2017.12.27

2018년 데이터 및 AI 트렌드 : 딥러닝, 데이터 거버넌스, 챗봇을 통해 과장 광고가 현실이 되다

Tom Macaulay | Computerworld UK
2017년에 인공지능은 어디에서나 화제가 되었지만, 기계들의 세상이 되리라는 약속은 아직 실현되지 않았다. 화제성에 비해 실제 활용이 어느 정도 제한되었었다면, 2018년에는 달라질 것으로 보인다.

과장 광고가 현실이 되다
기업들은 이미 AI에 거액을 투자하고 있지만, 대부분은 아직 성과를 보지 못했다. 포레스터(Forrester)에 따르면, 55%의 기업이 아직 AI로부터 가시적인 사업 성과를 거두지 못했으며, 43%는 투자의 성공 여부를 판단하기에는 시기 상조라고 보고 있다고 한다.

“AI 밀월 기간은 끝났다(The Honeymoon For AI Is Over)”라는 포레스터 보고서의 공동 저자 중 한 명인 미셸 고에츠는 “그 동안 많은 실험과 개념 증명이 있었지만, 현실은 이제야 AI가 무엇이고, 무엇을 할 수 있으며, 이러한 새로운 지능형 시스템 구축에 무엇이 필요한지 깨닫기 시작하고 있다”고 지적했다.

고에츠는 기업들이 기술에 투자할 때 명확한 사업 목표를 염두에 두어야 한다는 점을 파악하기 싲가했다고 덧붙였다. 이 과정에는 기업 소유주, 데이터 과학자 및 기술자들 전원이 참여해야 한다.

고에츠는 “기술의 기초를 어떻게 닦을지 뿐만 아니라 이를 통해 어떤 사업이 가능할지 고민하는 전문가를 갖추지 않으면 안될 것이다. 단순히 소규모 점진적 가치에 그치지 않는 목표를 정의할 수 없다면, AI에 대한 기회 비용이 너무 커서 투자 수익을 실현할 수 없을 것이다”라고 평가했다.



AI 관련 신흥 사업
얀덱스 데이터 팩토리(Yandex Data Factory) CEO 제인 자발리쉬나도 고에츠와 의견이 같다. 그녀는 고급 데이터 과학에 대한 이해가 늘어남에 따라 디지털 위주 회사뿐만 아니라 전통적인 업계에도 성과가 날 것이라고 보고 있다.

그는 “그들은 흥미진진한 기술 투자가 전부가 아니며, AI는 사실 실용적인 사업 도구임을 이제 깨달았다. 2017년이 AI의 가능성을 탐색하는 한 해였다면, 2018년은 실질적으로 활용되는 한 해가 될 것이다. 단순히 로봇 비서나 체스와 바둑 대결에서 인간을 이기는 것으로 생각하던 AI의 개념을 우리가 바꾸게 될 것임을 의미한다. ‘보이지 않는 AI’를 보게 될 것”이라고 전망했다.

이 ‘보이지 않는 AI’란 석유, 가스 업계와 같은 전통적인 기업들의 공정을 최적화하기 위해 머신러닝을 적용하는 것이다.

이들 기업들은 과거 데이터를 분석함으로써 장비 작동 방식을 보다 정확하게 예측할 수 있는 모델을 만들 수 있다. 그 뿐만 아니라 유지 보수는 어떻게 해야 하고, 효율을 높이려면 어떤 곳에 변화를 주어야 하는지 실시간 추천도 받을 수 있다.

엣지에서의 분석과 IoT 센서가 성장함에 따라, 산업용 AI도 활용이 더욱 쉬워지고 있다. 이제 장점들이 널리 알려지고 있기 때문에, 신기술 수용에 주저하기로 유명한 다른 업계에서도 자신들의 사업에서 얻을 수 있는 가치를 이해하기 시작하고 있다.

조사, 행정, 컨설팅 서비스 등 고객 정보를 기반으로 결과를 공개하거나 추천을 해주는 부분 역시 심각한 붕괴에 직면하고 있다.

고에츠는 “많은 붕괴를 목도하게 될 것”이라고 전제하면서, “왜냐하면 기계들은 방대한 양의 다른 여러 종류의 정보를 보고 이를 훨씬 더 빠른 속도로 한데 모은 후 인간이 할 수 있는 것보다 훨씬 더 빠르게 더 많은 통찰력을 얻어낼 수 있기 때문”이라고 설명했다.

