2020.08.12

"알고리즘 재검토가 필요한 시점"··· 머신러닝 최신 성공사례 5선

Clint Boulton | CIO
IT 리더들이 비즈니스 인사이트를 창출하고자 인공지능과 머신러닝을 어떻게 활용하고 있는지 알아본다. 

‘인공지능(AI)’과 ‘머신러닝(ML)’이 기업에 상당한 영향력을 미치고 있다. AI 및 ML 기술을 활용해 고객 선호도를 예측하고 비즈니스 운영을 개선하는 사례가 늘고 있기 때문이다. 

IDC는 AI 시스템 관련 지출액이 2023년 979억 달러를 돌파하리라 전망했다. 이는 2019년 지출액(375억 달러)의 3배에 가까운 규모다. 또한 지난 6월 발표된 캡제미니(Capgemini)의 설문 조사에 따르면 전체 응답 기업(950곳) 가운데 87%가 AI 파일럿을 진행 중이거나 한정된 유즈 케이스를 실제로 활용 중인 것으로 나타났다. 
 
ⓒGetty Images

한편 코로나19 사태로 AI 부문에서 새로운 과제가 등장했다. 지난 3월 이후부터, 과거 데이터를 기준으로 생성된 알고리즘 모델이 왜곡되는 경우가 발생했기 때문이다. 캡제미니의 인사이트 및 데이터 부문 부사장 제리 커츠는 이러한 ‘데이터 드리프트(data drift)’ 현상으로 인해 기업이 기존 모델을 신뢰하기 어려워졌다고 지적했다. 

예를 들어 제트 엔진 유지보수 간격을 예측하려는 기업이 있다고 가정해보자. 이 기업의 모델은 최근 몇 달간 급감한 제트 엔진 사용량으로 인해 크게 변경될 가능성이 높다. 최근 몇 달 동안 매출이 크게 하락한 소매업체도 마찬가지다. 

커츠는 <CIO닷컴>과의 인터뷰에서 “특정 데이터가 너무 빠르게 바뀌는 바람에 과거는 더 이상 적절한 예측변수가 되지 못한다”라면서, “변수가 바뀌리라 생각하지 않았기 때문에 기업은 알고리즘을 재검토해야 할 것”이라고 진단했다. 

이러한 과제에 직면한 상황에서, 여러 IT 리더들은 AI 및 ML을 어떻게 활용하고 있는지 사례들을 살펴본다. 

1. 건강보험사 ‘앤섬(Anthem)’: AI를 활용한 비즈니스 성과 향상
미국 대형 건강보험회사 앤섬의 최고디지털책임자(CDO) 라지브 로난키에 따르면 앤섬은 환자의 건강 상태 예측부터 서비스 관련 분쟁 완화에 이르기까지 각종 업무에 AI 및 ML 솔루션을 도입했다. 

구체적으로 살펴보자면, 앤섬은 만성질환(예: 당뇨병, 심장병) 환자로부터 수년간 축적된 의료 데이터를 분석하고 이 내용을 비슷한 질환을 앓고 있는 환자나 그들의 ‘디지털 트윈’과 대조해 치료 결과를 예상하고 있다. 

또한 보험금 청구 및 기타 서비스의 진행 상황을 모니터링하여 이와 관련된 고객 불만을 탐지하는 과정에서도 AI를 사용하고 있다. AI를 활용해 불만이나 문제가 생길 것으로 판단되면, 고객 서비스 팀이 업체나 환자에게 연락을 취해 해명에 나선다. 

로난키는 이러한 선제 대응이 문제 상황을 예방하는 데 매우 중요하다고 강조했다. 이를 위해 앤섬은 수백만 건의 고객 통화 내용에서 수집한 데이터를 분석한다. AI는 고객이 불만을 제기할 가능성을 나타내는 점수를 생성한다. 이어서 그는 “직접 연락해서 결과를 설명한다. 가능한 한 맥락을 제공한다”라고 덧붙였다.

