증권, 세금, 네트워크, 뱅킹... 머신러닝 기술 활용 사례 6가지

요즘 머신러닝(ML), 인공지능(AI)만큼 뜨거운 관심을 받는 기술도 드물다. 일부 기업들이 이미 인간의 행동과 사고를 흉내 낼 줄 아는 이러한 기술을 활용해 소비자들의 마음을 사로잡고, 비즈니스 효율을 높이는 데 앞장서고 있다. 가트너는 CIO의 30%가 2020년 전까지 AI와 ML가 투자 우선순위 5위 안에 들어갈 것이라 전망하고 있다는 사실을 언급하며, 이 두 기술이 앞으로 더욱 많은 인기를 끌게 될 것이라 예측했다.

또 인공지능이나 머신러닝이 지나치게 똑똑해져 인간 노동력을 대체하게 될 지도 모른다는 일부 두려움 또한 조금씩 해소되는 양상이다. PwC 설문조사에 응답한 비즈니스 리더들 중 67%는 AI가 인간과 기계의 협업에 긍정적인 영향을 미칠 것이라고 응답했다. CIO들 역시 이러한 기술이 기회가 될 수 있음을 빠르게 알아채고 AI나 ML 관련 신기술을 실험, 개발, 심지어 특허까지 내고 있다. 이들을 만나 머신러닝의 사용례에 대해 들어봤다.



증권사 리서치 강화하는 인공지능 기술
뮤츄얼 펀드, 401(k) 퇴직 연금, IRA를 비롯한 각종 퇴직 연금 서비스를 제공하는 퍼트넘 인베스트먼트(Putnam Investments)는 인공지능 및 머신러닝 기술이 금융 서비스 기업의 스톡 커버리지(stock coverage) 개선에 원동력이 되고 있다고 보고 있다.

이들 금융 서비스 기업의 애널리스트들은 퍼트넘의 데이터 과학자들과 협력해 방대한 분량의 데이터로부터 통찰력을 이끌어 낼 수 있도록 논제를 설정하고 이를 탐구한다고 퍼트넘의 수메드 메타 CIO는 말했다. 퍼트넘은 또 중요한 매출 전망(sales prospect)을 추천해 주는 알고리즘을 탐구 중이다.

“이 기술은 대단히 와해적, 혁신적이며, 효율성과 생산성의 증대로 비즈니스에 추진력을 부여하는 엔진이 되어줄 것이다”라고 메타는 기대했다.

소프트웨어 엔지니어와 데이터 과학, 애널리틱스, 그리고 여러 벤더의 조합으로 이뤄진 환경 속에서 메타는 데이터 과학 조직(data science center of excellence)을 구성했다. 비즈니스 이해관계자들을 지원하는 AI 및 ML 관련 활동의 기반이라 할 수 있는 조직이었다. 그는 퍼트님의 ‘깨어 있는’ 비즈니스 파트너들이 더 나은 자동화 결과를 달성하기 위해 이러한 방식을 수용했다고 전했다.

그러나 퍼트넘의 디지털 변혁 이니셔티브가 AI나 ML에만 국한된 것은 아니다. 이 외에도 퍼트넘은 클라우드 컴퓨팅을 통한 IT 인프라스트럭처의 현대화와 비즈니스 구동을 위한 단일 플랫폼 구축 사업 등을 추진하고 있다.

핵심 어드바이스: 기업들은 충분한 시간을 들여 이 문제에 대해 고민하고, 적절한 기대치를 설정해야 한다. 또한 처음 내놓게 되는 아이디어들은 문제에 대한 해답을 제시하기보다는 더 많은 의문들을 불러 일으킬 수 밖에 없음을 알아야 한다.

“AI 기술에 있어서는 유레카! 같은 한 순간의 깨달음에 의존할 수 없다. 어느 날 갑자기 알고리즘이 내가 고민하던 문제에 대한 해답을 내놓을 것이라 기대할 수는 없기 때문이다”라고 메타는 말했다.

인공지능으로 한층 쉬워진 금융
금융 소프트웨어 제조사 인튜이트(Intuit)는 지난 10월 아쇼크 스리바스타바를 데이터 최고 책임자(chief data officer)로 영입한 뒤 AI 및 ML 관련 프로젝트 진행을 가속화 하고 있다.

