뜨거워지는 AI 시장…IT 기업들의 차세대 먹거리는

미래에 도래할 기술들
지금까지 상용화 단계의 서비스를 소개했다. 그러나 이 밖에도 미래에 구현될 기술들이 많다.

예를 들어, 마이크로소프트는 몇몇 기업을 대상으로 다른 서비스들의 '프리뷰' 버전을 테스트하고 있다. 사진 속 사람 얼굴 표정에서 감정을 분석, 분노와 경멸, 모욕, 공포, 행복, 슬픔, 놀람 등으로 분류하는 이미지 분석 도구 이모션 API(Emotion API)를 예로 들 수 있다(셀카 사진을 보내 직접 시험해볼 수 있다).

이 밖에 회사의 음성 인식 도구가 있는데, 이는 기업들이 지역이나 환경에 맞춰 엔진을 조정할 수 있도록 개발되고 있다. 더 나아가 화자를 식별할 수도 있는 것으로 전해지고 있다.

챗봇에 사용하는 새로운 도구인 QnA 메이커(QnA Maker)는 콘텐츠에서 FAQ를 추출해 답을 제공할 수 있게 해준다. 아직까지는 결과물이 신통치 않다. 그러나 이는 QnA 메이커보다는 소스 문제일 확률이 높다. 아직 10억 개의 FAQ를 읽어 학습하지 않았다는 의미다.

구글은 3월 샌프란시스코에서 열린 구글 클라우드 넥스트(Cloud Next) 2017 컨퍼런스에서 명사나 동사를 검색해 관련된 비디오 클립을 찾을 수 있는 '클라우드 비디오 인텔리전스 API 프라이빗 베타 테스트(private beta test of its Cloud Video Intelligence API)'를 공개했다.

구글은 기업이 구글 전문가와 당문 문제에 머신러닝을 활용할 수 있도록 지원하는 캘리포니아 마운틴 뷰 소재 MLASL(Machine Learning Advanced Solutions Lab) 운영함으로써 향후 서비스 수요를 촉진시킨다는 계획이다.

이 밖에 구글은 최근 개최한 구글 I/O 행사에서 휴대폰용 텐서플로 라이트(TensorFlow Lite) 플랫폼과 머신러닝 워크로드 운영을 강화시킨 프로세서인 클라우드 TPU(Tensor Processing Unit)를 선보였다. 또 내부에서 사용하고 있는 일부 머신러닝 API의 세부 정보를 공개했다.

한편 AI를 연구하는 몇몇 대기업은 결과를 공개하고, 개발한 코드 상당수를 오픈소스 라이선스로 제공하려는 의지를 보이고 있다. 심지어 비밀 유지로 악명높은 애플조차 지난해 말 처음으로 AI 연구 보고서를 발표했다.

그러나 '중요한 보물'들은 공개되지 않는 경우가 많다. 이들 기업들의 여러 머신러닝 도구들과 클라우드 서비스는 모두 유용할 수 있지만, 훈련시키지 않은 신경망은 기업 입장에서 정규 과정을 마치지 않은 16살 직원의 역할 밖에 못한다.

이로 인해 구글과 페이스북, 아마존, 심지어 애플과 마이크로소프트도 커즈웨일이 말한 '10억 개의 보기'를 각자 수집하고 있다. 클릭한 검색 결과, 승인한 쇼핑 추천, 태그 한 사진, 요청한 스포츠 경기 결과가 데이터에 추가된다.

물론 10억 개의 보기가 필요없는 때도 있다. 훨씬 적은 데이터로 컴퓨터가 사람만큼 능력을 발휘할 수 있는 일들이 있다. 많은 일들이 적은 데이터로 충분하다. 특히 컴퓨터가 스스로 처리할 수 없는 상황을 사람에게 넘길 능력을 갖고 있다면 더욱 그렇다.

바로 옆에서 돕는 AI
AI에 기반을 둔 챗봇을 개발하고 있는 기업 상당수가 기대하는 지점이 여기다. 데이터 포인트가 10억 개에 훨씬 못 미치는 경우가 많다. 이들 기업들은 그러나 그러나 마이크로소프트 QnA 메이커 같은 서비스가 새로운 방식으로 고객에게 서비스를 제공할 수 있도록 도울 것이라고 믿고 있다.

관절염 의료 연구에 투자하고, 관절염 환자들에게 도움이 되는 정보를 제공하는 자선 재단인 영국의 애쓰리티스 리서치(Arthritis Research)도 이런 조직이다. 이 재단은 IMB 왓슨 컨버세이션(Watson Conversation) API를 이용, 관절 통증에 대한 질문에 대답하고, 통증을 완화시킬 방법을 제안할 가상 비서를 개발하고 있다.

