인공지능의 비즈니스 적용 전략 - 기업 경쟁력 향상을 위한 인공지능 적용 프로세스

2018-08-01 윤동균

인공지능의 현재와 미래

2017년 기준, 어느 조사에서 미국 성인의 79%가 어느 형태로든 인공지능을 사용해 봤다고 답했고, 65%는 자동화가 일상생활에 중요한 영향을 미치고 있음을 인정했습니다. 현재 인공지능은 가상비서, 스피커, 자율주행 자동차와 같이 소수의 제품만을 떠올리게 하지만, 2018년을 기점으로 저변이 확대되면서 보다 다양한 형태로 우리 삶에 영향을 미칠 것으로 전망됩니다.

‘인공지능’이란 보편적으로 인간과 같은 인지능력을 발휘할 수 있는 존재 또는 지능을 지칭하며, 철학적·공학적으로도 많은 토론과 재정의가 이뤄지고 있는 단어이자 학문 분야입니다. 1950년대에 인공지능이라는 단어가 등장한 이후 공학적인 관점에서 이를 구현하기 위해 전문가 시스템, 퍼지 이론, 유전 알고리즘 등의 접근법이 사용되어 왔고, 이제 관심은 머신러닝으로 넘어왔습니다. 더불어 이슈가 되고 있는 딥러닝은 머신러닝 알고리즘 중 여러 비선형 변환기법의 조합으로, 높은 수준의 추상화를 시도하는 알고리즘의 집합으로 정의됩니다. 국내에서는 2016년 AlphaGo가 준 충격 이후 일반인도 쉽게 ‘딥러닝’이라는 단어를 접하게 되었고, “인공지능=딥러닝”이라는 인식이 자리 잡았습니다.

인공지능 분야에 대한 연구가 활성화되면서 구글, 바이두 같은 Tech. Giant들은 2016년 한 해에만 200억~300억 달러를 R&D 투자(90%) 및 AI기업 인수(10%)에 사용했으며, 외부 투자금 또한 60억에서 90억 달러로 규모가 급성장했습니다. 또한 인공지능 소프트웨어로 인한 직/간접적 수익도 32억 달러(2016년)에서 898억 달러(2025년)로 증가할 것으로 기대하고 있죠.

2016년 AI 투자 규모(좌) 및 AI 소프트웨어 시장 규모(우), *출처 : 아티클 하단 주요 참고 자료 참조

인공지능 비즈니스

① 주요 비즈니스 영역

인공지능 분야에 대한 투자가 지속적으로 증가하는 이유는 무엇일까요? Forrester Infographic에 따르면 비즈니스 의사 결정자의 31%가 비즈니스 인사이트 서비스를 개선하기 위해 인공지능을 도입할 것이라 했고, 33%는 인공지능이 제품과 서비스 개선에 도움을 줄 것으로 예상한다고 답했습니다. 또, Narrative Science Report의 설문 결과를 보면 설문 대상 중 38%가 고객, 설비, 비즈니스의 상태를 예측하는 것이 인공지능의 가장 중요한 역할이라고 언급했고, 27%는 반복적인 수작업을 인공지능으로 자동화하는 것이 가장 가치 있을 것이라 생각했습니다. 이런 점들에 비춰봤을 때, 인공지능을 적용할 만한 비즈니스 영역은 다음과 같습니다.

주요 인공지능 적용 영역

② 2018년 인공지능 비즈니스 전망

인공지능 기술이 아직 미숙하기 때문에 2018년에는 인공지능 관련 프로젝트의 75%가 운영 상의 고려 사항을 모델링에 반영하지 못해 기대치를 밑도는 결과가 예상된다는 조사도 있습니다. 하지만 이런 프로젝트들이야말로 기업의 의사 결정자가 인공지능 분야의 투자 범위를 재검토하고, 이해도를 높이는 데 많은 기여를 할 것입니다. 또한, 이러한 학습 효과는 향후 인공지능 분야의 투자 성공을 위한 준비로 이어질 것입니다.

인공지능 비즈니스 적용 절차

＊1단계: 비즈니스 영역 탐색

기업이 인공지능 비즈니스를 수행하려면, 앞서 소개한 영역들 중 개선 및 이윤 창출이 가능한 영역이 자사의 업무에 있는지를 먼저 살펴야 합니다. 또, 인공지능을 비즈니스에 적용하는 것은 절대 IT 부서만의 일이 아니기 때문에 비즈니스와 인공지능 기술을 모두 이해할 수 있어야 하죠. 두 영역을 모두 이해하는 전문가가 있다면 적은 인원으로 인공지능의 비즈니스 영역을 탐색할 수 있겠지만, 그렇지 않다면 비즈니스 전문가와 인공지능 기술 전문가 간의 원활한 커뮤니케이션이 중요합니다.

＊2단계: 비즈니스 목표 수립

인공지능을 적용할 비즈니스 영역을 발견한다면, 비즈니스 목표와 기술 목표를 수립해야 합니다. 인공지능 개발/적용에 있어 비즈니스와 기술의 목표가 항상 같지는 않으며, 일반적으로 비즈니스 목표는 여러 가지 기술 목표의 조합으로 선정됩니다. 예를 들어 기술 목표를 '웹 페이지 광고 노출을 통한 수익 증대'라고 수립한다면, 인공지능은 곧 웹 페이지를 광고로 도배하기 시작할 것입니다. 이 경우 웹 페이지 광고에 질린 고객은 더 이상 웹 페이지를 방문하지 않을 것이므로, 비즈니스 목표는 '웹 페이지 방문자를 유지, 증가시키면서 광고 수익 증대'와 같이 수립하는 것이 바람직하죠. 이는 기술 목표에 “방문자 증가”와 “광고 수익 증대”라는 두 가지 비즈니스 목표를 고려 사항으로 반영시키기 위함입니다.