2018년 앤섬은 전직 구글 검색 책임자였던 우디 맨버를 최고 AI 책임자로 영입했다. 앤섬이 AI를 얼마나 중요하게 여기는 지는 이 사실만 봐도 알 수 있다. 

맨버의 지휘하에 모든 업무에 AI 기능 및 기술이 적용됐다. 이 과정에서 AI 프로젝트팀이 개발한 애플리케이션의 구체적인 목적은 “의료 경험을 간소화해 더 개인화되고, 더 생산적이며, 더 선제적으로 만드는 것”이라고 로난키는 설명했다. 

2. 운송회사 ‘피트니 보우스(Pitney Bowes)’: ML를 활용한 배송 서비스 개선
창립 100주년을 맞은 운송업체 피트니 보우스의 최고혁신책임자(Chief Innovation Officer, CIO) 제임스 페어웨더는 지난 8년간 AI 및 ML 툴 활용에 주력해왔다고 밝혔다. 

현재 피트니 보우스는 안드로이드 태블릿과 내장 프린터로 구성된 우편 및 소포 스테이션의 고장 시점을 예측하는 데 ML 소프트웨어를 사용한다. 커넥티드 스테이션과 직접 통신하는 ML 소프트웨어가 오작동 가능성을 감지하면 현장 서비스 기술자의 기계 점검 일정이 바로 잡힌다. 

기계가 고장 나기 전에 문제를 해결하는 것은 배송 중단을 줄이는 데 필수적이라고 페어웨더는 강조했다. 그에 따르면 시간이 지나면서 ML 소프트웨어의 예측 성능은 크게 향상됐고, 그 덕분에 피트니 보우스의 현장 서비스 관리 시스템에는 점검 일정이 일목요연하게 잡혀 있다. 

페어웨더는 “결과적으로 고객에게 향상된 사용자 경험을 제공할 수 있다”라고 설명했다.

한편, 당일 배송이 점차 보편화되는 현재, 배송 관련 사용자 경험이 매우 중요해지고 있기 때문에 피트니 보우스는 반송 물량 최적화에도 ML 알고리즘을 활용 중이다. 배송 경로를 모니터링해 그 과정에서의 이상 신호를 파악하는 것이다. 

예를 들면 이 알고리즘은 4시간마다 이동 경로를 확인하는데, 두 번째 확인이 누락되면 이상 표시를 한다고 페어웨더는 설명했다. 이어서 그는 “배송 과정 중의 변칙 사항을 예측하기 위해 이러한 활동을 기준으로 데이터 과학 모델을 구축했다”라고 덧붙였다. 

3. 농업 협동조합 ‘오션 스프레이(Ocean Spray)’: ML을 활용한 운영 개선
크랜베리와 자몽 등을 재배하고 관련 제품을 생산하는 오션 스프레이는 AI 및 ML을 활용하기에 앞서 다년간 수집한 데이터를 정리해야 했다. 

오션 스프레이의 최고 디지털 및 기술 책임자 제이미 헤드는 “사업부와 고객이 생성한 정보 자산의 균일성과 정확성을 개선하기 위해 마스터 데이터 관리 전략을 실행했다”라고 전했다. 

오션 스프레이에서는 ML을 활용해 지난 3년간의 과거 데이터를 종합하여 매출 증가 추세를 예측할 뿐만 아니라 경쟁사 프로모션 패턴을 분석해 시즌별 매출 격차를 해결하고 있다고 헤드는 언급했다. 

또한 그의 팀은 머신러닝 스타트업 ‘비주얼 패브릭(Visual Fabric)’과 협업 중이다. 지출을 추적해 어떻게 하면 더 나은 인사이트를 얻어낼 수 있는지 파악하는 것이 목표다. 헤드는 IT 조직이 이렇게 얻어낸 인사이트를 영업팀과 공유해 시장 접근 방식을 개선할 수 있도록 돕고 있다고 말했다. 