이 재단은 두 가지 목표를 갖고 있다. 첫째, 전화 지원 인력의 업무 부담을 줄이는 것이다. 둘째, 향후 다른 서비스를 전달할 수도 있는 새로운 대화 채널을 만드는 것이다. 이 재단의 가상 비서는 지금까지 가장 흔한 50개 근골격 증상 질문에 대한 1,000여 개의 대답을 학습했다.

애쓰리티스 리서치의 슈리 라자니 커뮤니케이션 캠페인 매니저는 "의료 및 수술 치료, 식단에 대한 정보까지 제공할 수 있도록 성능을 향상시키고 있다"라고 설명했다.

재단은 약 300명의 사용자를 대상으로 한 1차 테스트를 포함, 초기 개발에 5개월이라는 시간을 투자했다. 그러나 아직 일반에 공개할 준비가 되어있지 않다. 현재 두 번째로 사용자 수용도를 테스트하고 있다. 이후 올해 말쯤 웹사이트를 통해 공개할 계획이다.

한편 문제가 됐던 요소 가운데 하나가 명칭이다. 처음에는 '애스크 애씨(Ask Arthy)'라고 불렀다. 그러나 이제 애쓰리티스 가상 비서(Arthritis Virtual Assistant)라는 새로운 이름으로 불린다. 영국의 개인정보 보호 정책때문이었다.

개인정보 보호 정책은 유럽 기업과 기관이 챗봇에 미국의 클라우드 서비스를 이용할 때 직면하는 위험 한 가지를 보여준다. 정책에 사용된 2,890 단어 가운데 약 460 단어가 아직 출시되지 않은 가상 비서에 대한 내용이다. 나머지 490 단어는 사이트 사용 약관과 관련된 경고다. 이 두 곳을 통해 사용자에게, 가상 비서에게 말한 모든 내용이 IBM의 미국 서버로 전송되며, 따라서 대화를 하면서 자발적으로 개인 정보를 말해서는 안 된다고 경고한다. 민감한 의료 관련 질문을 한다는 점을 감안하면, 꽤 미묘한 문제일 수 있다.

은행 및 금융 산업도 새로운 형태의 고객 서비스를 위해 머신러닝을 서둘러 도입하고 있다.

최근 액센츄어(Accenture)의 조사 결과에 따르면, 미국 은행 가운데 78%가 3년 이내에 자동화 시스템으로 더 사람 같은 경험을 전달하기 위해 AI를 이용할 계획을 갖고 있다. 또 76%는 AI를 이용해 자동화 등 기술을 (고객에게) 감추는 역량을 놓고 경쟁할 것으로 예상하고 있었다.

미국에만 해당되는 이야기가 아니다. 벨기에 은행인 BNP 파리바 포티스 또한 현재 400명의 고객센터 직원들이 처리하고 있는 질문들 가운데 일부에 대신 답을 할 수 있는 챗봇을 개발하고 있다.

이 은행의 소매 금융 총괄 책임자인 마이클 안시유는 최근 한 벨기에 신문과의 인터뷰에서 "고객이 사람과의 대화를 선호하는 경우에도, 챗봇은 직원들이 더 빨리 답을 찾아 제시할 수 있도록 도움을 준다"라고 강조했다. 또 사람과 머신이 이런 식으로 밀접히 협력할 경우, 훨씬 쉽게 머신의 성능을 향상시킬 수 있다고 그는 덧붙였다.

디지털 리즈닝(Digital Reasoning)을 창업한 팀 에스테스 대표는 "자동화 기술이 사람과 협력해 사람을 지원하도록 만드는 것은 사람으로부터 의사결정을 내리는 방법을 학습하는 인프라를 구축하는 것이기도 하다"라고 설명했다.

이 회사는 머신러닝 기법을 적용, 비즈니스 정보를 분석하고, 의심스러운 거래를 식별하고, 규제 준수 측면에서 위험한 직원들의 대화를 식별해 표시하는 신쎄시스(Synthesys)라는 제품을 보유하고 있다.

에스테스는 가까운 장래에, 컴퓨터 도움 없이 이런 '분류'와 관련된 결정을 내리는 것이 비경제적인 일이 될 것이라고 예상했다.

에스테스는 "머신에게 사람이 평가하는 패턴을 가르치고, 적용할 수 있다. 장기적으로 사람이 아예 관여하지 않는 방향으로 나갈 것이다. 2~3년이면, 사람을 대신하는 의사결정 분류 및 우선순위의 경우 머신러닝 시스템의 효과가 극대화 될 것이다. 머신이 지원하지 않는 분류가 비용 효과성이 높은 비즈니스 모델이 될 것으로 생각하지 않는다"고 말했다. ciokr@idg.co.kr