2020.08.12

현실화되는 직장 속 인공지능··· 다음 동료는 알고리즘?

Matthew Finnegan | Computerworld
인공지능이 인간의 직업 몇몇을 대체할 것임은 분명하다. 아울러 인간 직원이 일을 더 잘할 수 있도록 도울 것임도 분명하다. 나아가 인간과 인공지능이 서로의 강점을 살려 ‘협업’하는 미래도 선명해지고 있다. 

산업화 혁명 시대의 기계들, 디지털화 시대의 컴퓨터, 최근 인공지능의 급속한 발전까지 기술 발전이 일자리 감소를 초래할 것으로 관측되는 계기들이 있었다. 그러나 전문가들은 인공지능(AI) 시스템이 특정 일자리를 대체하겠지만, 동시에 지능형 알고리즘에 넘길 수 있는 더 힘든 일들에 대한 부담을 줄여주고, 효율성을 높여주면서 사람의 활동을 증대시키는 역할도 하게 될 것이라고 말한다.

이는 사람이 AI와 직접 협력, 상호작용하게 된다는 의미이다. 시장조사 회사인 포레스터의 VP 겸 수석 애널리스트인 J.P 가운더는 “지능형 소프트웨어와 나란히 협력하는 사람들이 늘어날 전망이다. 우리가 상상할 수 있는 거의 모든 종류의 비즈니스 프로세스에서 이렇게 될 것으로 판단된다”라고 말했다.

클라우드 컴퓨팅과 머신러닝의 발전된 역량을 결합, AI 비서가 인적자원의 인식력이 필요한 작업 중 일부를 맡음으로써 인간이 좀더 잘할 수 있는 영역에 집중할 수 있게 될 것이라는 관측이다.

이미 많은 비즈니스에서 이런 일이 일어나고 있다. 2020년 딜로이트가 CIO와 기술 분야 고위 책임자들 1,300명을 조사한 결과에 따르면, 직원들을 대체하기 위해 AI를 이용하는 비율은 12%에 불과한 반면, 직원들을 지원하기 위해 AI를 이용하는 비율은 60%였다.
 
Image Credit : Getty Images Bank

협력적 디자인
생성적 디자인(generative design)을 살펴본다. 제조업 등의 분야에서는 디자이너와 엔지니어들이 오래 전부터 CAD 도구들을 이용, 제품이나 부품의 3D 도면을 생성했다. 생성적 디자인에서 사용자는 알고리즘에 비용 같은 요건, 성능 기준, 소재의 종류 같은 파라미터를 집어넣는다. 그러면 알고리즘이 기계나 가구 부품 같이 다양한 대안적 모델들을 생성하고, 디자이너나 엔지니어가 모델을 선택할 수 있게 된다.

때론 그 결과물이 심미적인 측면에서 사람이 만드는 것에 미치지 못하는 별난 유기적인 디자인이 될 수도 있지만, 스펙(사양)에는 부합하며, 때론 더 효율적이다.

오토데스크(Autodesk)의 생성적 디자인 및 머신러닝 제품 전략 매니저인 세스 힌드먼에 따르면, 디자이너와 엔지니어들의 반복 작업을 요구하는 디자인 프로세스에서 일부 성가신 작업의 부담을 덜어준다. 덕분에 사용자는 자신이 맡은 역할 중에서 가치가 더 높은 업무와 작업에 집중할 수 있다.

그는 “생성적 디자인은 엔지니어의 ‘협력자’로 높은 평가를 받고 있다. 엔지니어들에게는 시간이 없고, 이들이 모든 디자인 업무를 맡아 처리하는 것을 좋아하지도 않기 때문이다. 도움을 주고, 엔지니어들이 실제 엔지니어링에 집중할 수 있도록 만들어 준다”라고 설명했다.

오토데스크 생성적 디자인의 출발점은 산하 R&D 부서에서 만든 실험적인 플랫폼인 ‘프로젝트 드림캐처’(Project Dreamcatcher)이다. 여러 기업이 이 기술에 대한 파일럿 프로젝트를 진행했다. 에어버스(Airbus)는 경량 항공기 부품을 만드는 데, 필립 스탁은 의자 디자인 프로젝트에 이 생성적 디자인 플랫폼을 활용했다.