인튜이트 현재 아마존 웹 서비스를 통해 퀵북스 어시스턴트(QuickBooks Assistant) 챗봇의 자연어 처리 및 이해 능력을 개선하고자 노력 중이라고 스리바스타바는 전했다. 인튜이트에서 일하기 전 그는 버라이즌의 빅 데이터 플랫폼 증축에 참여했었다. 현재 그는 퀵북에 정보를 제공하는 수백 개의 범주화와 관련해 사용자들을 안내하는 데 초점을 맞추고 있다.

“우리는 퀵북에서 발생하는 10억 건 이상의 트랜잭션을 처리하고 있으며 이 과정에서 발생하는 범주화를 아주 정확하게 최적화 할 수 있다”라고 그는 덧붙였다.

인튜이트의 터보택스(TurboTax)는 AI 기술을 이용한 항목별 공제 프로세스를 통해 사용자들이 최대한 많은 세금을 환급 받을 수 있도록 하고 있다. 그 결과 사용자들은 세금 환급에 들어가는 시간과 관련 문서 회수에 들어가는 노력을 최대 40% 가까이 절약할 수 있게 되었다.

인튜이트는 머신러닝과 AWS의 클라우드 테크놀로지를 이용하여 보다 빠른 확장성을 갖출 수 있었다고 스리바스타바는 밝혔다.

핵심 어드바이스: 견실한 알고리즘 제작을 위해서는 이에 적합한 엔지니어링 인재를 채용하여 실제적인 비즈니스 문제를 해결하도록 해야 한다. 나사(NASA)의 아메스 연구 센터(Ames Research Center)에서 근무한 바 있는 스리바스타바는 현재 ML과 AI 테크놀로지를 이용하여 기업의 구체적 목표 달성에 기여할 수 있는 엔지니어 인재를 채용 중에 있다.

과거 데이터를 활용한 미래 예측
리치 힐브렉트(Rich Hillebrecht)는 광역 네트워크의 퍼포먼스 개선 목적의 소프트웨어를 제작하는 리버베드 테크놀로지(Riverbed Technology)의 CIO로서 독특한 과제에 직면해 있다. 그는 머신러닝 기술을 활용해 기업 공급망 전반의 데이터 소스로부터 추출해 낸 데이터를 처리하고 이를 통해 비즈니스 통찰력을 이끌어 낼 방법을 테스트 중이라고 말한다.

“우리는 머신러닝 기술을 적용하여 원래보다 훨씬 많은 분량의 데이터를 처리할 방법을 찾는 중이다”라고 그는 설명했다.

예를 들어 다른 오더 매니지먼트 및 ERP 데이터와 날씨에 대한 과거 데이터(historical data) 등을 조합하여 패턴을 찾아내고, 이를 통해 향후 비즈니스 퍼포먼스에 관한 예측을 하고자 하는 것이다. “우리는 주문 이행 역량 측면에서 하류 리스크(downstream risk)를 보다 더 잘 이해하고 예측할 수 있게 되기를 바라고 있다”라고 힐브렉트는 말한다.

리버베드는 이 밖에도 퍼포먼스 설정을 자동으로 튜닝하고, 사이버 보안 위협을 탐지하는 데 ML 테크놀로지를 활용하고 있다. 힐브렉트는 또한 비즈니스 통찰력을 얻기 위한 단일 데이터 레이크 생성도 구상하고 있다고 밝혔다.

핵심 어드바이스: 인공지능, 머신러닝 전략에는 조심스러운 접근이 요구된다. 힐브렉트 역시 IBM의 왓슨을 포함하여 다양한 툴과 테크놀로지 사용 가능성을 열어 두고 주의 깊게 접근하고 있다고 말했다.

한 발 앞서 나가는 고객 친화적 금융
대규모 은행들이 으레 그렇듯, U.S. 뱅크(U.S. Bank) 역시 상당한 분량의 고객 데이터를 수집하고 있으며, 또 대부분 은행들과 마찬가지로 이들 데이터를 어떻게 활용할 것인가를 놓고 애를 먹고 있다. 유에스 뱅크의 애널리틱스 최고 책임자 빌 호프먼이 해결하고자 하는 문제도 이런 것이다. 지난 몇 달간 그는 세일즈포스 닷컴의 아인슈타인 AI/ML 테크놀로지를 이용하여 유에스 뱅크의 중소기업, 도매업, 상업 유닛 전반에 걸친 금융 서비스의 개별화와 커스터마이징을 추진해 왔다.