데이터에 집중
데이터 과학은 2017년에 크게 발전했지만, 부실한 데이터 품질이 그 잠재력에 걸림돌이 되고 있다. 따라서, 데이터 과학자들은 데이터를 준비하고 품질이 부실한 것을 걸러내는 데 과도하게 많은 시간을 소비하는 경우가 많다.

분석 및 소프트웨어 제공업체인 인포긱스(Infogix)의 프리세일즈 수석 부사장인 라비 라오는 “2018년과 그 이후에 해결해야 할 실질적인 분야 가운데 하나는 빅데이터 활동과 분석 활동의 공식적인 일부가 데이터 품질에 집중되어야 한다는 점”이라고 밝혔다.

이어, “그러한 관점에서 보면, 데이터 거버넌스는 나중에 보충해 넣거나 가정하는 것이 아니라, 모든 분석 활동의 일환으로 중대한 공식 고려 사향이 될 것이라고 본다”고 말했다.

라오는 데이터 거버넌스가 2018년에 더욱 자동화될 것으로 보고 있다. 새로운 데이터가 자동으로 업데이트됨에 따라 이를 위해 새로운 시스템이나 새로운 데이터 집합에 제어 장치가 있어야 하기 때문이다.

그는 “이는 향후 필수적인 기술 과제가 될 것”이라면서, “이 부분에서 AI나 머신러닝이 핵심 역할을 하기 시작할 것이라고 본다. 단순히 고급 분석에서만이 아니라, 고급 분석에 이르는 모든 것, 즉 데이터 품질과 데이터 거버넌스에서도 마찬가지다”라고 덧붙였다.

딥러닝 활용
데이터 과학자들은 여전히 공급이 부족하고 수요가 높지만, 딥러닝은 진입 비용이 낮아지면서 이용하기가 더 쉬워질 것이다. 3대 클라우드 제공업체인 구글, 아마존, 마이크로소프트느 이제 모두 자체 그래픽 프로세서에 대한 시간 단위 대여 서비슬르 제공한다. 고객들은 이를 자체 신경망 훈련에 활용할 수 있다.

스미스는 “훈련이 끝나면 예측에는 사실 그렇게 많은 연산이 필요하지 않다”고 말하면서, “이러한 매우 강력한 그래픽 처리 장치를 몇 시간 빌린 다음 훈련이 끝나면 활용 가능하다는 것은 실제로 나가서 구입하는 것에 비해 효율적이다”라고 덧붙였다.

챗봇의 대두
인사이틀리(Insightly)의 CEO인 안소니 스미스에 따르면, 2018년에는 고객 경험을 간소화하고 콜센터 사무실의 수요를 줄이고자 하는 기업에서 AI로 구동되는 챗봇을 흔히 볼 수 있게 될 것으로 보인다.

스미스는 “2018년에 CRM과 마케팅에서는 대화형 인터페이스가 큰 인기를 끌 것이다. 음성 기반이 될 수도 있고 문자 기반이 될 수도 있다”고 내다보면서, “이러한 챗봇들은 지난 몇 년간 구축하기가 매우 어려웠다. 이를 더 쉽게 구축할 수 있는 도구를 만들기 위해 페이스북과 구글에서 작업을 했다. 이제 그러한 도구 중 일부가 성숙 단계에 접어들어 B2B 영역에서도 활용할 수 있다”고 설명했다.

음성 역시 온라인 양식의 훌륭한 대안이 될 수 있다. 사용자의 예전 답변을 기준으로 질문을 개선하거나 제안하는 채팅 기반 인터페이스를 통해 가능하다. 스미스는 “실제로 훨씬 빠르다. 또한, 많은 사람들에게는 웹사이트에서 무언가를 원할 때마다 양식을 기입해야 하는 것에 비해 마찰이 훨씬 덜하다”면서, “2018년에 큰 인기를 끌 것 같다는 예감이 든다”고 덧붙였다.

변화하는 역할
라오는 데이터 분석의 중요성이 커진다는 것은 전 조직이 이제 지원 역할을 해야함을 의미한다고 본다. 그는 “데이터 품질 및 데이터 거버넌스 프로그램을 설치하고 제대로 실행하기 위해서는 이를 지원할 조직이 있어야 한다”고 강조했다.

