2017.11.02

기고 | 'AI vs. 인간' 누가 더 나은 의사결정을 내릴까

Dave Sanderson | CIO Aisa
* 본 기고문은 벤더가 작성한 것으로 이그제큐티브 네트워크 미디어 편집진 수정을 거쳤다. 그러나 벤더의 시각이 일부 남아 있을 수 있다.

우리는 매일 다양한 결정을 내리며 산다. 그리고 우리의 삶이 디지털화될수록, 우리의 선택은 더욱 다양하고 어려워진다. 옛날에 우리는 신문이나 TV를 통해서만 뉴스를 접했다. 선택지 자체가 그다지 많지 않았기 때문이다. 그러나 오늘날에는 너무나 많은 인터넷 뉴스 사이트와 소셜 미디어가 존재한다. 예를 들어 지금 독자들이 이 글을 클릭하게 된 것도 무수한 선택의 결과일 것이다. 그리고 이러한 플랫폼들 덕분에 평범한 개인들도 콘텐츠 크리에이터가 되어 직접 데이터를 생성해 낼 수 있게 됐다.



앞으로도 선택지의 가짓수나 데이터의 양은 늘어나면 늘어났지 줄어드는 일은 없을 것이고, 이는 의사결정으로 인한 피로도를 증가시키게 된다. 이러한 현상은 특히 비즈니스 세계에서 두드러진다. 알리바바의 마윈은 미래에 AI로 인해 하루 4시간 근무가 가능해질 것으로 예측했다. 그렇지만 이것이 현실이 되려면 앞으로 30년은 있어야 한다.

오늘날 성공적인 기업들은 의사결정을 단순하게 만듦으로써 이러한 선택 피로의 문제를 해결하고 있다. 오바마 전 대통령은 이메일에 답장할 때 동의/반대/논의 등 한두 단어로 답변을 보냈다고 한다. 그리고 매일 회색 후드와 티셔츠, 그리고 청바지만 입고 다니는 몇몇 소셜 미디어 유명인들처럼 오바마 역시 회색 또는 파란색으로 수트 색을 통일시켰다.

어느 연구 결과에 따르면, 우리는 하루에 약 3만 5,000여 가지 결정을 내린다. 그렇다면 이런 결정을 단순화하거나 자동화함으로써, 그리고 자잘한 ‘방해 요소’들을 제거하면 엄청난 시간을 절약하고 생산성을 높일 것으로 기대된다.

당신의 스타일은?
여기서 스타일이란 옷 입는 스타일을 말하는 것이 아니다. 바로 의사결정 스타일을 말한다. 대부분 사람은 상황에 따라 아래 4가지 중 하나의 의사결정 카테고리에 해당한다.

● 결단력/독선: 팀의 의견을 고려하지 않고 독자적이고 독립적으로 의사결정을 내리는 스타일

● 위계/위임: 직접 의사결정 과정에 참여하지는 않지만 다른 이들이 의사결정을 내렸을 때 이를 보고 받고 최종 결정을 직접 내리는 스타일

● 유동성/의견수렴: 팀원에게 개별적으로든, 팀 단위로든 적극적으로 의견을 묻지만 최종 결정은 스스로 하는 스타일

● 합의/팀: 모든 팀원을 한 자리에 모아 놓고 상황을 자세히 설명하며, 의사결정도 팀원들과 함께 내리는 스타일. 당신은 최종 결정을 내리기보다는 모두가 동의하고 지지할 수 있는 합의를 이끌어 내는 진행자 역할을 맡는다.

대부분 사람은 이 4가지 중 하나의 의사결정 스타일을 가지고 있으며, 여기에 맞춰 그때 그때 즉흥적으로 결정을 내린다. 가장 이상적인 것은 물론 유동성 또는 합의를 추구하는 스타일이 되도록 노력하는 것이겠지만, 모든 결정을 이런 식으로 내리는 것은 불가능하다. 특히 데이터와 관련된 의사결정이라면 더욱 그렇다. 그리고 CMO를 비롯하여 C-레벨 임원이라면 특히 의사결정에 그 정도의 시간을 할애하기 어려울 것이다.

