2017.12.13

기업의 인공지능 적용 5단계

Ryan Anderson | InfoWorld
디지털 혁신(digital transformation)이 거의 모든 기업 전략의 핵심이 되고 있으며 이로 인해 임원들은 인공지능(AI) 등의 새로운 기술을 포용하고 전통적인 비즈니스 프로세스에 적용하게 되었다.


Credit: Getty Images Bank

하지만 AI가 만능은 아니다. 솔루션을 위해서는 데이터, 기술, 인프라, 인재, 비전을 조합해야 한다. 그리고 때로는 상황이 복잡해질 수 있다. 성공을 위해 많은 것들을 합쳐야 하는 복잡한 조합 프로세스를 적용하는 것과 다르지 않다. AI 도입을 위한 첫 여정을 위해서는 다음과 같은 5단계를 고려해야 한다.

1. 적용 계획하기
AI는 하나의 단일 기술이 아니라 여러 유형의 이점을 제공할 수 있는 일련의 다양한 기술 요소다. 스스로가 스테인레스 스틸 기구, 요리책, 식료품 저장실, 냉장고를 갖춘 지구상에서 최고의 테스트용 주방에 들어간다고 생각해 보자. 가능성은 무한에 가깝다.

기업 AI 혁신은 가치 창조를 위한 다양한 기회도 제공한다. 엄청난 양의 구조화된 데이터와 구조화되지 않은 데이터에 유용한 신호를 추출할 수 있는 새로운 도구가 매 주 생겨나고 있다. 하지만 선택권이 많으면 도리어 생산성이 저하될 수 있으므로 집중해야 한다.

범위를 설정하고 계획할 때 자신의 기대치를 한 문장으로 표현해야 한다. 2분 이내에 목표를 명확히 요약하거나 동료에게 설명할 수 없다면 문제가 될 수 있다. 초기 목표를 명확히 표현한 파트너들이 가장 많이 성공한다.

어디에서부터 시작할지 모르겠다면 기존의 KPI가 좋은 기준점이 될 수 있다. 예를 들어, 평균 고객 서비스 통화 시간을 몇 % 낮추려고 한다면 이탈을 줄이거나 단순히 기업의 데이터 잔재(Data Exhaust) 또는 소셜 미디어에 숨어 있는 신호(가치)가 있는지 파악한다. 명확히 명시하고 측정 가능한 목표를 찾는다.

2. 전문적인 지원 인력 배치
AI는 최신 기술을 활용하지만 이를 활용하고 훈련시키고 그 장점과 이점을 이해하는 사람에 의해 좌우된다.

AI에 뛰어들기 전에 회사에서 이미 일부 용량을 도입했는지 확인한다. 회사에서 이미 "컵케익(소규모 혁신 인공물에 대한 애자일(Agile) 용어)"을 적용했을 수 있다. 자신의 그룹이 AI 초보일 수 있지만 조직의 다른 부분들이 이를 두고 테스트 중일 수 있다.

개인적으로 시간을 들여 조직 전반의 사람들에게 접근하는 것은 훌륭한 투자다. 전화를 걸거나 슬랙(Slack)에서 핵심 용어를 검색한다. 몇 번의 키워드 검색으로 관심있는 커뮤니티와 대화를 신속하게 찾을 수 있다.

혁신 공간과 해커톤(Hackathon)이 조직적인 사일로(Silo)에 영향을 미치는 좋은 방법이 될 수 있다. 필자의 기업에 있는 자체 IBM 클라우드 개러지(Cloud Garage)는 학습과 공유를 자극하기 위해 설계된 공간이다. 여기에서는 2명의 개발자가 함께 설계하고 코딩(Coding)하며 테스트하는 동료 프로그래밍(Pair Programming) 같은 접근방식이 지식과 전문지식의 이전을 용이하게 한다.

AI의 경우 이 협업이 핵심이며 부주방장이 총 주방장으로부터 배우면서 지원을 제공하는 것과 같다. 케익 또는 코드를 공동 창조하면 지식 이전과 팀 구축이 이뤄진다.

3. 레시피(Recipe) 활용하기
레시피는 이전의 요리사가 어렵게 습득한 경험의 전형이며 때로는 수십 년에서 수 세기를 거슬러 올라간다. 최고의 프랑스 패스트리와 맛 좋은 태국식 카레는 수 년 동안의 테스트와 조정을 거쳐 맛있어진 것이다. 이것들은 훌륭한 시작점을 제공할 수 있다. 잠정적인 요리사의 경우 지시에 따라 따르고 실행한다. 더욱 모험심이 강한 요리사의 경우 대용품과 새로운 조합을 연구하고 테스트한다.

