글로벌 칼럼 | 기업 AI 도입, 사소하고 점진적으로 해야

기업이 불황을 이겨내고 경쟁자를 물리치고자 한다면, 오픈소스는 답이 될 수 없다. 클라우드도 마찬가지이다. 오픈소스와 클라우드가 도움이 되는 것은 맞다. 오픈소스와 클라우드를 통해 기업은 기존의 IT 접근 방식을 재고할 수 있기 때문이다. 하지만 오픈소스와 클라우드로 경쟁에서 두각을 나타내기엔 역부족이다. 
 

이유는 간단하다. 모든 사람들이 이미 오픈소스와 클라우드를 사용하고 있기 때문이다. 한때 리눅스나 MySQL 같은 오픈소스 프로젝트의 경제성을 수용하는 것으로 회사를 차별화할 수 있었던 시기가 있었지만, 지금은 아니다. 기업이 클라우드를 채택하는 것은 여전히 초기 단계에 지나지 않지만, 기업에서 고객 경험을 클라우드만으로 구분하지 못하는 단계에 다다를 것이다. 무엇으로 차별화하겠는가?

답은 AI/ML이다. 하지만 예상과는 다를지도 모른다.

AI/ML을 만병통치약인양 선전하려는 것이 아니다. 지금까지 AI/ML이 코로나19를 물리칠 약품을 개발하는 도구로 쓰였고 향후 암 치료에도 일조할 것은 사실이다. 하지만 AI/ML이 죽어가는 IT 프로젝트를 되살리고 기적을 일으킬 묘약이 되진 못한다. 그간 AI/ML에서 구글, 우버 같은 기업이 선두주자였지만, 현실은 다른 기업들은 이들 기업 같은 엔지니어링 기술조차 없다. 

이런 기업이 야심찬 계획에 들이는 시간을 줄이고 점진적인 진보에 시간을 투자한다면 내리막길을 타게 될 것이다. 월스트리트저널의 최근 기사 ‘어리석은 짓 관두는 빅 테크’는 쇄락의 길을 걸은지 오래인 기업이 기존 기술을 강화하고 있다고 지적한다. 바퀴 설계를 다시하는 것보다는 동전 닦기에나 투자하는 것이 최선일지도 모른다는 것이다.

기업이 현재 하고 있는 작업의 큰 줄기가 AI/ML로 하는 작업이겠지만, 이런 일은 경탄을 자아낼 만한 자동차보다는 보행자에 훨씬 더 가깝다. 

질로우(Zillow)는 주택 건축에 AI/ML 모델을 수년간 사용했다. 하지만 2021년 말 최신 모델을 사용했음에도 가격 예측에 실패했다고 밝혔다. 대신 질로우는 실용 노선으로 변경해 임차인에게는 도시를 걸을 때 주택 목록을 볼 수 있게 하고 임대인이 아파트 사진으로 평면도를 만들 수 있도록 하는 데 AI/ML을 활용했다. 10억 달러를 호가하는 주택 건축 사업보다는 덜 매력적이지만, 고객 입장에서는 훨씬 더 실용적이다. 

이런 점에서 구글은 비디오 데이터 분석을 통해 상점 재고를 추적하는 기술을 소매업체에 제공하기 시작했다. 구글은 이 모델에 제품 사진 10억 장 이상의 데이터를 학습시켰다. 구글 비디오 데이터 분석 모델은 휴대전화나 상점 내 카메라에서 찍은 사진 데이터를 모두 인식할 수 있다. 구글이 허위 광고한 것이 아니라면, 이 분석 모델은 소매업체에서 고질적으로 골머리를 썩었던 재고 정리에 아주 요긴할 것이다. 폼나게 AI/ML을 활용하는 것은 아니지만, 소매 업체에는 유용하다. 

마이크로소프트는 오픈AI에 대규모 투자를 단행해 자사의 생산성 앱에 GPT 풍의 기능을 간접적으로 도입하기 위한 것으로 알려졌다. 마이크로소프트는 음성 명령을 전체적으로 도입 같은 오피스를 단장하는 야심찬 계획에 큰 돈을 투자할 만한 여력이 된다. 아니면 오피스에 깃허브 코파일럿(GitHub Copilot) 같은 접근으로 진지한 클리피(Clippy) 업그레이드를 부여할 수도 있다. 이를 통해 혰가 문서 작성 또는 스프레드시트 구축 등 무차별하게 어려운 일을 떠맡을 수도 있다. 역시 폼 나진 않지만 유용한 일이다. 

점진적인 접근은 AI/ML을 구축하는 가장 현명한 방법으로 판명됐다. AWS 서버리스 히어로(AWS Serverless Hero)의 벤 키호는 “AI와 소프트웨어 개발을 통합한다고 했을 때 지나치게 낙관적”이라고 말했다. 키호는 AI/ML의 성과에 대해 전적으로 신뢰하지 못한 상태에서 잠재력을 믿는 것이 주요 실패 원인이라며 “내가 본 여러 AI 수익을 보면 앞으로 AI가 한 사람분의 총책임을 맡을 수 있게 될 것이라고 보이는데, 사람의 책임은 점차 줄어들 것으로 추측된다”라고 주장했다. 

실제로 개발자는 결과에 대한 책임을 져야 한다. 예를 들어 깃허브 코파일럿을 사용하는 경우 코드 작성법에 관계없이 그 코드에 대한 책임을 져야 한다. 그 코드가 오류투성이더라도 AI 탓을 할 수 없다. 코드로 돈을 번 사람이 비난도 받아야 한다. 

AI, ML이 소프트웨어 개발이나 기타 다른 기업 활동에서 지분이 없다는 말은 아니다. 질로우, 구글, 마이크로소프트 같은 기업의 사례만 봐도 그렇지 않음을 알 수 있다. 반면 함정은 인간의 지적 활동에 AI/ML을 활용하고 그 AI/ML과 똑같은 인간의 지성으로 사실 확인 작업을 하는 데 있다. 이와 관련해 키호는 “AI는 일부 프로세스를 자동화하고 진짜 어렵고 복잡한 프로세스가 무엇인지 탐색하고, 이 복잡한 프로세스에 높은 수준의 불확실성을 주입할 경우 프로세스의 성공 여부를 탐색할 것”이라고 말했다.

불확실성을 더하고 높은 책임을 부과한다면 애초에 성공 가능성을 제거하는 것이나 다름없다. 이런 것보다는 머신 관계자에게 결과에 대한 책임을 지우고 머신에도 더 많은 책임을 전가할 수 있는 지점을 찾아야 할 것이다. 이런 일은 분명 여러가지 사소하고 점진적인 일이 될 것이므로, 앞으로 기업 IT가 당면한 최대 과제가 될 것임을 잊지 말아야 한다.  
editor@itworld.co.kr