AI를 위한 사례
“애널리스트는 데이터가 전체 현업 부서를 관통하는 속도를 통해 기업의 맥박을 측정한다.”

그리고 이를 잘 활용하지 못하는 기업은 경쟁에서 도태될 것이다. 구체적인 예를 들어 보자면, AI는 HR이나 생산성 등 모든 기업의 관심사라 할 수 있는 분야에 적용될 수 있다. 또한 기술을 활용해 협력적 직원, 성과가 뛰어난 직원과 그렇지 못한 직원을 가려낼 수 있고, 직원들의 동기부여 정도를 파악할 수 있어 생산성 향상에 관한 의사결정을 내리는 데 도움이 된다.

마케팅 분야의 경우 캠페인 지출 등에서 빠른 의사결정이 요구되며 ROI를 추적하고 달성해야 한다. 이러한 것들을 측정하고 분석하기 위해 여러 가지 툴을 활용할 수도 있지만, 이 모든 것을 혼자서 처리할 수 있는 사람은 없다. 그리고 AI는 바로 이런 부분에서 우리에게 도움을 줄 수 있을 것이다.

AI와 같은 기술이 우리에게 주어진 이상 기업에 적합한 툴을 반드시 찾아야만 한다. AI로의 이행에 적합한 데이터 타입으로는 다음과 같은 것들이 있다.

● 고 속력 데이터(High velocity data)

● 다수의 플랫폼 또는 시스템의 파편화된 데이터

● 클리닝 및 분석이 필요한 원천 데이터

● 실시간 데이터


AI는 다른 렌즈를 통해 비즈니스를 보고, 새로운 의사결정을 내릴 수 있는 역량이 있다. 아마 의사결정 자동화가 어떤 식으로 실현될지 궁금한 이들이 많을 것이다. 사실 의사결정 자동화는 일단 시작하고 나면 그다음부터는 전혀 어려울 것이 없다. 인간과 다른 점이 있다면 인간은 의사결정을 내릴 때 6가지 경로 중 어느 것이나 선택할 수 있지만 AI는 이들 중 단 하나의 경로만을 택하며, 3단계 프로세스를 통해 통찰력을 수집하고, 조언하며, 의사결정에 이른다.

AI는 대규모 데이터를 추출하여 이를 정화하고, 앞뒤 문맥을 더하며, 조화를 통해 의사결정에 적합한 정제된 상태로 내놓을 수 있다. 다시 말해 AI의 역할은 사용자에게 가장 편안한 티셔츠와 청바지, 수트를 추천해 주는 것이며 사용자는 그중에서 상황에 가장 적합한 것들만을 고르면 되는 것이다.


과연 DaaS(Decision as a Service)가 가능해질까?
어쩌면 그럴지도 모른다. 진화가 어떤 경로를 통해 이뤄지든, 승자독식 형태는 아닐 것이며 API 주도형 공유 생태계를 통해 전문성 기능들을 제공하는 앱 네트워크가 될 것이다. 그리고 궁극적으로는 알고리즘과 알고리즘이 서로 대화를 통해 인간을 배제한 채 논의를 진행하는 형태가 될 것이다. 페이스북의 AI가 자체적인 언어를 만들어 서로 ‘대화’를 나누듯 말이다.

그렇다면, 이러한 비즈니스 모델은 어떤 모습일까? 아마 대부분의 경우 결정 및 퍼포먼스 당 지불(pay-per-decision/performance) 형태가 될 것이며 의사결정의 품질, 신뢰도, 그리고 속도에 따라 서비스의 차별화가 이뤄질 것으로 생각된다. 중요한 것은 이것이 가능해질 것인가가 아니라, 이것이 실현되었을 때 우리 기업은 어디에 위치해 있을 것인가다. 얼리 어답터로서 새로운 기술을 맞이할 것인지, 아니면 경쟁 기업들보다 뒤처진 위치에서 새로운 기술을 맞이할 것인지 생각해 보아야 한다.

