이 글은 IDG의 아티클을 전재하여 제공합니다.
[원문보기]
전자상거래부터 비영리 단체에 이르기까지 데이터 자산을 활용하는 것은 기업의 성공을 좌우할 핵심 과제가 될 수 있습니다. AI/ML은 이 방정식의 일부지만, 이 기술을 효과적으로 활용하려면 AI가 실제 비즈니스에 미치는 영향을 평가하는 것이 필수적입니다. AI는 이제 기업의 핵심 전략으로 자리 잡았습니다. 머신러닝과 생성형 AI는 더 큰 화두가 됐습니다.
암스테르담에 본사를 둔 국제전자소매협회인 유로닉스(Euronics)가 보여주듯이 이런 변화에 적응하는 것이 CIO의 역할입니다. 유로닉스의 디지털 디렉터인 움베르토 테소로도 데이터를 더 효과적으로 활용해 고객 경험을 개선하고 매출을 증대할 필요성을 느끼고 AI 도입 프로젝트를 시작했습니다. 가트너는 데이터 및 분석 전략을 확장해 AI를 포함시키고 관리 없이 분산된 이니셔티브를 방지해야 한다고 제안합니다.
유로닉스의 전략에서 생성형 AI는 데이터와 분석을 다루는 특별한 사례입니다. CIO나 CDO처럼 이를 지휘하는 사람의 임무는 생성형 AI를 적용할 때와 적용하지 않을 때를 이해하는 것입니다. 사실 유로닉스에서는 현재 구현된 기술 목록에 생성형 AI가 포함되어 있지는 않습니다. 리테일 활동에 적합한 활용례를 발견하지 못했기 때문입니다. IT는 비즈니스를 지원하는 역할을 해야 합니다. 관리팀이 가장 먼저 진행한 작업은 UX 디자이너를 채용하는 것이었습니다. 사용자 인터페이스와 경험을 설계하는 것뿐 아니라, 현장 및 앱 성능에 대한 정성적·정량적 자료를 수집해 비즈니스 방향을 설정하기 위한 목적이었습니다.
전자상거래는 사이트 방문부터 구매 완료까지 이어지는 여정입니다. 유로닉스는 전체 흐름을 모니터링하고 통합 데이터를 사용해 고객에게 제공할 최상의 솔루션과 경험을 평가합니다. 소비자에게 항상 두 가지 다른 경험을 제시하고 그 결과를 평가한 다음, 하나를 선택해 사이트 경험을 변경합니다. 즉, 유로닉스의 전자상거래 전략은 전적으로 데이터에 기반합니다.
머신러닝은 사이트 솔루션 강화에 도움이 됩니다. 구체적으로, 고객이 이미 구매한 제품과 관련된 상품을 추천함으로써 개인화된 콘텐츠를 제공하는 데 도움을 줍니다. ML과 분석에 있어 동종 최고라고 생각하는 제품을 구매하며, 기술 파트너를 통해 회사의 사이트와 앱의 요구사항에 맞게 애플리케이션을 맞춤화합니다.
내부 IT팀이 솔루션 업체를 관리하고 방향을 제시할 수 있어야 하지만, 유로닉스에서는 내부에서 개발하는 것이 비효율적입니다. 솔루션 업체와 파트너사에 지침과 전략을 제공하고, 이를 연결하는 프로젝트 매니저를 내부에 두고 있습니다. 디지털팀에서 핵심 역할을 맡는 인물은 UX 디자이너와 비즈니스 애널리스트입니다. 내부에서는 CX(Customer Experience)와 매출 지원을 위한 데이터 분석이라는 전략적 목표에 집중합니다.
회사의 데이터 자산을 가치있게 활용하고 CX를 지속적으로 개선하려는 목표는 최근 유로닉스가 커머스 미디어 기업 크리테오(Criteo)와 파트너십을 맺고 유로닉스 전자상거래 사이트에 크리테오의 리테일 미디어 솔루션을 도입하게 된 배경입니다. 소비자에게 특정 검색과 일치하는 제품을 제공하는 과정에서 다양한 이점을 얻습니다. 광고주에게 더 나은 결과를 제공하고 특정 제품이 유로닉스의 전자상거래 플랫폼에서 판매될 수 있는 환경을 조성합니다. 크리테오 플랫폼이 제공하는 소비자 검색 의도에 대한 데이터 분석은 매출에도 긍정적인 영향을 미칩니다.
