전세계 190개국 1억 3천만 명의 유료회원을 가진 세계 최대 동영상 서비스, 시가총액 1,600억 달러 (174조원)의 괴물 기업. 엔터테인먼트 산업에서 시장 판도를 가장 크게 변화시킨 미디어 브랜드, 넷플릭스를 탐구해보자.


매사추세츠 주 보스턴에서 태어나 보든 대학교에서 수학을 전공하고 스탠퍼드 대학교에서 컴퓨터 과학으로 석사학위를 받은 ‘리드 헤이스팅스’ 넷플릭스의 창업자.


어느 날 헤이스팅스는 비디오를 빌려보게 된다. 당시는 대여료를 내고 비디오를 빌려와서 시청한 뒤 정해진 기간 안에 반납하고, 반납이 늦어지면 연체료를 내는 시스템이었다.

그런데 헤이스팅스가 반납을 깜빡 했고 연체료를 무려 40달러나 내는데, 화가 난 헤이스팅스는 직접 비디오 대여사업을 해야겠다는 생각을 한다.


그렇게 빡쳐서 1997년 (큰 사건은 홧김에 우연히 생기는 일이라고…?) 만들어진 회사가 넷플릭스였다.

넷플릭스는 인터넷(net)과 영화(flicks)에서 따온 이름으로, 컴퓨터 과학을 전공한 헤이스팅스가 인터넷으로 영화를 유통하겠다고 애초부터 생각했기 때문이라고 한다.




처음엔 비디오를 우편 배달하는 사업으로 시작했다.

새롭게 등장한 미디어 저장매체인 DVD의 상용화가 시작됐는데, 헤이스팅스는 이 DVD에 완전히 꽂히게 된다. 왜냐? 무겁고 부피 크고 깨지기 쉬운 비디오보다 얇고 가벼운 DVD가 배달하기 쉬웠기 때문이다.


인터넷으로 대여 신청을 하면, 부직포 봉투에 담긴 DVD가 고객에게 배달되고, 반환은 가까운 우체통에 놓거나 자택 우편함에 넣으면 배달직원이 회수해가는 방식으로 운영했다.

이용요금은 대여료와 연체료를 받는 방식이 일반적이었는데, 헤이스팅스도 처음엔 이 시스템을 도입했다.


하지만 특별한 발전이 없자 파격적인 변화를 주는데, 바로 연체료를 없애버린 것이다.

대신 한 달에 20달러의 구독료를 받았으며, 한 번에 3개의 DVD를 빌릴 수 있고 대여기간은 반납 전까지 무제한. 하지만 다음 DVD 대여 전에 빌렸던 DVD를 반납해야 하는 방식이었다.


이런 구독시스템을 이용한 고객들은 아주 만족했고, 넷플릭스는 점차 성장하게 된다.

그 당시 미국 비디오 대여사업의 절대적 1인자는 블록버스터였는데, 이 회사는 2013년 파산하게 된다. 넷플릭스 때문은 아니고, 그 회사 자체적으로 엉뚱한 짓을 하다가 망했다.


경쟁 기업이 사라지고 나니 넷플릭스는 자연스레 업계 1위가 됐다.

DVD 대여 사업을 시작한지 10년을 넘기던 2007년, 넷플릭스는 OTT 서비스를 시작한다. 셋톱박스 없이 인터넷으로 볼 수 있는 동영상 서비스, 우리나라의 SK 브로드밴드, KT 올레TV, LG U+ 같은 셋톱박스가 있어야 동영상을 볼 수 있는 것과는 달리, 인터넷이 되는 곳이면 어디서든 볼 수 있는 서비스로 요즘 대세인 유튜브도 OTT에 해당한다.



고객들은 광고 때문에 시간 낭비하는 TV를 떠나 넷플릭스로 갈아타는 코드커팅 현상이 일어나기 시작했고, 2013년 유료회원은 미국 최대 케이블방송 HBO의 가입자 수를 넘어섰다.

지금은 전세계 1억 3천만 명의 유료회원을 가지고, 2018년 5월에는 세계 최대 미디어 기업인 디즈니의 시가총액을 뛰어넘기도 했다.


넷플릭스는 다른 경쟁 동영상 서비스에 비하면 콘텐츠 수가 적다. 하지만 사용자는 점점 더 늘어나고 있는데, 비결은 무엇일까? 바로 빅데이터를 적극 활용하고 있는 것이다.

시청자에게 영상을 본 뒤 별점을 매기게 하고 선호 영상을 분석해서, 다음 영상을 추천하는 알고리즘 시스템을 도입했다.


그 덕분에 쓸데없이 많은 콘텐츠보다는 적지만 유용한 콘텐츠를 확보하게 된다.

2013년 넷플릭스가 직접 제작한 드라마 ‘하우스 오브 카드 House of Cards’

이 드라마는 시청자들의 빅데이터를 분석해서 원하는 연출 스타일과 좋아하는 배우를 예측하는데, 데이비드 핀처 감독의 연출과 케빈 스페이시가 주연을 맡는 것을 시청자들이 좋아한다는 결과를 얻게 된다.


