2017.10.20

"일자리 도둑 아닌 최고의 친구"··· AI·머신러닝이 CIO에 시사하는 것

Zeus Kerravala | CIO
머신러닝과 인공 지능(AI)이 과거 어느 때보다 빠른 속도로 우리 주변을 변화시키고 있다. 스스로 주행하는 자동차, 자연어 처리, 그랜드 마스터와 체스를 두는 컴퓨터 등에 더 가까워지고 있다. 그러나 겉으로 드러난 것과 달리 기업 IT에 대한 직접적인 영향은 아직 본격화되지 않았다.

최근 IT 서비스 업체 서비스나우(ServiceNow)가 11개 국가 25개 업종의 CIO 500명을 대상으로 기업의 AI 활용 현황을 조사했다. 그 결과는 ‘글로벌 CIO의 관점(The Global CIO Point of View)’ 보고서로 발행됐다. 서비스나우의 최고 혁신 책임자 데이브 라이트에게 이에 대한 더 자세한 이야기를 들어봤다.

CIO 역할이 어떻게 변하고 있나?
- 데이브 라이트: CIO의 의제가 몇 년 전과 크게 달라졌다. 기존의 CIO는 기업의 기술 인프라 유지 관리를 책임졌다. 지금은 기업의 리더와 파트너십 관계를 구축하고, 기술을 이용해 기업 전체가 업계를 선도할 방법을 찾아야 한다. 또한 직원의 기술 수준을 올리고 비즈니스 프로세스를 쇄신하고, 디지털 트랜스포메이션을 견인해야 한다.

머신러닝과 AI 기반의 자동화를 부정적인 위협으로 받아들이는 IT 종사자가 많다. 무엇보다 자신의 일자리를 위협한다고 믿는다. 이런 주장에 동의하나? 이를 극복하기 위해 CIO가 해야 할 일은 무엇인가?
- 아마 가장 잘못된 생각일 것이다. 머신러닝과 AI는 일자리를 없애지 않는다. 오히려 IT 종사자의 기술 수준을 높여준다. 현대의 IT 환경은 과거 어느 때보다 훨씬 더 복잡하다. 이제 IT가 이 모든 요소를 관리하는 것은 불가능하다. 머신러닝은 IT 종사자의 ‘가장 친한 친구’가 될 수 있다. 머신러닝이 어떻게 업무를 쉽게 만드는지 배우기만 하면 된다.

IT 종사자가 이를 받아들이도록 하는 가장 좋은 방법은 디자인 프로세스에 참여시키는 것이다. 이를 통해 머신러닝의 구현 방법과 용도, 목적 등을 이해시킬 수 있다. 이 과정에서 가장 중요한 것은 매일 먹고 활동하고, 숨을 쉬는 사람이 기계보다 프로세스 흐름을 더 잘 이해한다는 점을 확인하도록 하는 것이다. 프로세스를 디지털화 능력은 사람이 훨씬 앞선다. 그 이후를 기계에 맡기는 것이다.

조사 결과를 보면 머신러닝을 사용하고 있다는 응답이 89%에 달한다. 예상보다 훨씬 높다.
- 나 역시 놀랐다. 이렇게 높을 것으로 생각하지 않았다. 그러나 통계를 자세히 보면 전사적으로 머신러닝을 사용하는 비율은 3%에 불과하다. 20%는 일부 영역에 사용하고, 26%는 파일럿 테스트 단계이며, 40%는 연구와 계획 수립 단계다.

이는 머신러닝이 도입되는 형태로 이해할 수 있다. 기업 대부분은 ‘기어가고, 걷고, 뛰는’ 식으로 단계적으로 머신러닝을 도입한다. 첫 단계는 무엇인가 설명하기 위해 머신러닝을 사용하는 단계다. 데이터를 분석하고 그 해석을 지원한다. 다음 단계는 더 ‘인지적’이다. AI가 문제를 해결하기 시작한다. 세 번째 단계에서는 기술이 예측하기 시작한다. 예를 들어, 다른 데이터를 가지고 보안 침해 사고 발생 가능성을 예측한다.

마지막 단계는 ‘처방(예방)’ 단계다. AI가 예측한 후 그 예방 조처를 하는 것이다. 예를 들어 보안 침해라면 예측하는 것에 머물지 않고 예방에 나선다. AI가 스스로 반복적인(Iterative) 방식으로 작동해야 가능한 단계로, 아직 몇 년을 더 기다려야 한다.

데이터를 보면, 사이버보안이 완전히 자동화된 비율이 24%로 가장 높다. 또한 2020년까지 이 비율이 다른 분야 대비 가장 많이 증가할 것으로 예상된다. 구체적으로 의사결정의 70%가 자동화될 것으로 봤다. 근거는 무엇인가?
- 조사된 통계와 경향은 타당하다고 본다. 과거의 자동화 과정을 살펴보면, ‘A의 경우 B’식의 규칙을 하드 코딩하는 방식이었다. 그러나 이제는 IT 인프라의 복잡성 때문에 그때그때 규칙을 다시 써야 하므로 하드 코딩이 사실상 불가능하다. 기업의 생사가 걸린 보안에서는 이 부분이 특히 중요하다. 이때 기계는 사람보다 빨리 데이터 세트를 처리하고 규칙을 다시 작성할 수 있다. 해커도 이미 머신러닝을 이용해 악성코드를 만들고 있으므로, 여기에 대응하기 위해서라도 머신러닝을 활용해야 한다.


