2018.05.17

무엇이 AI 도입을 가로막나? 기업이 직면한 5가지 고민

George Nott | CIO Australia
많은 이들이 인공지능을 미래의 성공에 필수불가결한 요소로 보면서도, 정작 이 기술을 적극적으로 수용한 곳은 몇 없다.



글로벌 액센츄어 설문 조사에 따르면, 기업 경영자들은 향후 2년 이내에 인공지능이 인간과 어깨를 나란히 하는 직장 동료, 협력자, 그리고 신뢰할 수 있는 자문위원 역할을 하게 될 것으로 생각했다. 또한 액센츄어는 2022년이면 AI를 도입한 기업이 수익을 최대 38%까지 증가시킬 수 있으리라고 전망했다.

그러나 기업 전반에 걸쳐 인공지능 기술을 도입하는 것은 생각처럼 쉬운 일만은 아니다. 실제로 많은 기업이 목표는 높게 잡으면서도 정작 AI 기술 도입을 실험 단계를 벗어나지 못하고 있다.

사실 이는 놀라운 일은 아니다. 본격적인 AI 기술 도입을 위해서는 아직 넘어야 할 상당한 장애물들이 존재한다.

지난달 시드니에서 열린 AI NSW 서밋에서, <CIO 호주>는 액센츄어ANZ 응용지능 리더 애밋 반잘과, 인공지능 리더 브래드 라이언이 만나 기업이 직면한 다섯 가지 큰 장벽과 특히 오늘날 전세계적으로 경영진들이 고민하는 문제에 관해 이야기를 나눴다.

이용 가능한 인적 자원 및 기술의 부족
사실 인공지능 분야에서 적절한 기술과 전문성을 갖춘 인재가 부족하다는 것은 놀라운 일은 아니다. 지난해 가트너 설문조사의 응답자 중 절반 이상이 기업에서 본격적으로 인공지능 기술을 도입하지 못하는 가장 큰 이유 중 하나로 인재 부족을 꼽았다.

라이언은 “물론 많은 대학이 수업을 개설해 인공지능과 관련한 수업을 수강하는 학생들을 다수 배출해내고 있고 이러한 전문 교육을 받은 사람들이 기업에 진출하는 모습도 종종 보인다. 그러나 지금까지 인공지능 분야를 이끌어 온 것은 심층적인 전문 지식을 보유한 전문가들이며 인재 부족을 경험하는 것도 바로 이런 부분에서다”고 말했다.

반잘은 연구기관에서 일하는 수많은 AI 학자들 역시 실제 환경에서 자신들의 연구 결과를 적용하고 싶어 한다고 밝혔다. 이들 중 상당수가 이러한 목적을 가지고 액센츄어에 참여하고 있다.

그는 “이들이 어떻게 해서든 응용 AI 분야로 나아가려 한다. 실제 세상에 나와 실체가 있는 문제들을 해결하고 싶어 하며, 그런 이들에게 액센츄어는 더 큰 고객을 상대로 더 큰 문제를 해결할 좋은 기회처럼 보일 수밖에 없을 것이다”고 이야기했다.

개념증명 단계에서 벗어나지 못하다
라이언은 “인공지능 기술의 도입은 조직 내에서도 매우 막강한 후원이 필요하다. 따라서 현실적으로 생각해 보면, 이러한 변화는 위에서 아래로 이어지는 것이 가장 자연스럽다”라며 다음과 같이 말이 이었다.

“대부분 경우 프로젝트를 주도하는 것은 CTO 조직이나 기타 소규모 부서로써 실험적 시도를 하는 곳들이다. 즉 개념은 확실하게 증명되었지만 정작 비즈니스 측면을 챙기지 못한 것이다. 이 때문에 이해되지 않는 도입 문제가 발생하면, 기업은 ‘대체 왜 우리가 이걸 해야 하는지 모르겠다’는 반응을 보이게 된다. 특히 이들은 잘못된 문제에 집중한 것이다. 아무리 ‘이 기술 좀 보세요. 정말 훌륭하지 않나요?’라고 물어봐도 기업은 ‘우리는 이해도 안 되는 것에 돈을 투자할 생각이 없다’라고 말하게 된다.”

또한 개념증명 단계에서 다음 단계로 넘어가는 것도 쉬운 일은 아니다.

반잘은 “개념증명 단계를 발전시키는 것은 누구에게나 어려운 일이다. 그렇지 않나? 제한적인 데이터 세트만 가지고, 어쩌면 진짜 데이터도 아닌 것으로 클라우드에 이러한 것을 구축한다는 건 분명 상대적으로 값싸고 빠른 방법임이 틀림없다. 그러나 당신이 자리를 비우는 순간 나는 이를 진짜 데이터와 IP로 대체하고 싶어질 것이고, 덧붙여 보안 요건이나 인프라 역시 모두 갖춰야 할 것이다. 이는 어려운 방법이다. 갑작스럽게 고객들에게 미치는 영향이 커지고, 그에 따라 브랜드에 미치는 영향도 커질 것이다”고 설명했다.