오토데스크는 이 기술을 토대로 상용 제품인 퓨전 360을 탄생시켰다. 캘리포니아 산호세 소재 전기 모터사이클 제조업체인 라이트닝 모터사이클(Lightning Motorcycles) 같은 기업들이 이 제품을 이용한다. 이 회사를 창업한 리차드 하트필드 CEO는 디자이너들이 더 빨리, 더 효율적으로 새 부품을 만들면서 기대 이상의 성과를 일궈낼 수 있었다고 전했다. 

과거 라이트닝 모터사이클의 디자인 팀은 부품을 디자인한 후 강점과 다른 스펙들을 분석해서 수정하는 방법을 썼다. 이는 시간이 많이 소비되는 프로세스였다. 하트필드는 “생성적 디자인 소프트웨어 덕분에 수동으로 처리할 때보다 훨씬 더 빠른 속도로 시뮬레이션을 하고, 수많은 반복을 할 수 있었다. 펜과 종이로 구성요소를 그리는 것, 소프트웨어로 이를 계속 반복하는 것을 비교해 생각하면 된다. 큰 발전, 도약이다”라고 말했다.


라이트닝 모터사이클 디자이너 그룹은 오토데스크의 생성적 디자인 소프트웨어를 활용해 새로운 구조의 스윙암(이미지의 파란색 영역)을 개발했다. 

척추 보호대 같은 개인 안전 장비를 만드는 오스트리아의 디자인 스튜디오 에데라 세이프티(Edera Safety)의 제품 디자이너인 알렉산더 마틴은 생성적 디자인 도구인 퓨전 360을 이용해 일상 업무에 소요되는 시간을 크게 줄였다고 말했다.

그는 “생성적 디자인이 디자인 프로세스의 속도를 10배는 족히 높여줬다. 우수한 크리에이티브 팀이 몇달 동안 일해 결과물을 내어놓고, 나는 가장 효과적인 결과물을 선택하는 것과 같은 효과가 있다”라고 설명했다.

AI와의 협력은 반직관적으로 보일 수도 있는 새로운 (디자인) 가능성의 문을 열어주기도 한다. 마틴은 “AI는 개인적으로 논리적이지 못한 것으로 간주했거나 간과했던 ‘반복’을 가능하게 해준다. 이제는 AI가 디자인 프로세스에서 논리적으로 타당한 일부라는 생각을 갖게 됐다”라고 말했다.

사람과 AI의 ‘업무 협력’
이미 AI와 상호작용을 하고 있는 직원들이 아주 많다. 잘 감지되지 않을지라도 그렇다. 사무용 소프트웨어의 즉석 번역, 이메일의 답장 내용 제안 기능 등을 예로 들 수 있다. 이와 동시에, AI 비서와의 상호작용이 더욱 정교해지고 있는 추세이다. 개인 일상에서 친숙한 알렉사, 구글 어시스턴트, 시리, 코타나 같은 가상 비서들이 직장에도 도입되기 시작했으며, 직장에서 사용자 검색, 회의 예약 등에 도움을 주고 있다. 

AI와 더 직접적인 방식으로 상호작용을 하고 있다는 의미이다. 최근 구글과 아마존 웹 서비스 등의 콜 센터 소프트웨어가 발전하면서, 콜 센터 직원들이 AI 비서와 상호작용을 할 수 있게 되었다. AI 비서는 고객과 접촉하는 동안 실시간으로 메모와 정보를 찾아 제공하고, 고객의 정서를 파악해 응답할 내용을 제안하는 등의 도움을 준다. 

챗봇으로 이런 업무를 자동화하는 것이 아니다. AI는 콜 센터 직원들이 더 나은 서비스를 제공, 고객 만족도를 높이고 궁극적으로 매출을 증대시키도록 도움을 준다.

포레스터의 가운더는 “AI가 콜 센터 인력을 대체하는 것이 아니다. AI를 협력적으로 사용, 상호작용을 더 효율적으로 처리하고 있는 것이다. 아직 광범위하게 보급된 상태는 아니지만, 이런 트렌드가 시작되었다”라고 말했다.

AI와 상호작용하는 직원들은 사무실 직원에 국한되지 않는다. “코봇(Cobots)”으로 불리는 협업 로봇이 공장에 도입되어 사용되는 사례가 증가하고 있다. 엔지니어 옆에서 무거운 물체나 도구를 들고 있을 수도 있도록 설계된 로봇이다. 아마존의 거대한 물류 센터 같은 창고에서는 직원들이 배달할 상품을 찾아 포장하는 데 도움을 주고 있다.
 