그리고 사람들은 주말에 드라마를 몰아서 보고 주변에 입소문을 잘 낸다는 사실을 파악하고, 한 시즌을 한꺼번에 몽땅 공개했는데, 드라마를 본 시청자의 85%가 만족하는 초대박 콘텐츠가 탄생했다.

이 때문에 ‘인공지능이 시나리오를 쓰는 것 아니냐?’라는 루머까지 등장했지만, 그것은 사실이 아니다.


하우스 오브 카드가 대박이 터지자 더 적극적으로 콘텐츠 제작에 나서기 시작했다.

2019년까지 매년 20편 이상의 자체 콘텐츠를 제작하겠다는 목표를 세웠다. 2014년에 제작된 마르코 폴로는 시즌 당 9천만 달러 (1천억원)를 투자한 드라마로, 이 정도면 HBO의 왕좌의 게임과 맞먹는 규모라고 한다.


넷플릭스의 영향력이 커져감에 따라 세계 곳곳에서 넷플릭스를 경계하는 목소리가 생겨났다.

칸 국제 영화제는 2018년부터 넷플릭스 영화를 상영하지 않기로 한 바, ‘영화란 극장에서 상영되어야 한다’라고 생각하는 사람들이 넷플릭스에서 만드는 영화를 영화로 인정해주지 않으면서 벌어진 일이다.


유럽연합에서는 넷플릭스나 아마존 등의 OTT 서비스에 유럽 현지에서 제작하거나 투자한 콘텐츠 비중을 30% 이상으로 맞춰야 한다는 새로운 규제안을 발표했고, 독일과 프랑스 등의 국가들은 현지 수익의 2%를 세금으로 납부해야 한다는 발표를 했다. 우리나라도 넷플릭스 규제가 시작됐는데, 국회는 방송통신발전기금을 내도록 하는 방안을 추진하고 있다.


이런 규제들 가운데서도 넷플릭스는 성장하고 있지만, 내년에는 넷플릭스에게 강력한 라이벌이 등장할 예정이라고 한다. 역사와 전통을 자랑하는 세계 최대 미디어 기업 디즈니.

디즈니는 MLB가 설립한 비디오 스트리밍 플랫폼 뱀테크를 인수했으며, 2019년부터는 자체 스트리밍 서비스를 출시할 예정이다.


그리고 이후 제작될 토이스토리4, 겨울왕국 후속편, 라이온킹 라이브 액션판 등 기대작들을 모두 유통할 계획이고, 자사 계열 브랜드 ESPN의 스포츠 영상도 스트리밍 할 예정이다.

독점 스트리밍을 위해 넷플릭스와의 계약은 중단할 것이라고 하니, 디즈니와 넷플릭스의 한판 승부는 어떻게 될까?


넷플릭스는 어떤 히든카드를 내밀지 앞으로의 관전 포인트다.


<Zattwo ZVS> <세상의 모든 지식>을 참고



중국 최대 전자상거래 회사 알리바바는 무지막지한 주문을 거뜬히 소화해 내고 있습니다. 사이트에 초당 32만 건의 상품 주문이 쏟아집니다. 이 많은 트래픽을 어떻게 처리할 수 있을까요? 만약 주문 처리를 제대로 못한다면, 인터넷 전자상거래에서는 고객과 소비자가 실망하는 지름길입니다.


어디 알리바바뿐이겠습니까? 세계 최대 전자상거래 업체인 아마존도 마찬가지입니다. 그 덕에 아마존 회장 제프 베조스는 빌 게이츠를 제치고 최고 갑부가 되었습니다. 그래서 미국 장기금리와 물가인상 우려로 미국 주식이 폭락하던 와중에도, 아마존 주가는 고개를 빳빳이 세울 수 있었습니다. 


전자상거래를 하는 경우 상품을 분류하고, 배송업체에 통보하고, 고객에게 주문 상황을 알리고, 이런 모든 과정이 물 흐르듯 진행돼야 합니다. 그렇다면 알리바바는 초당 32만 건 주문 처리를 어떻게 문제없이 감당할 수 있었을까요?



인터넷 상거래 업체가 제품을 팔려면, 그 예측을 올바르게 하는 것이 중요합니다. 이 과정에서 인공지능과 빅데이터 기술을 이용하는 것이 필수적이지요. 그런데 그런 많은 데이터를 처리할 수 있게 만드는 기술이 궁금해집니다.


그 비법이 바로 '클라우드 서비스'입니다.

알리바바가 자체 개발한 클라우드 컴퓨터 엔진 '압사라'는 전 세계 수백만 개의 서버를 하나로 연결합니다. 세계 최고 수준의 데이터 처리 성능을 보여주고 있지요. 전자상거래 업체 후발주자인 알리바바는 지난 10년간 클라우드가 미래를 선도한다고 믿고 투자를 했는데, 그 결실을 보게 된 것입니다.


