Article

1 성공적인 AI 프로젝트를 위한 8가지 핵심 직무

Maria Korolov | CIO
ⓒ Getty Images Bank 

인공 지능(Artificial intelligence, AI)은 비즈니스 가치를 높일 수 있는 풍부한 기회를 제공한다. AI를 제대로 적용할 경우 매출이 증가하고 운영이 최적화되며 직원들이 좀더 가치가 높은 업무를 수행할 시간을 확보할 수 있다. 비용을 낮추고 조직이 새로운 제품을 개발하며 새로운 시장을 추구하는데 도움이 될 수 있다.
 
그래서 기업들이 뛰어들고 있다. 최근 딜로이트 설문조사에 따르면, IT 임원 가운데 55%가 자사는 2018년 중에 6개 이상의 AI 관련 시범 프로젝트를 개시했다고 밝혔다. 이는 2017년과 비교해 35%나 증가한 수치다. 1/3 이상이 인지 기술에 500만 달러 이상을 투자했으며 56%는 AI가 향후 3년 이내에 기업을 혁신할 것으로 기대하고 있다.

하지만 그 목표를 달성하는 것은 쉽지 않으며 특정 핵심 기술이 필요하지만 찾기가 쉽지 않다. 오늘은 비즈니스를 위해 AI를 조기에 도입한 이들이 말하는 AI의 성공을 위한 8가지 핵심 역할을 살펴보자.


AI 연구원

일반 기업이 연구에 투자하는 것은 비 생산적으로 보일 수 있다. 어쨌든 AI 연구원은 언젠가 기계가 사고하는 능력을 혁신할 수 있는 기초적인 연구를 수행하는 박사인 경우가 많다. 또한 AI 연구원을 고용하는 것은 즉각적인 비즈니스적 이점을 제공하지 못할 수 있는 유니콘에 가까운 존재를 고용하기 위해 대학 그리고 구글 및 마이크로소프트 같은 기술 대기업과 경쟁해야 한다는 의미이기도 하다.

하지만 혁신을 통해 주도할 수 있을 것이라는 기대는 사라지지 않는다. 이런 점 때문에 AI 연구원들에 대한 수요가 높게 유지되고 있다. 딜로이트의 설문조사에 따르면, IT 임원 가운데 30%가 AI 연구원을 찾는 것이 다른 그 어떤 역할을 찾는 것보다 중요한 것으로 보고있다.

DRFA(Deloitte Risk and Financial Advisory)의 분석 및 데이터 위험 글로벌 리더 비벡 카티알은 "사람들은 빛나는 물건을 원한다. 하지만 그런 빛나는 물체가 그들이 정말로 원하는 것을 새롭게 할 수 있을까? 차기 페이스북을 노리는 것이 아니라면 그렇지 않을 수 있다"고 말했다.

카티알은 "하지만 재정 지원을 결정하는 많은 임원들은 AI 연구와 AI 적용의 차이를 이해하지 못한다"며, "이런 프로젝트를 지원하는 것은 데이터 사이언티스트가 아니다"고 덧붙였다.

하지만 핵심 비즈니스에 AI가 필수적인 기업의 경우, 연구는 사치가 아니라 필수다. 예를 들어, 앱텍(AppTek)은 약 30년 전 음성 인식 기업으로 설립되었다. 음성 인식 분야 전체가 AI를 통한 혁신을 겪었으며 앱텍은 이를 따라잡기 위해 연구에 투자해야 했다. 예를 들어, 최근 발표한 연구는 대화에서 여러 화자를 식별하는 것에 초점을 맞추고 있다.

앱텍 CRO(Chief Revenue Officer) 마이크 베로니스는 "상업적으로 정말 필요한 부분이다"며, "우리는 문제를 해결하고 역량을 키우기 위해 그렇게 했다"고 말했다. 


AI 소프트웨어 개발자

AI 소프트웨어 개발자는 최근 딥 러닝 또는 GAN(Generative Adversarial Network) 등의 발전 등 기초적인 연구를 수행해 사용 가능한 제품을 만든다. 어떤 기업들은 이를 대형 공급업체에게 맡기고 AI에 대한 자체적인 접근방식을 개발하기보다는 상용 플랫폼에 의존하고 있다. 

딜로이트의 카티알은 "하지만 기업들이 알려진 AI 기법을 이용한다 하더라도 여전히 자체적인 플랫폼을 구축하고 싶을 수 있다"고 말했다. 이를 통해 딜로이트의 설문조사에 참여한 응답자 가운데 28%가 AI 소프트웨어 개발자를 최고의 우선순위로 꼽은 이유를 이해할 수 있다.

자체적으로 개발해야 하는 이유 중 하나는 기존 AI 프레임워크의 "블랙박스" 문제다. 기성 제품의 소스코드를 확인할 수 없는 경우 금융 또는 의료 등 규제를 받는 기업들은 자체적인 과정을 추구할 수 있다.

카티알은 "자체적으로 개발해 개발한 것에 대해 제대로 이해하고 코드를 소유하며 관련된 모든 것을 통제해야 할 것이다. 이런 논의가 많이 이뤄지고 있다. 자체적인 AI 소프트웨어를 개발하는 경우 그들은 툴 자체의 성향을 더욱 잘 이해할 수 있다"고 말했다.

앱텍의 경우에도 마찬가지다. 쉽게 조정할 수 없는 블랙박스 같은 상용 시스템을 보유하는 대신에 자체적인 연구에 따라 특별한 기능을 갖고 있으며 필요에 따라 조정할 수 있는 제품을 얻게 된다. 앱텍의 베로니스는 "음성 인식 엔진을 조정하고 훈련시키며 지속적으로 개선할 수 있다"고 말했다.


데이터 사이언티스트

기업들이 극복할 AI 문제에 대해 생각할 때는 일반적으로 새로운 AI 알고리즘의 개발에 대해 생각한다. 하지만 카티알은 "데이터를 개선해 더 많은 가치를 얻을 수 있을 것이다. 이것이 기능적인 AI에 장벽이 되는 경우가 많다"고 말했다.

카티알은 "이 덕분에 데이터 사이언티스트가 AI 역할 중 가장 중요한 것"이라고 말했다. 응답자 가운데 24%가 원하는 데이터 사이언티스트는 AI 시스템에서 사용할 기업의 데이터를 준비하는 역할이다. 또한 기업이 목표를 달성하기 위해 필요한 데이터, 즉 내부적으로 생성되거나 제3자로부터 수집한 데이터를 식별한다. 또한 데이터 사이언티스트는 데이터 누락, 특정 유형의 데이터 부족, 편향적이거나 오래된 데이터 세트를 파악할 수 있다.

또한 그들은 데이터 세트에 사용할 적절한 알고리즘을 식별하고 이런 알고리즘을 훈련 및 조정하며 관련 전문가와 협력해 결과를 검증한다. 카티알은 "예전에는 고급 통계 전문가가 그런 역할을 담당했다. 그들은 AI 연구 및 AI 소프트웨어의 사용자다"고 말했다. 

최근 SMBC(Sumitomo Mitsui Banking Corp.)의 AI 프로젝트의 핵심은 데이터 사이언티스트다. 세계적인 금융 기업이자 일본 내 자산 보유량 2위를 차지하고 있는 SMBC는 AI를 활용해 데이터센터의 고객 서비스를 개선하고 직원들이 더욱 쉽게 정보를 찾으며 잠재적인 기업 고객을 더욱 잘 식별할 수 있도록 하고 있다.

SMBC 전무이사 아키노부 후나야마는 "이미 데이터 관리 부서 및 데이터 사이언티스트 직원을 보유하고 있다"고 말했다. 처음에는 데이터 사이언티스트가 사용례를 수동으로 구성하고 이런 사용례와 관련성이 높은 데이터 포인트를 식별하며 데이터를 분석하는 알고리즘을 개발한다. 예를 들어, 잠재적인 신규 고객의 수익성을 계산할 때 데이터 사이언티스트는 수천 개의 요소 중에서 유효한 것을 살펴본다.

이 과정 전체에 사용례당 2~3개월이 소요되기 때문에 연간 10~15개의 사용례로 볼 수 있다. 도트데이터의 기술을 이용해 새로운 알고리즘을 개발하는데 가장 유용한 데이터 포인트를 식별함으로써 SMBC는 새로운 모델을 개발하는데 소요되는 시간을 몇 시간으로 단축했다. 이 덕분에 은행이 해결할 수 있는 사용례의 수가 연간 약 100개로 증가해 금융, 재무, 준수성 등 은행에서 더 많은 영역에 AI를 적용할 수 있게 되었다. 후나야마는 "우리는 그룹 전체의 성과를 개선하기 위해 노력하고 있다"고 말했다.

데이터 사이언티스트는 여전히 이 과정에 필수적이지만 반복적인 기능 엔지니어링 업무를 처리하는 대신에 이제는 더욱 광범위한 AI 기술 비즈니스 사용례를 처리하고 있다.


사용자 경험 디자이너

AI가 더 많은 제품과 서비스에 통합되면서 사용자 경험 디자인(User eXperience design)이 점차 중요해지고 있다. 사람들은 이제 메뉴를 열거나 버튼을 클릭하는 대신에 영어로 질문하거나 콘텍스트에서 필요한 것을 애플리케이션이 추론할 수 있다.

기술 컨설팅 업체 인사이트(Insight) CTO 브랜든 엡켄은 "우리는 항상 사용자 경험을 웹 또는 모바일 지향적이라고 생각했다. AI 세계에서는 챗봇 또는 시리 또는 코타나를 음성으로 제어하고 있다. 이를 통해 완전히 새로운 유형의 사용자 경험 디자인이 생겨났으며 이는 새로운 AI 지원 툴을 개발하는데 필수적이다"고 설명했다.

딜로이트의 카티알은 "AI 지원 사물과 인간 경험 사이의 연계성이 발전하고 있다"며, "이미 이런 차세대 혁명이 관찰되고 있다"고 동의했다. 새로운 툴이 개발되면서 사람들은 이를 활용할 수 있게 될 것이며 이를 위해 새로운 종류의 인터페이스가 필요할 뿐 아니라 애플리케이션 또는 비즈니스 프로세스가 구조화되는 방식이 바뀔 수 있다. 카티알은 "이런 기술을 가진 사람들을 찾기 위해 기업들은 고객 서비스 전문가를 찾아야 한다"고 말했다.


변화 관리 전문가

딜로이트의 카티알은 "변화 관리(Change management)는 AI 배치에 있어서 가장 간과하는 측면이다. 그리고 변화 관리의 이점은 직원뿐 아니라 사용자와 고객도 누리고 있으며, 이는 가장 어려운 것이다. 기업에서는 이 영역을 가장 무시하며 과소평가하고 있다"고 말했다.

하지만 변화 관리 전문가의 수요는 여전히 높으며 딜로이트의 설문조사 응답자 가운데 22%가 가장 필요로 하는 기술이라고 답했다. 딜로이트는 AI 프로젝트가 솔루션 개발에 참여하지 않은 경우 AI의 추천을 수락하지 않을 수 있는 지식 노동자에게 큰 영향을 끼칠 수 있다고 밝혔다. 딜로이트는 "조직적 변화의 근본이 파일럿, 풀뿌리 실험(grassroots experiments), 공급업체 주도적인 광고에 의해 잊힐 수 있다"고 보고했다.

또한 설문조사에 참여한 IT 관리자 가운데 63%는 비용을 절감하기 위해 회사에서 AI를 사용해 가능한 많은 작업을 자동화하려 하고 있어 변화 관리 전문 지식의 필요성이 더욱 강조되고 있다.


프로젝트 관리자

많은 AI 프로젝트가 기업들이 더욱 성숙한 기술을 이용하는 것만큼 엄격하게 관리하지 않는 경우가 많기 때문에 문제가 많다. AI 이행을 주도하는 프로젝트 관리자는 AI를 기억의 역할 및 프로세스에 통합하는데 도움이 될 수 있다. 또한 비즈니스 가치를 측정하고 입증하는데 도움이 된다. 이 둘은 딜로이트 설문조사 응답 중 각각 39%와 30%를 차지했다. 또한 AI와 관련된 다른 영역에서 기술 부족 문제를 해결할 수 있다.

