2018.07.04

AI는 어떻게 엔터프라이즈 모빌리티를 변화시키는가

Bob Violino | Computerworld
인공 지능(AI)과 머신 러닝 덕분에 스마트폰이 더욱 똑똑해진다. 이러한 현상은 엔터프라이즈 모빌리티 지원에도 큰 영향을 미친다.

451 리서치의 모빌리티 리서치 및 데이터 전략 부문 부사장인 케빈 버든에 따르면, 엔터프라이즈 모빌리티는 오래 전부터 현장의 작업자에게 최신 데이터를 전달함으로써 어디에서든 생산적으로 업무를 수행할 수 있게 해주고 비즈니스 프로세스 속도를 높이고 정확성과 효율성을 개선시켜 줄 것으로 기대를 모았다. 버든은 AI가 그러한 기대를 현실화하는 데 도움이 될 것이라고 말했다.

Image Credit : GettyImagesBank

그 양상은 다면적인데, 디바이스 관리와 사용자 경험, 보안, 애플리케이션 및 디바이스 자체에도 영향을 미친다. 동시에 AI와 머신러닝의 데이터 포인트 수집 효율성이 계속해서 높아지면서 당연히 개인정보보호에 관한 새로운 우려도 제기되고 있다.

버든은 “AI는 앱 내의 비즈니스 논리를 바꾸고 개선하며, 이는 새로운 애플리케이션, 잠재적으로는 새로운 디바이스 유형의 등장을 의미한다”고 지적했다. 애플리케이션은 음성 및 시각적 제스처 인식이 가능한 고급 사용자 인터페이스를 활용할 수 있게 된다. 또 “AI를 통해 확실히 혜택을 얻을 엔터프라이즈 모빌리티의 한 가지 요소는 상호 이질적인 모바일 인력을 보유함으로써 겪게 되는 조직적 과제의 해결”이라고 말했다. 버든은 애플리케이션 제공업체는 사용자 활동 스트림에 머신러닝을 적용해서 조직에 최종 사용자가 어떻게 시간을 보내는지에 관한 시야를 제공하게 된다고 말했다. 행동 패턴이 식별되면 조직은 프로세스와 사용자 경험을 개선할 수 있다.

더 쉬운 인증이 한 가지 예다. 패턴 인식은 AI의 강점이다. 가트너의 엔터프라이즈 모바일 전략 연구 부사장인 크리스 실바는 AI는 그러한 데이터를 방대하게 수집하고 손쉽게 비정상을 인식할 수 있으므로 사용자에게 훨씬 더 투명한 인증을 가능하게 해준다고 설명했다.

더 진보된 알고리즘은 사용자가 텍스트를 입력하는 방식을 탐지하고 입력의 리듬을 분석한다. 실바는 이 특징적인 패턴을 사용자의 활성 연결 및 GPS 데이터의 정보와 결합하면 “다중 요소 인증의 계층 수 또는 끊임없는 암호 입력 요구를 대폭 줄일 수 있다”고 말했다.

AI/머신러닝의 또 다른 개선 영역은 음성 텍스트 변환 기능이다. IDC의 엔터프라이즈 모빌리티 부문 프로그램 이사인 필 호크무스는 이를 통해 일부 상황에서 스마트폰 데이터 입력을 대체할 수 있을 것이라면서 “의료를 비롯한 수직 시장에서 기록 또는 워크플로우 업데이트와 같은 기본적인 작업의 데이터 입력을 음성으로 하게 될 것”이라고 말했다.

또한 애플리케이션이 완전히 새로운 방식의 직관성을 갖게 될 것이라면서 “머신러닝은 은 더 많은 모바일 애플리케이션에 통합되어 사용자가 창과 드롭다운의 옵션을 살펴볼 필요 없이 사용자 동작을 예상하고 더 빠른 의사 결정과 응답, 입력을 가능하게 해줄 것”이라고 강조했다.

IT 부서는 디바이스 관리에서 AI와 머신러닝의 도움을 받게 된다. 실바는 이 기술을 사용해 조직의 모든 디바이스를 스캔하고, 예를 들어 조직 내 안드로이드 디바이스의 25%가 두 버전 뒤처져 있음을 발견해 관리자에게 선제적으로 문제를 알릴 수 있다고 말했다. 인력이 부족한 IT 조직에 더욱 유용한 부분은 AI/머신러닝에 의해 발견된 정보를 기반으로 작업을 자동화하는 기능이다. 실바는 시스템이 AI를 사용해 즉석에서 문제를 탐지하고 교정할 수 있는 수준이 되면 AI/머신러닝 기술이 진정한 효과를 발휘하게 된다고 덧붙였다.