사람과 자연스럽게, 그리고 신뢰할 수 있는 방식으로 상호작용하는 AI 시스템은 사람인 직원들의 니즈(필요사항)를 예측해 여기에 적응하는 AI 시스템이다. MIT 우주항공학부 조교수 겸 CSAIL 인터랙티브 로보틱스 그룹 책임자인 줄리 샤에 따르면, 다른 말로 좋은 팀 플레이어가 되는 방법을 학습하는 AI 시스템이다.

샤는 “사람들이 모호하면서 불확실한 정보를 분석하기 위해 수행하는 아주 어려운 작업을 AI가 맡는 것은 물론, 사람들이 이를 처리 및 지원하는 방식을 어느 정도 이해해서, 적절한 정보를 제공하고, 제안을 해서 사람들이 더 도전적인 부분에 집중할 수 있도록 도와줄 수 있다. 엄청난 잠재력을 갖고 있다”라고 말했다.

그녀의 연구는 자동차 생산 라인에서 로봇이 적시에 적합한 재료를 공급하거나, 도전적인 의사결정에서 사람에 도움을 주는 지능형 지원 시스템을 개발하는 등, AI 로봇이 사람인 직원들과 더 효과적으로 협력을 하도록 만드는 방법에 초점이 맞춰져 있다.

샤는 “나는 사람이 하는 일을 대체하거나 뺏는 것이 아닌, 사람의 능력을 강화시키는, 잘 들어맞는 퍼즐 조각 같은 AI를 개발하는 연구에 집중하고 있다. 여기에 기반이 되는 기술은 사람의 생각과 마음을 추론하고, 다음 할 일을 예측, 적시에 적절한 정보나 적절한 물질, 재료를 제공할 수 있는 기술이다”라고 설명했다.

직원들의 움직을 예측 및 예상하는 알고리즘을 개발해 사람들이 수행하는 복잡한 프로세스를 모방하는 것을 예로 들 수 있다.

샤는 “대부분의 연구는 적합한 순서로 적시에 적합한 정보를 제공하는 방법에 초점을 맞추고 있다. 조립 생산 라인에서 적합한 순서로 적시에 적합한 부품을 제공하려면 어떻게 해야 할까? 이는 작업 할당에 관한 스케줄링 문제이다. 이를 통해 세상이 제대로 작동을 하는 것이다”라고 말했다.

MIT CSAIL은 베스 이스라엘 데코네스 메디컬 센터(Beth Israel Deaconess Medical Center)에서 일터에서 사람들이 AI를 신뢰하는 정도에 대해 조사하는 프로젝트를 진행했다. 환자 치료를 조율하기 위해 지속적으로 시급히 결정을 내려야 하는 환경에서 병원 인력들에게 스케줄링에 대해 제안과 추천을 하는 휴머노이드 로봇 나오(Nao)용 AI 시스템과 관련된 프로젝트였다.


MIT 리서치가 개발한 간호 업무용 병실 및 간호 할당 AI 시스템. 베스 이스라엘 데코네스 메디컬 센터에 배치돼 있다. 

수간호사가 10명의 간호사로 구성된 팀을 책임진다. 한 번에 병상 20개의 환자 20명을 관리한다. 스케줄링에 변수들이 아주 많다. 수간호사는 임산부가 출산을 위해 도착할 시간, 출산에 걸리는 시간 같은 요소들을 예측해야 한다.

샤는 “기본적으로 병원에서 항공 관제사 같은 일을 하고 있다고 보면 된다. 환자를 치료할 병실, 이 환자를 간호할 간호사에 대한 판단을 내린다”라고 말했다.

이 수간호사가 담당하고 있는 스케줄링 업무를 맡아 처리할 수 있도록 AI 시스템이 훈련됐다. 병실 배정에 대해 예측을 하고, 특정 치료에 배정할 간호사에 대해 제안을 하는 기능을 구현했다. 간호사가 로봇에 질문을 하면, 로봇은 텍스트를 음성으로 변환하는 소프트웨어를 이용해 제안한다.

라이브 파일럿 데모 동안 간호사들이 AI의 제안을 수용한 비율은 90%였다. 또 같은 비율로 ‘품질이 낮은’ 제안을 거부했다. 간호사들의 피드백은 긍정적이었다. 참여한 사람들은 신입 직원 훈련과 업무 부담 공유와 관련된 혜택이 두드러졌다고 전했다.

CIO의 프리미엄 콘텐츠입니다. 이 기사를 더 읽으시려면 개인정보 등록이 필요합니다. 이미 등록하신 분은 '본인확인'을 해주십시오.