비즈니스 컨설팅 업체 슬라롬(Slalom)의 상무이사 마티 영은 "데이터 사이언티스트를 찾기가 어려우며 소프트웨어 엔지니어를 겸하는 데이터 사이언티스트는 훨씬 적고 사용자 인터페이스 디자이너, 보안 전문가, 해당 전문가도 마찬가지다. 이 때문에 AI 프로젝트에는 복잡한 팀들이 참여한다"고 말했다.

벤처 캐피탈 기업 GCP(General Catalyst Partners)의 상무이사 스티브 헤로드는 "프로젝트 관리자는 이 모든 역할을 조율해야 한다. 게다가 프로젝트 관리자는 다양한 분야의 전문가로 구성된 팀들이 AI를 실험적인 파일럿 프로젝트에서 소프트웨어 엔지니어링 및 소프트웨어 라이프사이클의 또 다른 측면으로 이행할 수 있도록 도움이 된다"고 말했다. 헤로드는 VM웨어에서 CTO로 근무한 바 있다.

헤로드는 "모델의 고유한 측면을 이해하고 포함시켜야 하는 광범위한 소프트웨어 릴리즈와 일치시켜야 하는 프로젝트 및 프로그램 관리자를 지속적으로 파악해야 한다"고 설명했다. 또한 "이 분야가 발전하면서 감사 및 인증 관련 문제를 해결하는 사람 등 관련된 역할이 더욱 광범위해질 것"이라고 예상했다. 이로 인해 프로젝트 관리자의 역할과 수요가 증가할 것이다.


AI 결과를 해석할 비즈니스 리더

기업이 AI 기능의 상당 부분을 외부 공급업체에게 맡기더라도 자체적인 비즈니스 전문 지식을 확보해야 한다. AI를 활용해 재무 부서의 고객 서비스, 감정 분석, 자동화를 지원하려던 인도의 운송 기업 스포탄 로직스틱스(Spoton Logistics)가 그랬다. 예를 들어, 해당 기업의 "퍼스트 마일(First Mile)" 및 "라스트 마일(Last Mile)" 주소 문제를 해결해야 했다.

스포탄 로지스틱스 비즈니스 엔지니어링 책임자 사티야 팔은 "인도의 주소는 표준화되어 있지 않다. 기업이 제대로 작성하지 않은 주소를 처리하면 상황만 악화될 뿐이다. 이 때문에 중앙 계획 및 차량 활용이 불가능해진다"고 말했다.

스포탄 로지스틱스는 자체적으로 기술을 개발하는 대신에 대부분의 업무를 외부 공급업체에게 맡기기로 결정했다. 하지만 AI 결과를 해석해야 했던 비즈니스 리더들은 해당 기업의 내부팀에 소속되어 있었다. 그들은 기업이 해결하려는 특정 문제에 대한 비즈니스적 지식이 있었으며 다양한 AI 모델 및 프레임워크를 이해하고 있었다. 예를 들어, 그들은 분류 모델 vs. 강화 학습 및 지도학습 vs. 비지도 학습의 적용을 이해할 수 있었다.

팔은 "일반적으로 그들은 컴퓨터 공학을 공부했으며 파이썬에 관한 지식이 있었다"고 말했다. 약간의 추가적인 교육이 필요했지만 일반적으로 독립적인 연구와 AI 관련 온라인 과정이 전부였다. 이를 통해 그들은 어떤 AI 접근방식이 특정 제품을 해결하고 진행 상황을 검증하는데 가장 적합한지 판단할 수 있었다.


해당 사안 현업 전문가

기성 AI 툴은 항상 모든 사용례에 적용되는 것이 아니기 때문에 해당 사안의 전문가가 핵심이다. 

유틸리티 산업 전문 소프트웨어 업체인 에너지세이비(EnergySavvy) 클라이언트 솔루션 SVP 마이클 라이니는 "일반적으로 온라인 소매 기업의 요구를 중심으로 개발되는 제품 추천 엔진을 예로 들어보자. 온라인 소매 기업들은 고객들의 쇼핑 습관에 대한 데이터를 수집하고 이를 다른 고객들의 쇼핑 습관과 비교할 수 있다. 하지만 지역 유틸리티 기업의 전기를 사용하는 사람들에게는 과거의 구매가 유용한 지표가 될 수 없다"고 말했다.

여기에서 에너지세이비 같은 기업들의 전문 지식이 도움이 될 수 있다. 라이니는 "어떤 고객이 에너지 효율성 프로젝트의 혜택을 받고 있는지 식별하고 어느 정도의 혜택을 누리고 있으며 이런 고객들과 마찬가지로 혜택을 누릴 수 있는 사람이 또 있는지 식별하는 방법을 알고 있다"고 설명했다. 

이를 통해 에너지세이비는 미국 매사추세츠에 위치한 내셔널그리드 같은 고객에게 서비스를 제공할 수 있었다. 에너지세이비의 마케팅 부사장 라이안 워렌은 "최근 해당 기업의 매출은 주로 새로운 AI 역량 덕분에 성장했다"며, "자사의 미래인 영업 부문에서의 새로운 고객 성장의 대부분은 기본적으로 AI에 기초한 기술과 연계되어 있다"고 말했다. editor@itworld.co.kr 
Read more
Article

2 API : 데이터 통합의 과제를 극복하여 기억에 남을 고객 경험 창조하기

TIBCO | TIBCO Software
온라인 판매 성장률은 전통적인 오프라인 소매의 성장률을 훨씬 뛰어넘고 있으나, 대부분의 판매는 여전히 매장 내에서 이루어지고 있다. 

그러나 다수의 소비자들이 제품을 탐색하고 선호하는 브랜드 제품의 최저가를 찾기 위해 옴니 채널을 사용하기 때문에, 이는 양자 택일의 문제가 아니다. 같은 맥락에서, 리테일 사업자가 동일한 제품과 정보를 제공함으로써 소비자의 거래 방법과는 별개로 온라인 및 오프라인 매장에서 지속적인 고객 경험을 제공할 것이라는 기대가 커지고 있다.

고객 여정의 디지털 측면에서 생성된 데이터 기록은 리테일 사업자에게 절호의 기회를 만들어주었다. 많은 이들은 이 데이터를 사용하여 온라인 및 오프라인 매장 경험을 결합하고 이를 개인화된 구매 경험에 대한 고객들의 기대를 충족시키는 데 사용하였으며 다중 채널 간에 적용하였다.

그러한 작업에는 매끄럽고 빠른 과거 및 실시간 데이터의 통합 기능이 요구되었다. 그러나 데이터 수집에는 문제가 없는 경우에도 대부분은 비효율적인 통합 처리 및 실시간 정보의 부족으로 통찰을 얻거나 대응하는 데 한계를 느꼈다.

이에 대해 많은 이들이 응용 프로그램 인터페이스 (APIs)에 의지하여 기업 내 연결 조직으로써 업무를 수행하는 것을 택했다.

리테일 사업자들이 데이터 통합을 주요 기민성 층으로 조작화 할 수 있는 방법과 API 전략이 왜 안전하고 수익성 있는 디지털 전환에 중요하게 작용하는지에 대해 알아본다.
 
ⓒ Getty Images Bank
 

옴니채널 리테일 산업은 단순한 모바일 산업이 아니다

모바일 기술의 폭발적인 발전과 스마트폰의 급증은 다수의 리테일 사업자가 이커머스 전략을 수립하도록 불을 지폈다. 모바일 앱을 구축하려는 초기의 급속한 움직임 이후, 현재 우리는 대략 1/4의 스마트폰 사용자가 6~10개의 리테일 거래 앱을 보유하는 시대에 도달하였다. 또한 23%의사용자는 3~5개의 앱을 보유한다.

명백하게도 스마트폰에서의 경쟁은 쇼핑몰과 유사한 수준으로 치열하여 차별화에 대한 유사한 도전 과제가 여전히 존재한다. 디지털 생태계가 앱에서 새로운 채널로 빠르게 변화함에 따라 리테일 업체들은 고객 경험을 기기와 위치에 관계없이 통제하여 고객에게 접근할 더 큰 그림을 그려야 한다.

예시로, 핀터레스트(Pinterest)는 1억 5,000만 명의 월간 사용자를 보유한 소셜 미디어 플랫폼으로 광범위한 범주의 제품에 대한 소개와 공유가 이루어진다. 또한 고객이 직접적 구매가 가능한 채널이기도 하다. 웨어러블 기기, 스마트폰, 태블릿, 매장 내 키오스크, 인터넷 연결 포스 시스템, 연결성 게임 콘솔, TV, 심지어는 냉장고까지, 소비자들은 문자 그대로 어디에나 존재한다.

전반적인 쇼핑 경험에는, 과거 및 상황적 데이터가 결합되어 독특한 고객 경험이 창조되는 순간들이 존재한다. 예를 들어, 고객의 온라인 쇼핑 기록에 관한 정보 - 그러한 기록에 기반한 오프라인 매장에서의 제품 추천 - 는 고객이 매장을 들어서는 순간 관련 직원들에게 자동으로 전송되어 고객에게 적합한 제품을 제안할 수 있도록 중요한 정보를 제공한다. 이는 데이터 분석의 힘과 인력에 기반한 서비스와 결합되어 더욱 개인화된 오프라인 고객 경험을 창조하고 판매를 촉진할 수 있다.

가장 큰 도전 과제는 다양한 분야, 매장, 지역들 간의 개별 시스템에 퍼져있는 데이터들이다. 다양한 소스들로부터 데이터를 통합, 처리, 분석 - 때때로 실시간으로 - 하는 것은 제조 현장 뿐 아니라 더 넓은 분야에 혜택을 가져다준다. 매장의 더 나은 운영, 재고 관리, 현명한 의사결정에 사용될 수 있다.

상업이 디지털 채널로 지속적으로 옮겨가고 있으므로 제한되고 값비싼 물리적 공간 사용에 대한 주의 깊은 관리는 대단히 중요해졌다. 또한 데이터 통제가 주로 IT로 이루어지므로 - 데이터 거버넌스 및 준수 등의 이유로 - 업무 사용자가 필수적인 용무로 중요한 정보에 접근하는 데 장애가 있는 경우가 종종 존재한다. 사용자 친화적, 셀프 서비스 분석, 보고, 게시판 기능은 이러한 방해물을 우회할 수 있도록 돕고 회사 전체가 더욱 정교한 제품 제안, 더욱 매력적인 제품 범주, 더 수익성 높은 경영을 구축할 수 있도록 돕는다.

그러나 이러한 방식으로 데이터를 통합하여 그에 따른 조치를 취할 수 있는 신속한 통찰력을 얻는 기술적 과제는 때때로 영업 기회가 사라지는 것을 의미한다.

 

APIS는 옴니 채널 리테일 전략을 변화시킨다

사용자들은 다양한 기기와 채널을 넘나들며 자유롭게 사용하는 것을 당연하게 여긴다. 그러나 개발자, 설계자, 엔지니어들은 그러한 사용을 위한 사전 작업이 얼마나 어려운 것인지 알고 있다. 바로 이 지점에서 API는 iPhone 앱, 매장 키오스크 또는 Pinterest와 같은 제품 소개 플랫폼 등의모든 유형의 애플리케이션에서 디지털 자산을 소비 가능하게 만듦으로써 옴니 채널 전략을 변형 할 수 있다.

적합한 승인을 받은 후 사업 부문, 개별 상점 또는 기타 디지털 플랫폼들은 API를 통해 안전하고 효율적으로 데이터에 접근 가능하다. 결과적으로 고객 추천, 맞춤화된 제품 제안 또는 효과적인 리타겟팅이 유도된다. 대개 데이터 처리는 계열사 및 내부 협력사를 포함하며 이제 다수의 소매 업자는 API 플랫폼을 사용하여 이러한 관계를 안전하게 관리하고 접근 수준을 맞춤화하여 브랜드 일관성을 보장하고자 한다.