47%가 머신러닝 도입을 가로막는 장애물로 ‘스킬 부족(인재 부족)’을 꼽았다. 이는 새로운 기회를 찾는 엔지니어에게 좋은 소식으로 들린다. 구체적으로 가장 부족한 스킬은 무엇인가?
- 엔지니어에 희소식인 것이 분명하다. IT 종사자가 누릴 기회가 더 많아지고 있다. 데이터 사이언티스트와 머신러닝 전문가가 가장 많이 부족하다. 몇 년 동안 인재를 찾지 못해 충원을 못 하는 일자리가 많다. 업계가 직면한 중대한 도전 과제 중 하나는 이에 대한 교육을 제공하는 곳을 찾기 힘들다는 것이다. 그러나 관련 교육 과정을 제공하는 교육 기관과 학교가 점점 늘어나고 있으므로 조만간 문제가 해결될 것으로 본다.

마지막으로 기업에 조언한다면?
- 몇 가지를 강조하고 싶다. 첫째, 데이터 소스를 정리해야 한다. 나쁜 데이터는 나쁜 추론으로 이어진다. 기업 대부분이 많은 데이터를 보유하고 있지만 여기에는 오류와 나쁜 정보도 가득하다. 머신러닝 시스템에 공급하는 데이터 품질이 높아야 더 좋은 결정을 내릴 수 있다는 것을 명심해야 한다.

둘째, 추적하는 핵심 성과 지표(KPI)를 재평가해야 한다. 예측 시스템으로 문제(장애)를 해결하는 경우 가장 중요한 것은 해결에 걸린 평균 시간이 아니다. 문제가 다시 발생하는 평균 시간이다. 보안의 경우 침해 사고를 발견하기까지 걸린 시간이 아니라 예방한 사고의 수를 지표로 사용해야 한다. 머신러닝이 IT에 변화를 가져오고 있으므로 여기에 맞춰 성과 측정 방법도 바꾸어야 한다. ciokr@idg.co.kr 



2017.10.20

"일자리 도둑 아닌 최고의 친구"··· AI·머신러닝이 CIO에 시사하는 것

Zeus Kerravala | CIO
머신러닝과 인공 지능(AI)이 과거 어느 때보다 빠른 속도로 우리 주변을 변화시키고 있다. 스스로 주행하는 자동차, 자연어 처리, 그랜드 마스터와 체스를 두는 컴퓨터 등에 더 가까워지고 있다. 그러나 겉으로 드러난 것과 달리 기업 IT에 대한 직접적인 영향은 아직 본격화되지 않았다.

최근 IT 서비스 업체 서비스나우(ServiceNow)가 11개 국가 25개 업종의 CIO 500명을 대상으로 기업의 AI 활용 현황을 조사했다. 그 결과는 ‘글로벌 CIO의 관점(The Global CIO Point of View)’ 보고서로 발행됐다. 서비스나우의 최고 혁신 책임자 데이브 라이트에게 이에 대한 더 자세한 이야기를 들어봤다.

CIO 역할이 어떻게 변하고 있나?
- 데이브 라이트: CIO의 의제가 몇 년 전과 크게 달라졌다. 기존의 CIO는 기업의 기술 인프라 유지 관리를 책임졌다. 지금은 기업의 리더와 파트너십 관계를 구축하고, 기술을 이용해 기업 전체가 업계를 선도할 방법을 찾아야 한다. 또한 직원의 기술 수준을 올리고 비즈니스 프로세스를 쇄신하고, 디지털 트랜스포메이션을 견인해야 한다.

머신러닝과 AI 기반의 자동화를 부정적인 위협으로 받아들이는 IT 종사자가 많다. 무엇보다 자신의 일자리를 위협한다고 믿는다. 이런 주장에 동의하나? 이를 극복하기 위해 CIO가 해야 할 일은 무엇인가?
- 아마 가장 잘못된 생각일 것이다. 머신러닝과 AI는 일자리를 없애지 않는다. 오히려 IT 종사자의 기술 수준을 높여준다. 현대의 IT 환경은 과거 어느 때보다 훨씬 더 복잡하다. 이제 IT가 이 모든 요소를 관리하는 것은 불가능하다. 머신러닝은 IT 종사자의 ‘가장 친한 친구’가 될 수 있다. 머신러닝이 어떻게 업무를 쉽게 만드는지 배우기만 하면 된다.