2020.08.12

현실화되는 직장 속 인공지능··· 다음 동료는 알고리즘?

Matthew Finnegan | Computerworld
인공지능이 인간의 직업 몇몇을 대체할 것임은 분명하다. 아울러 인간 직원이 일을 더 잘할 수 있도록 도울 것임도 분명하다. 나아가 인간과 인공지능이 서로의 강점을 살려 ‘협업’하는 미래도 선명해지고 있다. 

산업화 혁명 시대의 기계들, 디지털화 시대의 컴퓨터, 최근 인공지능의 급속한 발전까지 기술 발전이 일자리 감소를 초래할 것으로 관측되는 계기들이 있었다. 그러나 전문가들은 인공지능(AI) 시스템이 특정 일자리를 대체하겠지만, 동시에 지능형 알고리즘에 넘길 수 있는 더 힘든 일들에 대한 부담을 줄여주고, 효율성을 높여주면서 사람의 활동을 증대시키는 역할도 하게 될 것이라고 말한다.

이는 사람이 AI와 직접 협력, 상호작용하게 된다는 의미이다. 시장조사 회사인 포레스터의 VP 겸 수석 애널리스트인 J.P 가운더는 “지능형 소프트웨어와 나란히 협력하는 사람들이 늘어날 전망이다. 우리가 상상할 수 있는 거의 모든 종류의 비즈니스 프로세스에서 이렇게 될 것으로 판단된다”라고 말했다.

클라우드 컴퓨팅과 머신러닝의 발전된 역량을 결합, AI 비서가 인적자원의 인식력이 필요한 작업 중 일부를 맡음으로써 인간이 좀더 잘할 수 있는 영역에 집중할 수 있게 될 것이라는 관측이다.

이미 많은 비즈니스에서 이런 일이 일어나고 있다. 2020년 딜로이트가 CIO와 기술 분야 고위 책임자들 1,300명을 조사한 결과에 따르면, 직원들을 대체하기 위해 AI를 이용하는 비율은 12%에 불과한 반면, 직원들을 지원하기 위해 AI를 이용하는 비율은 60%였다.
 
Image Credit : Getty Images Bank

협력적 디자인
생성적 디자인(generative design)을 살펴본다. 제조업 등의 분야에서는 디자이너와 엔지니어들이 오래 전부터 CAD 도구들을 이용, 제품이나 부품의 3D 도면을 생성했다. 생성적 디자인에서 사용자는 알고리즘에 비용 같은 요건, 성능 기준, 소재의 종류 같은 파라미터를 집어넣는다. 그러면 알고리즘이 기계나 가구 부품 같이 다양한 대안적 모델들을 생성하고, 디자이너나 엔지니어가 모델을 선택할 수 있게 된다.

때론 그 결과물이 심미적인 측면에서 사람이 만드는 것에 미치지 못하는 별난 유기적인 디자인이 될 수도 있지만, 스펙(사양)에는 부합하며, 때론 더 효율적이다.

오토데스크(Autodesk)의 생성적 디자인 및 머신러닝 제품 전략 매니저인 세스 힌드먼에 따르면, 디자이너와 엔지니어들의 반복 작업을 요구하는 디자인 프로세스에서 일부 성가신 작업의 부담을 덜어준다. 덕분에 사용자는 자신이 맡은 역할 중에서 가치가 더 높은 업무와 작업에 집중할 수 있다.

그는 “생성적 디자인은 엔지니어의 ‘협력자’로 높은 평가를 받고 있다. 엔지니어들에게는 시간이 없고, 이들이 모든 디자인 업무를 맡아 처리하는 것을 좋아하지도 않기 때문이다. 도움을 주고, 엔지니어들이 실제 엔지니어링에 집중할 수 있도록 만들어 준다”라고 설명했다.

오토데스크 생성적 디자인의 출발점은 산하 R&D 부서에서 만든 실험적인 플랫폼인 ‘프로젝트 드림캐처’(Project Dreamcatcher)이다. 여러 기업이 이 기술에 대한 파일럿 프로젝트를 진행했다. 에어버스(Airbus)는 경량 항공기 부품을 만드는 데, 필립 스탁은 의자 디자인 프로젝트에 이 생성적 디자인 플랫폼을 활용했다.