오션 스프레이는 크랜베리 수확량을 높이기 위해 ML을 활용하는 방법도 모색 중이다. 캐나다, 매사추세츠, 뉴저지, 위스콘신, 칠레 등지에 있는 협력업체를 대상으로 크랜베리의 색과 크기, 그리고 토양 및 기후 조건을 비롯한 여러 변수를 분석하는 방식이다.

4. 기계 제조업체 ‘허니웰(Honeywell)’: 가상비서를 활용한 영업 관리
허니웰의 영업사원은 AI 소프트웨어를 활용해 회의 우선순위를 결정하고 있다. 또한, 고객 유치에 도움이 되는 잠재고객(leads) 관리에도 AI 소프트웨어를 사용하고 있다. 

허니웰 마케팅 전략 부문 부사장 패트릭 호건은 ‘택트닷에이아이(Tact.ai)’가 개발한 이 소프트웨어, 즉 가상비서는 허니웰의 마이크로소프트 오피스 365, 세일즈포스 시스템에서 정보를 가져온다고 언급했다. 

이를테면 스마트폰으로 택트닷에이아이 비서(Tact.ai Assistant)에게 말을 걸거나 문자 메시지를 보내면, 영업 목표를 달성해 가고 있는지 확인할 수 있다. 비즈니스 제안과 관련해 고객들의 반응을 지표로 볼 수도 있다. 이 밖에 영업사원이 회의를 마치면 가상비서가 다음 계획을 묻는다. 잊혔거나 묻힌 제안에 관해서 후속 조치를 취하라고 알림을 주기도 한다. 

호건은 “가상비서가 직원으로 하여금 담당 분야를 훤하게 파악하는 데 도움을 준다”라면서, “이러한 툴은 사용될 때마다 각 영업사원의 워크플로우와 선호도에 대해 더 많이 학습한다”라고 말했다. 

그에 따르면 가상비서는 허니웰의 영업 퍼널(sales funnels)에 매우 긍정적인 영향을 미쳤다. 대면 회의가 늘어나고, 직원당 판매 금액과 판매 전환률 및 수익률도 증가했다. 따라서 그는 9,500명의 전체 직원 가운데 더 많은 수가 이 툴을 사용하도록 적극 장려하고 있다. 

5. 사무용품 회사 오피스디포(Office Depot): AI를 활용한 개인화 서비스 개선
오피스디포 CIO 토드 헤일에 따르면 오피스디포는 고객 선호도를 파악해 추천 서비스를 더욱더 향상시키고자 ML에 투자하고 있다. 

110억 달러 가치의 이 회사는 사무실 소모품 매출 의존도를 줄이는 한편 컴퓨컴(CompuCom) 기술 서비스 유닛을 포함한 비즈니스 서비스 부서를 확장하고 있으며, 그 과정에서 애널리틱스를 도입했다. 

B2B 판매는 오피스디포의 매출 가운데 60% 이상을 차지한다. 오피스디포는 XG부스트(XGBoost), 랜덤 포레스트(random forest) 등의 고급 AI/ML 기법을 활용하여 고객을 세분화한 다음, 고객 이탈, 고객 생애 가치, 밀접하게 관련된 제품 등을 예측한다. 

헤일은 “전자상거래에서 우리는 아파치 스파크(Apache Spark)와 빅DL(BigDL)을 기반으로 애널리틱스 주(Analytics Zoo)의 딥러닝 기능을 활용하여 사용자별 실시간 제품 추천 서비스를 제공하고 있다. 또 교차 판매 및 상향 판매 모델을 개발한다. 이상적으로 볼 때, 이것은 오피스디포의 ‘맞춤형 제품 및 서비스’에 도움이 될 것이다”라고 말했다. ciokr@idg.co.kr
 



2020.08.12

"알고리즘 재검토가 필요한 시점"··· 머신러닝 최신 성공사례 5선

Clint Boulton | CIO
IT 리더들이 비즈니스 인사이트를 창출하고자 인공지능과 머신러닝을 어떻게 활용하고 있는지 알아본다. 