이어 “분석팀만의 역할일 수는 없다. 전통적인 IT팀의 역할일 수도 없다. 왜냐하면 그들의 핵심 직무는 이것이 아니기 때문이다. 그래서 이 부분에 최고 데이터 책임자(CDO) 조직의 역할이 필요하다고 본다. 모든 분석 계획에 반드시 정식 데이터 품질 및 데이터 거버넌스 접근 방식이 포함되도록 인지하고 보장하는 역할이다. 그런 점에서 CDO는 어떤 조직에서도 점점 더 중요한 인물이자 부서가 될 것이라고 본다”고 말했다.

CEO의 상승세는 수그러들 기미가 보이지 않는 가운데, 다른 데이터 관련 역할 역시 중요해질 가능성이 높다. 고에츠는 “최고 분석 책임자 역시 분석 기능의 정교함을 더욱 확장시키는 데 큰 역할을 할 것이라고 생각한다”고 말했다.

고에츠는 최고 AI 담당자가 흔해질 것이라는 예상에는 상대적으로 회의적이다. “기술이 기업에 하는 역할과 그것의 전략적 측면을 제대로 폭넓게 바라보는 임원은 최고 디지털 책임자라고 생각한다. 많은 경우에 최고 디지털 책임자와 최고 데이터 책임자는 협업을 한다. 아니면 최고 데이터 책임자가 디지털 책임자에게 보고하는 경우도 있다”고 설명했다.

자발리쉬나는 앞으로 파악해 나가야 할 새로운 역할들이 생겨날 것으로 본다. “데이터 과학의 작동 원리를 이해한다면 당연히 도움은 되겠지만, 경영과 데이터 과학의 교차 지점에 있는 매우 사업적 마인드를 갖춘 사람이어야 한다. 데이터 과학자들은 수요가 매우 많으며 능력 있는 데이터 과학자를 구하기는 어렵고 비용이 매우 많이 들지만, 이러한 새로운 종류의 사람들은 아직 존재하지 않는다. 이러한 종류의 사람들에 대한 수요는 훨씬 늘어날 것이며, 회사들은 이를 어떻게 하는지 배우기 싲가하게 될 것이다”라고 말했다. editor@itworld.co.kr
 


2017.12.27

2018년 데이터 및 AI 트렌드 : 딥러닝, 데이터 거버넌스, 챗봇을 통해 과장 광고가 현실이 되다

Tom Macaulay | Computerworld UK
2017년에 인공지능은 어디에서나 화제가 되었지만, 기계들의 세상이 되리라는 약속은 아직 실현되지 않았다. 화제성에 비해 실제 활용이 어느 정도 제한되었었다면, 2018년에는 달라질 것으로 보인다.

과장 광고가 현실이 되다
기업들은 이미 AI에 거액을 투자하고 있지만, 대부분은 아직 성과를 보지 못했다. 포레스터(Forrester)에 따르면, 55%의 기업이 아직 AI로부터 가시적인 사업 성과를 거두지 못했으며, 43%는 투자의 성공 여부를 판단하기에는 시기 상조라고 보고 있다고 한다.

“AI 밀월 기간은 끝났다(The Honeymoon For AI Is Over)”라는 포레스터 보고서의 공동 저자 중 한 명인 미셸 고에츠는 “그 동안 많은 실험과 개념 증명이 있었지만, 현실은 이제야 AI가 무엇이고, 무엇을 할 수 있으며, 이러한 새로운 지능형 시스템 구축에 무엇이 필요한지 깨닫기 시작하고 있다”고 지적했다.

고에츠는 기업들이 기술에 투자할 때 명확한 사업 목표를 염두에 두어야 한다는 점을 파악하기 싲가했다고 덧붙였다. 이 과정에는 기업 소유주, 데이터 과학자 및 기술자들 전원이 참여해야 한다.

고에츠는 “기술의 기초를 어떻게 닦을지 뿐만 아니라 이를 통해 어떤 사업이 가능할지 고민하는 전문가를 갖추지 않으면 안될 것이다. 단순히 소규모 점진적 가치에 그치지 않는 목표를 정의할 수 없다면, AI에 대한 기회 비용이 너무 커서 투자 수익을 실현할 수 없을 것이다”라고 평가했다.