오토데스크는 이 기술을 토대로 상용 제품인 퓨전 360을 탄생시켰다. 캘리포니아 산호세 소재 전기 모터사이클 제조업체인 라이트닝 모터사이클(Lightning Motorcycles) 같은 기업들이 이 제품을 이용한다. 이 회사를 창업한 리차드 하트필드 CEO는 디자이너들이 더 빨리, 더 효율적으로 새 부품을 만들면서 기대 이상의 성과를 일궈낼 수 있었다고 전했다. 

과거 라이트닝 모터사이클의 디자인 팀은 부품을 디자인한 후 강점과 다른 스펙들을 분석해서 수정하는 방법을 썼다. 이는 시간이 많이 소비되는 프로세스였다. 하트필드는 “생성적 디자인 소프트웨어 덕분에 수동으로 처리할 때보다 훨씬 더 빠른 속도로 시뮬레이션을 하고, 수많은 반복을 할 수 있었다. 펜과 종이로 구성요소를 그리는 것, 소프트웨어로 이를 계속 반복하는 것을 비교해 생각하면 된다. 큰 발전, 도약이다”라고 말했다.


라이트닝 모터사이클 디자이너 그룹은 오토데스크의 생성적 디자인 소프트웨어를 활용해 새로운 구조의 스윙암(이미지의 파란색 영역)을 개발했다. 

척추 보호대 같은 개인 안전 장비를 만드는 오스트리아의 디자인 스튜디오 에데라 세이프티(Edera Safety)의 제품 디자이너인 알렉산더 마틴은 생성적 디자인 도구인 퓨전 360을 이용해 일상 업무에 소요되는 시간을 크게 줄였다고 말했다.

그는 “생성적 디자인이 디자인 프로세스의 속도를 10배는 족히 높여줬다. 우수한 크리에이티브 팀이 몇달 동안 일해 결과물을 내어놓고, 나는 가장 효과적인 결과물을 선택하는 것과 같은 효과가 있다”라고 설명했다.

AI와의 협력은 반직관적으로 보일 수도 있는 새로운 (디자인) 가능성의 문을 열어주기도 한다. 마틴은 “AI는 개인적으로 논리적이지 못한 것으로 간주했거나 간과했던 ‘반복’을 가능하게 해준다. 이제는 AI가 디자인 프로세스에서 논리적으로 타당한 일부라는 생각을 갖게 됐다”라고 말했다.

사람과 AI의 ‘업무 협력’
이미 AI와 상호작용을 하고 있는 직원들이 아주 많다. 잘 감지되지 않을지라도 그렇다. 사무용 소프트웨어의 즉석 번역, 이메일의 답장 내용 제안 기능 등을 예로 들 수 있다. 이와 동시에, AI 비서와의 상호작용이 더욱 정교해지고 있는 추세이다. 개인 일상에서 친숙한 알렉사, 구글 어시스턴트, 시리, 코타나 같은 가상 비서들이 직장에도 도입되기 시작했으며, 직장에서 사용자 검색, 회의 예약 등에 도움을 주고 있다. 

AI와 더 직접적인 방식으로 상호작용을 하고 있다는 의미이다. 최근 구글과 아마존 웹 서비스 등의 콜 센터 소프트웨어가 발전하면서, 콜 센터 직원들이 AI 비서와 상호작용을 할 수 있게 되었다. AI 비서는 고객과 접촉하는 동안 실시간으로 메모와 정보를 찾아 제공하고, 고객의 정서를 파악해 응답할 내용을 제안하는 등의 도움을 준다. 

챗봇으로 이런 업무를 자동화하는 것이 아니다. AI는 콜 센터 직원들이 더 나은 서비스를 제공, 고객 만족도를 높이고 궁극적으로 매출을 증대시키도록 도움을 준다.

포레스터의 가운더는 “AI가 콜 센터 인력을 대체하는 것이 아니다. AI를 협력적으로 사용, 상호작용을 더 효율적으로 처리하고 있는 것이다. 아직 광범위하게 보급된 상태는 아니지만, 이런 트렌드가 시작되었다”라고 말했다.

AI와 상호작용하는 직원들은 사무실 직원에 국한되지 않는다. “코봇(Cobots)”으로 불리는 협업 로봇이 공장에 도입되어 사용되는 사례가 증가하고 있다. 엔지니어 옆에서 무거운 물체나 도구를 들고 있을 수도 있도록 설계된 로봇이다. 아마존의 거대한 물류 센터 같은 창고에서는 직원들이 배달할 상품을 찾아 포장하는 데 도움을 주고 있다.
 


