 수 있고, 영화 마이너리티 리포트 처럼 범죄 예측 모형도 사실은 '지도 학습'이라고 봐야합니다.

2) '비지도 학습'으로 '이해하기'가 있는데, 이것은 컴퓨터에게 정답을 알려주지 않는 방법으로, 데이터에서 고객 세그먼테이션을 하는 경우가 해당됩니다.

3) 마지막으로 '강화학습'은 알파고에 사용된 알고리즘으로, 보다 강력한 실행 결과를 만들어 냅니다.

반면, 딥러닝은 머신러닝과는 약간 다릅니다. 엄밀히 보면 '머신러닝'의 하위 개념이지요.

즉, 딥러닝은 인공신경망의 일종입니다. 그러나 많은 분들은 머신러닝과 혼용하고 있기도 합니다. 딥러닝의 하위 분류로는 DNN, CNN, RNN, GAN이 있는데, 이 내용은 너무 깊게 들어가야 하니, 여기서는 생략합니다. (책에는 설명이 있음.)

빅데이터란 무엇인가?

인공지능은 데이터를 활용하는 것이라고 위에서 설명했습니다. 그렇다면 우리가 생각하는 빅데이터란 과연 무엇인가?

미디어에서는 '빅데이터 분석에 따르면' 이라는 표현을 많이 사용합니다. 물론 이런 표현이 늘어나게 된 이유가 있습니다. SNS 인기가 높았던 시기, 때 마침 '하둡의 실무 적용'이 진행 중이었지요. 그러다보니 자연어 처리 기술에 기반한 텍스트 마이닝 기법으로 SNS 텍스트를 분석했고, 그 결과가 '빅데이터 분석'이란 이름으로 대중에게 소개되었던 것 뿐입니다.

빅데이터는 방해만 될 뿐이다

그러나 빅데이터란 개념은 기업들에게 방해만 될 뿐입니다. '빅'이라는 말은 오해를 만들고 방향에 혼돈을 줍니다. 그리고 적절치 않은 기대를 만들어 주기까지 합니다. 사실 빅데이터 분석은 데이터 분석과 다르지 않습니다. 그럼에도 불구하고 많은 사람들은 빅데이터가 어려운 기술이기 때문에, 데이터 전문가의 영역이라고 생각하기까지 합니다.

빅데이터는 하나의 '기술'로 이해해야만 한다.

빅데이터는 분석할 대상이 아니라, 기술의 집합으로 인식해야 합니다. 기업 경영에서도 걸핏하면 빅데이터를 운운하는데, 이 말은 제한적으로 사용되는 것이 옳습니다.

우선 데이터 분석을 프로세스의 일부로 포함해야 합니다. 뒤에서도 나오지만, 데이터 분석을 통해 의사결정을 한다는 것은 맞지도 않고 실제 그렇게 하지도 않습니다.

데이터 분석은 컴퓨터가 더 잘합니다. 그러니 그것을 프로세스로 인식해야 합니다. 예컨대 금융업에서 인공지능으로 잘 알려진 '켄쇼'와 의학분야의 'IBM 왓슨'은 데이터 분석을 인공지능에게 맡긴 사례입니다. 그러므로 중요한 점은 데이터 분석에서 전통적인 시각을 이제는 버려야 한다는 것입니다.

미래를 예측하지 않는다

인공지능은 도구일 뿐입니다. 미래 예측이라는 거대 담론 적용은 적절치 않다는 뜻입니다. 실제로 인공지능을 이용한 예측은 미래를 향하지 않습니다. 그리고 미래에 대한 분석도 아닙니다.

예측 분석의 정확한 실체는 과거와 현재에 대한 분석입니다. 특정 고객이 특정 상품을 구매할 것인지 예측하는 것은 전적으로 과거의 데이터를 기반으로 할 뿐입니다.

따라서 인공지능을 도구로 인식하고 사용해야만 합니다. 이미 그렇게 시행하고 있는 기업들이 많습니다. 월마트 진열대 스캔 로봇은 2016년 10월 확대 적용되고 있습니다. 게다가 인공지능은 그림 그리기나 소설 쓰기 또는 작곡을 하기도 합니다. 모두 도구적인 사용일 뿐이지요.

물론 인간은 이 인공지능을 어떻게 통제할 것이냐를 계속 고민해야 할 것입니다. 그러나 인공지능을 도구로 이용한다면, 인간의 창작 능력은 비교할 수 없을 만큼 월등해질 것입니다.

경영의 방법을 바꿔라

데이터를 활용하기 위한 해법, 그것은 기술에 있지 않습니다. 인공지능을 대하는 기업의 현실부터 짚어 보겠습니다.

많은 분들은 아직까지 데이터를 분석해서 의사결정을 한다고 생각하실지도 모르겠습니다. 그러나 이 행위의 중심에는 데이터가 아닌 인간이 있습니다. 그리고 아무리 뛰어난 알고리즘이 있더라도, 현업 담당자가 이해하지 못하면 채택되지도 않습니다. 여전히 자기중심적이지요. 현업에서는 '데이터를 분석하자'라는 말을 주고 받는데, 말하는 사람과 듣는 사람 모두 서로 다른 생각을 하고 있는 것은 아닐까요?

이처럼 기업은 데이터에 대한 개념이 정확하지 않습니다. 그럼에도 불구하고, 구체적으로 생각하지도 않고, 그냥 구체적인 계획만 세우려고 합니다. 인공지능, 머신러닝 그리고 데이터 업무에서 지향하는 목표부터 세운다는 것이지요.