*Dave Sanderson은 자연어 처리와 패턴 인식을 활용해 추천 서비스를 제공하는 회사인 누지트(Nugit)의 CEO다. ciokr@idg.co.kr
 
2017.11.02

기고 | 'AI vs. 인간' 누가 더 나은 의사결정을 내릴까

Dave Sanderson | CIO Aisa
* 본 기고문은 벤더가 작성한 것으로 이그제큐티브 네트워크 미디어 편집진 수정을 거쳤다. 그러나 벤더의 시각이 일부 남아 있을 수 있다.

우리는 매일 다양한 결정을 내리며 산다. 그리고 우리의 삶이 디지털화될수록, 우리의 선택은 더욱 다양하고 어려워진다. 옛날에 우리는 신문이나 TV를 통해서만 뉴스를 접했다. 선택지 자체가 그다지 많지 않았기 때문이다. 그러나 오늘날에는 너무나 많은 인터넷 뉴스 사이트와 소셜 미디어가 존재한다. 예를 들어 지금 독자들이 이 글을 클릭하게 된 것도 무수한 선택의 결과일 것이다. 그리고 이러한 플랫폼들 덕분에 평범한 개인들도 콘텐츠 크리에이터가 되어 직접 데이터를 생성해 낼 수 있게 됐다.



앞으로도 선택지의 가짓수나 데이터의 양은 늘어나면 늘어났지 줄어드는 일은 없을 것이고, 이는 의사결정으로 인한 피로도를 증가시키게 된다. 이러한 현상은 특히 비즈니스 세계에서 두드러진다. 알리바바의 마윈은 미래에 AI로 인해 하루 4시간 근무가 가능해질 것으로 예측했다. 그렇지만 이것이 현실이 되려면 앞으로 30년은 있어야 한다.

오늘날 성공적인 기업들은 의사결정을 단순하게 만듦으로써 이러한 선택 피로의 문제를 해결하고 있다. 오바마 전 대통령은 이메일에 답장할 때 동의/반대/논의 등 한두 단어로 답변을 보냈다고 한다. 그리고 매일 회색 후드와 티셔츠, 그리고 청바지만 입고 다니는 몇몇 소셜 미디어 유명인들처럼 오바마 역시 회색 또는 파란색으로 수트 색을 통일시켰다.

어느 연구 결과에 따르면, 우리는 하루에 약 3만 5,000여 가지 결정을 내린다. 그렇다면 이런 결정을 단순화하거나 자동화함으로써, 그리고 자잘한 ‘방해 요소’들을 제거하면 엄청난 시간을 절약하고 생산성을 높일 것으로 기대된다.

당신의 스타일은?
여기서 스타일이란 옷 입는 스타일을 말하는 것이 아니다. 바로 의사결정 스타일을 말한다. 대부분 사람은 상황에 따라 아래 4가지 중 하나의 의사결정 카테고리에 해당한다.

● 결단력/독선: 팀의 의견을 고려하지 않고 독자적이고 독립적으로 의사결정을 내리는 스타일

● 위계/위임: 직접 의사결정 과정에 참여하지는 않지만 다른 이들이 의사결정을 내렸을 때 이를 보고 받고 최종 결정을 직접 내리는 스타일

● 유동성/의견수렴: 팀원에게 개별적으로든, 팀 단위로든 적극적으로 의견을 묻지만 최종 결정은 스스로 하는 스타일

● 합의/팀: 모든 팀원을 한 자리에 모아 놓고 상황을 자세히 설명하며, 의사결정도 팀원들과 함께 내리는 스타일. 당신은 최종 결정을 내리기보다는 모두가 동의하고 지지할 수 있는 합의를 이끌어 내는 진행자 역할을 맡는다.

대부분 사람은 이 4가지 중 하나의 의사결정 스타일을 가지고 있으며, 여기에 맞춰 그때 그때 즉흥적으로 결정을 내린다. 가장 이상적인 것은 물론 유동성 또는 합의를 추구하는 스타일이 되도록 노력하는 것이겠지만, 모든 결정을 이런 식으로 내리는 것은 불가능하다. 특히 데이터와 관련된 의사결정이라면 더욱 그렇다. 그리고 CMO를 비롯하여 C-레벨 임원이라면 특히 의사결정에 그 정도의 시간을 할애하기 어려울 것이다.