사람과 자연스럽게, 그리고 신뢰할 수 있는 방식으로 상호작용하는 AI 시스템은 사람인 직원들의 니즈(필요사항)를 예측해 여기에 적응하는 AI 시스템이다. MIT 우주항공학부 조교수 겸 CSAIL 인터랙티브 로보틱스 그룹 책임자인 줄리 샤에 따르면, 다른 말로 좋은 팀 플레이어가 되는 방법을 학습하는 AI 시스템이다.

샤는 “사람들이 모호하면서 불확실한 정보를 분석하기 위해 수행하는 아주 어려운 작업을 AI가 맡는 것은 물론, 사람들이 이를 처리 및 지원하는 방식을 어느 정도 이해해서, 적절한 정보를 제공하고, 제안을 해서 사람들이 더 도전적인 부분에 집중할 수 있도록 도와줄 수 있다. 엄청난 잠재력을 갖고 있다”라고 말했다.

그녀의 연구는 자동차 생산 라인에서 로봇이 적시에 적합한 재료를 공급하거나, 도전적인 의사결정에서 사람에 도움을 주는 지능형 지원 시스템을 개발하는 등, AI 로봇이 사람인 직원들과 더 효과적으로 협력을 하도록 만드는 방법에 초점이 맞춰져 있다.

샤는 “나는 사람이 하는 일을 대체하거나 뺏는 것이 아닌, 사람의 능력을 강화시키는, 잘 들어맞는 퍼즐 조각 같은 AI를 개발하는 연구에 집중하고 있다. 여기에 기반이 되는 기술은 사람의 생각과 마음을 추론하고, 다음 할 일을 예측, 적시에 적절한 정보나 적절한 물질, 재료를 제공할 수 있는 기술이다”라고 설명했다.

직원들의 움직을 예측 및 예상하는 알고리즘을 개발해 사람들이 수행하는 복잡한 프로세스를 모방하는 것을 예로 들 수 있다.

샤는 “대부분의 연구는 적합한 순서로 적시에 적합한 정보를 제공하는 방법에 초점을 맞추고 있다. 조립 생산 라인에서 적합한 순서로 적시에 적합한 부품을 제공하려면 어떻게 해야 할까? 이는 작업 할당에 관한 스케줄링 문제이다. 이를 통해 세상이 제대로 작동을 하는 것이다”라고 말했다.

MIT CSAIL은 베스 이스라엘 데코네스 메디컬 센터(Beth Israel Deaconess Medical Center)에서 일터에서 사람들이 AI를 신뢰하는 정도에 대해 조사하는 프로젝트를 진행했다. 환자 치료를 조율하기 위해 지속적으로 시급히 결정을 내려야 하는 환경에서 병원 인력들에게 스케줄링에 대해 제안과 추천을 하는 휴머노이드 로봇 나오(Nao)용 AI 시스템과 관련된 프로젝트였다.


MIT 리서치가 개발한 간호 업무용 병실 및 간호 할당 AI 시스템. 베스 이스라엘 데코네스 메디컬 센터에 배치돼 있다. 

수간호사가 10명의 간호사로 구성된 팀을 책임진다. 한 번에 병상 20개의 환자 20명을 관리한다. 스케줄링에 변수들이 아주 많다. 수간호사는 임산부가 출산을 위해 도착할 시간, 출산에 걸리는 시간 같은 요소들을 예측해야 한다.

샤는 “기본적으로 병원에서 항공 관제사 같은 일을 하고 있다고 보면 된다. 환자를 치료할 병실, 이 환자를 간호할 간호사에 대한 판단을 내린다”라고 말했다.

이 수간호사가 담당하고 있는 스케줄링 업무를 맡아 처리할 수 있도록 AI 시스템이 훈련됐다. 병실 배정에 대해 예측을 하고, 특정 치료에 배정할 간호사에 대해 제안을 하는 기능을 구현했다. 간호사가 로봇에 질문을 하면, 로봇은 텍스트를 음성으로 변환하는 소프트웨어를 이용해 제안한다.

라이브 파일럿 데모 동안 간호사들이 AI의 제안을 수용한 비율은 90%였다. 또 같은 비율로 ‘품질이 낮은’ 제안을 거부했다. 간호사들의 피드백은 긍정적이었다. 참여한 사람들은 신입 직원 훈련과 업무 부담 공유와 관련된 혜택이 두드러졌다고 전했다.

CIO의 프리미엄 콘텐츠입니다. 이 기사를 더 읽으시려면 개인정보 등록이 필요합니다. 이미 등록하신 분은 '본인확인'을 해주십시오.

X