파트너에게 API를 확장시킬 경우, 혼자서는 가능하지 않은 범위에서 데이터를 혁신시킬 수 있다. 리테일 사업자로서 시장에 활동 반경을 넓히기 위한 크라우드 소싱과 유사한 개념이다. 이는 조직 내부에서도 적용된다. API는 회사가 부서 및 조직적 그룹 전반의 데이터 흐름을 관리하는 데 도움을 준다. 공급망에 대해 API를 사용할 경우 직원은 재고 수준을 추적 할 수 있다. 

고객이 직접 접하는 모바일 앱에 대한 관심은 끌 수 없어 가장 매력적인 기능은 아니겠으나, 운영 효율성과 수익 향상에는 매우 중요한 영향을 미친다.

 

TIBCO MASHERY API 관리 플랫폼

TIBCO Mashery는 최첨단의 API 관리 플랫폼으로 회사 데이터에 대한 안전하고 믿을 수 있는 단일 접근 포인트를 제공하여 리테일 사업자들이 상호 연결된 정보로 유익한 결과를 확보할 수 있도록 돕는다.

광범위한 데이터 가상화 및 분석 솔루션에 대한 TIBCO 스위트를 통해 리테일 사업자들은 조직 내에서 생성된 거대한 양의 데이터를 신속하게 이해할 수 있도록 도우며 그 과정에 코딩은 전혀 요구되지 않는다.

효과적인 API 관리와 결합되어, 다음과 같은 통찰이 리테일 업무를 변화시킬 수 있다:

1. 정교하게 다듬어진 제품 제안을 자동적, 지속적으로 생성
2. 개선된 재고 관리
3. 직원 및 자원 활용 최대화
4. 실시간 고객 세분화
5. 수익 창출에 영향을 미치는 주요 요인 파악
6. 똑똑한 맞춤형 마케팅 및 혁신적인 디지털 파트너십을 통해 개척되지 않은 잠재적 수익 현실화

 

하루 중 가장 중요한 결정 내리기

리테일 사업자들에게 데이터는 고객의 만족감을 충족시키고 브랜드 가치를 향상시키기 위해 지속적이며 순간적인 서비스 제공 및 고객 경험을 생성하는 데 필요한 중요한 열쇠이다.

리테일 산업에서 가장 진보적인 기업들은 이미 업무의 거의 모든 측면을 재창조하고 있으며 대다수는 API 관리 플랫폼이 다양한 채널 간에 매끄러운 경험을 생성하는 주요 해결 방안이라는 것을 인지하고 있다.

mashery.com/retail를 방문하여 TIBCO Mashery로 안전하고 잘 관리되는 API 프로그램을 통해 귀하의 사업에 어떻게 데이터를 최대한 활용하고 현실화하며, 다수의 어플리케이션과 조직 간의데이터 공유로 기인하는 복잡성을 감소시킬수 있는지 확인할 수 있다.
 
Read more
Article

3 팁코 커넥티드 인텔리전스를 활용한 리테일 부문 사례

TIBCO | TIBCO Software
ⓒ Getty Images Bank


ARGOS “모바일 앱을 통한 연간 판매율 125% 증가”

Home Retail Group의 자회사이자 영국의 가장 큰 리테일 업체인, Argos는 영국 전체에 수백개의 매장을 통해 수많은 고객들을 만나고 있다.

2012년, Argos는 식료품 기업들이 비 식료품 분야로 확대하는 움직임에 더불어 경쟁 업체들이 제품을 온라인으로 판매하기 시작하는 것에 대응하기 위해 대담하고 전환적인 조치를 취했다. TIBCO Mashery API 관리를 사용하여 Argos는 모든 모바일 기기에서 당사의 앱 사용에 대한 거래 문제점을 확인하고 최적의 API 성과를 이루었다.

앱이 더 지능적이 될 수록 개인 고객에 대한 대응도 역시 상승하기 때문에, Argos의 기업 시스템의 흠잡을 데 없는 통합은 Argos API 플랫폼에 강력한 경쟁 우위를 선사하였다. Home Retail Group은 API 관리 플랫폼 전개 이후 매우 짧은 기간 안에 네 개의 앱을 개발하였다. 그 이후 기타 모바일 앱들이 개발되었으며 여전히 추가적인 앱 개발이 진행되고 있다.

다수의 주요 리테일 업체와 같이, Argos는 다양한 경영적 수요를 충족시키기 위해 오픈 및 폐쇄 개발자 커뮤니티 모두에서 앱을 구축하고자 했다. 다양한 개발자 커뮤니티에서 작업할 경우 중요한 요인은 Argos 브랜드의 고부가 가치를 관리 및 유지하는 것이다. TIBCO Mashery는 대비와 보고에 강력한 자동화를 제공하여 디지털 리테일 업체들이 앱 개발자들에 대해 브랜드 준수를 보장할 수 있도록 돕고 있다.
 

Macy’s “역대 최고 블랙프라이데이 실적 달성”

 
 

미국의 대형 백화점 체인인 Macy’s는 매출증대를 위해 기존 고객의 로열티 향상에 집중했다. 고객의 가치를 정량적으로 평가하는 모델인 RFM(Recency/Frequency/Monetary value) 중 Frequency에 집중해 자주 방문하는 고객들을 대상으로 공격적이면서도 효과적인 실시간 오퍼링을 핵심 전략으로 삼았다. 

우선, 옴니채널에서 고객이 발생시키는 이벤트들을 효율적으로 수집하기 위한 API 게이트웨이를 구축했고, 이를 통해 수집된 이벤트들을 바탕으로 이벤트 기반 마케팅 엔진이 실시간으로 핵심 고객들에게 오퍼링을 제공했다. 특히, 오프라인 매장을 방문한 Macy’s 로열티 카드 보유 고객들 혹은 제휴 카드 사용자들을 대상으로 차별화된 리워드 포인트 적립 및 프로모션이 제공됐다. 이는 아마존이 Prime 고객들에게 모든 혜택을 집중시킨 전략과 흡사하다. 위 고객들이 매장에 들어서는 순간 위치 정보를 바탕으로 ‘매장 입장’ 이라는 이벤트를 탐지해서, 과거 구매내역 및 매장 방문 패턴 등을 참조해 가장 적합한 오퍼를 수 분 내에 제공한다. 

이러한 시스템을 도입한 직후의 블랙 프라이데이(Black Friday)를 맞아 Macy’s는 온, 오프라인 사상 최대의 매출을 기록했다. 그 이후에도 오프라인 매출액은 5.3%, 온라인 매출액은 40.9% 증가하는 효과를 보았다.
 
Read more
Article

4 '커넥티드 인텔리전스'를 통한 금융 서비스 혁신 사례

TIBCO | TIBCO Software
최고의 금융 서비스 회사들은 파괴적 혁신에 의해 움직인다. 새로운 핀테크 회사들, AI 기반 로봇어드바이저 및 오픈 뱅킹과 같은 규제 명령들은 오늘날 변화를 위한 촉매제가 되고 있으며 새로운 파괴적 혁신은 계속 발생할 것이다. 비즈니스 및 애플리케이션을 빠르게 혁신해야 하는 것은 금융 서비스 회사들의 도전 과제이다
 
ⓒ Getty Images Bank
 

금융 서비스 혁신을 위한 TIBCO CONNECTED INTELLIGENCE CLOUD

TIBCO® 커넥티드 인텔리전스 클라우드를 사용하면 금융서비스 회사들이 시스템, 조직, 고객 및 에코시스템을 연결하고 해당 데이터를 기반으로 지능적으로 행동할 수 있다. 여러 장소에 있는 데이터는 실시간으로 캡처되며 새로운 비즈니스 프로세스, 차별화 된 디지털 오퍼링 및 판도를 바꾸는 애플리케이션을 통해 회사 전반에서 혁신을 가능하게 한다. 

커넥티드 인텔리전스 클라우드는 이러한 디지털 자산의 지속적인 개발 및 운영과 API 로의 확장을 지원한다. 안전하고 확장 가능한 이 API는 회사의 고객 경험과 혁신의 토대가 된다. TIBCO 커넥티드 인텔리전스 클라우드는 회사의 모든 데이터를 활용하여 잠재적 위협이나 기회를 나타내는 패턴을 식별하고 최상의 결과를 도출할 수 있는 최선의 조치를 확인함으로써 인텔리전스를 강화한다. 회사 전체의 모든 것은 적시에 필요한 행동을 취하게 된다.

TIBCO 커넥티드 인텔리전스 클라우드는 또한 회사가 클라우드 친화적인 인프라 접근 방식을 사용하여 혁신을 가속화 할 수 있게 한다. 금융 서비스 회사는 TIBCO 클라우드 서비스를 신속하게 탑재하고 혁신 전략에 따라 다른 서비스를 추가하여 IT 목표에 맞게 하이브리드 아키텍를 구축할 수 있다.

 

선도적인 금융 서비스 회사의 애플리케이션 혁신을 주도하는 TIBCO

 

• 캐나다의 독보적인 금융 기관 중 하나인 BMO 파이낸셜 그룹은 TIBCO ActiveMatrix® BPM을 사용하여 작업의 속도 및 리소스 배치를 자동화함으로써 상업용 대출 및 담보 대출 승인 시간을 대폭 단축하며 고객 만족도를 크게 향상 시켰다.

 

• 이전에 대만 기업 은행이었던 O-Bank는 TIBCO BusinessWorks™ 및 TIBCO® Messaging 기반 커머셜 뱅킹 애플리케이션을 확장하여 완전히 새로운 스마트폰 기반 가상 소매 은행 업무를 시작하여, 첫 해에 13만명의 소매 금융 고객을 추가했다.

 

TIBCO가 데이터 및 분석 애플리케이션을 통해 깊이 있는 실제 기반 통찰력을 이끌어내는 방법

 

• 리테일, 기업, 재무, 국제 및 투자 은행을 보유한 터키 은행인 KuveytTurk Bank는 25 개 기관 및 애플리케이션의 데이터를 새로운 거래 알고리즘에 통합하는 실시간 TIBCO Streaming® 분석 (이전의 TIBCO StreamBase®)을 활용하여 외국환 물량을 두배로 늘리고 터키 최초의 금 거래 시장을 합법화 했다.

• 아일랜드의 대표적인 홈, 자동차 및 여행 보험 제공업체인 AA아일랜드는 TIBCO BusinessWorks integration, TIBCO Streaming 및 TIBCO Spotfire® 분석을 사용하여 고객 운전 데이터를 업데이트하고 이를 가격 알고리즘에 포함시켜 고객을 만족시키고 이익을 향상시켰다.

 

TIBCO가 AI를 통해 금융서비스 애플리케이션을 스마트하게 만드는 방법

• 개인, 비즈니스 및 기관에 자문, 제품 및 서비스를 제공하는 최고의 자산 관리 회사는 TIBC O® Data Science 알고리즘을 활용하여 내부 연구부터 외부 시장 데이터에 이르기까지 대량의 유입 데이터를 신속히 분석하고 개별 투자자의 요구에 대한 관련성을 바탕으로 투자 기회를 획득했다. 
 
Read more
Article

5 “모든 것을 연결한다” 데이터에서 가치를 이끌어내는 스마트 팩토리 전략

이석진 상무 | TIBCO Software
IT의 발전은 이제 시장 경제의 작동 방식과 각 산업 분야의 미래 전략에까지 영향을 미치는 중요한 요소다. 규모가 작거나 인프라가 부족한 기업도 클라우드 컴퓨팅, 모바일 앱, 네트워크 등 유연하고 확장 가능한 기술을 통해 새로운 시장에 진출할 수 있다. 최근 10여 년 간 국내 기업의 퍼블릭 클라우드 도입 속도가 빨라지면서, 제조업 분야에서도 자원을 로컬 서버에 두지 않고 필요한 만큼, 원하는 형태로 자원을 사용하는 클라우드 기반 솔루션이 적극 활용되고 있다. 기업 내 IT 역시 원하는 기능만 가져와서 조합하는 형태를 선호하게 되었고, 애자일, 데브옵스 등의 혁신적 접근 방식을 수용하기 시작했다.
 
