2018.12.24

기고 | 아키텍처를 사용해 AI 도전과제 극복

Daniel Lambert | CIO
CIO는 전략적 우선순위와 관련해 자신들이 AI에 관여해야 함을 알고 있다. 하지만 AI에 접근하는 방법은 불확실하다. 여기 금융 업계의 한 사례를 통해 조직의 비즈니스 전략과 동기화해 AI를 개발하고 통합하며 배포하는 방법을 알아보자.

인공지능(AI)이 우리 일상생활 및 활동에 점점 더 많이 스며들고 있다. 구글, 페이스북, 마이크로소프트 제품을 사용하고 있다면 이에 대해 잘 알 것이다. 아직 완벽하지는 않다. ‘완벽’에서 거리가 멀다. 그러나 빠른 속도로 나아지고 있다. 그렇지만 모든 기업이 동일한 속도로 AI를 활용하고 있는 것은 아니다. 소속 조직이 AI 활용에 대한 탐구를 시작했는가? 아직 아닌가? 조직에 AI를 구현하는 방법, 관련 도전과제를 극복하는 방법을 찾았는가? 이에 대한 ‘단서’가 있는가? 엔터프라이즈 및 비즈니스 아키텍트는 어떤 방법으로 AI를 조사해야 할까? 어디에서 시작해야 할까? 이번 글은 풍부한 ‘관리’ 사례를 활용해 이러한 질문에 대한 해답을 제공하고자 한다.

인공지능(AI)이란 무엇일까?
인공지능이 처음 언급된 시기는 약 60년 전이다. AI는 몇 가지 형태로 정의된다. 아래 “인공지능이란 정확히 무엇일까?”라는 10분 분량의 동영상은 AI에 대해 잘 설명하고 있다. 또 몇 가지 정의를 소개한다.




또 개인적으로 위키피디아(Wikipedia) 정의도 아주 적절하다고 생각한다.

“때론 머신 지능으로도 불리는 인공지능(AI)은 사람이나 다른 동물이 드러내는 자연 지능이 아닌, 머신이 증명해 보이는 지능이다. 컴퓨터과학 분야에서 AI 연구는 ‘지능형 에이전트’에 대한 연구로 정의된다. 지능형 에이전트란 자신의 주변 환경을 인지, 목적을 달성할 확률을 극대화하는 행동을 하는 기기를 의미한다.”

최근 AI에 대한 관심 가운데 상당 부분은 태스크(작업)에 특정 알고리즘과 대비되며, 신경망으로도 불리고, 데이터 리프레젠테이션(data representation) 학습에 기반을 둔 딥러닝의 발전에 따른 결과다. 딥러닝은 지도(Supervised), 준지도(Semi-supervised), 비지도(Unsupervised)가 가능하다. ‘인공지능 시대의 잠재력과 도전과제’에서 언급되었듯, 이제 10개가 넘는 계층 위에 딥러닝 네트워크를 쉽게 구현하고, 시뮬레이션한 신경들을 수백만으로 실행할 수 있다. 

도입과 관련한 도전과제
모두가 구글, 페이스북, 마이크로소프트 같은 풍부한 자본력과 기술적 노하우를 가진 것은 아니다. 인공지능이 ‘가치’를 제공할 가능성이 크다. 그러나 공공 부문의 조직 대부분은 물론이고, 대기업 또한 대부분은 인공지능 개발, 구현, 실제 활용이 현재는 물론이고 미래에도 큰 도전과제로 남을 전망이다. 기술적 노하우와 리소스(자원)가 희소하다. 일부 상황에서는 데이터에 대한 권리를 획득하고, 이렇게 수집한 데이터에 접근해, 이를 분석하는 것이 계속 문제가 될 전망이다. 마지막으로 구체적인 인공지능 이니셔티브에서 확인한 긍정적인 결과를 실현하는 데 예상보다 많은 시간이 걸릴 수 있다.

구글 브레인(Google Brain)을 창업한 앤드류 응은 최근 포브스 인터뷰에서 다음과 같이 언급했다.

“AI는 역동적인 기술이지만, 동시에 아직 성숙기에 도달하지 못한 기술이다. 무례하게 들릴 수도 있지만, 고립돼 있고 분리돼 있는 AI 기술은 전혀 쓸모가 없다. 자신의 비즈니스 개념에 일치시키는 방법을 정확히 파악하기 위해 많은 맞춤화가 필요하다. 이를 위해서는 소속 회사를 폭넓게 이해하고 있어야 한다. 또 AI를 적절히 깊이 이해하고 있어야 한다. AI 가치를 탐구하고 발굴하기 위해서는 비즈니스 맥락(상황)을 이해하고 있으며, ‘AI를 병원에 맞게 구현하는 방법’이나 ‘AI를 물류 네트워크에서 활용하는 방법’ 같은 ‘여러 부서나 직능을 교차하는’ 지식을 보유한 팀이 필요하다. 비즈니스 운영 방식에 대한 이러한 지식이 없다면, 비즈니스 성과를 견인하기 위해 AI를 적절히 맞춤화하는 것이 매우 어렵다."