비영리 단체에서의 데이터 가치
이탈리아 NGO인 이머전시(Emergency)에서도 데이터는 강화하고 보호해야 할 전략적 자산입니다. 이머전시 CIO 마누엘레 마카리오는 “데이터는 병원의 핵심 활동을 지원하는 역할을 한다. 치료를 받는 사람을 위해 데이터는 항상 안전해야 한다.”고 했습니다. 이런 철학하에서 아프가니스탄에 있는 이머전시의 외과 센터 3곳은 임상 데이터를 관리하기 위해 SDC 소프트웨어 플랫폼을 활용한 정보 시스템을 도입했습니다. 이 시스템은 서버와 여러 이머전시 클리닉에 배포된 태블릿 모두에 오픈소스 구성 요소 기반의 아키텍처를 두고 있습니다. 오픈소스 소프트웨어 플랫폼은 이머전시의 의료 부문에서 개발했습니다. 열악한 조건에서도 작동할 수 있는 기록 시스템을 제공하기 위한 목적입니다. 예를 들면 인터넷에 연결되지 않는 상황에서도 작동합니다. 오프라인으로 데이터를 저장한 뒤, 연결되면 다시 전송합니다. 설치가 간단하고 다른 지역으로도 손쉽게 이전할 수 있습니다.
이머전시의 임상 데이터 수집 시스템은 디지털 방식으로 데이터를 실시간으로 수집합니다. 데이터는 VPN을 통해 암호화돼 밀라노에 있는 응급실의 중앙 데이터센터로 안전하게 전송되며, 여기서 마이크로소프트 파워 BI를 통한 분석도 수행합니다. 현재 인프라는 온프레미스 환경에 기반을 두고 있지만, 틀라우드로의 전환 가능성을 배제한 것은 아닙니다.
데이터 관리에서 가장 중요한 것은 탄탄한 재해 복구 계획을 세우는 것입니다. 특히 NGO의 경우 보안은 사이버 문제이자 물리적 문제입니다. 전쟁 지역에서 운영하기 때문에 제공되는 서비스가 항상 안정적이지 않고 장애가 발생하면 하드웨어 부품을 교체하기도 어렵습니다. 이머전시의 정보 시스템은 혁신적인 암호화 및 지리적 데이터 백업 기술을 사용하며, 특히 랜섬웨어에서 데이터를 보호하는 변경 불가능한 클라우드 기술도 활용합니다. 또한 AI를 활용해 엔드포인트 보호를 지원하며, 사용자 신원 관리는 애저 엔트라 ID(Azure Entra ID) 플랫폼에서 처리됩니다. 애저 엔트라 ID에도 AI가 통합돼 실시간으로 의심스러운 활동을 경고합니다.
데이터 관리의 전환점
이머전시의 AI 활용에 진정한 변화를 가져온 것은 아프가니스탄에서 진행된 아마낫 (Amanat) 프로젝트에 사용한 생성형 AI였습니다. 아마낫 프로젝트는 8년 전 의료 기록 1,000만 장 이상을 스캔한 작업을 기반으로 합니다. 스캔 다음 단계는 디지털화된 데이터를 분석에 활용하는 것이었습니다. 그러나 스캔된 데이터는 병원 문서에서 추출된 것으로, 대부분 외상 치료를 다루는 환경에서 작성돼 글씨가 부정확하거나 약어로 되어 있는 경우가 많아 소프트웨어로는 읽을 수 없었습니다.
이 문제를 해결하기 위해 대형 기술 업체에 도움을 요청했고 LLM 알고리즘을 통해 분석을 수행하면서 전환점을 맞이했습니다. 의료 부서에서는 이런 데이터를 사용해 치료 접근성을 분석하고 품질을 개선하며, 통계를 생성하고 아카이브를 구축하며, 전시에 필요한 의료기기, 약물, 의사를 파악하는 데 활용합니다. 또한, 전쟁이 민간인에게 미치는 영향을 보고할 수 있는 능력과 이머전시의 개입 근거가 되는 과학적 근거를 형성합니다. 카불 외상병원에서 2002년부터 2018년까지의 의료 기록 중 1,000건을 무작위로 추출해 PoC를 시작했습니다. PoC는 기술을 테스트하고 전체 문서로 확대 적용할 때 증가할 수 있는 비용을 줄이기 위해 필수적이었습니다.
마이크로소프트와 애저 오픈AI(Azure OpenAI) 기술을 파트너로 선택했습니다. 의료 기록 데이터를 챗GPT와 같은 공개 시스템에 업로드하고 싶지 않았습니다. 마이크로소프트 테넌트 내 공간을 활용했으며, 이를 통해 환자 데이터의 프라이버시와 보호를 보장받을 수 있었습니다. 마이크로소프트의 기술은 계산 능력을 제공하도록 커스터마이징되었지만, 애저 도큐먼트 인텔리전스(Azure Document Intelligence) 알고리즘을 의료 기록 형식에 맞춰 훈련시키고, AI가 어떤 정보를 어디서 해석해야 할지를 이해하도록 추가 작업을 진행해야 했습니다. 이를 바탕으로 검색할 수 있는 관계형 데이터베이스를 구축해 활동을 사후 분석하고 트렌드를 파악하도록 했습니다. 또한 디지털화된 의료 기록에서 약어를 해석하거나 부분적으로만 작성된 단어를 이해할 수 있도록 애저 오픈AI에 특정 프롬프트를 설계해 입력했습니다.