디자인 패턴과 기준 아키텍처는 AI의 레시피다. 기술에 생소한 팀들의 경우 추진력을 얻기 위해 간단한 성공을 빠르게 달성하는데 도움이 될 수 있으며, 이해당사자들이 비즈니스 니즈에 가장 적합한 서비스와 개발자 키트에 대해 합의하는데 도움이 될 수도 있다.
상황이 발전하면서 팀들은 대체품을 만들고 자체적인 레시피를 작성하며 더욱 실험적이고 혁신적이길 원할 것이다.

4. 재료 준비하기
전문적인 주방이나 집의 경우, 미즈 앙 플라스(mise en place), 즉 시작하기 전에 재료를 준비하고 모든 것이 제자리에 있는지 확인하는 것이 성공의 핵심이다. AI 이행 시 잘 준비하면 유사한 이점을 제공한다. 데이터가 나쁜지 여부를 파악하거나 IT 문제 때문에 해당 플랫폼을 필수 서비스에 연결할 수 없는지 등의 문제로 추진 속도가 느려질 이유는 없다.

보유하고 있는 도구, 인재, 데이터가 강력한 추진력이자 혁신의 촉매가 될 수 있다. 준비가 혁신을 가능하게 한다.

데이터를 예로 들어보자. 일반적으로 최고의 결과를 위해서는 기업 데이터에 대해 토론하고 정리하며 준비해야 한다. 데이터 준비(Data preparation)가 조직 전반에 걸쳐 이질적인 곳에 있는 구조화되지 않은 실시간 소규모 또는 대규모 데이터 세트 또는 경우에 따라 외부 데이터를 처리하는 것을 의미하는 경우가 많다.

특정 방법을 검증하거나 조직 내에서 기술 구축을 시작하는 것이 목표라면 처리할 기존의 코드와 사전에 준비된 데이터(때로는 공공 도메인)를 제공하는 여러 훌륭한 툴이 존재하며, 이것이 초기 혁신을 위한 "이지 버튼(Easy Button)"이 된다. IBM의 DSX(Data Science Experience)는 기사, 노트, 데이터 세트, 사용 지침 프로그램을 포함해 그 예시를 실행할 준비가 된 좋은 자원이 된다.

5. 제공하기 전에 테스트하기
완전히 준비되었는가? 테스트를 준비해야 한다. 애자일 조직은 프로세스와 절차가 설계한 대로 유효성을 유지하고 잘 정의하며 실행 가능하고 이행되었는지 확인하기 위해 정기적인 테스트와 감사가 필요하다. 단지 설정하고 잊는 것이 아니다. 테스트는 피드백 루프의 일환이며 과학적인 방법과 성공의 핵심적인 부분이다. 그리고 기본적인 학습 방법이기도 하다.

애자일 조직은 정적이지 않다. 지속적으로 개선할 기회를 추구한다. 시장 경쟁이 치열해지면서 AI 같은 기술이 필수적이게 될 것이고 시장에서 이런 점이 요구될 것이다.

유럽 은행인 크레딧 뮤추얼(Crédit Mutuel)은 5,000개 지점에서 IBM 왓슨(Watson) 기술을 도입하기 전에 먼저 20개 지점의 고객 상담원 150명을 대상으로 집중적인 1년 교육 시범 프로젝트를 완료했다. 크레딧 뮤추얼은 개선된 고객 서비스를 통한 고객 관계 강화라는 명확한 목표가 있었다.

시범 기간 동안 이 은행은 AI '레시피'를 각 위치에서 효과를 발휘할 수 있도록 개선할 수 있었다. 현재 프랑스의 크레딧 뮤추얼 지점에서 2만 명의 고객 상담원들이 왓슨 기반의 솔루션을 사용하고 있다.