아키텍처를 사용해 인공지능(AI) 도입
라즈 라메시는 ‘AI의 효과적인 활용에 비즈니스 아키텍처를 사용하는 방법’에 대한 팟캐스트에서 다음과 같이 설명하고 있다.

“비즈니스 아키텍처는 조직의 미래에 아주 큰 역할을 한다. 향후 AI가 비즈니스에 통합된 일부가 될 것이라는 데 조금의 의문도 없다. 조직이 AI 애플리케이션과 관련해 물어야 할 핵심 질문들은 “어디에서 시작해야 할까?”, “우리 경쟁력을 강화해줄 역량(기능)을 성숙(발전)시키는 방법은 무엇일까?” 같은 질문들이다. 이런 질문들은 비즈니스 아키텍트가 비즈니스 전략 매핑부터 실행까지 ‘답’을 찾도록 도움을 줄 질문들이다.”

또 엔터프라이즈와 비즈니스 아키텍트는 AI를 사용하는 조직의 ‘미래 시나리오’를 디자인하는 데 도움을 준다. 무질서한 방법으로 AI 애플리케이션을 구축할 수 없다. 미리 튼튼한 비즈니스 지향형 아키텍처를 구축해야 출발점을 파악하고, AI를 합리적으로 이용할 수 있는 영역을 파악할 수 있다. 비즈니스와 엔터프라이즈 아키텍트는 AI가 영향을 줄 애플리케이션과 프로세스, 역량(기능), 가치 흐름, 적절한 정보를 이해 및 파악해야 한다.
 
사례: 자산 관리 분야의 인공지능
현재 AI는 다섯 가지 이상의 방법으로 금융 서비스 산업을 파괴적으로 혁신하고 있다.

1.    로봇 컨설턴트를 통한 투자가 조만간 재무 상담 컨설턴트를 없애게 될 것이다.
2.    대화형 AI 기능에 기반을 둔 챗봇이 조만간 고객 서비스를 담당하게 될 것이다.
3.    인공지능은 최근 사기 감지 및 위험 관리에서 ‘긍정 오류’를 줄이기 시작했다.
4.    AI는 궁극적으로 규제 준수를 목적으로 적용법을 학습하고, 이를 기억해 준수하게 될 것이다.
5.    AI는 조만간 주가와 시장 움직임을 예측할 수 있게 되어, 자산 관리 시장에 파괴적 변화를 초래할 것이다.

자산 관리 분야의 AI에 대해 더 자세히 알아보자. 상황이 적절하다면, 야심 찬 프로젝트를 적절히 추진할 수 있다. 또 운영 펀드의 성과가 미흡한 투자 관리 담당자를 인공지능으로 대체할 수 있다.
 
Credit: Daniel Lambert


펀드 관리는 결국 (위 그림 1에서 알 수 있듯) 거래할 금융 상품 선택이 ‘전부’다. 이는 다음의 가치 단계로 구성되어 있다. 1. 선택한 범주에서 이용 가능한 금융 상품을 조사한다. 2. 금융 상품을 평가할 기준을 선택한다. 3. 모든 가용한 금융 상품을 평가한다. 4. 펀드에서 각 금융 상품의 수량과 가격을 결정한다. 5. 선택한 금융 상품을 주문한다. 

이러한 가치 스트림을 구현하는 역량(기능)은 모두 16가지다. 5가지 비즈니스 역량(기능)으로 ‘선택한 범주에서 이용 가능한 금융 상품 조사’ 가치 단계를 구현한다. 5가지 역량(기능)으로 ‘금융 상품을 평가할 기준 선택’ 가치 단계를 구현한다. 3가지 역량(기능)으로 ‘금융 상품 평가’ 가치 단계를 구현한다. 2가지 역량(기능)으로 ‘각 포트폴리오 금융 상품의 수량과 가격 결정’ 가치 단계를 구현한다. 마지막으로 5가지 추가 역량(기능)으로 ‘선택한 금융 상품 투자’라는 가치 단계를 구현한다. 일부 구현 역량(기능)은 하나 이상의 가치 단계를 구현할 수 있다는 점에 유념한다.