알리바바는 정보기술 시대는 가고, 데이터 기술 시대가 온다고 믿었습니다. 그 믿음이 적중한 것이지요. 디지털 자료를 분석하기 위해서는 인공지능과 빅데이터 못지않게, 그 하부 구조로서 기초 인프라가 중요합니다. 그게 바로 클라우드 서비스입니다.


클라우드 컴퓨팅 없이는 디지털 산업 생태계가 꽃을 피울 수 없습니다. 그래서 세계 IT업계에서 지금 치열한 클라우드 전쟁을 벌이고 있습니다.


한 권으로 읽는 디지털 혁명 4.0의 저자, 기획재정부 조원경 국장은 이에 대해 이렇게 말합니다.

"공장에서도 인공지능을 통해 불량률을 낮출 수 있습니다. 수만 페이지의 문서를 단 몇 분 만에 분류하고 분석할 수 있지요. 인공지능이 똑똑하다고 이를 다 할 수 있는 것이 아닙니다.


인공지능의 분석을 뒷받침해주는 클라우드 기술이 앞서 나가야 인공지능이 제대로 분석하고, 인터넷 전자상거래 시장을 주도할 수 있는 것입니다. 그래서 클라우드 서비스가 무엇보다 중요합니다.



지금 인공지능 사업은 단순한 분석 활동을 넘어, 비즈니스 모델을 만들고 '소비자와 기업'이나 '시민과 정부'간의 상호 소통을 원활하게 하는 데 역점을 두고 있습니다. 인공지능이 데이터를 기반으로 더 똑똑해지려면, 클라우드가 더 지능적으로 발전해야 합니다."


자율주행차를 구현할 때를 예로 들어보죠. 차의 주변 상황 정보를 즉각 전달하기 위해서는 지능적으로 연결할 수 있는 기술이 필요합니다. 자율주행차, 클라우드, 지능형 브라우저 시스템이 제대로 연결되어야 하니, 더 스마트한 클라우드 서비스가 필요한 것이죠.


클라우드를 사용할 경우 이용자가 인터넷처럼 검색 사이트로 갈 필요가 없습니다. 주소창에서 검색이 가능한 맞춤형 브라우저만 있으면 됩니다. 인공지능이 고도화할수록 알고리즘도 복잡해집니다. 기존의 하드웨어로는 복잡한 알고리즘을 연산하는데 한계가 있습니다.


그래서 연산을 해야 하는 하드웨어의 성능이 높아져야 합니다. 제대로 연산작용을 도울 수 있는 클라우드 서비스가 필요한 것입니다. 알리바바가 전 세계에 걸쳐 자신만의 클라우드 인프라를 구축하려는 이유가 바로 여기에 있습니다.


알리바바는 이미 싱가포르와 일본에 데이터 센터를 구축했습니다. 아시아에서는 가장 대규모의 공공 클라우드 서비스를 제공하고 있는 것입니다. 알리바바의 클라우드 기술은 성능이 좋아, 영세한 중소업체에게도 도움이 되고 있습니다. 플랫폼 기업과 중소기업이 상생의 길로 가는 것이지요.


제대로 된 길이 있어야 유통이 원활해집니다. 클라우드 서비스는 그 길잡이 역할을 하고 있습니다. 그것을 통해 영세기업, 낙후한 중국 서부지역 목축업자들도 전자상거래 비즈니스 기회를 적극 활용할 수 있는 것입니다.


즉, 클라우드 서비스는 변방에 있던 사람들을 인터넷으로 끌어들이는 포용적 혁신기술입니다. 알리바바는 한국 중소기업의 중국 진출에도 적절한 데이터와 프로그램을 제공합니다. 알리바바가 중국에 진출하려는 중소기업이 활용할 수 있는 플랫폼으로 제 기능을 할 수 있는 것이지요.



기술의 중심에는 사람이 있어야 진정 인간적인 기술이라 할 수 있습니다. 그렇게 하려면 인공지능과 클라우드 서비스를 접목하여 많은 사람들에게 이로움을 주어야 합니다. 클라우드 서비스는 개인 컴퓨터처럼 소유하는 개념이 아닙니다. 모든 것을 갖춘 개인 컴퓨터가 없더라도 접속을 할 수 있습니다.


그래서 많은 사람들이 '소유'의 시대는 저물고, 다른 사람과 함께 '공유'하는 시대가 도래하고 있다고 말합니다. 공유의 공간에서도 충돌 없이, 서로 시간을 달리하여 경제적으로 사용한다면 비용을 절약할 수 있습니다.


인터넷 서비스에서 특정 시간에 부하가 많이 걸려 데이터 전송에 어려움이 있을 수 있습니다. 이러한 경우 회사가 클라우드 자원을 빌려서 직원들이 필요한 시간에 필요한 만큼만 사용하게 한다면 경제적으로도 효율적일 수 있습니다.


시스템 발주에서 구매까지 걸리는 시간을 생각하고, 효율적으로 클라우드 서비스를 임대하면 개별 회사의 서버는 필요 없고, 클라우드 서비스를 제공하는 업체를 통해 얼마든지 효율적으로 이용하며 대응할 수 있습니다.