AI가 기업과 더욱 광범위한 경제에서 디지털 혁신을 유도하고 있다. AI를 활용하는 디지털 혁신 전략을 도입하는 조직들의 경우 여기에서 얻은 교훈이 우수 사례에 대한 영감을 주고 성공을 확보하는데 도움이 될 수 있다. editor@itworld.co.kr
 


2017.12.13

기업의 인공지능 적용 5단계

Ryan Anderson | InfoWorld
디지털 혁신(digital transformation)이 거의 모든 기업 전략의 핵심이 되고 있으며 이로 인해 임원들은 인공지능(AI) 등의 새로운 기술을 포용하고 전통적인 비즈니스 프로세스에 적용하게 되었다.


Credit: Getty Images Bank

하지만 AI가 만능은 아니다. 솔루션을 위해서는 데이터, 기술, 인프라, 인재, 비전을 조합해야 한다. 그리고 때로는 상황이 복잡해질 수 있다. 성공을 위해 많은 것들을 합쳐야 하는 복잡한 조합 프로세스를 적용하는 것과 다르지 않다. AI 도입을 위한 첫 여정을 위해서는 다음과 같은 5단계를 고려해야 한다.

1. 적용 계획하기
AI는 하나의 단일 기술이 아니라 여러 유형의 이점을 제공할 수 있는 일련의 다양한 기술 요소다. 스스로가 스테인레스 스틸 기구, 요리책, 식료품 저장실, 냉장고를 갖춘 지구상에서 최고의 테스트용 주방에 들어간다고 생각해 보자. 가능성은 무한에 가깝다.

기업 AI 혁신은 가치 창조를 위한 다양한 기회도 제공한다. 엄청난 양의 구조화된 데이터와 구조화되지 않은 데이터에 유용한 신호를 추출할 수 있는 새로운 도구가 매 주 생겨나고 있다. 하지만 선택권이 많으면 도리어 생산성이 저하될 수 있으므로 집중해야 한다.

범위를 설정하고 계획할 때 자신의 기대치를 한 문장으로 표현해야 한다. 2분 이내에 목표를 명확히 요약하거나 동료에게 설명할 수 없다면 문제가 될 수 있다. 초기 목표를 명확히 표현한 파트너들이 가장 많이 성공한다.

어디에서부터 시작할지 모르겠다면 기존의 KPI가 좋은 기준점이 될 수 있다. 예를 들어, 평균 고객 서비스 통화 시간을 몇 % 낮추려고 한다면 이탈을 줄이거나 단순히 기업의 데이터 잔재(Data Exhaust) 또는 소셜 미디어에 숨어 있는 신호(가치)가 있는지 파악한다. 명확히 명시하고 측정 가능한 목표를 찾는다.

2. 전문적인 지원 인력 배치
AI는 최신 기술을 활용하지만 이를 활용하고 훈련시키고 그 장점과 이점을 이해하는 사람에 의해 좌우된다.

AI에 뛰어들기 전에 회사에서 이미 일부 용량을 도입했는지 확인한다. 회사에서 이미 "컵케익(소규모 혁신 인공물에 대한 애자일(Agile) 용어)"을 적용했을 수 있다. 자신의 그룹이 AI 초보일 수 있지만 조직의 다른 부분들이 이를 두고 테스트 중일 수 있다.

개인적으로 시간을 들여 조직 전반의 사람들에게 접근하는 것은 훌륭한 투자다. 전화를 걸거나 슬랙(Slack)에서 핵심 용어를 검색한다. 몇 번의 키워드 검색으로 관심있는 커뮤니티와 대화를 신속하게 찾을 수 있다.

혁신 공간과 해커톤(Hackathon)이 조직적인 사일로(Silo)에 영향을 미치는 좋은 방법이 될 수 있다. 필자의 기업에 있는 자체 IBM 클라우드 개러지(Cloud Garage)는 학습과 공유를 자극하기 위해 설계된 공간이다. 여기에서는 2명의 개발자가 함께 설계하고 코딩(Coding)하며 테스트하는 동료 프로그래밍(Pair Programming) 같은 접근방식이 지식과 전문지식의 이전을 용이하게 한다.

AI의 경우 이 협업이 핵심이며 부주방장이 총 주방장으로부터 배우면서 지원을 제공하는 것과 같다. 케익 또는 코드를 공동 창조하면 지식 이전과 팀 구축이 이뤄진다.

3. 레시피(Recipe) 활용하기
레시피는 이전의 요리사가 어렵게 습득한 경험의 전형이며 때로는 수십 년에서 수 세기를 거슬러 올라간다. 최고의 프랑스 패스트리와 맛 좋은 태국식 카레는 수 년 동안의 테스트와 조정을 거쳐 맛있어진 것이다. 이것들은 훌륭한 시작점을 제공할 수 있다. 잠정적인 요리사의 경우 지시에 따라 따르고 실행한다. 더욱 모험심이 강한 요리사의 경우 대용품과 새로운 조합을 연구하고 테스트한다.

