2018.04.09

“아직 늦지 않았다” 성공적인 AI 도입의 전제 조건 5가지

Andrew C. Oliver | InfoWorld
지금 당장 상품에 25%의 관세를 부과하고 거래 파트너와 무역 전쟁을 시작하는 등 “커다란” 의사 결정을 내리는 데에 사용되지는 않겠지만, 그래도 AI와 머신러닝이 앞으로 더욱 많은 의사 결정에 관여할 것이라는 점은 분명하다.

엑셀에 수치를 입력하고 조작하고 코딩하고 정렬하는 거의 모든 작업은 군집화, 분류 또는 순위 매기기 학습 문제에 해당한다. 그리고 예측 가능한 모든 값 집합은 머신러닝의 영역에 해당한다. 이리저리 조사하고 “검색하는” 모든 패턴, 모양, 개체는 딥 러닝의 영역이다.

비즈니스는 모두 이렇게 AI와 머신러닝이 해결할 수 있는 문제로 가득 차 있다. 워드 프로세서가 타자기를 대체했듯, AI는 곧 엑셀을 시작으로 사무직 근로자의 상당수, 그리고 애널리스트의 업무도 일부 대체할 것이다.

기업 역시 이러한 변화에 대비해야 한다. 웹과 전자상거래에 대비하지 않은 기업처럼, AI와 머신러닝에 적응하지 못한 기업은 도태된다. 방대한 양의 데이터를 처리하고 많은 의사 결정을 내리는 과정을 자동화할 방법을 고민하지 않는 기업, 구체적인 이익을 낼 만큼 결정이 실시간으로 이뤄지지 않는 기업은 몇 년 안에 문을 닫게 될 가능성이 크다.

그러나 비즈니스 변혁을 시작하기 전에 우선 5가지 전제 조건을 충족해야 한다. 조직 내 전반에 AI를 확산할 전략이 필요한데, 이 전략은 바로 다음의 5가지 전제 조건에서부터 시작한다.

AI 도입의 전제 조건 1 : 교육
조직의 모든 직원을 데이터 과학자로 만들 수는 없다. 또한, 고급 수학은 보통 사람이 이해하기에는 너무 어렵다. 트렌드가 너무 빨리 변화한다는 고정 관념도 있어서, 사람들은 지금 가장 효율적인 과학적 알고리즘이 다음주가 되면 이미 구식이 돼 버린다고 생각한다.

그러나 몇 가지 기본적인 요소는 변하지 않는다. 조직의 모든 직원, 특히 개발자는 머신러닝의 몇 가지 기본 역량을 이해해야 한다.

군집화 : 여러 가지를 하나로 묶음

분류 : 여러 가지를 레이블이 지정된 그룹으로 정렬

선상 예측 : 선 그래프를 만들 수 있다면 대체로 그 값을 예측할 수 있다.

변동 예측 : 유동성 위험이든 진동이나 전력 스파이크든, 범위 안에 포함되는 값 집합이 있다면 지정된 날짜의 변동성을 예측할 수 있다.

정렬/순서 정하기/우선 순위화 : 단순한 목록을 처리하는 것이 아니라, 검색이든 영업이나 지원 담당자가 받을 전화의 우선 순위 정하기든 처리 가능한 개념이다..

패턴 인식 : 컴퓨터는 모양, 소리, 값 범위, 이벤트 집합 등을 찾는 방법을 학습할 수 있다.

한 가지 중요한 점은 사람의 기술 수준에 맞춰 AI 내용을 단순화해서 전달할 수 있는 직원을 두는 것이다. 개발자라면 특정 알고리즘이나 기법에 관심이 있겠지만 애널리스트와 임원도 기본적인 비즈니스 원리와 컴퓨터 기술을 이해해야 한다. 군집화의 작동 원리까지 알 필요는 없겠지만, 그래도 임원이라면 어떤 문제가 군집화에 해당하는지 인식할 줄은 알아야 한다.

마지막으로, AI의 역량은 계속 확장되고 있으므로 최소한 매년 한 번씩 정기적인 재교육이 필요하다.