값싼 단말기만으로 언제 어디서나 인터넷이나 필요한 자료에 접속할 수 있고, 인공지능의 딥러닝 분석에도 제대로 기능을 하는 클라우드 서비스. 이제 편리한 클라우드 서비스가 디지털 혁명의 비타민인 것을 그 누구도 부정할 수 없을 것입니다.


한 권으로 읽는 디지털 혁명 4.0
국내도서
저자 : 조원경
출판 : 로크미디어 2018.02.26
상세보기

조원경 저 <한 권으로 읽는 디지털 혁명 4.0>을 참고하였습니다.




지금까지 두번에 걸쳐 4차 산업혁명의 정의와 개념, 그리고 인공지능과 빅데이터에 대한 글을 올린 바 있는데, 오늘은 '사람의 역할'에 관한 것입니다.


"인간은 이제 어떤 일을 해야 하는 건가요?" 
기자가 물었고, 한 석학 (<전문직의 미래>저자 Daniel Susskind, 옥스퍼드대 교수)이 대답합니다. 

'두 가지 전략이 있다.' 
첫째는 기계와 경쟁하는 것 
기계가 현재 잘하지 못하는 부분을 사람이 담당하는 방법이다. 창의성이나 판단력, 대인관계를 활용한 일을 말한다. 

둘째는 기계를 만드는 것 
더 능력 있는 시스템과 기계를 설계하고, 조작하고, 이해할 수 있는 사람이 되는 방법이다.



첫째에 대해 다른 석학 (Jerry Kaplan, 인공지능학자, 스탠퍼드대 교수)이 덧붙입니다. 

인간이 기계보다 잘할 수 있는 것은 매우 많지만, 하나만 꼽으면 '표현하는 능력'을 펼치는 일이다. 어떤 곡을 연주하거나, 스포츠 경기를 뛰는 종류의 일을 말한다. 물론 로봇도 바이올린을 켜고 달리기를 할 수 있다. 그런데 누가 그걸 보고 싶어 할까? 

힘든 하루가 끝난 뒤, 로봇 바텐더에게 오늘 있었던 일을 털어놓으려 할까? 이런 면만 봐도 걱정할 게 없다. 인간만이 할 수 있는 일은 많다. 한편 한국의 한 창업가(김동호, 아이디인큐 창업가, 한국신용데이터)는 이렇게 말합니다. 

향후 수십 년 동안은 기계와 인간이 직접 경쟁하는 일은 일어나지 않을 겁니다. 경쟁의 양상은 아마도 새로운 기계를 잘 다루는 인간과, 그렇지 못한 인간 사이에서 일어나겠죠. 모두가 코딩을 해야 하거나 서비스를 만들 필요는 없습니다. 

하지만 시장을 바꾸는 서비스를 앞서서 써보고, 익숙하게 다룰 수 있어야 합니다. 그건 20년 전에 엑셀을 잘 다루는 것과 같을 거예요.


기자 5명이 뜻을 모아 '인간은 어떤 일을 해야 하는가?'라는 화두를 석학 4명과 한국의 뉴칼라 8명에게 물었습니다. 그 결과가 책 <새로운 엘리트의 탄생>에 담겨 나왔습니다. 

저자들은 블루칼라와 화이트칼라 다음으로, 사회를 이끌어나갈 사람을 '뉴칼라 New Collar'라고 이름 붙입니다. 뉴칼라는 인공지능 시대에 인간만의 가치를 창출하는 사람, 빠르게 변하는 일의 지형에서 자신의 영역을 앞서 개척하는 이를 뜻합니다. 

많은 사람들이 두려움을 가지며 물어봅니다. 
▷제 일자리는 안전한가요?
▷언제 로봇한테 일자리를 빼앗기게 될까요?

중요한 건 '지금 어떻게 대처해 나갈 것인가?'입니다. 
책에서 대니얼 서스킨드는 '훈련을 통한 직업 재배치'를 해결책으로 꼽습니다. 기계가 할 일과 사람이 할 일을 나누고, 사람들에게 새로운 교육을 해야 한다는 것이지요. 

이는 책의 저자들이 말하는 뉴칼라의 다섯 가지 조건 중 'Digital Litaeracy' 내용과 이어집니다. 디지털 리터러시란 생산 도구로써 컴퓨터를 활용하고 다루는 능력을 뜻합니다. 자동화되는 영역에서는 생산성을 높이기 위해, 우리는 시중에 나와있는 디지털 기술을 활용할 줄 알아야 합니다. 

예를 들어, 변호사는 초당 1억장의 판례 문서를 분석해주는 프로그램인 로스(ROSS)를 활용할 수 있어야 하고, 신문기자는 로봇이 사건 발생 5분만에 작성한 기사 초안을 다듬어 발행할 수 있어야 합니다. 


책 속에서 한 뉴칼라는, 정말 중요한 것은 '디지털 기술에 대해 심리적 장벽을 세우지 않는 것'이라고 조언합니다. 