여러 솔루션 업체가 개인 비서 기술을 추가하면서 이메일, 연락처, 캘린더 툴에 적용될 AI 기반의 사용자 경험 향상도 IT에 반가운 부분이다. 캘린더에서 AI를 활용해 사용자에게 약속 시간에 맞춰 출발해야 할 시간을 알려주는 기능은 이미 보편화되어 있다. IT가 얻는 이점은 직접적이지는 않지만, 많은 IT 부서는 업무 데이터를 개인 데이터와 분리해 보호하기 위한 방편으로 사용자들이 회사에서 지급한 이메일과 연락처, 캘린더 툴을 사용해 작업하기를 원한다. 새로운 사용자 대면 편의 기능은 사용자 관점에서 이러한 툴의 매력을 높일 수 있다.

AI가 장기적으로 전체적인 모빌리티 시장에 미칠 영향은 아직 불확실하지만 451 리서치의 버든은 “확실한 것은 EMM(엔터프라이즈 모빌리티 관리) 영역은 현재 혼잡하며 실질적인 차별화는 사실상 없다는 점”이라고 말했다. 따라서 각 솔루션 업체는 새로운 혁신 수단으로 AI를 주목하게 될 것이다.

AI와 보안
AI, 특히 패턴 인식 기능을 통해 가장 큰 힘을 얻을 수 있는 분야는 보안이다. 많은 솔루션 업체가 이미 보안 제품의 성능 향상 수단으로 AI/ML을 도입하고 있다.

이미 솔루션 업체의 제품이 존재하는 분야는 머신러닝 기반 모바일 위협 탐지다. 예를 들어 모바일아이언(MobileIron)은 사용 및 행동 분석을 사용해서 앱 또는 네트워크의 의심스러운 행동을 탐지하고, 수집하는 정보로 학습해서 지속적으로 맬웨어 및 무단 네트워크 탐지 역량을 개선하는 새로운 모바일아이언 위협 방어(MobileIron Threat Defense) 툴에 머신러닝을 사용한다.

소포스(Sophos)는 “예측 보안”을 제공하는 엔드포인트 보안 제품에 딥 러닝을 통합했다. 소포스는 딥 러닝 계층을 모바일을 포함한 모든 엔드포인트로 확장할 계획이다. 또한 동일한 기술을 사용해서 더 많은 위협 요소를 엔드포인트에 도달하기 전에 잡아내는 이메일 보호 툴도 출시했다.

기존 엔드포인트 관리 툴에서 수집되는 모든 데이터를 분석하고 이해하는 과중한 업무에 시달리는 IT 부서에 AI로 도움을 제공할 방법을 모색하는 업체도 있다. 노트북, 휴대폰, 태블릿, 웨어러블을 포함해 업무 공간에 들어오는 모든 디바이스를 관리하는 통합 엔드포인트 관리 제품을 제공하는 시트릭스도 그 중 하나다. 시트릭스 보안 분석 애플리케이션은 이러한 디바이스를 모니터링하면서 IT 부서에서 보안 정책을 적용하고 네트워크의 보안을 유지하는 데 도움을 준다.

시트릭스 애널리틱스(Citrix Analytics)는 사용자 행동 분석을 수행하고 머신러닝을 적용해 사용자를 고위험, 중간 위험, 저위험으로 분류한 다음 시스템에 계속 누적되는 데이터를 바탕으로 이 위험 점수를 조정한다.

IBM은 왓슨(Watson)을 활용해 IT 관리자가 엔드포인트와 사용자, 앱, 콘텐츠에서 생성되는 방대한 양의 데이터를 이해할 수 있도록 지원하는 클라우드 기반 애플리케이션인 MaaS360을 개발했다. 이 제품은 보안, 최종 사용자 생산성, 모바일 앱 관리에 인지 기술을 적용한다.

은 EMM 사용자는 앱, 구성/정책 모범사례, 생산성 툴, 새로운 위협과 취약점 등에 대해 감당할 수 없을 정도의 많은 정보를 받는다. IBM MaaS360은 플랫폼에 내장된 인지적 통찰력을 제공해 조직에서 수집하는 정보를 처리하고 이를 비즈니스와 연관된 통찰력 및 권장사항으로 요약할 수 있게 해준다. MaaS360의 핵심은 IBM 왓슨 기술이다. 왓슨은 방대한 양의 데이터세트를 인덱싱하고 주석을 달아 각각의 개별 클라이언트 MaaS360 배포에 적용되는 관련 데이터를 찾는다.