ⓒ Getty Images Bank

제조업에 영향을 미치는 주요 기술

특히 제조업 부문에서 다양한 시장의 요구를 적시에 반영하고 해석하는 시스템 구축과 고객을 이해하는 데이터 수집과 분석은 기업 경쟁력과 직결된다. 그 중에서도 전 공정과 제조 설비에 사물 인터넷(Internet of Things, IoT), 인공지능 등 첨단 기술을 복합적으로 활용한 완전 자동 생산 체계를 의미하는 스마트 팩토리는 4차 산업혁명을 대표하는 미래 제조 시스템으로 꼽힌다. 스마트 팩토리는 레거시 인프라, 설비 파편화, 사일로 데이터, 규모의 경제 등 기존 패러다임의 한계를 스마트 기술과 사고의 전환으로 극복한 새로운 시스템이다. 

특히 초당 엄청난 데이터를 스트리밍 방식으로 만들어내는 제조 업체나 반도체 등 기술 집약적 산업에서는 모놀리식 형태의 기존 서비스를 더욱 잘게 나눈 마이크로서비스 아키텍처(MicroService Architecture, MSA)에 주목하고 있다. MSA는 기능별로 분리된 모듈이 상호 독립적으로 동작해 새로운 기능을 쉽게 추가하고 개발을 더욱 자유롭게 지원하며, 자유자재로 확장한다는 특징을 지녔다.

제조업에 영향을 미치는 또 하나의 IT 트렌드로 이벤트 중심 아키텍처(Event Driven Architecture, EDA)가 있다. 수율 변경 등 민감한 요구나 IoT 기기에서 발생하는 이벤트를 스트림 방식으로 처리해 개발·관리 환경을 간소화하고 실시간으로 공정의 레시피나 포뮬러를 바꿀 수 있다는 점은 최근 제조업이 주목하는 EDA의 장점이다. 즉각적인 공정 추적, 불량품 추적이 가능하기 때문이다.
 

제조 현장의 설비에서는 매초마다 방대한 데이터가 발생한다. 에지 컴퓨팅(Edge Computing) 환경에서 데이터는 중앙의 데이터센터까지 전송할 필요 없이, 현장 설비나 엔드포인트의 기기에서 직접 처리된다. 1만 대의 장비에서 1초에 10회씩 데이터를 전송할 경우를 가정하면 초당 10만 건의 데이터가 발생하는 셈이다. 과거에는 이 엄청난 데이터를 다 처리하지 못하고 표본을 검출해 분석했다. 그러나 이제는 초당 최대 수백만 건 규모까지 스트리밍 형태로 계속 밀려드는 이벤트를 즉각 분석하고 실시간으로 대응하는 방식이 선호되며, 엔드포인트의 ‘에지’ 기기 역시 데이터 처리를 맡을 역량을 갖춰야 한다는 요구가 높아지고 있다.

이때 각각의 이벤트에서 받은 데이터를 공통 포맷으로 변경하거나, 필터링을 거쳐 정상값을 빼고 이상값만 처리하거나, 표준화된 이벤트 메시지 형태로 바꾸는 이벤트 프리 프로세싱(Even-free Processing) 방식이 활용된다. 채널을 통해 들어온 데이터를 표준화한 후, 상황에 맞는 툴을 적용해 실시간 분석을 거치고, 데이터의 변화를 판단하는 것이다. 최대 한계와 최저 한계를 정한 뒤, 10초간 패턴을 보고 최대 한계를 넘겨 설비 이상이 예상되면 바로 공정을 중단하거나 적절한 대응을 취해야 하며, 이때 결과는 바로 관리자에게 전달된다.

특히 스마트팩토리 시스템에서 관리자가 가장 필요로 하는 시스템으로 클로즈드 루프 이벤트 드리븐 아키텍처(Closed Loop Event Driven Architecture)를 꼽는다. 장비에서 센서 데이터가 들어오면 대기나 지연 없이 바로 저장하고, 가장 최적화된 수율 모델을 구축한다. 그 후 실시간 데이터를 바탕으로 모델과 비교해서 정상치인지 여부를 판단해 이상이 있을 때는 액션을 취하는 과정이 실시간으로 진행된다. 

 

혁신의 기반이 되는 스마트 팩토리 전략

데이터 저장과 처리, 분석, 보고 과정이 수 시간, 수 일 단위에서 거의 실시간에 가까운 속도로 빨라진다는 장점은 제조, 생산 외에도 마케팅, 영업, 고객 대응 등 전 분야에 영향을 미친다. 그러나 거대한 설비에서 초당 발생하는 수많은 데이터를 실시간으로 처리하는 것은 사실상 엄청난 부담으로 작용한다. 

큰 애플리케이션을 여러 개의 작은 기능으로 나눠 개선과 대응을 쉽게 만든 MSA가 대안으로 떠오르고 있지만, 기업 내부를 들여다보면 여전히 모놀리식 애플리케이션이 새로운 방식과 혼재되어 있다. 서비스를 단위별로 분산하기 때문에 인터페이스 통합 등의 요구와 별도 준수 사항도 늘어난다. 최근 대다수 기업이 도입한 하이브리드 클라우드 환경 하에서는 업체마다 다른 기술과 포맷을 통합해야 한다는 조건도 있다.

특히 제조업 분야에서의 공통된 목적은 수율을 높이고, 투입 대비 품질을 제어하고, 불량률을 최소화하는 것이다. 이러한 목표를 반영한 미래 스마트 팩토리의 특징은 크게 6가지로 나눌 수 있다. 

우선 연결성이 보장된 시스템(Interoperability)으로 다양한 사이버-물리 시스템이 가상화 환경에서 상호 작용할 수 있어야 한다. 실시간으로 수집되는 데이터를 분석해 적절한 의사결정이 즉각 이루어지는 실시간 분석 처리, 머신러닝과 심층 데이터 분석 기법을 통해 다양한 모델을 적용하고, 모델 기반 경보(Alerting)와 의사결정을 지원하는 고급 데이터 분석(Advanced Data Analysis)이 가능해야 한다. 또한, 중앙이 아닌 엔드포인트 기기(Edge)가 자체적인 컴퓨팅 역량을 갖추고 머신러닝 기법을 통해 효율적으로 분석할 수 있어야 한다. 스마트 팩토리 내에서 여러 시스템과 설비의 상태를 관리하며, 장애 발생률을 예측하고, 데이터 흐름을 가시화할 수 있어야 하고, 마이크로서비스를 기반으로 유연하게 확장 가능한 시스템을 갖춰 클라우드와의 연계성도 강화해야 할 것이다.
 
한 마디로, 기존 제조 설비에서 첨단 IoT 기기까지 모든 환경을 아울러 데이터 수집, 처리, 연동, 의사결정을 실시간으로 지원할 수 있어야 한다. 제조 업체가 한발 먼저 혁신하기 위해서는 IT의 변화를 더 빨리 수용하고 종합적으로 소화한 데이터 분석 솔루션 선택이 필수이며, 이 조건은 거꾸로 솔루션의 전략이나 우수성을 평가하는 척도가 될 수도 있다.
 

코어(Core)부터 에지(Edge)까지 모든 것을 연결하라

데이터 분석의 목적은 적절한 인사이트를 더욱 빠르게 얻는 데 있을 것이다. 팁코 소프트웨어는 기업 내부에 해당하는 애플리케이션, 프로세스, API, 분석 도구, 데이터 스트림과 이벤트부터 기업 외부의 사람과 기기, 센서, 소셜 데이터까지 모든 것을 연결하는 ‘인터커넥트 에브리씽(Interconnect Everything)’ 전략을 내세운다. 연결 범위를 넓히고 기술과 방법까지 종합적으로 제공한다는 의미다. 기업 내부 시스템과 백엔드 통합에만 집중했던 과거와 달리, 기업 내외부의 통합이 필요한 새로운 환경에서는 데이터와 관련된 전 과정을 모두 연결해야 진정한 스마트 팩토리 전략을 구축할 수 있다.

그러나 하루에도 테라바이트 단위로 발생하는 모든 이벤트 데이터를 다 저장하고 보관할 수는 없다. 기초가 되는 이벤트가 발생하면, 데이터 집적과 요약, 압축 과정을 통해 기업의 실시간 의사결정에 필요한 데이터와 가치만을 취득할 수 있어야 한다. 이 과정에서 팁코 소프트웨어는 MSA, 에지 컴퓨팅 등의 첨단 기술을 활용하고, TCI(TIBCO Cloud Integration), 오픈API, BWCE(BW Container Edition) 등의 퍼블릭/프라이빗 클라우드와 온프레미스 환경, IoT 기기를 초연결하는 솔루션을 지원한다. 

디바이스에서 발생하는 데이터가 기업 내부로 가기 전 1차 필터링은 팁코 메시징(Messaging)이 담당하고, 플랫폼 티어에서는 스트리밍 프로세싱, 이벤트 프로세싱 과정을 통해 일정한 간격을 두고 모든 이벤트를 분석해 이상치를 탐색하고 실시간 액션을 취한다. 이렇게 정제된 데이터는 팁코 플로고(PFlogo), 오픈소스 프로젝트 마쉴링(Mashiling) 등을 통해 제조 업체의 데이터 웨어하우스에 저장해 최종 의사결정에 사용한다. 팁코 소프트웨어는 데이터 시각화, 예측, 데이터 인텔리전스까지 종합적인 데이터 분석 과정을 지원한다.

 

순간을 놓치지 않는 증강 지식(Augment Intelligence)

연결 이후도 중요하다. 실시간 데이터를 연결해 입수한 후에는 실시간 분석이 뒤따라야 한다. 인간의 지식을 강화하는 데이터 수집, 전처리, 모델링, 배포, 시각화 작업인 증강 지식(Augment Intelligence)이 필요한 이유다. 팁코 소프트웨어는 단순한 데이터 시각화나 IoT 범위를 넘어, 디지털 트랜스포메이션을 뒷받침하는 혁신 기술에 맞춰 클로즈드 루프 아키텍처를 구축하는 종합형 제품을 갖추고 인텔리전스 플랫폼 구현에 주력한다.

핵심은 실시간 분석, 모델링, 의사결정을 지원하는 애널리틱스 솔루션이다. 발생한 데이터를 데이터 가상화 솔루션인 팁코 TDV(TIBCO Data Virtualization)를 통해 단일 데이터 소스 형태로 변환해 기업에 필요한 가치로 바꾸는 과정이 여기에 해당한다. 모든 이벤트를 다 모델에 적용하는 것이 아니라 머신러닝을 통한 예측 분석, 데이터 사이언스 기법을 통해 고급 필터링을 거친다. 이후 다시 시각화 도구로 분석해 2차 모델을 구축하고 계속해서 모델을 업그레이드하고 강화해나가는 형태가 팁코 소프트웨어가 추구하는 증강 지식이다. 

IT가 데이터를 전달하는 것이 아니라, 고급 사용자가 직접 소스 데이터를 받아서 자르거나 필터링해 각자 의미있는 결과를 만들어내도록 지원한다는 점이 특징이다. 특히 제조업에서 수율 같이 민감한 수치를 조절할 때 실시간 의사결정을 통해 즉각 대응이 가능하다는 장점이 있다. 이때 필요한 데이터를 손쉽게 관리할 수 있도록 스마트 비주얼 분석 도구까지 종합 스마트 팩토리 플랫폼을 검토하는 것도 좋은 선택이다.