‘인공지능(AI)’과 ‘머신러닝(ML)’이 기업에 상당한 영향력을 미치고 있다. AI 및 ML 기술을 활용해 고객 선호도를 예측하고 비즈니스 운영을 개선하는 사례가 늘고 있기 때문이다. 

IDC는 AI 시스템 관련 지출액이 2023년 979억 달러를 돌파하리라 전망했다. 이는 2019년 지출액(375억 달러)의 3배에 가까운 규모다. 또한 지난 6월 발표된 캡제미니(Capgemini)의 설문 조사에 따르면 전체 응답 기업(950곳) 가운데 87%가 AI 파일럿을 진행 중이거나 한정된 유즈 케이스를 실제로 활용 중인 것으로 나타났다. 
 
ⓒGetty Images

한편 코로나19 사태로 AI 부문에서 새로운 과제가 등장했다. 지난 3월 이후부터, 과거 데이터를 기준으로 생성된 알고리즘 모델이 왜곡되는 경우가 발생했기 때문이다. 캡제미니의 인사이트 및 데이터 부문 부사장 제리 커츠는 이러한 ‘데이터 드리프트(data drift)’ 현상으로 인해 기업이 기존 모델을 신뢰하기 어려워졌다고 지적했다. 

예를 들어 제트 엔진 유지보수 간격을 예측하려는 기업이 있다고 가정해보자. 이 기업의 모델은 최근 몇 달간 급감한 제트 엔진 사용량으로 인해 크게 변경될 가능성이 높다. 최근 몇 달 동안 매출이 크게 하락한 소매업체도 마찬가지다. 

커츠는 <CIO닷컴>과의 인터뷰에서 “특정 데이터가 너무 빠르게 바뀌는 바람에 과거는 더 이상 적절한 예측변수가 되지 못한다”라면서, “변수가 바뀌리라 생각하지 않았기 때문에 기업은 알고리즘을 재검토해야 할 것”이라고 진단했다. 

이러한 과제에 직면한 상황에서, 여러 IT 리더들은 AI 및 ML을 어떻게 활용하고 있는지 사례들을 살펴본다. 

1. 건강보험사 ‘앤섬(Anthem)’: AI를 활용한 비즈니스 성과 향상
미국 대형 건강보험회사 앤섬의 최고디지털책임자(CDO) 라지브 로난키에 따르면 앤섬은 환자의 건강 상태 예측부터 서비스 관련 분쟁 완화에 이르기까지 각종 업무에 AI 및 ML 솔루션을 도입했다. 

구체적으로 살펴보자면, 앤섬은 만성질환(예: 당뇨병, 심장병) 환자로부터 수년간 축적된 의료 데이터를 분석하고 이 내용을 비슷한 질환을 앓고 있는 환자나 그들의 ‘디지털 트윈’과 대조해 치료 결과를 예상하고 있다. 

또한 보험금 청구 및 기타 서비스의 진행 상황을 모니터링하여 이와 관련된 고객 불만을 탐지하는 과정에서도 AI를 사용하고 있다. AI를 활용해 불만이나 문제가 생길 것으로 판단되면, 고객 서비스 팀이 업체나 환자에게 연락을 취해 해명에 나선다. 

로난키는 이러한 선제 대응이 문제 상황을 예방하는 데 매우 중요하다고 강조했다. 이를 위해 앤섬은 수백만 건의 고객 통화 내용에서 수집한 데이터를 분석한다. AI는 고객이 불만을 제기할 가능성을 나타내는 점수를 생성한다. 이어서 그는 “직접 연락해서 결과를 설명한다. 가능한 한 맥락을 제공한다”라고 덧붙였다.