IT 종사자가 이를 받아들이도록 하는 가장 좋은 방법은 디자인 프로세스에 참여시키는 것이다. 이를 통해 머신러닝의 구현 방법과 용도, 목적 등을 이해시킬 수 있다. 이 과정에서 가장 중요한 것은 매일 먹고 활동하고, 숨을 쉬는 사람이 기계보다 프로세스 흐름을 더 잘 이해한다는 점을 확인하도록 하는 것이다. 프로세스를 디지털화 능력은 사람이 훨씬 앞선다. 그 이후를 기계에 맡기는 것이다.

조사 결과를 보면 머신러닝을 사용하고 있다는 응답이 89%에 달한다. 예상보다 훨씬 높다.
- 나 역시 놀랐다. 이렇게 높을 것으로 생각하지 않았다. 그러나 통계를 자세히 보면 전사적으로 머신러닝을 사용하는 비율은 3%에 불과하다. 20%는 일부 영역에 사용하고, 26%는 파일럿 테스트 단계이며, 40%는 연구와 계획 수립 단계다.

이는 머신러닝이 도입되는 형태로 이해할 수 있다. 기업 대부분은 ‘기어가고, 걷고, 뛰는’ 식으로 단계적으로 머신러닝을 도입한다. 첫 단계는 무엇인가 설명하기 위해 머신러닝을 사용하는 단계다. 데이터를 분석하고 그 해석을 지원한다. 다음 단계는 더 ‘인지적’이다. AI가 문제를 해결하기 시작한다. 세 번째 단계에서는 기술이 예측하기 시작한다. 예를 들어, 다른 데이터를 가지고 보안 침해 사고 발생 가능성을 예측한다.

마지막 단계는 ‘처방(예방)’ 단계다. AI가 예측한 후 그 예방 조처를 하는 것이다. 예를 들어 보안 침해라면 예측하는 것에 머물지 않고 예방에 나선다. AI가 스스로 반복적인(Iterative) 방식으로 작동해야 가능한 단계로, 아직 몇 년을 더 기다려야 한다.

데이터를 보면, 사이버보안이 완전히 자동화된 비율이 24%로 가장 높다. 또한 2020년까지 이 비율이 다른 분야 대비 가장 많이 증가할 것으로 예상된다. 구체적으로 의사결정의 70%가 자동화될 것으로 봤다. 근거는 무엇인가?
- 조사된 통계와 경향은 타당하다고 본다. 과거의 자동화 과정을 살펴보면, ‘A의 경우 B’식의 규칙을 하드 코딩하는 방식이었다. 그러나 이제는 IT 인프라의 복잡성 때문에 그때그때 규칙을 다시 써야 하므로 하드 코딩이 사실상 불가능하다. 기업의 생사가 걸린 보안에서는 이 부분이 특히 중요하다. 이때 기계는 사람보다 빨리 데이터 세트를 처리하고 규칙을 다시 작성할 수 있다. 해커도 이미 머신러닝을 이용해 악성코드를 만들고 있으므로, 여기에 대응하기 위해서라도 머신러닝을 활용해야 한다.


47%가 머신러닝 도입을 가로막는 장애물로 ‘스킬 부족(인재 부족)’을 꼽았다. 이는 새로운 기회를 찾는 엔지니어에게 좋은 소식으로 들린다. 구체적으로 가장 부족한 스킬은 무엇인가?
- 엔지니어에 희소식인 것이 분명하다. IT 종사자가 누릴 기회가 더 많아지고 있다. 데이터 사이언티스트와 머신러닝 전문가가 가장 많이 부족하다. 몇 년 동안 인재를 찾지 못해 충원을 못 하는 일자리가 많다. 업계가 직면한 중대한 도전 과제 중 하나는 이에 대한 교육을 제공하는 곳을 찾기 힘들다는 것이다. 그러나 관련 교육 과정을 제공하는 교육 기관과 학교가 점점 늘어나고 있으므로 조만간 문제가 해결될 것으로 본다.

마지막으로 기업에 조언한다면?
- 몇 가지를 강조하고 싶다. 첫째, 데이터 소스를 정리해야 한다. 나쁜 데이터는 나쁜 추론으로 이어진다. 기업 대부분이 많은 데이터를 보유하고 있지만 여기에는 오류와 나쁜 정보도 가득하다. 머신러닝 시스템에 공급하는 데이터 품질이 높아야 더 좋은 결정을 내릴 수 있다는 것을 명심해야 한다.

둘째, 추적하는 핵심 성과 지표(KPI)를 재평가해야 한다. 예측 시스템으로 문제(장애)를 해결하는 경우 가장 중요한 것은 해결에 걸린 평균 시간이 아니다. 문제가 다시 발생하는 평균 시간이다. 보안의 경우 침해 사고를 발견하기까지 걸린 시간이 아니라 예방한 사고의 수를 지표로 사용해야 한다. 머신러닝이 IT에 변화를 가져오고 있으므로 여기에 맞춰 성과 측정 방법도 바꾸어야 한다. ciokr@idg.co.kr 

X