 

직관적인 빅데이터 분석 솔루션의 조건

제조 업체에서 관리해야 하는 데이터는 날이 갈수록 늘어나고 있다. 일선에서는 스마트한 의사결정을 하기 위해 관련 데이터를 요청하더라도 처리와 분석에 수시간에서 수일 이상이 걸리므로, 결과 보고를 받아들었을 때에는 이미 환경 변화나 외부 요구에 빠르게 대응하기 어렵다는 고민이 깊다. 팁코 TDV는 다양한 데이터 소스를 하나의 종합적 데이터 베이스로 개발하고 최종 사용자가 요구하는 데이터를 즉시 출력하고, 업체나 용도마다 다른 규격이나 표준을 손쉽게 관리할 수 있도록 지원한다.

따라서 통계나 AI, 머신러닝에 대한 프로그래밍 전문 지식이 없더라도 드래그 앤 드롭 방식을 통해 필요에 따라 전문 기법을 적용하면서 데이터를 ‘가지고 놀’ 수 있다는 것이 최대 장점이다. 뿐만 아니라 데이터 웨어하우스에 저장하거나 전달하지 않고, 요청과 동시에 바로 데이터 랭글링을 지원한다. 고급 사용자라면 손쉽게 직관적으로 빅데이터를 다루면서 원하는 형태의 분석을 할 수 있다.

데이터를 하둡에 선저장, 후분석하는 형태의 단점은 시간이 오래 걸린다는 것이다. 분석이 끝났을 때는 이미 공정도 종료되고 사후분석, 사후처리만 할 수 있지만, 실시간 분석, 모니터링, 처리가 가능해진다면 즉석에서 환경 변화를 반영하고, 머신러닝 기법 등을 적용한 리얼타임 레시피 변경 관리 솔루션을 활용할 수 있게 된다. 실제로 불량 발생을 예측하면 즉석에서 공정 레시피를 변경하고, 환경이 안정되면 다시 원상복구하는 등의 의사 결정을 내리는 적용 사례가 있다.

이제는 다양한 분야에서 발생하는 대용량 데이터를 실시간으로 처리하고 그 안에서 의미 있는 특정 이벤트를 필터링해야 하는 과제를 해결해야 한다. 즉, 과거의 방식을 버리고 이벤트가 발생할 때 실시간으로 분석하고 바로 대응할 수 있어야 하며, 저장은 필요할 경우에 하자는 아이디어를 제품화한 것이 팁코의 CEP 솔루션인 스트림베이스(TIBCO StreamBase®)다. 스트림베이스는 제품 라인에서 발생한 데이터를 데이터베이스에 저장하기 전에 이벤트를 수집하고 필터링을 거쳐 실시간으로 의사결정을 내린다. 코딩이 아니라 드래그 앤 드롭 방식으로 프로세스 형태의 디자인 방식을 을 사용해 별도의 문서화가 필요하지 않다. 실시간 모니터링은 대시보드 형태로 파악하기 쉽게 이루어진다. 

 

혁신적인 스마트 팩토리의 목표 ‘커넥티드 인텔리전스’

제조업에 사용되는 설비와 기술의 종류는 너무나 방대하다. 똑같은 제품을 만드는 공정이라고 하더라도 사용되는 프로토콜, 이벤트 종류가 전부 같을 수 없다는 것이 제조업 분야의 특징이다. 장비와 장비 간의 상호 의존성이 더욱 심화되는 환경에서는 실시간 처리와 분석, 가시화, 초정밀 타겟팅 역량이 더욱 중요해진다. 지금까지 기업 내부 통합에 초점을 맞췄다면, 스마트 팩토리를 위시한 4차 산업혁명 환경에서는 기업 외부, 즉 에지의 통합까지 검토해야 한다.

4차 산업혁명 시대 스마트 팩토리의 새로운 목표는 지연성 최소화, 연결을 통한 실시간 분석, 실시간 대응이 될 전망이다. 방대한 데이터를 실시간으로 분석, 처리해야 하는 제조 전문 업체의 혁신 전략에서 ‘실시간’과 ‘커넥티드 인텔리전스’라는 두 가지 키워드는 전에 없던 새로운 기회를 창출하는 기반으로 작용할 것이다.

따라서 단순 데이터 수집이나 생산 자동화 단계를 넘어서야 한다는 현업의 요구와 혁신 기술 사이에는 모든 데이터를 실시간으로 연결하고, 비즈니스 요구를 즉각 이해해 의사결정에 반영하는 ‘커넥티드 인텔리전스(Connected Intelligence)’라는 접점이 존재한다. 또, 제조 환경의 요구를 반영해 다양한 데이터를 효과적으로 연계하고 수집하며, 실시간 분석과 모니터링까지 제공하는 종합 데이터 관리 솔루션을 선택하는 것도 좋은 방안이다. 
Read more
Article

6 오피스 스위트에 스며드는 AI··· 잠재력은? 대가는?

Paul Heltzel | Computerworld
이메일을 작성할 때 자신의 작성 스타일에 부합하는 제안이 자동 완성되는 것을 경험했을 것이다. 이를테면 프레젠테이션에 이미지를 삽입하는 경우, 소프트웨어가 자르기와 레이아웃에 대해 제안을 하는 식이다. 중요한 메시지에 대한 답장을 잊어버린 경우, 받은 편지함 맨 위에 표시가 되면서 답장을 해야 한다고 알려주기도 한다. 

구글 G 스위트, 마이크로소프트 오피스, 기타 생산성 스위트에 머신러닝과 인공지능 기능들이 점점 더 많이 추가되고 있다. 지금까지는 이메일 답장이나 회의 일정 수립 같은 반복 작업을 자동화, 개인화하는 기능들이 대부분이다. 

향후에는 AI가 구현된 오피스 소프트웨어들은 여러 다양한 플랫폼에서 프로젝트에 대해 협업하는 데 도움을 줄 수 있다. 또 더 나은 비즈니스 의사결정을 내릴 수 있도록 인사이트를 수집해 제공할 수도 있다.

프라이스워터하우스쿠퍼스(PwC)가 에 따르면, 오피스 스위트에 AI를 도입하는 트렌드가 가까운 장래에 생산성을 크게 향상시킬 전망이다. 보고서는 “우리의 분석에 따르면, 2030년에는 AI의 빠른 발전과 도입에 따른 결과로 GDP가 14% 증가할 전망이다. 금액으로는 15조 7,000억 달러가 증가한다는 의미이다”라고 기술하고 있다.

AI로 강력해진 제품들이 늘어나면서 이 기술이 가져올 자동화와 개인화의 활용이 늘어나고, 그 결과로 이 기술을 찾는 소비자의 수요와 요구도 증가할 전망이다. 이에 마이크로소프트와 구글 등 오피스 스위트 개발사들 또한 이런 전반적인 혜택의 일부를 누리기 위해 자사 제품에 AI와 머신러닝 기능을 추가하고 있는 추세이다.
 
지메일의 스마트 컴포즈 기능. 인사나 주소와 같은 요소를 자동으로 채워준다. 

그러나 이런 기능들이 실제 유용할까? 가트너의 제프리 만 조사 담당 VP는 다음과 같이 표현했다.

“처음에는 AI가 사용자의 선호도를 파악하기 위해 사용할 데이터가 많지 않다. 분석할 데이터 세트의 양이 아주 작다면, 좋은 제안이나 추천을 하지 못할 것이다. 그러나 시간 경과와 함께 데이터 세트가 증가해 좋은 제안이나 추천을 하게 된다. 여기에 익숙해지면, AI를 활용하지 못하게 되었을 때 상실감을 느끼게 된다. 예를 들어, 내 개인 자동차는 차량에서 멀어지면 자동으로 문이 잠긴다. 그런데 빌린 렌트카에 이런 기능이 없는 경우 큰 불편함을 느끼곤 한다.”

그렇지만 일부 업계 전문가들은 AI 기반 기능이 예상하지 못한 결과를 초래할 수도 있다고 지적한다. ‘편의’를 제공받은 대가로 프라이버시와 보안에 문제를 일으켰던 앞선 기술들과 비슷한 대가이다. 예를 들어, 개인 데이터를 클라우드에 보관하면 아주 편리하다. 그러나 어떻게 사용자 이름과 암호를 알아낸 해커 등에게 이메일과 사진, 금융 관련 정보가 노출될 수 있다. 애널리스트와 기술 분야 임원들은 AI의 편리성에 데이터 보안을 결부시켜야 한다고 강조하고 있다. 어째됐든 현재 우리는 모든 비즈니스 소프트웨어에 AI가 가져올 잠재력 가운데 극히 일부만 구현한 상태이다.
 
ⓒ Image Credit : Getty Images Bank

 

사무실에서도 가정처럼 활용되기 시작한 AI

아마 AI 기반 기능들 가운데 일부를 이미 널리 활용되고 있다. 클릭 한번으로 즉시 답장을 작성할 수 있는 지메일 스마트 리플라이 기능, 사용자의 문장 작성 특성에 따라 문장에 대해 제안을 하는 스마트 컴포즈 기능을 예로 들 수 있다. 두 기능 모두 사용자의 기존 메시지 및 응답 내용에 기반을 두고 있다. 구글 홍보 담당자에 따르면, 기업 사용자들은 이메일에 답장해야 한다고 알려주거나, 답장을 받지 못한 이메일을 추적할 수 있는 지메일 ‘넛지’ 기능을 월 160만 회 사용하고 있다.

가트너의 만은 “우리가 ‘일상 AI 기능’으로 부르는 몇몇 작은 강화된 기능들이 구글 G 스위트에 추가되고 있다. 회의 참가자의 수와 위치를 토대로 회의실을 찾을 수 있는 기능들을 예로 들 수 있다”라고 설명했다. 구글 독스 작업을 하는 경우, AI로 강화된 구글 문서용 퀵 액세스는 사용자가 구글 드라이브에서 사용한 파일과 문서의 내용을 토대로 관련이 있는 문서를 창으로 표시한다.

G 스위트의 클라우드 서치 기능은 함께 일을 하는 동료들이 기업의 업무 파일을 검색할 수 있는 기능이다. 이 기능을 머신러닝을 활용해 더 능률적으로 검색을 할 수 있다. 예를 들어, “docs Dave sent last month(데이브가 지난 달 보낸 문서)”, “files by Thompson last week(톰슨이 지난 주 공유한 문서)” 등으로 검색을 할 수 있다.

지난 가을, 구글은 지능형 검색을 사용해 타사(서드파티) 문서를 검색하는 기능을 추가했다. 이런 식으로 조금씩 업그레이드를 하고 있는 것으로 보인다. 애널리스트들은 가까운 장래에 비즈니스 사용자들이 다루는 다양한 플랫폼에 AI가 구현될 것으로 내다보고 있다.
만은 “사소한 변화들이 많다. 그러나 이런 것들이 통합되면 큰 차이가 만들어질 수 있다”라고 말했다.
 

마이크로소프트 오피스 365는 여러 다른 업무에 소비한 시간을 보여줌으로써 업무 습관을 개선할 수 있도록 돕는다. 


마이크로소프트는 오피스 365 사용자를 위해 파워포인트에 디자이너라는 이름의 기능으로 AI를 통합시켰다. 사용자가 추가한 사진, 차트, 표를 토대로 프레젠테이션의 레이아웃을 자동 제안하는 기능이다. 또 비즈니스용 원드라이브와 셰어포인트에 AI 기반의 오디오 및 비디오 기록 기능을 배포하고 있고, 디지털 비서인 코타나와 팀스, 기타 오피스 앱을 더 확실히 통합시키고 있다.

이 밖에도 오피스 365는 AI를 이용해 개인화된 검색 및 데이터 분석도 강화하고 있다. 만은 “마이크로소프트의 API인 MS그래프와 AI가 검색을 향상시키고 있다. AI는 사용자의 과거 사용 양태, 관심 사항을 토대로 더 나은 결과를 제시한다. 엑셀에는 데이터에서 이례적인 패턴을 찾는 기능이 있다. 또 사용자의 온라인 작업(업무) 양태를 토대로 이례적인 작업(업무) 패턴을 찾아주는 마이애널리틱스 기능도 있다”라고 설명했다.