동영상 콘텐츠로 유명해진 셀레브의 임상훈 대표는 '디지털 리터러시'가 높은 사람입니다. 그는 코딩과 웹디자인, 업무용 프로그램 설계를 스스로 해왔죠. 학교나 학원을 한번도 다니지 않았고, 혼자서 책이나 인터넷을 뒤져가며 지식을 익혔습니다. 

그가 말합니다. 
"오히려 기술은 아무것도 아니에요. 안목을 갖추는 것이 훨씬 어렵죠. 소비자가 무엇을 원하는지, 디지털 세계에서 어떤 것이 어디에서 소비되는지 같은 사항 말입니다. 프로그램은 그냥 해보면 돼요. 용기가 더 중요해요." 

다시 핵심 질문, '인간은 어떤 일을 해야 하는가'로 돌아가 봅시다. 
이 질문의 핵심은 '기계가 따라잡을 수 없는 인간만의 고유 역량이 존재하느냐'입니다. 많은 공학자와 경제학자는 '그렇다'라고 대답합니다. 

창의성, 공감 능력, 소통 능력은 인간의 고유 역량이라는 것이지요. 하지만 정반대의 주장을 펼치는 사람도 있습니다. 방식이 달라서 그렇지 기계 또한 무언가를 창조하고, 다른 사람의 감정을 읽을 수 있다고 합니다. 


저자들은 미래를 뜻하는 'Futures'는 단수가 아닌 복수로 쓰이는 만큼, 미래에는 여러 종류가 있다고 말합니다. 그래서 다양한 사람과의 인터뷰를 소개하지요. 

그 다양한 사람들이 말합니다. 
"미래는 정해져 있는 것이 아니라, 우리의 선택에 달렸다." 
'아직 준비할 시간은 남아있다'라고 합니다. 


당신은 어떤 일을 할 건가요?
기계와 맞서 싸우겠습니까? 기계를 만들겠습니까? 아니면 만들어진 기계를 활용하겠습니까? 

새로운 엘리트가 될 준비가 되었나요?

새로운 엘리트의 탄생
국내도서
저자 : 임미진 외 4인
출판 : book by PUBLY(북 바이 퍼블리) 2018.03.29
상세보기



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.)



인간의 도구일 뿐이다 - 실무적 차원에서 한걸음 더 들어가 보겠습니다.


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.



버즈워드 buzzword :

그럴싸하게 들리지만 정의하기 어렵고 의미가 애매모호한 키워드를 말한다. 금융 분야의 버즈워드로는 로보어드바이저, 비트코인, 블록체인, 크라우드펀딩 등이 있다.

이런 말을 들으면 IT의 신시대가 찾아왔구나 싶어 감탄할지도 모르겠지만, 구체적으로 설명해주지 않으면 뭘 말하는지 알 수가 없다.


컴퓨터 분야에서 버즈워드로는 유비쿼터스, 크라우드컴퓨팅, Web 2.0 등이 있다.


▶ 로보어드바이저 (robo-adviser) : 투자자에게 인공지능을 이용하여 자산관리나 자산운용에 대한 조언을 하는 체제나 서비스를 말한다. (최근에는 애플리케이션 상에서 조언하는 인공지능이 출현했다. 실제로는 빅데이터 분석 결과를 프로그래밍하여 보여주는 수준이다.)




최근 3년 동안 '핀테크'라는 말을 많이 들어왔다. 핀테크(Fintech)란 finance와 technology를 조합한 용어로, IT를 비롯한 새로운 테크놀로지의 발전에 따라 금융이 급격히 변화하는 흐름을 가리킨다.


오늘은 금융의 영역에서도 전혀 다른 두 가지 현상이 뒤섞여 논의되고 있는 듯하며, 이를 편의상 핀테크 1.0과 핀테크 2.0으로 구별해서 풀어본다.


핀테크 1.0


기존의 금융 서비스를 변화 없이 IT 기술을 이용해 업무 효율만 극대화하는 것. 결제, 투자, 융자, 보험, 회계 등의 틀은 그대로 두고 스마트폰이나 빅데이터 등을 사용해 쓸데없는 업무를 없애거나, 새로운 마케팅 기법을 활용하는 것이다. 이미 존재하는 기술을 활용해 효율을 높인 것으로 보면 된다.


모든 것이 기존 금융의 연장선에 있으므로, 현재 금융기관이 사용하는 핀테크란 거의 1.0이라고 할 수 있다. 어떤 비즈니스 모델을 설명할 때, 쉽게 이해할 수 있다면 핀테크 1.0이라고 보면 정확하다.


▷ AI를 활용해 투자를 최적화하는 로보어드바이저

▷ 스마트폰을 이용한 결제 방식

▷ 인터넷상에서 많은 사람의 자금을 모집하는 크라우드펀딩

등이 전형적인 예가 될 수 있다.



핀테크 2.0


기존의 만들어진 금융의 틀 자체를 무시하고 백지상태에서 재구축하는 유형. 2.0 서비스는 새로 만들어지는 개념이 많아 기존의 금융 지식이 풍부한 사람일수록 오히려 이해하기가 힘들다. 기존 틀에 적용해 판단하기가 매우 어려워서, 관련 서비스나 개념이 무엇인지 한마디로 표현하기 힘들다.


