2019.01.03

멀리 가려면 함께··· AI 이니셔티브 확장 팁 7가지

Clint Boulton | CIO

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 조직을 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. 


2019.01.03

멀리 가려면 함께··· AI 이니셔티브 확장 팁 7가지

Clint Boulton | CIO

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 조직을 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. 


X