디자인 패턴과 기준 아키텍처는 AI의 레시피다. 기술에 생소한 팀들의 경우 추진력을 얻기 위해 간단한 성공을 빠르게 달성하는데 도움이 될 수 있으며, 이해당사자들이 비즈니스 니즈에 가장 적합한 서비스와 개발자 키트에 대해 합의하는데 도움이 될 수도 있다.
상황이 발전하면서 팀들은 대체품을 만들고 자체적인 레시피를 작성하며 더욱 실험적이고 혁신적이길 원할 것이다.

4. 재료 준비하기
전문적인 주방이나 집의 경우, 미즈 앙 플라스(mise en place), 즉 시작하기 전에 재료를 준비하고 모든 것이 제자리에 있는지 확인하는 것이 성공의 핵심이다. AI 이행 시 잘 준비하면 유사한 이점을 제공한다. 데이터가 나쁜지 여부를 파악하거나 IT 문제 때문에 해당 플랫폼을 필수 서비스에 연결할 수 없는지 등의 문제로 추진 속도가 느려질 이유는 없다.

보유하고 있는 도구, 인재, 데이터가 강력한 추진력이자 혁신의 촉매가 될 수 있다. 준비가 혁신을 가능하게 한다.

데이터를 예로 들어보자. 일반적으로 최고의 결과를 위해서는 기업 데이터에 대해 토론하고 정리하며 준비해야 한다. 데이터 준비(Data preparation)가 조직 전반에 걸쳐 이질적인 곳에 있는 구조화되지 않은 실시간 소규모 또는 대규모 데이터 세트 또는 경우에 따라 외부 데이터를 처리하는 것을 의미하는 경우가 많다.

특정 방법을 검증하거나 조직 내에서 기술 구축을 시작하는 것이 목표라면 처리할 기존의 코드와 사전에 준비된 데이터(때로는 공공 도메인)를 제공하는 여러 훌륭한 툴이 존재하며, 이것이 초기 혁신을 위한 "이지 버튼(Easy Button)"이 된다. IBM의 DSX(Data Science Experience)는 기사, 노트, 데이터 세트, 사용 지침 프로그램을 포함해 그 예시를 실행할 준비가 된 좋은 자원이 된다.

5. 제공하기 전에 테스트하기
완전히 준비되었는가? 테스트를 준비해야 한다. 애자일 조직은 프로세스와 절차가 설계한 대로 유효성을 유지하고 잘 정의하며 실행 가능하고 이행되었는지 확인하기 위해 정기적인 테스트와 감사가 필요하다. 단지 설정하고 잊는 것이 아니다. 테스트는 피드백 루프의 일환이며 과학적인 방법과 성공의 핵심적인 부분이다. 그리고 기본적인 학습 방법이기도 하다.

애자일 조직은 정적이지 않다. 지속적으로 개선할 기회를 추구한다. 시장 경쟁이 치열해지면서 AI 같은 기술이 필수적이게 될 것이고 시장에서 이런 점이 요구될 것이다.

유럽 은행인 크레딧 뮤추얼(Crédit Mutuel)은 5,000개 지점에서 IBM 왓슨(Watson) 기술을 도입하기 전에 먼저 20개 지점의 고객 상담원 150명을 대상으로 집중적인 1년 교육 시범 프로젝트를 완료했다. 크레딧 뮤추얼은 개선된 고객 서비스를 통한 고객 관계 강화라는 명확한 목표가 있었다.

시범 기간 동안 이 은행은 AI '레시피'를 각 위치에서 효과를 발휘할 수 있도록 개선할 수 있었다. 현재 프랑스의 크레딧 뮤추얼 지점에서 2만 명의 고객 상담원들이 왓슨 기반의 솔루션을 사용하고 있다.

AI가 기업과 더욱 광범위한 경제에서 디지털 혁신을 유도하고 있다. AI를 활용하는 디지털 혁신 전략을 도입하는 조직들의 경우 여기에서 얻은 교훈이 우수 사례에 대한 영감을 주고 성공을 확보하는데 도움이 될 수 있다. editor@itworld.co.kr
 


X