클라우드 기반 오피스 스위트는 조호 원(Zoho One)에는 지아(Zia)라는 이름의 AI 비서가 포함되어 있다. CRM 데이터베이스의 세일즈 데이터를 분석하고, 성사될 확률이 있는 거래를 예측하고, 향후 수익에 악영향을 미칠 잠재적인 문제를 파악할 때 사용하는 챗봇의 일종이다. 현재 모든 조호 원 앱들로 확대가 되고 있는 이 AI 비서는 이메일을 추적하고, 고객 팔로우업에 대해 알려주는 기능 또한 지원한다.  
 

사무실의 AI : 앞으로의 전망

애널리스트와 기술 분야 전문가들에 따르면, 가까운 장래에 사용자들은 자신의 모든 필요 사항을 단 하나의 스위트로 해결하려 하는 대신, AI를 활용해 이미 사용하고 있는 여러 다양한 서비스에서 파일을 검색하게 될 가능성이 높다. 다시 말해, 이런 방향으로 AI가 발전한다는 의미이다.

세일즈 강화 소프트웨어 벤더인 세이즈믹(Seismic)의 알 브샤라 데이터 및 분석 담당 VP는 “구글, 마이크로소프트, 세일즈포스 같은 회사들은 우리 일상과 기업에 아주 깊게 뿌리를 내리고 있기 때문에, 다른 회사들은 독자적으로 AI를 구현하기 아주 어렵다. 다른 플랫폼들은 이를 유리하게 이용할 방법을 찾아야 한다. 다른 벤더가 알고리즘 생성부터 혁신적으로 알고리즘을 사용해 비즈니스 문제를 해결하는 방법까지 모든 것을 하는 하나의 플랫폼을 제공할 필요는 없다. 이는 하나의 플랫폼에 사용자가 선호하는 플랫폼이 모두 통합된다는 의미도 된다”라고 말했다.

451 리서치의 크리스 마쉬 애널리스트 또한 미래에 생산성 스위트에 구현될 AI들은 여러 다양한 플랫폼에서 더 많은 사용자와 데이터를 단일 환경으로 통합하는 역할을 하게 될 것이라는 점에 동의했다. 마쉬는 최종적으로 업무 환경에 페이스북 같은 소셜 그래프가 구현될 것이라고 말했다.  

마쉬는 “콘텐츠 주변에 대화를 가져오는 것이라고 말할 수 있다. 즉, 아웃룩에 특정 콘텐츠 수정 방법에 대한 내용이 담긴 이메일 대화가 있다고 가정하자. 박스와 드롭박스 또한 이 플랫폼에서 더 많이 워크플로를 생성하는 것이 크게 도움이 될 것이다. AI와 ML을 지능적으로 관련 대화를 파악, 인식, 분류하는 수단으로 간주하는 것이다”라고 설명했다.
 

조호의 AI 세일즈 비서 지아. 과거 데이터에 기반해 세일즈 가능성을 예측한다. 


IT 컨설팅 회사인 글로반트(Globant)의 최근 보고서에 따르면, 기업의 약 절반은 수집하는 많은 데이터에서 인사이트를 추출하는 용도로 AI를 활용하고 싶어한다. 이와 관련해 브샤라는 다음과 같이 설명했다.

“효과적인 AI 애플리케이션 중 하나는 영업과 마케팅 팀 등 여러 팀의 이질적인 데이터 세트를 통합, (이렇게 하지 않을 경우 간과했을 수 있는) 인사이트를 발굴하는 것이다. 이를 통해, 데이터에 기반을 둔 새로운 캠페인이나 프로그램을 구현할 수 있다. 또 다른 부서들을 위한 ‘통일성 구현 도구(Unifier)’로도 활용할 수 있다. 다시 말해, 마케팅과 세일즈 부서가 동일한 매트릭스와 데이터를 이용하는 것이다. 이렇게 하면, 하나의 팀으로 더 효과적으로 협업을 할 수 있는 토대를 만들 수 있다. 제품 개발 및 마케팅 부서, 고객 지원 및 세일즈 부서 등 어떤 두 팀이라도 협업이 필요한 경우에 이렇게 할 수 있다. 동일한 AI 알고리즘 세트를 활용할 경우, 협업에 적용할 또 다른 새로운 방법 또한 찾을 수 있다.”
 

대가와 보안 우려사항

전문가들은 오피스 스위트에 AI 구현되면 생산성이 크게 향상될 것으로 내다보고 있다. 그러나 이와 동시에, 반복적인(중요할 수도 있는) 작업을 AI에 넘길 때 고려해야 할 위험도 존재한다고 경고한다.

AI 기술 벤더인 다윈AI(DarwinAI)의 쉘돈 페르난데즈 CEO는 “워드 프로세서와 스프레드시트가 과거 백오피스 작업을 크게 자동화시켰듯, AI로 강화한 소프트웨어는 여러 영역에서 생산성 향상을 촉발할 것이다. 중요하게 고려해야 할 부분들이 있다. AI의 정교한 수준이 대상 사용자에게 초래할 영향, 이를 통한 자동화가 사용자의 일상 작업 관여 및 스킬 연마에 미치는 영향(정도)이 여기에 해당된다. 우리는 의사들부터 전투기 조종사까지 기술에 지나치게 의존을 하는 사례들을 확인했었다. 생산성 영역에서도 이런 문제가 초래될 수 있다”라고 말했다.

451 리서치의 마쉬는 여러 벤더의 플랫폼에 저장된 기업 데이터를 단 하나의 AI 기반 허브로 통합할 경우 보안 위험이 초래될 수 있다고 경고했다. 그는 “단 하나의 환경에 (다른 벤더가 전혀 다른 환경으로 이동시킨 결과로)정보가 저장되어 있다면, 자신의 플랫폼 밖으로 나갈 때 정보를 추적하는 방법, 자신의 환경에 적용하고 있는 거버넌스 아래 이를 제공하는 방법 등과 관련해 다양한 문제가 초래될 수 있다”라고 말했다.

마쉬에 따르면, 그가 이야기를 나눈 대부분의 고객들은 지금 당장은 AI와 관련된 우려사항이 많지 않았다. 그러나 만약 AI와 ML이 여러 플랫폼 간 데이터 이동 경로로 활용된다면, 데이터를 정확히 추적하는 것에 대한 보안과 관련된 우려 사항이 발생할 것이다.
 

G 스위트에 내장된 넛지 기능은 지네일 이용자의 8%로부터 매주 응답을 이끌어내고 있다.


사용자 개인의 프라이버시 또한 근거가 있는 우려 사항이다. 페르난데즈는 “사용자의 선호도, 습관, 예상되는 워크플로 등 AI로부터 수집한 인사이트를 비밀로 유지하고, 상업적 이익을 위해 사용하지 않아야 한다. 많은 사용자 약관이 기업이 사실상 제한 없이 데이터 포인트를 수집 및 분석하는 데 사용자가 동의를 하도록 되어 있다. 따라서 AI로 강화된 생산성 앱을 사용하는 사용자들은 자신의 개인화 데이터가 상업적 목적으로 사용되는 위험에 대해 질문을 물어야 한다”라고 말했다. 

SaaS 및 클라우드 기술 공급업체인 시트릭스(Citrix)의 클라우드 및 가상화 IoT VP인 스티브 윌슨에 따르면, 사용자들은 앱의 데이터 수집, 공유, 재판매 관련 내용을 정확히 인지하고, 이에 따라 앱을 사용하는 것이 좋다. 

윌슨은 “최신 머신러닝 기능들은 모델 트레이닝과 모델의 실시간 프로세싱을 위해 수 많은 데이터에 액세스를 한다. AI 시스템은 사용자를 지원하기 위해 지속적으로 사용자 환경을 인식하려 시도한다는 의미이다. 개인 데이터, 기업 데이터를 보호하고 싶다면, 공유될 데이터의 종류를 승인할 때 적극적으로 접근하는 것이 좋다”라고 말했다. 그는 “아무 생각 없이 승인 확인 상자 모두에 표시를 할 경우, 원하는 것 이상으로 정보를 포기하게 되는 것이다”라고 덧붙였다.

페르난데즈에 따르면, 유럽의 GDPR과 캘리포니아의 소비자 프라이버시 법 같이 개인 데이터에 대한 우려 사항을 해소하려는 법이 등장하기 시작했다. 그러나 AI 기반 앱은 아직 초기 단계에 머무른다. 따라서 기업과 사용자는 이러한 앱이 데이터에 액세스하고, 이에 따라 동작을 하게 허용했을 때의 ‘보상’, 초래되는 ‘위험’을 인식할 필요가 있다.

윌슨은 “아직은 감당할 수 없는 큰 문제는 아니지만, 개인과 기업 모두 이 문제를 인식하고 있어야 한다”라고 강조했다.

페르난데즈는 또 경계해야 할 잠재적인 문제 한 가지를 추가로 언급했다. 인공지능의 의사결정이 편향될 수 있는 문제이다. 예를 들어, 최근 아마존에서는 HR 도구가 남성 구직자를 우선시하는 문제가 발생한 사례가 있었다. 이 도구에게 이런 편향된 결정을 유도하는 역사적 데이터를 제공해 트레이닝한 결과이다.

그는 “편향된 데이터세트 때문에 AI에서 편향된 결과가 발생하는 사례가 많다. AI 시스템의 품질은 트레이닝에 사용하는 데이터가 결정하기 때문이다”라고 말했다. ciokr@idg.co.kr

Read more
Article

7 가상 비서는 어떻게 비즈니스 가치를 견인하나

Bob Violino | CIO
ⓒ GettyImages Bank

가상 비서, 인공지능(AI) 비서 기술은 꽤 오래전부터 부상할 움직임을 보였다. 그러다 아마존 알렉사, 애플 시리, 마이크로소프트 코타나, 구글 어시스턴트 같은 제품이 인기를 끌고 있으며, 이러한 추세는 계속되고 있다.

사용자의 음성 명령을 이해하고 사용자를 대신해 작업을 수행하도록 훈련받은 가상/AI 비서 기술은 여기에 그치지 않고 기업 시장에도 진입하고 있다. 기업은 음성-문자 전환, 팀 협업, 이메일 관리, 고객 서비스, 헬프데스크 관리, 데이터 분석 등 다양한 사례에 AI 비서(챗봇 포함) 기술을 활용할 방법을 모색하고 있다.

온라인 IT 커뮤니티인 스파이스웍스(SpiceWorks)가 2018년 발표한 보고서에 따르면, 직원 500명 이상의 기업 40%가 2019년에 기업이 보유한 기기에 지능형 비서나 AI 챗봇을 하나 이상 구현할 계획이 있다. 이는 스파이스웍스가 2018년 3월에 북미와 유럽의 IT 구매자 529명을 설문 조사한 결과다.

기업 보유 기기와 서비스에 이미 이 기술을 구현한 기업의 약 절반인 49%는 업무 관련 작업에 마이크로소프트 코타나를 사용하는 것으로 조사됐다. 그 다음으로는 47%가 애플 시리를 사용 중이었다. 구글 어시스턴트와 아마존 알렉사를 사용하는 비율은 각각 23% 및 13%이다.

AI 챗봇과 지능형 비서를 배포한 기업들 가운데 46%는 STT(Speak to Text) 기록에 사용하고 있었으며 26%는 팀 협력 지원에, 24%는 직원 일정 관리에 각각 사용 중으로 파악됐다. 이밖에 14%는 고객 서비스 지원에 AI 챗봇을 사용하고 있고, 13%는 IT 헬프데스크 관리에 사용하고 있었다.

절반이 넘는 53%의 기업들은 IT부서에서 이러한 제품을 사용하고 있었다. 23%는 관리 부서 지원에 20%는 고객 서비스 지원에 각각 사용 중이었다. 