흔한 예로는 '비트코인'이 있다.

비록 가상통화라고 '통화'라는 이름은 붙어 있지만, 일반적인 통화와는 성격이 전혀 다르다. 달러나 원처럼 국가가 발행하는 화폐가 아닐뿐더러, 인터넷 은행처럼 관리자가 있는 것도 아니다.


통상의 금융 지식만이 아니라 게임이론, 암호이론, 개인 간 네트워크(P2P) 같은 전문 지식을 갖추고 있지 않으면 온전히 이해할 수도 없다.


2.0은 사회 기반을 완전히 재구축할 잠재력이 있다. 다만, 잠재력이 아직은 발휘되지 않았을 뿐이다. 기존 상식과는 너무나 다르게 운용되기 때문에, 경제계 주류의 사람들은 회의와 불안을 품고 바라보기 십상이다. (이런 증상을 2.0은 완전히 새로운 패러다임이라는 것을 입증하는 증거로 볼 수 있다.)


가상통화와 법정통화는 전혀 다른 시스템에서 운용되므로, 기존의 법정통화를 기준으로 가상통화를 평가하는 것은 의미가 없다. 같은 틀에 적용해서는 안 된다. 1.0과 2.0을 구분할 때도, 머릿속의 스위치를 '위쪽'과 '아래쪽'으로 전환하는 방식이 필요하다. 기존의 틀에서 생각을 전개하기 십상이라, 명확히 다른 식으로 구별하지 않으면 눈앞에서 일어나는 일조차도 올바로 인식할 수 없다.


무언가 새로운 것이 나오면 업계에서 통용되는 지식에 투영하여 바라보는 경향이 강하다. 가상통화도 금융업계 사람일수록 이해하기 어렵고, 사전 지식이 전혀 없는 젊은 사람들이나 일반인이 더 자연스럽게 받아들여 능숙하게 이용한다.


가상통화나 블록체인을 완전히 새로운 규칙에 따라 돌아가는 새로운 시스템으로 인식할 필요가 있다. 제대로 이해하고 활용하려면, 지금까지 알고 있던 것들을 스위치-OFF 후 접근하는 게 바람직하다.


21세기북스의 <머니 2.0>을 참고



4차 산업혁명이란 무엇인가? 오늘은 기본으로 돌아가 보겠습니다.

뉴스에서 말은 많은데, 이게 무슨 뜻이고 어떻다는 건지 우선 감을 좀 잡아 보죠. 그리고 이게 우리 삶에 어떤 영향을 미치기에, 모든 사람들이 이렇게 난리 법석을 떠는지 조금이나마 알아보겠습니다.


산업혁명이 뭔지는 대충 기억하고 계시지요? '과학기술의 혁신과 발전이 산업에 접목되면서, 사회, 경제적으로 엄청난 변화가 이루어지는 것'을 일컫습니다.


최초의 산업혁명은 18세기 말 영국에서 시작된 증기기관의 발명을 꼽습니다. 그것을 이용하여 사람의 노동력에 비해 엄청난 생산량을 낼 수 있는 기계가 만들어졌고, 이 혁신은 모든 것을 사람 손으로 직접 하나씩 만들어야 했던 이전까지의 생산방식을 완전히 바꿔버립니다.


그러다가 약 100년쯤 후 2번째 산업혁명의 물결을 맞이하게 되지요. 2차 산업혁명의 핵심은 전기에너지와 대량생산 방식 도입입니다. 공장이 전기를 이용해서 돌아가면서 생산량이 이전보다 훨씬 늘었고, 석유와 철강을 쓰는 자동차 산업과 같은 중화학 공업이 발전하면서 경제 규모도 그에 비례해 커지지요.


제3차 산업혁명은 한마디로 정보화 혁명입니다. 컴퓨터와 디지털 기술, 인터넷의 등장으로 우리의 삶이 다시 한번 획기적으로 바뀌게 됩니다. 여기까지는 대부분 아는 사실이지요. 이 다음에는 도대체 어떤 대단한 혁신이 이루어지길래 제4차 산업혁명이라 부르는 걸까요?



실제로 4차 산업혁명이 정확히 무엇이고, 우리 삶에 어떤 영향을 미칠지는 아직 전문가들 사이에도 의견이 분분합니다. 그렇지만 여러가지 정보통신기술들이 융복합하면서, 이전에는 없었던 엄청난 변화가 몰려올 것이라는 건 모두가 인정하는 사실이지요.


4차 산업혁명의 핵심 키워드는 초지능, 초연결, 그리고 자동화입니다. 컴퓨터나 스마트폰 뿐만 아니라 냉장고, 세탁기, 자동차 등 이 세상의 거의 모든 것들이 네트워크에 연결되고, 덕분에 사람들이 하는 모든 행동들이 데이터로 기록될 것입니다. 또 명령을 내리지 않아도 스스로 학습할 수 있는 똑똑한 인공지능이, 이렇게 쌓인 데이터 즉, 빅데이터를 기반으로 중요한 판단을 하게 되겠지요.