그러나 이렇게 구체적인 계획만 세우면 오히려 일이 되지 않습니다. 데이터 업무에서 계획은 통하지 않습니다. 구체적인 계획이 필요한 일과 그렇지 않은 일을 구분할 수 있다면, 데이터 업무는 구체적인 계획을 세우지 말아야 하는 업무입니다.

그렇지만 많은 기업들은 어떻게 하고 있나요? 관리자들은 협업과 KPI만 강조할 뿐 데이터를 모르고 있는 것은 아닐까요? 현업에서 데이터 전문가들은 현업 부서의 권한이 없으면 데이터에 접근하지도 못합니다. (KPI : Key Performance Indicator '핵심성과지표'는 비즈니스 목표에 대한 성과를 추적하는 데 사용되는 지수 측정. KPI는 비즈니스 성과에 대한 향상 또는 저하 여부를 지수로 측정)

심지어 어떤 데이터가 있는지도 모르는 것이 현실이지요. 이런 상황에서 협업은 너무나 먼 이야기일 뿐입니다. 게다가 매년 KPI를 설정해야 하는데, 데이터 업무는 매번 새로운 시도를 해야하기 때문에, 이게 적절한 것인지는 다시 한번 생각해봐야 합니다.

기업의 근본적인 변화는 늘 하향식으로만 가능했습니다. 이것은 지금까지의 기업의 역사가 잘 웅변해 주고 있지요. 상향식으로 이루어진 적은 거의 없다고 봐야겠지요. 따라서 데이터를 어떤 식으로든 활용하겠다고 결정했다면, 기업문화부터 바꿔야 한다는 것입니다.

GE의 구조조정에서 배울 점이 있습니다. 최근 GE가 비행기 엔진에 센서를 붙여서 새로운 사업을 추진하고 있는데, 여기에서 배울 점이 있습니다.

1) 신규 비즈니스와 데이터

GE는 산업장비 데이터를 분석해서 '산업 인터넷 플랫폼 신규사업'을 만든 것이 결코 아닙니다. 이 점에 주목할 필요가 있습니다.

많은 기업들이 '데이터 기반 신규사업' 또는 '머신러닝과 인공지능 기반 신규사업'이라 말하기도 하는데, 신규사업에 있어서 데이터 분석이 결코 먼저일 수는 없습니다.

2) 비전 제시 리더십과 기술에 대한 태도

당연하게도 2011년 GE의 제프리 이멜트 회장이 기업 변신을 선언했을 때, 내.외부의 시각은 곱지 않았습니다. 그러나 명확한 비전으로 실행에 옮겼다는 사실에 주목해야 합니다.

그리고 GE는 회사 소개자료에 기술을 언급하지 않고 있습니다. 기술이 중요한 게 아니라, 고객에게 어떤 효용가치를 줄 수 있는지가 중요하기 때문에 제일 먼저 언급하는 것이지요.

3) 관리가 아니라 새로운 도전을 해야한다.

GE는 원래 식스 시그마로 대표되는 관리 중심 경영을 했던 기업입니다. 하지만 GE는 패스트웍스를 도입했지요. 이 말은 데이터 업무에서 구체적으로 계획하고 엄격하게 관리하는 방법은 적절치 않다는 것을 인지한 결과일 것입니다.

어떻게 실행할 것인가?

인공지능 시대의 비즈니스 전략 - 무엇을 해야하는가?

1) 데이터 전문 조직을 만들어라

데이터 활용을 하려는 기업은 전문조직이 반드시 필요합니다. 여기에 해당하는 방법은 분산형, 중앙집중형, 혼합형 등이 있지요. 각 방법들은 여전히 장.단점이 있기 때문에 제대로 파악 후 실행이 중요하겠지요. 현재 상태에서는 기업의 데이터 관련자들은 단기 목표가 있을 경우에만 협업이 가능한 실정임을 고려할 필요가 있습니다.

2) IT부서와 데이터 부서는 다르다

아직도 많은 기업의 관리자는 데이터 업무를 IT부서에 부여하는 경우가 있더군요. 그러나 두 업무는 전혀 다른 성격을 가지고 있습니다.

우선 IT부서 업무의 중요한 가치는 '안정성'이지요. 반면에 데이터 부서의 중요한 가치는 '변화'입니다. 이렇게 서로 지향하는 가치가 다르기 때문에, 데이터 업무를 IT부서에 맡기면 안됩니다.

3) 현실적인 계획을 세워라

가장 기본적인 과제인데 데이터 사이언티스트, 현업 데이터 분석가, 데이터 기획자, 데이터 엔지니어, 마지막으로 데이터 스튜어드는 다른 직종입니다.(ㅎㅎ 종류도 많아라...) 그 차이를 파악하고 데이터 부서를 구성하되, 전문조직을 구성할 사람부터 먼저 채용해야 합니다.

그리고 실무적으로 데이터 업무는 기존 IT 업무와는 전혀 다른 방식으로 일해야 합니다. 여기에는 테스트 서버 운영을 비롯한 세부적인 사항들이 있는데, (너무 세부 내용이고, 글이 길어지니) 여기서는 생략하겠습니다.

인공지능 시대의 비즈니스 전략 국내도서 저자 : 정도희 출판 : 더퀘스트 2018.01.23 상세보기

<인공지능 시대의 비즈니스 전략>을 참고, 많은 부분을 베끼고 일부 요약했습니다.