AI 도입의 전제 조건 2 : 구성 요소화
구성 요소화와 관련된 최근 툴 중에는 데이터 과학자를 위한 “노트북”이 있다. 다른 많은 툴이 여기서부터 자라나왔다. 데이터 과학자 및 이들과 함께 작업하는 사람들을 위한 좋은 툴이다.

문제는 이것이 프로덕션 측면에서 나쁜 방식을 이끈다는 점이다. 분류 알고리즘 인터페이스는 다른 알고리즘과 대략 비슷해 보인다. 비즈니스 사안에 따라 바뀌지 않는 특정 분류 알고리즘도 있다.

과거 많은 기업이 하나의 고객 프로필을 만드는 방법을 알아내야 했듯(비즈니스 사안마다 각 시스템에 전혀 다른 프로필을 만드는 것이 아니라), 알고리즘에도 똑같은 과정이 필요하다. 하나의 진정한 군집화 알고리즘을 만드는 것이 아니라, 다른 알고리즘을 구성 요소화 할 수 있어야 한다는 이야기다.

AI 도입의 전제 조건 3: 시스템화
온갖 야단법석에도 불구하고 대부분의 시스템은 여전히 비슷한 형태를 갖고 있다. 데이터를 알고리즘으로 가져오기 위한 프로세스, 알고리즘을 실행하는 프로세스, 결과를 도출하는 지점이다. 이러한 모든 요소를 각 알고리즘마다 매번 맞춤 설계한다면 곧 시간과 비용의 낭비이며 더 큰 문제를 자초하게 된다. SOA로 인해 많은 기업이 애플리케이션 소프트웨어를 배포하는 방법이 바뀌었듯, AI의 배포 방법에서도 이와 비슷한 기법이 필요하다.

모든 곳에 맞춤형 “노트북”과 함께 실행되는 여러 가지 맞춤형 스파크 클러스터와 맞춤 구축된 ETL 프로세스가 필요한 것은 아니다. 필요한 것은 어떤 상황에서도 까다로운 부분을 해결할 수 있는 AI 시스템이다.

AI 도입의 전제 조건 4 : AI/UI 구성 요소화
백엔드에 RESTful 서비스가 있는 자바스크립트/웹 UI 세계에서도 AI 구성 요소 내에 많은 UI를 혼합할 수 있어야 한다. 사용자 행동 기반의 추천 시스템이든 가상 비서든, 기업은 비즈니스 애플리케이션에 손쉽게 내장할 수 있는 AI/UI 라이브러리를 구축해야 한다.

AI 도입의 전제 조건 5 : 계측
데이터가 없으면 아무 일도 못한다. 과거에는 HDFS에 온갖 쓰레기를 모으면서 언젠가 쓸모가 있기를 바라는 거대한 데이터 더미를 만들어야 한다고 종용하는 업체도 있었지만, 그런 실수를 반복해서는 안 된다. 핵심은 계측해야 할 것들에 주목하는 것이다.

제조업종이라면 간단히 시작할 수 있다. 우선 수동 게이지를 꺼내 작업하는 사람이 있다면 시간 낭비 요소다. 그러나 판매와 마케팅 업종에서는 이메일과 휴대폰이 있으므로 유용성이 검증된 데이터를 자동으로 수집할 수 있다. 영업 사원에게 데이터 입력을 하라고 잔소리할 필요 없이 시스템이 알아서 하도록 두면 된다.

AI 전략 진전시키기
정리하자면 5가지 전제 조건은 다음과 같다.

- 조직 전반에 AI 지식을 전파한다. 
- 기계가 스스로 할 수 있는 일상적이고 기본적인 작업이 무엇인지 모두가 이해해야 한다.
- AI를 위한 시스템과 구성 요소를 구축한다.
- 비즈니스 애플리케이션에 손쉽게 AI를 추가하기 위한 AI/UI 혼합체를 구축한다.
- 시스템을 계측해서 의사 결정을 맡길 알고리즘에 공급할 데이터를 수집한다.