“아직은 사람들이 대규모로 투자할 준비가 돼 있지 않은 것 같다. 이는 분명 큰 결정이기 때문이다”고 반잘은 덧붙였다.

아직 미흡하기만 한 규제 상황
반잘은 “무인자동차 예를 들면 좋을 거 같다. 자동차는 준비됐는데, 정작 도로나 관련 법 규제, 보험사들은 준비가 안 된 상황이랄까? 또 다른 예로 금융 자문 분야에 인공지능을 적용한다고 해보자. 만약 인공지능이 한 조언이 잘못된다면 누구에게 책임을 물을 것인가? 결국, 몇 가지 법적 판단이나 규제가 이뤄지지 않으면 안 된다. 그러나 이것이 이뤄지려면 아직도 갈 길이 멀다”고 이야기했다.

그는 이와 같은 인프라 및 확실성의 부재도 기업들이 AI 도입을 망설이는 이유가 된다고 지적했다.

“내가 이 분야의 선구자로 나섰다가 괜히 규제 폭탄만 맞는 것은 아닐까? 하나부터 열까지 모두 정부에서 간섭하려 들면 어떡하나?” 등을 걱정한다고 그는 말했다.

유럽연합 규제 당국에서는 이미 인공지능을 그 규제범위 안에 포함하는 방안을 고민하는 가운데, 상대적으로 규제가 약한 중국에서는 각종 AI 관련 혁신들이 목격되고 있다. 반잘에 따르면, 호주 정부에서 마땅히 이뤄져야 할 관련 규제에 대한 논의는 이루어지지 않고 있다.

반잘은 “이런 문제에 대한 관심을 환기할 수 있도록 정부에 로비해야 한다”고 밝혔다.

데이터의 품질
CIO들 사이의 오랜 격언이 있다. 쓰레기를 입력하면 쓰레기가 나온다(Garbage in, garbage out)는 것이다. 이는 인공지능 분야에서는 특히 더 사실이다.

라이언은 “AI에는 최대한 고품질의 데이터만을 피딩해야 한다. 데이터는 AI를 가동하는 연료다. 그것도 아주 많이 필요한 연료다. 자동차와 마찬가지로, AI가 제대로 작동하려면 기종에 맞는, 그러면서 불순물이 안 섞인 연료가 좋다. 불완전하고, 오류가 있거나 편향된 데이터를 통해 학습한 AI는 부정확한 결과물을 내놓게 된다”고 설명했다.

“따라서 정부와 각 기관은 데이터 품질을 관리하는 데 투자를 게을리해선 안 된다. AI 솔루션의 교육에 적합한 수준으로 데이터를 관리해야 한다. 또한 데이터가 지속해서 업데이트되는지, 상품, 시장, 그리고 서비스로 재교육받은 모델의 변화가 원활히 이행되는지 지켜봐야 한다. 한 번 교육이 끝난 모델이 지속적으로 새로운 상황을 반영할 수 있도록 말이다. 사람들이 어른이 되고 나서도 새로운 경험을 통해 계속해서 전에 모르던 것을 배워 나가는 것과 같다”고 그는 덧붙였다.

---------------------------------------------------------------
머신러닝 How To 인기기사
->우리 회사는 AI·머신러닝에 준비돼 있을까?··· '10가지 체크리스트'
->기계학습 구현을 쉽게!··· 머신러닝 프레임워크 13종
->머신러닝을 시작하는 방법, '텐서플로우 통해 머신러닝을 기업 DNA에 각인시켜라'
->데이터 과학자·머신러닝을 비즈니스에 활용하는 방법(태도)
->지금 CIO가 머신러닝에 투자해야··· 왜? 어떻게?
->기업 4곳이 전하는 'AI 조직' 구축법
->'IT업무도 AI가···' CIO는 무엇을 준비해야 하나
->'데이터 입력, 지능 출력' 알기 쉽게 설명하는 머신러닝 파이프라인
->요즘 화제 '챗봇'··· CMO가 알아야 할 7가지
---------------------------------------------------------------

업계에 만연한 불신과 불안
라이언은 “호주에서는 아직도 AI를 비교 우위의 원천으로 바라보고 있으며 조심스럽게 행동하고 있다. IT업체들은 이러한 콜라보레이션을 아우르기 위해 매우 큰 노력을 하고 있다. 액센츄어나 나 역시 경쟁사들이 자신들의 생태계를 넓히고자 대학 등에서 큰 노력과 지원을 하고 있다고 생각한다. 그런데도 현재로서는 대부분 사람이 ‘이 비밀 솔루션은 나만 알고 있을 거야’ 같은 태도를 유지하고 있다”고 지적했다.

그러나 AI 기술 발전 상황에 대해 이렇게 폐쇄적이기만 한 태도는 결국 성공을 방해하게 될 수 있다.