AI 챗봇이나 지능형 비서를 아직 활용하지 않는다는 이유에 관해 업무 관련 사례가 미흡해 사용하지 않는다는 답변이 약 절반에 달했다. 또 29%는 보안 및 프라이버시에 대한 우려를, 25%는 비용으로 인한 도입 연기 등을 이유로 각각 지목했다. AI 도입이 확대되는 추세지만, 조직이 AI 기술을 구현해 지원할 수 있는 적절한 기술력, 인재, 자원을 보유하고 있다고 답한 IT종사자 비율은 20%에 불과했다.

가상 비서를 구축하고 계속 유지할 계획인 IT임원들에게 도움이 될 수 베스트 프랙티스들을 정리했다.
 

팀워크를 강조한다

독자적으로 AI 비서를 개발하고 배포해 유지 관리할 수는 없다. IT는 고객 서비스, HR, 경영진 등 다른 조직체와 접촉하고 협력해야 한다.

캐피털원이 2017년 출시한 자연어, SMS 기반 챗봇인 Eno를 개발했을 때 중요한 구성 요소 중 하나가 ‘팀 개념’이었다. 캐피털원의 소프트웨어 엔지니어링 VP 마가렛 메이어에 따르면 Eno의 특징, 기능, 인프라를 구현하기 위해 디자인, 제품 개발, IT 부서 직원들로 팀을 구성했다.

메이어는 “하나의 팀으로 일하면서, 새로운 기능에 대해 각자 인풋과 피드백을 제공해 Eno와 관련해 더 큰 성과를 일궈냈다. 정확한 장기 로드맵 수립에 대해 지나치게 집착하지 않는다. ‘민첩’하게 일한다. 그리고 고객이 원하는 ‘Eno가 고객에게 도움을 줄 수 있는’ 부분에 초점을 맞추고 있다”고 말했다.

Eno는 고객들이 더 빨리 효과적으로 계좌의 잔액, 최근 거래 내역, 결제일 관련 질문에 대한 답을 찾고 요금을 납부하며 기타 거래를 하도록 도움을 준다. 머신러닝을 사용해 특정한 사용자의 요구에 맞도록 지능형 비서를 커스터마이징할 수 있다.

AI 비서를 유용하게 사용할 수 있는 또 다른 분야는 부정행위(사기) 방지다. 기존에 사용한, 고객의 응답이 필요했던 부정행위 경고는 사용할 수 있는 응답 세트가 협의로 정의되어 있었다. 메이어는 “Eno는 자연어 처리 기능이 있다. 덕분에 자신의 신용카드 및 현금카드 계좌의 의심스러운 활동 때문에 경고를 받은 캐피털원 고객들은 이제 ‘네/아니요’로만 대답하지 않아도 된다. 이는 캐피털원이 의심스러운 활동에 대한 얼럿과 관련, 고객들로부터 더 다양하고 많은 응답을 받고 이를 파악하며 이해할 수 있도록 만들어준다. 이를 통해 카드를 더 빨리 중지시켜, 더 이상의 부정행위를 방지할 수 있다”고 설명했다.

Eno는 SMS 문자를 넘어, 다른 채널로 확대가 되고 있다. 고객의 요구와 채널 선호도를 충족하기 위해서다. 메이어는 “고객들이 채널에 상관없이, 자신들의 질문에 대한 답을 더 빨리 디지털 기반으로 얻도록 만드는 데 목적을 두고 있다”고 말했다.

고객들은 Eno와의 자연스러운 대화형 접촉에 긍정적인 반응을 보였다. 메이어는 “대기 시간 없이, 고객 서비스 직원과 이야기를 하는 것처럼 Eno와 이야기할 수 있어 좋다’는 고객 반응을 강조하고 싶다”고 전했다.

 

 

기술을 쉽게 활용할 수 있도록 만든다

나사(NASA) 산하 제트 추진 연구소(JPL)는 이른바 ‘미래의 기술 물결’을 끊임없이 평가하고 실험한다. 내부에서 개발한 디지털 비서 또한 이런 ‘미래의 기술 물결’에 포함이 된다. JPL의 톰 소더스트롬 IT CTO에 따르면, 이런 ‘물결’은 도처에 지능형 비서를 구현하게 될 ‘거대한 쓰나미’가 된다.

소더스트롬은 “기본 탑재된 지능형 비서가 진짜 유용해지려면, 쉽게 접근하고 쉽게 활용할 수 있게 만들어야 한다. 이미 우리는 시리, 알렉사, 구글 같은 디지털 비서에게 편하게 질문하고 대답을 듣는다. 우리는 이런 간편함을 좋아하지만, 업무 관련 질문은 할 수 없다. 또 이런 상용 디지털 비서와 대화를 유지할 수도 없다”고 이야기했다.

JPL의 비즈니스 케이스는 직원들이 지능형 비서와 간단히, 그리고 자연스럽게 업무와 관련된 깊이 있는 대화를 하고, 몇 초 만에 정확한 대답을 얻도록 만드는 것이다.

소더스트롬은 “대화, 문자, 화면 표시, 이메일 답장 등 사용자가 선호하는 방식으로 답변이 제공될 것이다”고 말했다. 질문을 하면, 지능형 비서는 페타바이트급 데이터가 포함된 여러 데이터 소스를 쿼리해 재빨리 질문에 대한 대답을 제공할 수 있어야 한다. 이때 사용자가 모든 세부 사항을 알 필요가 없도록 만들어야 한다.

이런 지능형 비서는 여러 다양한 사례에서 그 ‘혜택’이 입증되고 있다. 이런 사례 중 하나는 헬프데스크처럼 동일한 종류의 질문을 반복해 묻는 경우다. JPL은 HR과 계약, 조달, 사이버 보안, 클라우드 컴퓨팅에 대한 질문, 빈 회의실을 찾거나 주차장의 빈 자리를 찾는 등의 질문에 대답할 수 있는 지능형 비서를 구축했다.

또 다른 사례는 전문가들이 자신의 전문 분야와 관련된 특정 정보를 찾는 경우다. 이 지능형 비서는 수많은 데이터 소스와 도메인을 신속하게 검색해, 그 즉시 인사이트를 제공할 수 있다. 사이버 보안과 관련된 쿼리들, 우주 통신망 추적과 관련한 깊이 있는 질문들, 앞으로 열릴 컨퍼런스에 대한 정보, 최신 제안서에 대한 정보, 이상 행동/동작에 대한 보고서 작성 등도 사례가 될 수 있다.

데이터의 양이 아주 많고, 트랜잭션이 아주 빠른 속도로 발생하는 가운데 실시간 모니터링이 필요할 수 있다. 그러나 사람은 적시에 대응할 수 없다. 이런 경우도 사례가 될 수 있다. 백그라운드에서 작동하는 지능형 비서가 사용자에게 이벤트에 대해 통보하거나, 자신이 직접 대응하는 사례다. 실시간 공격 같은 사이버 보안 사고, 자동으로 화성의 흥미로운 부분에 대한 사진을 촬영해 JPL에 전송하는 것, 법 집행 기관들이 인터넷과 다크웹을 조사하는 데 도움을 주는 등의 다양한 노력이 예가 될 수 있다.

로드맵을 수립한다

가트너의 고객 경험 및 기술/대화형 AI 플랫폼 조사 담당 글로벌 선임 디렉터인 브라이언 마누사마는 “기업은 대화형 비서를 활용해 가치를 창출하는 데 목적을 둔 로드맵을 수립해야 한다”고 강조했다.

마누사마에 따르면, AI 비서를 활용할 수 있는 4가지의 중요한 대화형 상호작용 유형이 존재한다. 기업이 이 기술에 대한 경험을 축적하면서 논리적으로 발전 및 진행이 되는 유형들이다.

첫째, 낮은 수준의 정보 제공 작업이다. 단순한 대화로 의도를 파악하는 유형이다. 현재 배포된 기술 가운데 대부분이 여기에 해당된다. 웹사이트에서 자주 하는 질문을 자동화한 것을 예로 들 수 있다.

둘째, 낮은 수준의 정보 제공 작업이지만, 의도를 파악하기 위해 복잡한 대화가 필요한 유형이다. 의도를 명확히 파악하기 위해 여러 질문을 하는 유형이다.

셋째, 단순한 대화에 기반을 둔 트랜잭션이 요구되는 ‘엔드 투 엔드’ 작업이다. 자동화된 에이전트와의 대화를 백엔드 시스템에 통합, 트랜잭션을 트리거하거나, 여러 지식 기반을 결합해 요청에 대한 응답을 제공하는 유형이다.

넷째, 폭넓은 주제의 대화가 가능하고, 엔터프라이즈 시스템과 통합된 진짜 대화형 AI 비서다.

AI 비서가 실제 가치를 창출해 전달하는지 판단하기 위해서는 고객 만족도를 측정하는 것이 중요하다. 마누사마는 “최근 몇 년 동안, 일부 챗봇이 고객들에게 매우 나쁜 경험을 전달한 사례들이 있었다. 만족도를 측정하고, 단계적 확대 비율을 모니터링하며, 문제에 대한 보고서를 평가해야 한다. 또 더 정확해지도록 디지털 에이전트를 지속해서 재교육시켜야 한다”고 강조했다.

지금 바로 시도하며 직접 부딪혀 배운다

현재 AI 비서를 배포 및 구현할 수 있는 기술들이 존재한다. IT는 AI 비서 구현 및 배포를 지원해야 한다. 소더스트롬은 “사용자에게 가장 유용한 사례를 묻는 것이 좋다. 그런 다음 구축을 시작하고, 신속하게 사용자 피드백을 수집한다. 이를 기반으로 반복을 하거나 ‘폐기’한다. 그리고 다음 기술을 구현하기 시작하는 것이 좋다”고 말했다.

조직 구성원이 특정 AI 비서가 유용하다고 판단내릴 경우, 이는 경제적인 투자이고 빨리 투자 수익을 회수할 수 있는 투자다. 특정 비서가 유용하지 않다는 판단이 내려질 경우, 이는 작은 투자이고 미래에 사용하기 위해 ‘보관’할 수 있다.

JP는 AI 비서 프로젝트를 시작하면서 ‘아이디어톤’ 회의를 개최했다. 그리고 빈 회의실을 찾는 사례에 대한 요청이 가장 많다는 것을 발견했다. 소더스트롬은 “1주 만에 첫 번째 버전을 만들었다. 이후 계속 지능을 추가시켰다. 아주 효과적이라는 것이 증명되었고, 인기도 높았다”고 전했다.

특정 목적을 위해 특정 비서를 구현하는 방법 또한 고려해야 한다. 소더스트롬은 “동일한 아키텍처와 도구가 사용되지만, 사용자의 의도를 정확히 파악할 수 있을 정도로 자연어 처리 기술이 발전된 상태는 아니다”고 말했다. JPL이 단 하나의 AI 비서만 구현했다면, 사용자는 애플리케이션에서 더 많이 질문해야만 했을 것이다. 그리고 이는 AI 비서를 활용하기 어렵게 만들었을 것이다.

기업은 AI 비서를 배포할 때 일정 수준의 ‘후퇴’도 예상해야 한다. 보험사인 에이플락(Aflac)의 혁신 및 고객 경험 담당 디렉터 키스 팔리는 “AI를 구현할 때, 실패를 즉시 인정하고 이를 통해 학습하는 것이 중요하다”고 강조했다. 

2018년, 에이플라은 웹사이트와 모바일 앱에 ‘채팅’ 기능을 추가했다. 팔리는 “처음에는 완전히 자동화된 챗봇을 구현했다. 그러나 특정 유형의 질문에서 ‘실패율’이 너무 높다는 판단을 내렸다. 그래서 보험 혜택 및 범위와 관련된 다양한 질문에 대해서는 챗봇 대신 사람과 사람의 채팅 기능을 이용하기 시작했다”고 설명했다.