이러한 전제 조건을 충족한다면 나머지는 정보 시대에서 통찰의 시대로 전환하는 과정에서 저절로 따라올 것이다. editor@itworld.co.kr  

2018.04.09

“아직 늦지 않았다” 성공적인 AI 도입의 전제 조건 5가지

Andrew C. Oliver | InfoWorld
지금 당장 상품에 25%의 관세를 부과하고 거래 파트너와 무역 전쟁을 시작하는 등 “커다란” 의사 결정을 내리는 데에 사용되지는 않겠지만, 그래도 AI와 머신러닝이 앞으로 더욱 많은 의사 결정에 관여할 것이라는 점은 분명하다.

엑셀에 수치를 입력하고 조작하고 코딩하고 정렬하는 거의 모든 작업은 군집화, 분류 또는 순위 매기기 학습 문제에 해당한다. 그리고 예측 가능한 모든 값 집합은 머신러닝의 영역에 해당한다. 이리저리 조사하고 “검색하는” 모든 패턴, 모양, 개체는 딥 러닝의 영역이다.

비즈니스는 모두 이렇게 AI와 머신러닝이 해결할 수 있는 문제로 가득 차 있다. 워드 프로세서가 타자기를 대체했듯, AI는 곧 엑셀을 시작으로 사무직 근로자의 상당수, 그리고 애널리스트의 업무도 일부 대체할 것이다.

기업 역시 이러한 변화에 대비해야 한다. 웹과 전자상거래에 대비하지 않은 기업처럼, AI와 머신러닝에 적응하지 못한 기업은 도태된다. 방대한 양의 데이터를 처리하고 많은 의사 결정을 내리는 과정을 자동화할 방법을 고민하지 않는 기업, 구체적인 이익을 낼 만큼 결정이 실시간으로 이뤄지지 않는 기업은 몇 년 안에 문을 닫게 될 가능성이 크다.

그러나 비즈니스 변혁을 시작하기 전에 우선 5가지 전제 조건을 충족해야 한다. 조직 내 전반에 AI를 확산할 전략이 필요한데, 이 전략은 바로 다음의 5가지 전제 조건에서부터 시작한다.

AI 도입의 전제 조건 1 : 교육
조직의 모든 직원을 데이터 과학자로 만들 수는 없다. 또한, 고급 수학은 보통 사람이 이해하기에는 너무 어렵다. 트렌드가 너무 빨리 변화한다는 고정 관념도 있어서, 사람들은 지금 가장 효율적인 과학적 알고리즘이 다음주가 되면 이미 구식이 돼 버린다고 생각한다.

그러나 몇 가지 기본적인 요소는 변하지 않는다. 조직의 모든 직원, 특히 개발자는 머신러닝의 몇 가지 기본 역량을 이해해야 한다.

군집화 : 여러 가지를 하나로 묶음

분류 : 여러 가지를 레이블이 지정된 그룹으로 정렬

선상 예측 : 선 그래프를 만들 수 있다면 대체로 그 값을 예측할 수 있다.

변동 예측 : 유동성 위험이든 진동이나 전력 스파이크든, 범위 안에 포함되는 값 집합이 있다면 지정된 날짜의 변동성을 예측할 수 있다.

정렬/순서 정하기/우선 순위화 : 단순한 목록을 처리하는 것이 아니라, 검색이든 영업이나 지원 담당자가 받을 전화의 우선 순위 정하기든 처리 가능한 개념이다..

패턴 인식 : 컴퓨터는 모양, 소리, 값 범위, 이벤트 집합 등을 찾는 방법을 학습할 수 있다.

한 가지 중요한 점은 사람의 기술 수준에 맞춰 AI 내용을 단순화해서 전달할 수 있는 직원을 두는 것이다. 개발자라면 특정 알고리즘이나 기법에 관심이 있겠지만 애널리스트와 임원도 기본적인 비즈니스 원리와 컴퓨터 기술을 이해해야 한다. 군집화의 작동 원리까지 알 필요는 없겠지만, 그래도 임원이라면 어떤 문제가 군집화에 해당하는지 인식할 줄은 알아야 한다.

마지막으로, AI의 역량은 계속 확장되고 있으므로 최소한 매년 한 번씩 정기적인 재교육이 필요하다.