＊3단계: 데이터 수집 및 적재

인공지능 기술이란 작게 보면 특정 문제를 해결하기 위한 알고리즘이므로, 현 비즈니스가 보유한 데이터와 상황에 맞는 알고리즘을 사용한 모델링이 필요합니다. 비즈니스적으로 의미 있는 데이터를 누락시키지 않으면서 충분한 데이터를 확보하려면, 데이터 정의/수집 과정에서도 비즈니스 전문가와 인공지능 기술 전문가 간에 긴밀한 커뮤니케이션이 진행돼야 하죠. 특히 인공지능 트렌드인 딥러닝은 많은 양의 데이터가 필요한 알고리즘이므로 양질의 데이터 확보 여부가 비즈니스의 성패를 결정합니다. 또, 데이터 양과 처리 속도에 따라 인공지능 기술과는 별개로 빅데이터 기술이 요구되기도 하죠.

＊4단계: 인공지능 모델 개발

이 단계에서는 인공지능 모델을 개발할 인프라를 준비하고, 모델 평가 지표 수립 후 알고리즘 선택/모델링/평가/보완 작업을 반복적으로 거치게 됩니다. 이 과정에서 비즈니스 목표와 제약사항 등에 따라 다양한 고려 사항이 발생하므로 비즈니스 전문가, 인공지능 기술 전문가, 시스템/소프트웨어 전문가가 필요합니다.

＊5단계: 인공지능 배포 및 프로세스 정비

인공지능은 업무의 가치와 효율성을 높여주는 도구이므로, 인공지능 적용 후의 업무 방식 또한 도구를 잘 사용할 수 있도록 변화해야 합니다. 프로젝트 후 영향이 미칠 업무를 파악하고, 불필요한 업무 정비, Workflow 재수립, 업무 목표 변경 등의 프로세스 개선을 통해 인공지능 도입에 따른 변화에 연착륙을 시도해야 합니다.

인공지능 비즈니스에 필요한 역량

① 전문가 간의 융합

인공지능 비즈니스 적용 프로세스에서는 분야별 전문가가 필수적입니다. 하지만 기업이 비즈니스, 인공지능 기술, 시스템/소프트웨어 전문 인력을 모두 보유하기란 어려운 일이며, 특히 인공지능 전문가는 전 세계적으로 부족한 실정입니다. 설사 전문가들을 한곳에 모으더라도 서로의 영역에 대한 이해 부족으로 원활한 커뮤니케이션이 어려운 경우가 다반사죠. 이에 서로 다른 의견을 이어주고, 절충할 수 있는 Hybrid형 전문가가 필요합니다. 이러한 상황이므로 전문가 탐색에 대해서는 자연스럽게 아웃소싱을 고려하게 되는 것이죠.

② 소통과 교류의 확대

각 분야별 전문가를 아웃소싱하더라도, 서로 다른 업체가 모여서 프로젝트를 진행하다 보면 갈등이 발생할 수밖에 없습니다. 프로젝트 책임자가 End-to-End에 대한 이해도를 가지고 잘 조율할 수 있다면 다행이지만, 단순히 부족한 기능을 채우기 위한 아웃소싱은 프로젝트를 어렵게 만들 수 있습니다. 하지만 산업 전반의 Domain knowledge를 갖춘 전문 컨설턴트, 시스템 SW 전문가, 인공지능 기술 전문가 등의 전문 인력을 모두 보유한 기업이라면 내부적으로 인공지능 비즈니스 적용 프로세스 별 R&R 및 Approach를 정립해 전문가 간 소통 및 기술 교류를 활발히 할 것입니다. 또, 제품 수요 예측, 고객 반응 분석 및 전략 수립, 재고/처분량 최적화 등 고객의 인공지능 프로젝트에도 도움을 줄 수 있습니다.

인공지능 비즈니스 전략

많은 고객들이 인공지능 비즈니스에 대해 묻지만, 인공지능으로 비즈니스를 단번에 변화시키는 마법 같은 일은 드뭅니다. 여러 사례를 통해 얻은 교훈은 데이터 거버넌스가 잘 되어 있어야 하고, 인공지능 적용 전/후 프로세스에 대한 고려가 필요하다는 것입니다. 인공지능 관련 비즈니스는 데이터를 기반으로 하기 때문에 데이터 거버넌스가 잘 갖춰져 있지 않으면 데이터 수집/적재 단계에서부터 난관을 맞이하게 됩니다. 또한 인공지능 적용 전/후 프로세스를 고려하지 않으면, 기존 업무와 연관된 조직/역할과의 충돌이 발생해 비용 투자에도 불구하고 적용이 좌절될 수 있습니다.

따라서 인공지능이라는 키워드에 현혹되어 당장의 신규 비즈니스를 발굴하는 데에만 역량을 쏟기보다, 현재의 데이터 준비상황을 점검하여 작은 변화부터 만들어 나가는 전략이 필요할 것입니다. 아울러 인공지능 기술 적용에 초점을 맞추기보다, 좀 더 큰 그림에서 기업이 처한 상황을 진단하고 나아갈 방향을 제시할 수 있는지를 스스로 검토해보시길 바랍니다.

[주요 참고 자료]