2018.12.24

기고 | 아키텍처를 사용해 AI 도전과제 극복

Daniel Lambert | CIO
CIO는 전략적 우선순위와 관련해 자신들이 AI에 관여해야 함을 알고 있다. 하지만 AI에 접근하는 방법은 불확실하다. 여기 금융 업계의 한 사례를 통해 조직의 비즈니스 전략과 동기화해 AI를 개발하고 통합하며 배포하는 방법을 알아보자.

인공지능(AI)이 우리 일상생활 및 활동에 점점 더 많이 스며들고 있다. 구글, 페이스북, 마이크로소프트 제품을 사용하고 있다면 이에 대해 잘 알 것이다. 아직 완벽하지는 않다. ‘완벽’에서 거리가 멀다. 그러나 빠른 속도로 나아지고 있다. 그렇지만 모든 기업이 동일한 속도로 AI를 활용하고 있는 것은 아니다. 소속 조직이 AI 활용에 대한 탐구를 시작했는가? 아직 아닌가? 조직에 AI를 구현하는 방법, 관련 도전과제를 극복하는 방법을 찾았는가? 이에 대한 ‘단서’가 있는가? 엔터프라이즈 및 비즈니스 아키텍트는 어떤 방법으로 AI를 조사해야 할까? 어디에서 시작해야 할까? 이번 글은 풍부한 ‘관리’ 사례를 활용해 이러한 질문에 대한 해답을 제공하고자 한다.

인공지능(AI)이란 무엇일까?
인공지능이 처음 언급된 시기는 약 60년 전이다. AI는 몇 가지 형태로 정의된다. 아래 “인공지능이란 정확히 무엇일까?”라는 10분 분량의 동영상은 AI에 대해 잘 설명하고 있다. 또 몇 가지 정의를 소개한다.




또 개인적으로 위키피디아(Wikipedia) 정의도 아주 적절하다고 생각한다.

“때론 머신 지능으로도 불리는 인공지능(AI)은 사람이나 다른 동물이 드러내는 자연 지능이 아닌, 머신이 증명해 보이는 지능이다. 컴퓨터과학 분야에서 AI 연구는 ‘지능형 에이전트’에 대한 연구로 정의된다. 지능형 에이전트란 자신의 주변 환경을 인지, 목적을 달성할 확률을 극대화하는 행동을 하는 기기를 의미한다.”

최근 AI에 대한 관심 가운데 상당 부분은 태스크(작업)에 특정 알고리즘과 대비되며, 신경망으로도 불리고, 데이터 리프레젠테이션(data representation) 학습에 기반을 둔 딥러닝의 발전에 따른 결과다. 딥러닝은 지도(Supervised), 준지도(Semi-supervised), 비지도(Unsupervised)가 가능하다. ‘인공지능 시대의 잠재력과 도전과제’에서 언급되었듯, 이제 10개가 넘는 계층 위에 딥러닝 네트워크를 쉽게 구현하고, 시뮬레이션한 신경들을 수백만으로 실행할 수 있다. 

도입과 관련한 도전과제
모두가 구글, 페이스북, 마이크로소프트 같은 풍부한 자본력과 기술적 노하우를 가진 것은 아니다. 인공지능이 ‘가치’를 제공할 가능성이 크다. 그러나 공공 부문의 조직 대부분은 물론이고, 대기업 또한 대부분은 인공지능 개발, 구현, 실제 활용이 현재는 물론이고 미래에도 큰 도전과제로 남을 전망이다. 기술적 노하우와 리소스(자원)가 희소하다. 일부 상황에서는 데이터에 대한 권리를 획득하고, 이렇게 수집한 데이터에 접근해, 이를 분석하는 것이 계속 문제가 될 전망이다. 마지막으로 구체적인 인공지능 이니셔티브에서 확인한 긍정적인 결과를 실현하는 데 예상보다 많은 시간이 걸릴 수 있다.

구글 브레인(Google Brain)을 창업한 앤드류 응은 최근 포브스 인터뷰에서 다음과 같이 언급했다.

“AI는 역동적인 기술이지만, 동시에 아직 성숙기에 도달하지 못한 기술이다. 무례하게 들릴 수도 있지만, 고립돼 있고 분리돼 있는 AI 기술은 전혀 쓸모가 없다. 자신의 비즈니스 개념에 일치시키는 방법을 정확히 파악하기 위해 많은 맞춤화가 필요하다. 이를 위해서는 소속 회사를 폭넓게 이해하고 있어야 한다. 또 AI를 적절히 깊이 이해하고 있어야 한다. AI 가치를 탐구하고 발굴하기 위해서는 비즈니스 맥락(상황)을 이해하고 있으며, ‘AI를 병원에 맞게 구현하는 방법’이나 ‘AI를 물류 네트워크에서 활용하는 방법’ 같은 ‘여러 부서나 직능을 교차하는’ 지식을 보유한 팀이 필요하다. 비즈니스 운영 방식에 대한 이러한 지식이 없다면, 비즈니스 성과를 견인하기 위해 AI를 적절히 맞춤화하는 것이 매우 어렵다."