개인정보 보호의 반발?
AI/머신러닝 전선의 먹구름은 데이터 개인정보 보호다.

가트너의 실바는 사용자들이 페이스북, 구글과 같은 기업으로 들어가는 자신의 개인 정보에 대한 위험에 민감해졌다면서 “고용주 또는 다른 기업이 사용자의 모바일 디바이스, 앱, 데이터 사용에 관한 정보를 소유한다는 개념은(가트너는 이를 업무 현장 분석이라고 함) 당연히 일부 사용자의 반발을 불러일으킨다”고 말했다.

특히 유럽 연합의 일반 데이터보호규정(GDPR), 그리고 현재 캘리포니아에서 마련 중인 새로운 법규와 같은 엄격한 규정의 등장을 감안하면 이러한 우려를 무시할 수는 없다.

실바는 이러한 규제에 대한 우려가 AI/ML에 의존하는 모바일 제품의 유용성을 떨어트릴 수 있다고 말했다. 실바는 사용자의 데이터 저항이 모바일 제품에서 AI/ML의 가치를 없애는 것은 아니지만 일부 또는 전체 사용자의 데이터 수집을 지연시킬 수 있다면서 “그렇게 되면 지역이나 사용자 그룹에 따라 데이터의 유용성과 제공하는 가치가 달라질 수 있다”고 말했다.

이런 현상을 개선하려면 조직에서 어떤 데이터를 수집하고 그 데이터를 어떻게 사용하는지에 관해 솔직하게 대화해야 한다. 가트너는 데이터의 결과와 사용자에게 주는 혜택을 설명하면서 수집되지 않는 데이터와 기업이 그 데이터로 하지 않는 일도 명확히 알리도록 노력할 것을 조언했다. 실바는 “IT가 데이터로 하지 않는 일 목록은 데이터를 사용해서 하거나 할 수 있는 일 목록보다 항상 훨씬 더 길어야 한다”고 말했다.  editor@itworld.co.kr


2018.07.04

AI는 어떻게 엔터프라이즈 모빌리티를 변화시키는가

Bob Violino | Computerworld
인공 지능(AI)과 머신 러닝 덕분에 스마트폰이 더욱 똑똑해진다. 이러한 현상은 엔터프라이즈 모빌리티 지원에도 큰 영향을 미친다.

451 리서치의 모빌리티 리서치 및 데이터 전략 부문 부사장인 케빈 버든에 따르면, 엔터프라이즈 모빌리티는 오래 전부터 현장의 작업자에게 최신 데이터를 전달함으로써 어디에서든 생산적으로 업무를 수행할 수 있게 해주고 비즈니스 프로세스 속도를 높이고 정확성과 효율성을 개선시켜 줄 것으로 기대를 모았다. 버든은 AI가 그러한 기대를 현실화하는 데 도움이 될 것이라고 말했다.

Image Credit : GettyImagesBank

그 양상은 다면적인데, 디바이스 관리와 사용자 경험, 보안, 애플리케이션 및 디바이스 자체에도 영향을 미친다. 동시에 AI와 머신러닝의 데이터 포인트 수집 효율성이 계속해서 높아지면서 당연히 개인정보보호에 관한 새로운 우려도 제기되고 있다.

버든은 “AI는 앱 내의 비즈니스 논리를 바꾸고 개선하며, 이는 새로운 애플리케이션, 잠재적으로는 새로운 디바이스 유형의 등장을 의미한다”고 지적했다. 애플리케이션은 음성 및 시각적 제스처 인식이 가능한 고급 사용자 인터페이스를 활용할 수 있게 된다. 또 “AI를 통해 확실히 혜택을 얻을 엔터프라이즈 모빌리티의 한 가지 요소는 상호 이질적인 모바일 인력을 보유함으로써 겪게 되는 조직적 과제의 해결”이라고 말했다. 버든은 애플리케이션 제공업체는 사용자 활동 스트림에 머신러닝을 적용해서 조직에 최종 사용자가 어떻게 시간을 보내는지에 관한 시야를 제공하게 된다고 말했다. 행동 패턴이 식별되면 조직은 프로세스와 사용자 경험을 개선할 수 있다.