AI를 위한 사례
“애널리스트는 데이터가 전체 현업 부서를 관통하는 속도를 통해 기업의 맥박을 측정한다.”

그리고 이를 잘 활용하지 못하는 기업은 경쟁에서 도태될 것이다. 구체적인 예를 들어 보자면, AI는 HR이나 생산성 등 모든 기업의 관심사라 할 수 있는 분야에 적용될 수 있다. 또한 기술을 활용해 협력적 직원, 성과가 뛰어난 직원과 그렇지 못한 직원을 가려낼 수 있고, 직원들의 동기부여 정도를 파악할 수 있어 생산성 향상에 관한 의사결정을 내리는 데 도움이 된다.

마케팅 분야의 경우 캠페인 지출 등에서 빠른 의사결정이 요구되며 ROI를 추적하고 달성해야 한다. 이러한 것들을 측정하고 분석하기 위해 여러 가지 툴을 활용할 수도 있지만, 이 모든 것을 혼자서 처리할 수 있는 사람은 없다. 그리고 AI는 바로 이런 부분에서 우리에게 도움을 줄 수 있을 것이다.

AI와 같은 기술이 우리에게 주어진 이상 기업에 적합한 툴을 반드시 찾아야만 한다. AI로의 이행에 적합한 데이터 타입으로는 다음과 같은 것들이 있다.

● 고 속력 데이터(High velocity data)

● 다수의 플랫폼 또는 시스템의 파편화된 데이터

● 클리닝 및 분석이 필요한 원천 데이터

● 실시간 데이터


AI는 다른 렌즈를 통해 비즈니스를 보고, 새로운 의사결정을 내릴 수 있는 역량이 있다. 아마 의사결정 자동화가 어떤 식으로 실현될지 궁금한 이들이 많을 것이다. 사실 의사결정 자동화는 일단 시작하고 나면 그다음부터는 전혀 어려울 것이 없다. 인간과 다른 점이 있다면 인간은 의사결정을 내릴 때 6가지 경로 중 어느 것이나 선택할 수 있지만 AI는 이들 중 단 하나의 경로만을 택하며, 3단계 프로세스를 통해 통찰력을 수집하고, 조언하며, 의사결정에 이른다.

AI는 대규모 데이터를 추출하여 이를 정화하고, 앞뒤 문맥을 더하며, 조화를 통해 의사결정에 적합한 정제된 상태로 내놓을 수 있다. 다시 말해 AI의 역할은 사용자에게 가장 편안한 티셔츠와 청바지, 수트를 추천해 주는 것이며 사용자는 그중에서 상황에 가장 적합한 것들만을 고르면 되는 것이다.


과연 DaaS(Decision as a Service)가 가능해질까?
어쩌면 그럴지도 모른다. 진화가 어떤 경로를 통해 이뤄지든, 승자독식 형태는 아닐 것이며 API 주도형 공유 생태계를 통해 전문성 기능들을 제공하는 앱 네트워크가 될 것이다. 그리고 궁극적으로는 알고리즘과 알고리즘이 서로 대화를 통해 인간을 배제한 채 논의를 진행하는 형태가 될 것이다. 페이스북의 AI가 자체적인 언어를 만들어 서로 ‘대화’를 나누듯 말이다.

그렇다면, 이러한 비즈니스 모델은 어떤 모습일까? 아마 대부분의 경우 결정 및 퍼포먼스 당 지불(pay-per-decision/performance) 형태가 될 것이며 의사결정의 품질, 신뢰도, 그리고 속도에 따라 서비스의 차별화가 이뤄질 것으로 생각된다. 중요한 것은 이것이 가능해질 것인가가 아니라, 이것이 실현되었을 때 우리 기업은 어디에 위치해 있을 것인가다. 얼리 어답터로서 새로운 기술을 맞이할 것인지, 아니면 경쟁 기업들보다 뒤처진 위치에서 새로운 기술을 맞이할 것인지 생각해 보아야 한다.

*Dave Sanderson은 자연어 처리와 패턴 인식을 활용해 추천 서비스를 제공하는 회사인 누지트(Nugit)의 CEO다. ciokr@idg.co.kr
 
X