아키텍처를 사용해 인공지능(AI) 도입
라즈 라메시는 ‘AI의 효과적인 활용에 비즈니스 아키텍처를 사용하는 방법’에 대한 팟캐스트에서 다음과 같이 설명하고 있다.

“비즈니스 아키텍처는 조직의 미래에 아주 큰 역할을 한다. 향후 AI가 비즈니스에 통합된 일부가 될 것이라는 데 조금의 의문도 없다. 조직이 AI 애플리케이션과 관련해 물어야 할 핵심 질문들은 “어디에서 시작해야 할까?”, “우리 경쟁력을 강화해줄 역량(기능)을 성숙(발전)시키는 방법은 무엇일까?” 같은 질문들이다. 이런 질문들은 비즈니스 아키텍트가 비즈니스 전략 매핑부터 실행까지 ‘답’을 찾도록 도움을 줄 질문들이다.”

또 엔터프라이즈와 비즈니스 아키텍트는 AI를 사용하는 조직의 ‘미래 시나리오’를 디자인하는 데 도움을 준다. 무질서한 방법으로 AI 애플리케이션을 구축할 수 없다. 미리 튼튼한 비즈니스 지향형 아키텍처를 구축해야 출발점을 파악하고, AI를 합리적으로 이용할 수 있는 영역을 파악할 수 있다. 비즈니스와 엔터프라이즈 아키텍트는 AI가 영향을 줄 애플리케이션과 프로세스, 역량(기능), 가치 흐름, 적절한 정보를 이해 및 파악해야 한다.
 
사례: 자산 관리 분야의 인공지능
현재 AI는 다섯 가지 이상의 방법으로 금융 서비스 산업을 파괴적으로 혁신하고 있다.

1.    로봇 컨설턴트를 통한 투자가 조만간 재무 상담 컨설턴트를 없애게 될 것이다.
2.    대화형 AI 기능에 기반을 둔 챗봇이 조만간 고객 서비스를 담당하게 될 것이다.
3.    인공지능은 최근 사기 감지 및 위험 관리에서 ‘긍정 오류’를 줄이기 시작했다.
4.    AI는 궁극적으로 규제 준수를 목적으로 적용법을 학습하고, 이를 기억해 준수하게 될 것이다.
5.    AI는 조만간 주가와 시장 움직임을 예측할 수 있게 되어, 자산 관리 시장에 파괴적 변화를 초래할 것이다.

자산 관리 분야의 AI에 대해 더 자세히 알아보자. 상황이 적절하다면, 야심 찬 프로젝트를 적절히 추진할 수 있다. 또 운영 펀드의 성과가 미흡한 투자 관리 담당자를 인공지능으로 대체할 수 있다.
 
Credit: Daniel Lambert


펀드 관리는 결국 (위 그림 1에서 알 수 있듯) 거래할 금융 상품 선택이 ‘전부’다. 이는 다음의 가치 단계로 구성되어 있다. 1. 선택한 범주에서 이용 가능한 금융 상품을 조사한다. 2. 금융 상품을 평가할 기준을 선택한다. 3. 모든 가용한 금융 상품을 평가한다. 4. 펀드에서 각 금융 상품의 수량과 가격을 결정한다. 5. 선택한 금융 상품을 주문한다. 

이러한 가치 스트림을 구현하는 역량(기능)은 모두 16가지다. 5가지 비즈니스 역량(기능)으로 ‘선택한 범주에서 이용 가능한 금융 상품 조사’ 가치 단계를 구현한다. 5가지 역량(기능)으로 ‘금융 상품을 평가할 기준 선택’ 가치 단계를 구현한다. 3가지 역량(기능)으로 ‘금융 상품 평가’ 가치 단계를 구현한다. 2가지 역량(기능)으로 ‘각 포트폴리오 금융 상품의 수량과 가격 결정’ 가치 단계를 구현한다. 마지막으로 5가지 추가 역량(기능)으로 ‘선택한 금융 상품 투자’라는 가치 단계를 구현한다. 일부 구현 역량(기능)은 하나 이상의 가치 단계를 구현할 수 있다는 점에 유념한다.


X