더 쉬운 인증이 한 가지 예다. 패턴 인식은 AI의 강점이다. 가트너의 엔터프라이즈 모바일 전략 연구 부사장인 크리스 실바는 AI는 그러한 데이터를 방대하게 수집하고 손쉽게 비정상을 인식할 수 있으므로 사용자에게 훨씬 더 투명한 인증을 가능하게 해준다고 설명했다.

더 진보된 알고리즘은 사용자가 텍스트를 입력하는 방식을 탐지하고 입력의 리듬을 분석한다. 실바는 이 특징적인 패턴을 사용자의 활성 연결 및 GPS 데이터의 정보와 결합하면 “다중 요소 인증의 계층 수 또는 끊임없는 암호 입력 요구를 대폭 줄일 수 있다”고 말했다.

AI/머신러닝의 또 다른 개선 영역은 음성 텍스트 변환 기능이다. IDC의 엔터프라이즈 모빌리티 부문 프로그램 이사인 필 호크무스는 이를 통해 일부 상황에서 스마트폰 데이터 입력을 대체할 수 있을 것이라면서 “의료를 비롯한 수직 시장에서 기록 또는 워크플로우 업데이트와 같은 기본적인 작업의 데이터 입력을 음성으로 하게 될 것”이라고 말했다.

또한 애플리케이션이 완전히 새로운 방식의 직관성을 갖게 될 것이라면서 “머신러닝은 은 더 많은 모바일 애플리케이션에 통합되어 사용자가 창과 드롭다운의 옵션을 살펴볼 필요 없이 사용자 동작을 예상하고 더 빠른 의사 결정과 응답, 입력을 가능하게 해줄 것”이라고 강조했다.

IT 부서는 디바이스 관리에서 AI와 머신러닝의 도움을 받게 된다. 실바는 이 기술을 사용해 조직의 모든 디바이스를 스캔하고, 예를 들어 조직 내 안드로이드 디바이스의 25%가 두 버전 뒤처져 있음을 발견해 관리자에게 선제적으로 문제를 알릴 수 있다고 말했다. 인력이 부족한 IT 조직에 더욱 유용한 부분은 AI/머신러닝에 의해 발견된 정보를 기반으로 작업을 자동화하는 기능이다. 실바는 시스템이 AI를 사용해 즉석에서 문제를 탐지하고 교정할 수 있는 수준이 되면 AI/머신러닝 기술이 진정한 효과를 발휘하게 된다고 덧붙였다.

여러 솔루션 업체가 개인 비서 기술을 추가하면서 이메일, 연락처, 캘린더 툴에 적용될 AI 기반의 사용자 경험 향상도 IT에 반가운 부분이다. 캘린더에서 AI를 활용해 사용자에게 약속 시간에 맞춰 출발해야 할 시간을 알려주는 기능은 이미 보편화되어 있다. IT가 얻는 이점은 직접적이지는 않지만, 많은 IT 부서는 업무 데이터를 개인 데이터와 분리해 보호하기 위한 방편으로 사용자들이 회사에서 지급한 이메일과 연락처, 캘린더 툴을 사용해 작업하기를 원한다. 새로운 사용자 대면 편의 기능은 사용자 관점에서 이러한 툴의 매력을 높일 수 있다.

AI가 장기적으로 전체적인 모빌리티 시장에 미칠 영향은 아직 불확실하지만 451 리서치의 버든은 “확실한 것은 EMM(엔터프라이즈 모빌리티 관리) 영역은 현재 혼잡하며 실질적인 차별화는 사실상 없다는 점”이라고 말했다. 따라서 각 솔루션 업체는 새로운 혁신 수단으로 AI를 주목하게 될 것이다.

AI와 보안
AI, 특히 패턴 인식 기능을 통해 가장 큰 힘을 얻을 수 있는 분야는 보안이다. 많은 솔루션 업체가 이미 보안 제품의 성능 향상 수단으로 AI/ML을 도입하고 있다.

이미 솔루션 업체의 제품이 존재하는 분야는 머신러닝 기반 모바일 위협 탐지다. 예를 들어 모바일아이언(MobileIron)은 사용 및 행동 분석을 사용해서 앱 또는 네트워크의 의심스러운 행동을 탐지하고, 수집하는 정보로 학습해서 지속적으로 맬웨어 및 무단 네트워크 탐지 역량을 개선하는 새로운 모바일아이언 위협 방어(MobileIron Threat Defense) 툴에 머신러닝을 사용한다.