과거의 기계와 인공지능은 아주 제한적인 상황에서 주어진 명령만을 수동적으로 이행하는 수준이었지만, 이제는 인공지능이 알아서 운전을 하고, 회계 처리도 하며, 아픈 환자들을 진찰하고, 글도 쓰고 심지어는 그림을 그리거나 음악도 만들게 될 겁니다.


작년에 바둑에서 이세돌을 이긴 '알파고'가 무서운 이유는 동네 바둑학원을 없애기도 하겠지만, 스스로 학습하는 '딥러닝'이라는 똑똑한 인공지능의 출현을 인간세계에 알렸기 때문입니다. 이제 인공지능은 모든 영역에서 인간과 경쟁하게 될 것입니다.


사람이 기계를 이기는 건 힘들지 않을까요? 기계는 사람과는 달리 잠도 자지 않고, 밥도 안 먹고, 컨디션에 따라 기복도 없으며, 사람처럼 일하는 중에 딴 짓을 하지도 않지요. 그리고 기계는 사람보다 생산성이 월등히 높고, 싼 값으로 계속 부려먹을 수 있습니다.


사람이 기계보다 우월한 것은 스스로 생각하는 능력이 있다는 점이었는데, 이마저도 이젠 기계가 스스로 생각도 하게 될 거니, 과연 여러분이 회사 사장이라면 사람을 쓰겠습니까, 아니면 기계를 쓰겠습니까?


동물인 말을 예로 들어보죠. 예전에 말은 할 일이 많았습니다. 사람도 타고, 마차도 몰고, 전쟁터에도 나가야 했고, 밭도 갈아야 하는 처지였지요. 그런데 자동차가 등장하면서 말의 할 일은 거의 없어졌지요?

그렇지만 말은 지금도 여전히 잘 뛸 수 있고, 100여 년 전의 말과 지금의 말이 특별히 다른 점도 없습니다. 그냥 말을 필요로 하는 곳이 없으니 당연히 할 일도 없는 것이지요. 사람도 말의 처지와 똑같아 질 수 있는 것이겠죠.


학교에서 시키는 대로 열심히 공부하고, 학자금 대출 받아 대학 학위까지 어렵게 땄는데, 일할 수 있는 능력은 충분하건만, 쓸 곳이 없어지면? 무서운 생각이 들지요? 맞습니다. 모두 엿 되는 거죠.ㅎㅎ



정치인, 학자, 경영자 할 것 없이 모두가 한 목소리로 4차 산업혁명을 얘기하며 신경을 곤두세우는 근본적인 이유는, 3차 산업혁명까지는 그래도 노동에 사람의 판단력을 필요로 했지만, 이번에는 기계가 인간의 판단마저 대체할 수 있기 때문입니다.



얼마 전 하이야트 호텔에서 열렸던 연구발표회에서, 재단법인 파이터치연구원의 발표에 의하면, 한국에서 20년 내에 4차 산업혁명으로 사라질 일자리가 124만개 이상으로 추산됐습니다. 물론 사회가 변화하면서 새로운 직업들도 많이 만들어지겠지만, 시대 흐름에 맞춰 정부, 사회, 기업, 개인이 현명하고 발 빠르게 움직이지 않는다면 큰 위기가 닥쳐올 수도 있는 상황이지요.


4차 산업혁명으로 세상이 어떤 식으로 바뀔지 우리가 많은 얘기들을 할 수 있겠지만, 당장 피부에 와 닿는 한 가지만 덧붙여 보겠습니다. 자동차의 자율주행 이야기입니다.


사람 없이 인공지능이 알아서 운전하는 기술. 40여년 전부터 SF영화에서만 나오는 얘기였는데, 이젠 이미 우리 삶 속에 들어와 버린 미래가 되었습니다. 거의 모든 자율주행 자동차 회사는 2020년까지 그런 자동차를 상용화하겠다는 목표를 가지고 있습니다. 겨우 2년 남았지요.


각 국은 이에 발맞춰서 자율주행 자동차 가이드라인을 만들고, 관련 법을 개정하는 등 대비를 하고 있습니다. 운송수단이 사람 없이 홀로 움직이면, 단순하게는 면허 딸 필요가 없어져 좋겠지만, 이 세상은 어떻게 바뀔까요?


택시운전사, 버스기사, 화물차량 운전사, 지하철과 철도 기관사, 비행기 조종사 등 운송업에 종사하는 사람들은 일단 할 일이 없어질 겁니다. 물론 난폭운전, 졸음운전, 음주운전 걱정이 없어지는 AI운전사는 사람들보다 훨씬 안정적이겠지만, 절대 사람을 필요로 하지는 않을 것입니다.


자율주행이 상용화되면 버스나 지하철 처럼 노선이 정해진 운송수단부터 가장 먼저 그 영향을 받을 것입니다. 지금도 지하철 신분당선에는 기관사 없는 자율주행 전동차가 있습니다. 이런 시스템이 앞으로는 점점 확대 적용될 것은 뻔한 이치지요. 아마도 자율주행 시대의 대중교통은 24시간 운행되겠지요. 서울에서 술 먹고 막차 걱정은 안해도 되겠습니다만...