AI 도입의 전제 조건 2 : 구성 요소화
구성 요소화와 관련된 최근 툴 중에는 데이터 과학자를 위한 “노트북”이 있다. 다른 많은 툴이 여기서부터 자라나왔다. 데이터 과학자 및 이들과 함께 작업하는 사람들을 위한 좋은 툴이다.

문제는 이것이 프로덕션 측면에서 나쁜 방식을 이끈다는 점이다. 분류 알고리즘 인터페이스는 다른 알고리즘과 대략 비슷해 보인다. 비즈니스 사안에 따라 바뀌지 않는 특정 분류 알고리즘도 있다.

과거 많은 기업이 하나의 고객 프로필을 만드는 방법을 알아내야 했듯(비즈니스 사안마다 각 시스템에 전혀 다른 프로필을 만드는 것이 아니라), 알고리즘에도 똑같은 과정이 필요하다. 하나의 진정한 군집화 알고리즘을 만드는 것이 아니라, 다른 알고리즘을 구성 요소화 할 수 있어야 한다는 이야기다.

AI 도입의 전제 조건 3: 시스템화
온갖 야단법석에도 불구하고 대부분의 시스템은 여전히 비슷한 형태를 갖고 있다. 데이터를 알고리즘으로 가져오기 위한 프로세스, 알고리즘을 실행하는 프로세스, 결과를 도출하는 지점이다. 이러한 모든 요소를 각 알고리즘마다 매번 맞춤 설계한다면 곧 시간과 비용의 낭비이며 더 큰 문제를 자초하게 된다. SOA로 인해 많은 기업이 애플리케이션 소프트웨어를 배포하는 방법이 바뀌었듯, AI의 배포 방법에서도 이와 비슷한 기법이 필요하다.

모든 곳에 맞춤형 “노트북”과 함께 실행되는 여러 가지 맞춤형 스파크 클러스터와 맞춤 구축된 ETL 프로세스가 필요한 것은 아니다. 필요한 것은 어떤 상황에서도 까다로운 부분을 해결할 수 있는 AI 시스템이다.

AI 도입의 전제 조건 4 : AI/UI 구성 요소화
백엔드에 RESTful 서비스가 있는 자바스크립트/웹 UI 세계에서도 AI 구성 요소 내에 많은 UI를 혼합할 수 있어야 한다. 사용자 행동 기반의 추천 시스템이든 가상 비서든, 기업은 비즈니스 애플리케이션에 손쉽게 내장할 수 있는 AI/UI 라이브러리를 구축해야 한다.

AI 도입의 전제 조건 5 : 계측
데이터가 없으면 아무 일도 못한다. 과거에는 HDFS에 온갖 쓰레기를 모으면서 언젠가 쓸모가 있기를 바라는 거대한 데이터 더미를 만들어야 한다고 종용하는 업체도 있었지만, 그런 실수를 반복해서는 안 된다. 핵심은 계측해야 할 것들에 주목하는 것이다.

제조업종이라면 간단히 시작할 수 있다. 우선 수동 게이지를 꺼내 작업하는 사람이 있다면 시간 낭비 요소다. 그러나 판매와 마케팅 업종에서는 이메일과 휴대폰이 있으므로 유용성이 검증된 데이터를 자동으로 수집할 수 있다. 영업 사원에게 데이터 입력을 하라고 잔소리할 필요 없이 시스템이 알아서 하도록 두면 된다.

AI 전략 진전시키기
정리하자면 5가지 전제 조건은 다음과 같다.

- 조직 전반에 AI 지식을 전파한다. 
- 기계가 스스로 할 수 있는 일상적이고 기본적인 작업이 무엇인지 모두가 이해해야 한다.
- AI를 위한 시스템과 구성 요소를 구축한다.
- 비즈니스 애플리케이션에 손쉽게 AI를 추가하기 위한 AI/UI 혼합체를 구축한다.
- 시스템을 계측해서 의사 결정을 맡길 알고리즘에 공급할 데이터를 수집한다.

이러한 전제 조건을 충족한다면 나머지는 정보 시대에서 통찰의 시대로 전환하는 과정에서 저절로 따라올 것이다. editor@itworld.co.kr  

X