증권, 세금, 네트워크, 뱅킹... 머신러닝 기술 활용 사례 6가지

예를 들어 어느 고객이 유에스 뱅크 웹사이트에서 모기지론에 대한 정보를 검색할 경우, 다음 번 해당 고객이 근처 은행을 방문했을 때 고객 서비스 직원이 이 내용을 참조하여 서비스를 제공할 수 있다.

또 인간의 눈으로는 발견하기 힘든 패턴을 찾아내는 데에도 도움을 줄 수 있다. 예를 들어 특정 산업에 종사하는 잠재적 고객에게 목요일 오전 10시부터 정오 사이에 전화를 걸면 전화를 받을 확률이 더 높다는 것을 알아낸 소프트웨어가 이 사실을 직원에게 전달해 주는 것이다. 아인슈타인은 직원의 캘린더에 목요일에 전화 거는 일정을 자동으로 추가해 주기도 한다.

이러한 서비스는 실제로 많은 금융 기관들이 하고자 하는 일의 핵심과 닿아 있기도 하다. 바로 고객을 360도로 낱낱이 분석하여 매 순간 순간에 고객의 마음을 읽는 듯한 서비스를 제공하고자 하는 것이다.

“과거에 일어난 일, 혹은 현재 일어나고 있는 일을 단순히 파악하여 대처하는 것에서 한발 더 나아가 앞으로 일어날 일, 혹은 일어났으면 하는 일을 예측하고 실현해 나가는 단계로 가고자 한다. 우리의 핵심 가치는 한 발 더 앞선 금융, 고객의 니즈를 미리 예측하는 금융이며, 고객이 우리와 어떤 경로를 통해 상호작용 하기를 원하는가를 항상 촉각을 곤두세우고 파악하려 한다”라고 호프먼은 말했다.

핵심 어드바이스: AI및 ML 기술의 적용에 있어서는 시행 착오를 각오해야 하며, 인내심을 가져야 한다. 그러나 직접 시도해 증명된 기술에 대해서는 과감하게 이를 확장 적용할 준비도 되어 있어야 한다. “언제나 고객을 중심에 놓고 생각해야 한다. 이 기술이 어떻게 고객에게 이득이 될 것인가를 먼저 고민해야 한다”라고 호프먼은 전했다.

‘잡무’는 ML에게 맡기고, 생산성은 높인다
마스터카드의 영업부 및 테크놀로지 대표 에드 맥러플린은 머신러닝 기술이 “우리 사업 곳곳에 영향을 미치지 않는 곳이 없다”라고 강조했다. 마스터카드는 머신러닝을 이용하여 반복적인 수작업을 자동화 하고 있다. 이를 통해 귀중한 인력을 보다 더 큰 가치를 창출하는 일에 투입하여 생산성을 증가시킬 수 있기 때문이다. “우리는 최첨단 기술에 투자하여 일터에서의 단순 노동을 자동화 하고 있다”라고 맥러플린은 설명했다.

마스터카드는 또한 ML 툴을 활용하여 전체 제품 및 서비스 생태계에 걸친 변화 매니지먼트를 증대시키고 있다. 예를 들어 ML 툴을 활용하면 어떤 변화가 가장 리스크가 적은지, 어떤 것에는 부가적인 검증이 필요한지를 보다 쉽게 판단할 수 있다.

마지막으로, 마스터카드는 머신러닝 기술을 이용하여 해커의 액세스 시도를 의미할 수도 있는 시스템 상의 변칙점을 찾아내고 있다. 맥러플린은 또한 네트워크에 ‘안전망’을 설치하여 네트워크 상의 수상한 활동이 탐지될 경우 네트워크를 보호하는 서킷 브레이커가 활성화 되도록 했다. “우리의 이상행동 탐지 시스템은 지속적으로 결제 처리 상황을 모니터링 하고 업데이트 하며 다음 결제 건의 건전성을 평가한다”라고 그는 말했다.

핵심 어드바이스: 맥러플린에게 있어서 AI나 ML 같은 테크놀로지는 보다 넓은 범주의 지불 프로세서 툴킷 상에 속한 하나의 툴일 뿐이다. 오늘날 시장에는 그럴 듯한 툴이 아주 많이 나와 있지만, 그렇다고 이들이 저절로 비즈니스 문제를 해결해 주리라는 환상을 가져서는 안 된다고 그는 경고했다.

제품 및 비즈니스 강화하는 인공지능 기술
소프트웨어 제조사 어도비 시스템(Adobe Systems)의 CIO 신시아 스토다드는 ‘데이터 주도형 오퍼레이팅 모델’을 통해 자신의 부서를 새롭게 개혁하고자 한다. 데이터 주도형 오퍼레이팅 모델이란 하둡 기반 애널리틱스를 활용하여 IT와 비즈니스 운용을 개선하고자 하는 이니셔티브다.

이러한 데이터 주도형 전략의 일환으로써 스토다드는 머신러닝 기술을 활용해 헬프 데스크 소프트웨어의 티켓을 분석하고 시스템 실패와 관련한 트렌드를 찾아내는 실험을 하는 중이라고 밝혔다. 예컨대, 시스템 정지(outage)가 발생할 가능성이 높아 보이는 이벤트를 탐지할 경우 시스템은 선제적으로 이러한 이벤트를 제거하거나, 축소시켜 문제 발생을 사전에 차단할 수 있게 된다.

IT 서비스 실패의 패턴을 찾아냄으로써 어도비는 현재 IT 직원들이 맡고 있는 업무 중 일부를 흡수하여 ‘셀프 힐링’ 시스템을 구축할 수 있게 될 것이라고 그녀는 기대하고 있다.

그녀는 또한 챗봇 기술을 적용하여 직원들의 IT부서 지원 요청을 처리하는 방안도 검토 중이다. 어도비의 기업 비즈니스 부문 역시 인공지능 기술을 수용했다. 작년 11월 어도비는 센세이(Sensei)를 도입했는데, 어도비는 이 기술을 자사의 제품에 적용하여 도큐먼트를 생성하고, 웹 및 모바일 어플리케이션 퍼포먼스를 분석, 추적하는 데 이용하고 있다.

핵심 어드바이스: ‘셀프 힐링’ 시스템의 핵심은 머신러닝을 이용한 패턴 파악 역량이다. “문제를 어떻게 해결하였는지 만 알면 이를 셀프 힐링 요소에 적용하여 추후 문제 해결 과정에서 인간 노동력에 의존할 필요가 없게 된다”라고 스토다드는 말했다. ciokr@idg.co.kr