2018년 앤섬은 전직 구글 검색 책임자였던 우디 맨버를 최고 AI 책임자로 영입했다. 앤섬이 AI를 얼마나 중요하게 여기는 지는 이 사실만 봐도 알 수 있다. 

맨버의 지휘하에 모든 업무에 AI 기능 및 기술이 적용됐다. 이 과정에서 AI 프로젝트팀이 개발한 애플리케이션의 구체적인 목적은 “의료 경험을 간소화해 더 개인화되고, 더 생산적이며, 더 선제적으로 만드는 것”이라고 로난키는 설명했다. 

2. 운송회사 ‘피트니 보우스(Pitney Bowes)’: ML를 활용한 배송 서비스 개선
창립 100주년을 맞은 운송업체 피트니 보우스의 최고혁신책임자(Chief Innovation Officer, CIO) 제임스 페어웨더는 지난 8년간 AI 및 ML 툴 활용에 주력해왔다고 밝혔다. 

현재 피트니 보우스는 안드로이드 태블릿과 내장 프린터로 구성된 우편 및 소포 스테이션의 고장 시점을 예측하는 데 ML 소프트웨어를 사용한다. 커넥티드 스테이션과 직접 통신하는 ML 소프트웨어가 오작동 가능성을 감지하면 현장 서비스 기술자의 기계 점검 일정이 바로 잡힌다. 

기계가 고장 나기 전에 문제를 해결하는 것은 배송 중단을 줄이는 데 필수적이라고 페어웨더는 강조했다. 그에 따르면 시간이 지나면서 ML 소프트웨어의 예측 성능은 크게 향상됐고, 그 덕분에 피트니 보우스의 현장 서비스 관리 시스템에는 점검 일정이 일목요연하게 잡혀 있다. 

페어웨더는 “결과적으로 고객에게 향상된 사용자 경험을 제공할 수 있다”라고 설명했다.

한편, 당일 배송이 점차 보편화되는 현재, 배송 관련 사용자 경험이 매우 중요해지고 있기 때문에 피트니 보우스는 반송 물량 최적화에도 ML 알고리즘을 활용 중이다. 배송 경로를 모니터링해 그 과정에서의 이상 신호를 파악하는 것이다. 

예를 들면 이 알고리즘은 4시간마다 이동 경로를 확인하는데, 두 번째 확인이 누락되면 이상 표시를 한다고 페어웨더는 설명했다. 이어서 그는 “배송 과정 중의 변칙 사항을 예측하기 위해 이러한 활동을 기준으로 데이터 과학 모델을 구축했다”라고 덧붙였다. 

3. 농업 협동조합 ‘오션 스프레이(Ocean Spray)’: ML을 활용한 운영 개선
크랜베리와 자몽 등을 재배하고 관련 제품을 생산하는 오션 스프레이는 AI 및 ML을 활용하기에 앞서 다년간 수집한 데이터를 정리해야 했다. 

오션 스프레이의 최고 디지털 및 기술 책임자 제이미 헤드는 “사업부와 고객이 생성한 정보 자산의 균일성과 정확성을 개선하기 위해 마스터 데이터 관리 전략을 실행했다”라고 전했다. 

오션 스프레이에서는 ML을 활용해 지난 3년간의 과거 데이터를 종합하여 매출 증가 추세를 예측할 뿐만 아니라 경쟁사 프로모션 패턴을 분석해 시즌별 매출 격차를 해결하고 있다고 헤드는 언급했다. 

또한 그의 팀은 머신러닝 스타트업 ‘비주얼 패브릭(Visual Fabric)’과 협업 중이다. 지출을 추적해 어떻게 하면 더 나은 인사이트를 얻어낼 수 있는지 파악하는 것이 목표다. 헤드는 IT 조직이 이렇게 얻어낸 인사이트를 영업팀과 공유해 시장 접근 방식을 개선할 수 있도록 돕고 있다고 말했다. 