소포스(Sophos)는 “예측 보안”을 제공하는 엔드포인트 보안 제품에 딥 러닝을 통합했다. 소포스는 딥 러닝 계층을 모바일을 포함한 모든 엔드포인트로 확장할 계획이다. 또한 동일한 기술을 사용해서 더 많은 위협 요소를 엔드포인트에 도달하기 전에 잡아내는 이메일 보호 툴도 출시했다.

기존 엔드포인트 관리 툴에서 수집되는 모든 데이터를 분석하고 이해하는 과중한 업무에 시달리는 IT 부서에 AI로 도움을 제공할 방법을 모색하는 업체도 있다. 노트북, 휴대폰, 태블릿, 웨어러블을 포함해 업무 공간에 들어오는 모든 디바이스를 관리하는 통합 엔드포인트 관리 제품을 제공하는 시트릭스도 그 중 하나다. 시트릭스 보안 분석 애플리케이션은 이러한 디바이스를 모니터링하면서 IT 부서에서 보안 정책을 적용하고 네트워크의 보안을 유지하는 데 도움을 준다.

시트릭스 애널리틱스(Citrix Analytics)는 사용자 행동 분석을 수행하고 머신러닝을 적용해 사용자를 고위험, 중간 위험, 저위험으로 분류한 다음 시스템에 계속 누적되는 데이터를 바탕으로 이 위험 점수를 조정한다.

IBM은 왓슨(Watson)을 활용해 IT 관리자가 엔드포인트와 사용자, 앱, 콘텐츠에서 생성되는 방대한 양의 데이터를 이해할 수 있도록 지원하는 클라우드 기반 애플리케이션인 MaaS360을 개발했다. 이 제품은 보안, 최종 사용자 생산성, 모바일 앱 관리에 인지 기술을 적용한다.

은 EMM 사용자는 앱, 구성/정책 모범사례, 생산성 툴, 새로운 위협과 취약점 등에 대해 감당할 수 없을 정도의 많은 정보를 받는다. IBM MaaS360은 플랫폼에 내장된 인지적 통찰력을 제공해 조직에서 수집하는 정보를 처리하고 이를 비즈니스와 연관된 통찰력 및 권장사항으로 요약할 수 있게 해준다. MaaS360의 핵심은 IBM 왓슨 기술이다. 왓슨은 방대한 양의 데이터세트를 인덱싱하고 주석을 달아 각각의 개별 클라이언트 MaaS360 배포에 적용되는 관련 데이터를 찾는다.

개인정보 보호의 반발?
AI/머신러닝 전선의 먹구름은 데이터 개인정보 보호다.

가트너의 실바는 사용자들이 페이스북, 구글과 같은 기업으로 들어가는 자신의 개인 정보에 대한 위험에 민감해졌다면서 “고용주 또는 다른 기업이 사용자의 모바일 디바이스, 앱, 데이터 사용에 관한 정보를 소유한다는 개념은(가트너는 이를 업무 현장 분석이라고 함) 당연히 일부 사용자의 반발을 불러일으킨다”고 말했다.

특히 유럽 연합의 일반 데이터보호규정(GDPR), 그리고 현재 캘리포니아에서 마련 중인 새로운 법규와 같은 엄격한 규정의 등장을 감안하면 이러한 우려를 무시할 수는 없다.

실바는 이러한 규제에 대한 우려가 AI/ML에 의존하는 모바일 제품의 유용성을 떨어트릴 수 있다고 말했다. 실바는 사용자의 데이터 저항이 모바일 제품에서 AI/ML의 가치를 없애는 것은 아니지만 일부 또는 전체 사용자의 데이터 수집을 지연시킬 수 있다면서 “그렇게 되면 지역이나 사용자 그룹에 따라 데이터의 유용성과 제공하는 가치가 달라질 수 있다”고 말했다.

이런 현상을 개선하려면 조직에서 어떤 데이터를 수집하고 그 데이터를 어떻게 사용하는지에 관해 솔직하게 대화해야 한다. 가트너는 데이터의 결과와 사용자에게 주는 혜택을 설명하면서 수집되지 않는 데이터와 기업이 그 데이터로 하지 않는 일도 명확히 알리도록 노력할 것을 조언했다. 실바는 “IT가 데이터로 하지 않는 일 목록은 데이터를 사용해서 하거나 할 수 있는 일 목록보다 항상 훨씬 더 길어야 한다”고 말했다.  editor@itworld.co.kr


X