직원들은 모든 질문에 대해 대답할 수 있다. 에이플락은 이 원본 ‘질문 및 답변’ 데이터를 축적하고 있으며, 이를 활용해 2019년에 새로운 챗봇을 출시할 계획이다.

팔리는 “에이플락은 일정 수준 위험을 감수하고, 실패를 두려워하지 않는 기업 문화를 만들고자 한다. 초기의 실패로부터 재빨리 교훈을 터득하고, 다시 시작하며, 아주 성공적인 고객 앱을 개발해 전달할 수 있었다. 이는 고객 만족도를 높일 것이다”고 강조했다.

*Bob Violino는 프리랜서 기자로 다양한 기술과 비즈니스에 대한 주제를 담당하고 있다. ciokr@idg.co.kr

Read more
Article

8 멀리 가려면 함께··· AI 이니셔티브 확장 팁 7가지

Clint Boulton | CIO
ⓒ Getty Images Bank

2018년, 인공지능(AI) 파일럿 프로젝트가 급증했다. 고객 관계를 강화하거나 네트워크 운영을 개선하려고, 또는 사이버보안 태세를 증강하려는 목적으로 머신러닝(ML) 알고리즘과 여러 자동화 툴을 시험한 기업이 많았다.  

초기의 성과에 고무된 CIO들은 다음의 도전, 즉 AI의 전사적 확대를 준비하고 있다. 프라이스워터하우스쿠퍼(PwC)의 최근 보고서에 따르면 미국 1,000명의 업무 임원 가운데 20%가 2019년에 AI를 전사적으로 도입할 계획이라고 응답했다.

현장의 열의는 다른 수치로도 드러난다. 기업들이 이 기술에 투자를 늘리고 있다. IDC는 인식 및 AI시스템에 대한 지출이 2022년이면 776억 달러에 이를 것으로 전망한다. 이는 2018년 예상치인 240억 달러의 3배가 넘는 수치이다. 

그러나 열의가 아무리 크다고 해도 AI를 확장하는 길은 위험으로 가득하다. 예를 들어 부서간 협업을 훼손할 수 있는 교류 전략 실패, 비즈니스 현안의 변화 등이다. 기술 업무를 담당할 인재의 부족은 문제를 한층 악화시킬 수 있다. 

PwC, 딜로이트 및 신생기업의 AI 전문가들이 AI 이니셔티브를 확장할 때 CIO가 고려할 사항을 조언했다.

인하우스 AI팀을 구성 

스타트업 랜딩AI(Landing AI)의 설립자이자 CEO인 앤드류 응은 임원 그룹의 지지를 확보하려면 내부적으로 AI팀을 결성해 프로젝트를 회사 내에 유지해야 한다고 강조했다. AI팀의 지휘는 CTO, CIO, 또는 CDO(digital or data), 또는 심지어 최고 AI 임원이 맡을 수 있다. 그러한 팀 구성은 특히 인재 영입 및 유지에 유리하다고 그는 설명했다.

응은 12월 출간된 AI 트랜스포메이션에 관한 안내서에서 “AI팀을 새롭게 결성한다면 AI인재의 산실이 되어 교차-기능적 프로젝트를 추진할 수 있다”면서 “새로운 직무 및 새로운 팀 조직이 출현할 것이다”고 말했다. 

응은 과거 구글과 바이두에서 머신러닝 엔지니어, 데이터 엔지니어, 데이터 과학자, AI제품 관리자로 구성된 AI팀을 이끈 경력이 있다. 그는 그러나 팀 구성이 쉽지 않을 수 있다고 인정했다. 응은 “현재의 AI 인재 영입 전쟁은 단기적으로 제로섬 게임이다”라며, 핵심 담당자를 충원하기 위해 인력 회사와 협력해야 할 수 있다고 덧붙였다.

시티즌 AI 직원과 AI 전문가가 협력하도록 교육 

AI 인력난이 AI 이니셔티브를 좌절시켜서는 안 된다. 오히려, 기업은 AI와 데이터 과학을 민주화하는 툴을 적극 활용해 인재풀을 늘려가야 한다. 예컨대 시티즌 AI 개발자를 위한 이용자 친화적 인터페이스를 가진 애플리케이션, 비-기술 전문가를 위한 교육 프로그램 등을 검토할 만하다. 

PwC의 신종 서비스 및 신생 기술 리더이자 전사적 AI 확장에 관한 위 보고서의 공동 저자이기도 한 스캇 리켄스에 따르면 기업은 직원을 3계층으로 나눌 수 있다. 먼저 시티즌 이용자(citizen users)로서 AI로 보강된 앱을 이용하는 법을 배우는 사람이 있다. 

다음은 시티즌 개발자(citizen developers), 혹은 파워 유저로서 이용 사례와 데이터 세트를 규명할 수 있고, AI 전문가와 긴밀히 협력해 새로운 AI 앱을 제작할 수 있는 사람이다. 

그리고 데이터 과학자(data scientists)는 AI 애플리케이션을 제작하고 전개하고 관리하는 어려운 일을 한다.  

전문가 조직 확립 

리켄스는 위 PwC 보고서에서 AI 기반을 구축하는 최고의 방법 가운데 하나는 AI 전문가 조직(Center of Excellence, CoE)을 확립하는 것이라고 밝혔다. 이 전문가 조직은 기술 표준, 아키텍처, 툴, 기법, 벤더, 지적 재산 관리를 결정하는 한편, 이용 사례를 규명하는 방법, 책임성과 거버넌스를 개발하는 방법을 도출하는 책임을 진다.  

실례로, 거대 에너지 기업인 셸(Shell)은 석유 시추 설비의 기계 부품의 예방 정비 등의 프로젝트를 다루는데 AI, ML, 애널리틱스를 이용하는 데이터 과학 전문가 조직을 결성했다.  

실험을 통해 AI 전략을 점진적으로 확대 

AI 전략을 즉시 도출할 수 있다면 좋겠지만 현실은 녹녹하지 않다. 응은 AI기술에서 어느 정도 경험이 쌓이기 전까지 기업이 깊이 있는 AI 전략을 개발하기는 쉽지 않다고 말했다. 

응은 연관 전략에 대체로 합치하는 AI 자산을 여러 차례 구축해볼 것을 권했다. 이는 업종 내 경쟁자가 모방하기 힘든 경쟁 우위를 가질 수 있도록 만들어져야 할 것이다. 그러자면 비즈니스 통찰을 낳는 정교한 데이터 애널리틱스 전략이 필수이다. 

예를 들어, 부동산 회사인 켈러 윌리엄즈(Keller Williams)는 게시물 최신성을 유지하기 위해 주택에 세심하게 배열된 수천 곳의 데이터 포인트와 머신러닝 소프트웨어를 이용한다고 회사의 최고 제품 임원인 닐 돌라키아는 전했다. 

직원들은 켈러 윌리엄즈 앱을 이용해 스마트폰에서 주택의 영상을 찍고, 이는 구글의 클라우드 오토 머신러닝 소프트웨어에 연결된다. 소프트웨어는 즉시 목재 바닥, 화강암 씽크대 등의 특징을 식별하고 기록한다. 돌라키아는 <CIO>와의 인터뷰에서 “여러 날이 걸리던 것이 몇 분이면 끝난다”라고 말했다. 


돌라키아는 머신러닝이 부동산 업종에서 경쟁 우위를 제공할 수 있다고 높이 평가하며, 2019년에 켈러 윌리엄즈의 AI 이용을 확대할 계획이라고 말했다. 

응은 “AI 전략은 가치를 창출하는 쪽으로 회사를 인도하면서도 방어 측면 또한 안배한다”면서 “초기의 AI 프로젝트가 성공하면 AI에 대한 이해가 깊어질 것이고, 그렇다면 AI가 최대의 가치를 만들 수 있는 곳이 어디인지 알 수 있을 것이다. 그곳에 자원을 집중시키면 된다”라고 말했다. 

책임성 확보

AI 도입 시 가장 어려운 점의 하나는 AI 모델이 어떻게 결정을 내리는가를 명확히 하는 것이다. 금융 등 규제적 시장이라면 이는 중대한 문제이다. 최근 뉴욕에서 열린 AI 서밋에서 뱅크 오브 아메리카(BoA)의 최고 운영 및 기술 임원인 케이시 베선트는 투명한 AI모델을 개발하는 것이 중요한 이유가 바로 이 때문이라고 말했다. 

조직은 다음과 같은 질문을 검토하면서 이른바 블랙박스 우려에 대처할 수 있다. 즉, ‘조직은 결정이 정확하다는 것을 보장할 수 있는가?’, ‘누가 AI 시스템을 책임지는가?’, ‘적절한 컴플라이언스 제어 수단이 배치되어 있는가?’와 같은 질문이다.  

성공적인 AI 전개란 이들 요소를 일일이 감안하며 ‘책임 있는 AI’를 만들어내는 것이다. 

참여적 또는 인간 중심 설계

책임 있는 AI를 구축하는 방법은 무엇일까? 딜로이트의 기업 AI현황에 관한 최근 보고서에 따르면 관계자가 취해야 할 첫 단계는 복잡한 AI 구현물을 설계하는데 직접 참여하도록 조치하는 것이다. 

참여적 설계는, 인간 중심 설계의 형태로, 이용자 커뮤니티의 니즈를 설계 프로세스로 직접 반영하며, 보다 지속성 있는 솔루션을 개발한다. 이는 설계자가 맥락 또는 상상의 실패로 인해 예상하지 못할 수 있는 문제를 이해하고 피할 수 있게 해준다. 

예를 들어, 직원 업무량을 줄이기 위해 고객 센터에서 챗봇을 구현한다고 하자. 참여적 프로세스라면 고객 센터 직원, 경영진의 일원, 챗봇과 상호작용할 고객이 관여할 것이다. 

AI가 윤리에 기초하도록 보장하고자 한다면 기업은 참여적 설계를 바탕으로 “정기적으로 알고리즘을 검토하고 평가하여 이상이 없음을 확인해야 한다”고 딜로이트의 사장이자 글로벌 데이터 위험 및 애널리틱스 리더인 빅 카트얄은 말한다. 

마지막으로, 기업은 제3자가 AI를 독립적으로 검증할 수 있게 해야 하고, 이는 공백을 메우고 허점을 보완하는데 유익하다. 

소통 전략 다듬기 

AI는 기업에 지대한 영향을 줄 것이므로, 기업은 통일성을 보장할 수 있는 소통 프로그램을 마련해야 한다. 이는 투자자 관계(AI에 관한 가치 창출 이론을 설명), 대정부 관계(필요에 따라), 고객(전략적 마케팅), 인재(블랜딩은 젊은 피를 수혈하는데 중요함), 그리고 내부 소통을 포함한다. 

응은 “오늘날 AI에 대한 이해가 여전히 부족하고, 특히 일반 인공지능은 과장이 심해 두려움, 불확실성, 의심이 있다”면서 “아울러 자신의 직무가 AI로 대체되지 않을까 우려하는 직원도 많다. 명확한 내부 소통에 의해 AI를 설명하고 직원의 우려에 대처한다면 AI 도입에 따른 내부 반발이 줄어들 것이다”라고 말했다. 

오늘날 대다수 임원들은 AI의 가능성에 대해 낙관적이다. 딜로이트가 조사한 1,100명의 IT 및 업무 임원 가운데 56%가 AI에 의해 3년 내에 업무가 변화할 것이라고 말했다. 

프랙탈 애널리틱스의 CIO 컨설턴트이자 전략 고문인 앤디 월터는 “간소해지고 기민해지고 성장에 집중할 필요에 따라 기업의 AI/애널리틱스 경쟁은 계속될 것이다”면서 “의도한 비즈니스 프로세스에서 AI 기능을 이용해온 기업은 가치 견인 기회를 전사적으로 확대할 것이다. ‘지능형 기업’은 매출과 순익 면에서 경쟁을 압도할 것이다”고 말했다. ciokr@idg.co.kr

Read more
Playlists