그리고 자율주행의 중요한 사항 중 하나는, 모든 자동차가 하나의 네트워크 시스템 안에서 움직일 것이라는 사실입니다. 도로 상황과 관련된 모든 정보가 네트워크 안에 존재하겠지요. 각각의 자동차들은 그 네트워크 안의 정보를 토대로 판단을 할 것이고, 이것이 모든 자동차에 적용된다면 교통체증이 거의 사라질 수도 있습니다.


또 지금처럼 개인이 자동차를 소유하면, 세금이나 주차난 등 온갖 비용이 발생합니다. 실제로 자동차는 대부분의 시간에 주차장에 멈춰 있는 게 당연하지요. 그러나 완전자율주행 시대의 도시에서는 자동차를 소유하는 것보다는, 공유하는 것이 훨씬 더 경제적이고 현명한 방법일 것이라는 게 많은 학자들의 견해입니다. 개인이 필요할 때마다 자율주행차를 불러서 타면 그만이니까요.


어떻습니까? 생각해보니 앞으로 바뀔 미래가 많이 기대되고 신나 보이시나요? 그런데 아직까지 완전자율주행 시대로 가려면 넘어야 할 산이 많이 남아있습니다. 기술도 더 개발해야 할 여지가 남았고, 인공지능이 윤리적인 딜레마를 마주했을 때 어떻게 판단하도록 프로그래밍을 할지, 쉽게 풀 수 없는 문제들이 많이 남아 있습니다.


자율주행이 보편화되려면 관련 법이나 도로 시설 등 사람의 운전에 맞춰서 만들어진 시스템들이 먼저 바뀌어야겠지요. 그러면서 택시운전사, 버스기사, 화물차 운전사 등 불가피하게 일자리를 위협 받을 사람들과 자율주행기술이 바꿀 세상 사이의 갈등과 간극을 어떻게 극복할 것인지, 함께 머리를 맞대고 소통하면서 고민해야겠지요.


자율주행에 대해서만 위에 썼는데, 4차 산업혁명의 영향권 내에 있는 모든 분야에 필연적으로 동반될 문제들입니다. 그러니 우리 정부도 대통령 직속 '4차 산업혁명 위원회'라는 기구를 설치해서 다가 올 큰 변화에 어떻게 대응해야 할지 고민하고 있는 것이지요. 추가로 궁금한 내용은 '4차 산업혁명 위원회' 홈페이지를 방문하셔서 둘러보시기 바랍니다.


4차 산업혁명이 우리에게 위기가 될지 기회가 될지는 아직 아무도 모릅니다. 인공지능이 인간의 미래를 어떻게 바꿀지를 놓고도 전문가들 사이에 의견이 분분합니다.


테슬라의 CEO 엘론 머스크는 인공지능 때문에 인간은 결국 다 망할 거라고 경고했고, 페이스북의 마크 주커버그는 인공지능은 인간의 삶을 더 낫게 변화시킬 것이라고 전망했습니다.


어느 쪽이 옳은지 속단하기는 힘들지만, 어쨌든 4차 산업혁명은 우리의 삶을 아주 획기적으로 바꿀 거대한 흐름인 것만은 분명해 보입니다. 인간은 4차 산업혁명 덕분에 아주 적은 노동만으로 여가를 즐기며 재미있게 살 수도 있고, 4차 산업혁명 때문에 설 자리를 잃고 빌빌대는 신세로 전락할 수도 있습니다.


제대로 준비하지 않으면 갑자기 불어 닥칠 변화는 큰 혼란을 만들 것입니다. 지금 이 순간이 굉장히 중요하다는 얘기지요. 그럼 우리는 어떻게 해야 할까요? 우리의 교육 시스템부터 완전히 뜯어 고쳐야 하지 않을까요? 언제까지 암기형 주입식 입시교육만 시킬 수는 없지 않겠습니까?


4차 산업혁명 시대에는 누가 그 많은 공짜 정보를 머릿속에 그냥 외우는지는 조금도 중요하지 않을 겁니다. 물론 지식과 정보는 필요하고 중요하지요. 하지만 정보를 얻고 싶다면 인터넷에서 검색하면 됩니다. 그 대신 그 정보를 토대로 어떤 신박한 생각을 하는 지가 중요해지겠지요.


'창의적인 사고를 할 수 있는 능동적 시민 만들기' 이것이 우리 교육의 목표가 되어야 하는데... 아무튼 잘 되기만을 빌어봅니다.


이젠 4차 산업혁명이 어떨 것인지 조금 감을 잡으셨나요? 항상 응원합니다.

글이 조금 도움이 되셨다면 구독과 함께 친구에게 공유하셔서, 좋은 글 올리도록 힘을 보태 주세요~ '좋아요'와 왼편 상단의 'RSS FEED 구독'을 눌러 주세요. 고맙습니다!



+ Recent posts