AI 관련 신흥 사업
얀덱스 데이터 팩토리(Yandex Data Factory) CEO 제인 자발리쉬나도 고에츠와 의견이 같다. 그녀는 고급 데이터 과학에 대한 이해가 늘어남에 따라 디지털 위주 회사뿐만 아니라 전통적인 업계에도 성과가 날 것이라고 보고 있다.

그는 “그들은 흥미진진한 기술 투자가 전부가 아니며, AI는 사실 실용적인 사업 도구임을 이제 깨달았다. 2017년이 AI의 가능성을 탐색하는 한 해였다면, 2018년은 실질적으로 활용되는 한 해가 될 것이다. 단순히 로봇 비서나 체스와 바둑 대결에서 인간을 이기는 것으로 생각하던 AI의 개념을 우리가 바꾸게 될 것임을 의미한다. ‘보이지 않는 AI’를 보게 될 것”이라고 전망했다.

이 ‘보이지 않는 AI’란 석유, 가스 업계와 같은 전통적인 기업들의 공정을 최적화하기 위해 머신러닝을 적용하는 것이다.

이들 기업들은 과거 데이터를 분석함으로써 장비 작동 방식을 보다 정확하게 예측할 수 있는 모델을 만들 수 있다. 그 뿐만 아니라 유지 보수는 어떻게 해야 하고, 효율을 높이려면 어떤 곳에 변화를 주어야 하는지 실시간 추천도 받을 수 있다.

엣지에서의 분석과 IoT 센서가 성장함에 따라, 산업용 AI도 활용이 더욱 쉬워지고 있다. 이제 장점들이 널리 알려지고 있기 때문에, 신기술 수용에 주저하기로 유명한 다른 업계에서도 자신들의 사업에서 얻을 수 있는 가치를 이해하기 시작하고 있다.

조사, 행정, 컨설팅 서비스 등 고객 정보를 기반으로 결과를 공개하거나 추천을 해주는 부분 역시 심각한 붕괴에 직면하고 있다.

고에츠는 “많은 붕괴를 목도하게 될 것”이라고 전제하면서, “왜냐하면 기계들은 방대한 양의 다른 여러 종류의 정보를 보고 이를 훨씬 더 빠른 속도로 한데 모은 후 인간이 할 수 있는 것보다 훨씬 더 빠르게 더 많은 통찰력을 얻어낼 수 있기 때문”이라고 설명했다.

데이터에 집중
데이터 과학은 2017년에 크게 발전했지만, 부실한 데이터 품질이 그 잠재력에 걸림돌이 되고 있다. 따라서, 데이터 과학자들은 데이터를 준비하고 품질이 부실한 것을 걸러내는 데 과도하게 많은 시간을 소비하는 경우가 많다.

분석 및 소프트웨어 제공업체인 인포긱스(Infogix)의 프리세일즈 수석 부사장인 라비 라오는 “2018년과 그 이후에 해결해야 할 실질적인 분야 가운데 하나는 빅데이터 활동과 분석 활동의 공식적인 일부가 데이터 품질에 집중되어야 한다는 점”이라고 밝혔다.

이어, “그러한 관점에서 보면, 데이터 거버넌스는 나중에 보충해 넣거나 가정하는 것이 아니라, 모든 분석 활동의 일환으로 중대한 공식 고려 사향이 될 것이라고 본다”고 말했다.

라오는 데이터 거버넌스가 2018년에 더욱 자동화될 것으로 보고 있다. 새로운 데이터가 자동으로 업데이트됨에 따라 이를 위해 새로운 시스템이나 새로운 데이터 집합에 제어 장치가 있어야 하기 때문이다.

그는 “이는 향후 필수적인 기술 과제가 될 것”이라면서, “이 부분에서 AI나 머신러닝이 핵심 역할을 하기 시작할 것이라고 본다. 단순히 고급 분석에서만이 아니라, 고급 분석에 이르는 모든 것, 즉 데이터 품질과 데이터 거버넌스에서도 마찬가지다”라고 덧붙였다.

딥러닝 활용
데이터 과학자들은 여전히 공급이 부족하고 수요가 높지만, 딥러닝은 진입 비용이 낮아지면서 이용하기가 더 쉬워질 것이다. 3대 클라우드 제공업체인 구글, 아마존, 마이크로소프트느 이제 모두 자체 그래픽 프로세서에 대한 시간 단위 대여 서비슬르 제공한다. 고객들은 이를 자체 신경망 훈련에 활용할 수 있다.