오션 스프레이는 크랜베리 수확량을 높이기 위해 ML을 활용하는 방법도 모색 중이다. 캐나다, 매사추세츠, 뉴저지, 위스콘신, 칠레 등지에 있는 협력업체를 대상으로 크랜베리의 색과 크기, 그리고 토양 및 기후 조건을 비롯한 여러 변수를 분석하는 방식이다.

4. 기계 제조업체 ‘허니웰(Honeywell)’: 가상비서를 활용한 영업 관리
허니웰의 영업사원은 AI 소프트웨어를 활용해 회의 우선순위를 결정하고 있다. 또한, 고객 유치에 도움이 되는 잠재고객(leads) 관리에도 AI 소프트웨어를 사용하고 있다. 

허니웰 마케팅 전략 부문 부사장 패트릭 호건은 ‘택트닷에이아이(Tact.ai)’가 개발한 이 소프트웨어, 즉 가상비서는 허니웰의 마이크로소프트 오피스 365, 세일즈포스 시스템에서 정보를 가져온다고 언급했다. 

이를테면 스마트폰으로 택트닷에이아이 비서(Tact.ai Assistant)에게 말을 걸거나 문자 메시지를 보내면, 영업 목표를 달성해 가고 있는지 확인할 수 있다. 비즈니스 제안과 관련해 고객들의 반응을 지표로 볼 수도 있다. 이 밖에 영업사원이 회의를 마치면 가상비서가 다음 계획을 묻는다. 잊혔거나 묻힌 제안에 관해서 후속 조치를 취하라고 알림을 주기도 한다. 

호건은 “가상비서가 직원으로 하여금 담당 분야를 훤하게 파악하는 데 도움을 준다”라면서, “이러한 툴은 사용될 때마다 각 영업사원의 워크플로우와 선호도에 대해 더 많이 학습한다”라고 말했다. 

그에 따르면 가상비서는 허니웰의 영업 퍼널(sales funnels)에 매우 긍정적인 영향을 미쳤다. 대면 회의가 늘어나고, 직원당 판매 금액과 판매 전환률 및 수익률도 증가했다. 따라서 그는 9,500명의 전체 직원 가운데 더 많은 수가 이 툴을 사용하도록 적극 장려하고 있다. 

5. 사무용품 회사 오피스디포(Office Depot): AI를 활용한 개인화 서비스 개선
오피스디포 CIO 토드 헤일에 따르면 오피스디포는 고객 선호도를 파악해 추천 서비스를 더욱더 향상시키고자 ML에 투자하고 있다. 

110억 달러 가치의 이 회사는 사무실 소모품 매출 의존도를 줄이는 한편 컴퓨컴(CompuCom) 기술 서비스 유닛을 포함한 비즈니스 서비스 부서를 확장하고 있으며, 그 과정에서 애널리틱스를 도입했다. 

B2B 판매는 오피스디포의 매출 가운데 60% 이상을 차지한다. 오피스디포는 XG부스트(XGBoost), 랜덤 포레스트(random forest) 등의 고급 AI/ML 기법을 활용하여 고객을 세분화한 다음, 고객 이탈, 고객 생애 가치, 밀접하게 관련된 제품 등을 예측한다. 

헤일은 “전자상거래에서 우리는 아파치 스파크(Apache Spark)와 빅DL(BigDL)을 기반으로 애널리틱스 주(Analytics Zoo)의 딥러닝 기능을 활용하여 사용자별 실시간 제품 추천 서비스를 제공하고 있다. 또 교차 판매 및 상향 판매 모델을 개발한다. 이상적으로 볼 때, 이것은 오피스디포의 ‘맞춤형 제품 및 서비스’에 도움이 될 것이다”라고 말했다. ciokr@idg.co.kr
 

X