부상 발생과 병원 치료 사이에 얼마나 많은 시간이 지났는지에 대한 정보를 분리했습니다. 이는 응급 구조센터를 어디에 배치할지, 수술이 얼마나 효과적인지 이해하는 데 매우 중요한 정보입니다. 적절한 프롬프트를 통해 애저 오픈AI가 이런 유형의 정보를 교정하고 변환하도록 유도했으며, 이를 분석 가능한 데이터로 변환해 그래프로 시각화했습니다.
생성형 AI에 적절한 투자
반드시 투자에 상응하는 이점이 있을 경우에만 생성형 AI를 적용해야 합니다. 조직이 정말로 필요로 하는 용도가 아니면 AI와 LLM을 사용하는 것을 고려하지 않습니다. 그렇지 않으면 비용과 환경에 대한 부담 측면에서 지속 불가능한 기술이 됩니다. AI와 생성형 AI는 다른 방법으로는 얻을 수 없는 결과를 제공하거나, 상당한 이점을 기대할 수 있는 경우에만 사용해야 합니다. 아마낫 프로젝트가 바로 그런 사례입니다. 이 프로젝트는 운영에 유용한 데이터를 제공할 뿐 아니라 향후 전쟁 상황에서 잘 대처하고 전쟁의 영향을 데이터로 설명하는 데 도움을 줬습니다.
마카리오는 이머전시의 아마낫 프로젝트에서 챗GPT의 역할이 명확히 제한되었음을 재차 강조했습니다. AI는 도구이지, 만능의 답을 주는 존재가 아닙니다. 반드시 경계가 있어야 하고 무엇을 해야 하는지 명확하게 지시해야 합니다. 알고리즘은 통계적으로 작동합니다. 옳거나 그른 답을 제공하는 것이 아니라 신뢰도가 높은 답을 제공합니다. 그러나 일정 기준 이하의 신뢰도를 가진 답변을 받아들일 수는 없습니다. PoC에서 입력된 1,000건의 기록 중 절반은 신뢰도가 낮아 폐기했습니다.
유로닉스의 테소로 또한 생성형 AI의 활용에 신중합니다. 유로닉스는 현재 리테일 활동에 생성형 AI를 적용하지 않지만, 세일즈포스(Salesforce) 생태계 내에서 이를 활용한 생산성 향상 가능성을 탐구하기 위해 테스트를 진행 중입니다. 이와 관련한 전망은 긍정적입니다. 현재 단계에서는 생성형 AI가 유로닉스의 비즈니스에 큰 영향을 미친다고 보지 않습니다. 그러나 반복적이고 부가가치가 낮은 작업을 자동화하는 데 관심이 있으며, 이미 생성형 AI를 활용한 생산성 도구를 테스트 중입니다. AI는 사람의 역량을 강화하는 도구입니다. 사람이 기계적인 작업에 재능을 낭비하지 않고, 지적 능력을 향상시킬 수 있는 일로 전환되도록 돕는 것이 목표입니다.
전통적 AI도 여전히 중요
작가이자 데이터 및 분석 전문가 스테파노 가티에 따르면, 생성형 AI는 도움이 되지만, 고객 대면 서비스를 관리할 만큼 성숙하지는 않은 단계입니다. 하지만 가티는 “내부 생산성을 높이는 데 있어서는 여러 CIO가 인정하듯 충분히 성숙한 상태다. 그러나 인간의 감독이나 결과의 신뢰성을 검증하는 과정은 여전히 필수적이다.”라고 강조했습니다.
가트너도 비슷한 맥락에서 CIO가 생성형 AI에 투자하기 전에 해당 사용례가 실제로 비즈니스에 가치를 창출하는지와 실현 가능한지를 먼저 이해해야 한다고 조언했습니다. 생성형 AI를 무분별하게 적용하는 것은 정당화하기 어렵습니다. 하지만 최적화, 시뮬레이션, 지식 그래프와 같은 전통적인 AI 기술은 생성형 AI보다 위험이 적으면서도 효과적으로 활용될 수 있는 확립된 기술입니다.
▶ 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶ 해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.
CIO의 Journalist