스미스는 “훈련이 끝나면 예측에는 사실 그렇게 많은 연산이 필요하지 않다”고 말하면서, “이러한 매우 강력한 그래픽 처리 장치를 몇 시간 빌린 다음 훈련이 끝나면 활용 가능하다는 것은 실제로 나가서 구입하는 것에 비해 효율적이다”라고 덧붙였다.

챗봇의 대두
인사이틀리(Insightly)의 CEO인 안소니 스미스에 따르면, 2018년에는 고객 경험을 간소화하고 콜센터 사무실의 수요를 줄이고자 하는 기업에서 AI로 구동되는 챗봇을 흔히 볼 수 있게 될 것으로 보인다.

스미스는 “2018년에 CRM과 마케팅에서는 대화형 인터페이스가 큰 인기를 끌 것이다. 음성 기반이 될 수도 있고 문자 기반이 될 수도 있다”고 내다보면서, “이러한 챗봇들은 지난 몇 년간 구축하기가 매우 어려웠다. 이를 더 쉽게 구축할 수 있는 도구를 만들기 위해 페이스북과 구글에서 작업을 했다. 이제 그러한 도구 중 일부가 성숙 단계에 접어들어 B2B 영역에서도 활용할 수 있다”고 설명했다.

음성 역시 온라인 양식의 훌륭한 대안이 될 수 있다. 사용자의 예전 답변을 기준으로 질문을 개선하거나 제안하는 채팅 기반 인터페이스를 통해 가능하다. 스미스는 “실제로 훨씬 빠르다. 또한, 많은 사람들에게는 웹사이트에서 무언가를 원할 때마다 양식을 기입해야 하는 것에 비해 마찰이 훨씬 덜하다”면서, “2018년에 큰 인기를 끌 것 같다는 예감이 든다”고 덧붙였다.

변화하는 역할
라오는 데이터 분석의 중요성이 커진다는 것은 전 조직이 이제 지원 역할을 해야함을 의미한다고 본다. 그는 “데이터 품질 및 데이터 거버넌스 프로그램을 설치하고 제대로 실행하기 위해서는 이를 지원할 조직이 있어야 한다”고 강조했다.

이어 “분석팀만의 역할일 수는 없다. 전통적인 IT팀의 역할일 수도 없다. 왜냐하면 그들의 핵심 직무는 이것이 아니기 때문이다. 그래서 이 부분에 최고 데이터 책임자(CDO) 조직의 역할이 필요하다고 본다. 모든 분석 계획에 반드시 정식 데이터 품질 및 데이터 거버넌스 접근 방식이 포함되도록 인지하고 보장하는 역할이다. 그런 점에서 CDO는 어떤 조직에서도 점점 더 중요한 인물이자 부서가 될 것이라고 본다”고 말했다.

CEO의 상승세는 수그러들 기미가 보이지 않는 가운데, 다른 데이터 관련 역할 역시 중요해질 가능성이 높다. 고에츠는 “최고 분석 책임자 역시 분석 기능의 정교함을 더욱 확장시키는 데 큰 역할을 할 것이라고 생각한다”고 말했다.

고에츠는 최고 AI 담당자가 흔해질 것이라는 예상에는 상대적으로 회의적이다. “기술이 기업에 하는 역할과 그것의 전략적 측면을 제대로 폭넓게 바라보는 임원은 최고 디지털 책임자라고 생각한다. 많은 경우에 최고 디지털 책임자와 최고 데이터 책임자는 협업을 한다. 아니면 최고 데이터 책임자가 디지털 책임자에게 보고하는 경우도 있다”고 설명했다.

자발리쉬나는 앞으로 파악해 나가야 할 새로운 역할들이 생겨날 것으로 본다. “데이터 과학의 작동 원리를 이해한다면 당연히 도움은 되겠지만, 경영과 데이터 과학의 교차 지점에 있는 매우 사업적 마인드를 갖춘 사람이어야 한다. 데이터 과학자들은 수요가 매우 많으며 능력 있는 데이터 과학자를 구하기는 어렵고 비용이 매우 많이 들지만, 이러한 새로운 종류의 사람들은 아직 존재하지 않는다. 이러한 종류의 사람들에 대한 수요는 훨씬 늘어날 것이며, 회사들은 이를 어떻게 하는지 배우기 싲가하게 될 것이다”라고 말했다. editor@itworld.co.kr
 


X