“이러한 태도는 성장에 방해가 된다. 어떤 비밀 기술을 온전히 자기만의 것으로 하고 내놓지 않으려는 기업은 결국 산업 전체의 발전에도 기여하지 않겠다는 것이기 때문이다”라고 반잘은 덧붙였다.

AI 관련 경험을 공유한다고 해서 모든 사업 비밀을 다 공개하라는 것도 아니다. 그저 동종 업계 종사자들과 관련 주제에 대해 허심탄회하게 이야기를 나누고, 협력 관계로 발전해 나가자는 것이다.

반잘은 “내 생각에 AI 분야에서 우리의 발전을 가로막는 것은 기업들의 이러한 태도”라고 지적했다. ciokr@idg.co.kr
 
2018.05.17

무엇이 AI 도입을 가로막나? 기업이 직면한 5가지 고민

George Nott | CIO Australia
많은 이들이 인공지능을 미래의 성공에 필수불가결한 요소로 보면서도, 정작 이 기술을 적극적으로 수용한 곳은 몇 없다.



글로벌 액센츄어 설문 조사에 따르면, 기업 경영자들은 향후 2년 이내에 인공지능이 인간과 어깨를 나란히 하는 직장 동료, 협력자, 그리고 신뢰할 수 있는 자문위원 역할을 하게 될 것으로 생각했다. 또한 액센츄어는 2022년이면 AI를 도입한 기업이 수익을 최대 38%까지 증가시킬 수 있으리라고 전망했다.

그러나 기업 전반에 걸쳐 인공지능 기술을 도입하는 것은 생각처럼 쉬운 일만은 아니다. 실제로 많은 기업이 목표는 높게 잡으면서도 정작 AI 기술 도입을 실험 단계를 벗어나지 못하고 있다.

사실 이는 놀라운 일은 아니다. 본격적인 AI 기술 도입을 위해서는 아직 넘어야 할 상당한 장애물들이 존재한다.

지난달 시드니에서 열린 AI NSW 서밋에서, <CIO 호주>는 액센츄어ANZ 응용지능 리더 애밋 반잘과, 인공지능 리더 브래드 라이언이 만나 기업이 직면한 다섯 가지 큰 장벽과 특히 오늘날 전세계적으로 경영진들이 고민하는 문제에 관해 이야기를 나눴다.

이용 가능한 인적 자원 및 기술의 부족
사실 인공지능 분야에서 적절한 기술과 전문성을 갖춘 인재가 부족하다는 것은 놀라운 일은 아니다. 지난해 가트너 설문조사의 응답자 중 절반 이상이 기업에서 본격적으로 인공지능 기술을 도입하지 못하는 가장 큰 이유 중 하나로 인재 부족을 꼽았다.

라이언은 “물론 많은 대학이 수업을 개설해 인공지능과 관련한 수업을 수강하는 학생들을 다수 배출해내고 있고 이러한 전문 교육을 받은 사람들이 기업에 진출하는 모습도 종종 보인다. 그러나 지금까지 인공지능 분야를 이끌어 온 것은 심층적인 전문 지식을 보유한 전문가들이며 인재 부족을 경험하는 것도 바로 이런 부분에서다”고 말했다.

반잘은 연구기관에서 일하는 수많은 AI 학자들 역시 실제 환경에서 자신들의 연구 결과를 적용하고 싶어 한다고 밝혔다. 이들 중 상당수가 이러한 목적을 가지고 액센츄어에 참여하고 있다.

그는 “이들이 어떻게 해서든 응용 AI 분야로 나아가려 한다. 실제 세상에 나와 실체가 있는 문제들을 해결하고 싶어 하며, 그런 이들에게 액센츄어는 더 큰 고객을 상대로 더 큰 문제를 해결할 좋은 기회처럼 보일 수밖에 없을 것이다”고 이야기했다.

개념증명 단계에서 벗어나지 못하다
라이언은 “인공지능 기술의 도입은 조직 내에서도 매우 막강한 후원이 필요하다. 따라서 현실적으로 생각해 보면, 이러한 변화는 위에서 아래로 이어지는 것이 가장 자연스럽다”라며 다음과 같이 말이 이었다.

“대부분 경우 프로젝트를 주도하는 것은 CTO 조직이나 기타 소규모 부서로써 실험적 시도를 하는 곳들이다. 즉 개념은 확실하게 증명되었지만 정작 비즈니스 측면을 챙기지 못한 것이다. 이 때문에 이해되지 않는 도입 문제가 발생하면, 기업은 ‘대체 왜 우리가 이걸 해야 하는지 모르겠다’는 반응을 보이게 된다. 특히 이들은 잘못된 문제에 집중한 것이다. 아무리 ‘이 기술 좀 보세요. 정말 훌륭하지 않나요?’라고 물어봐도 기업은 ‘우리는 이해도 안 되는 것에 돈을 투자할 생각이 없다’라고 말하게 된다.”

또한 개념증명 단계에서 다음 단계로 넘어가는 것도 쉬운 일은 아니다.

반잘은 “개념증명 단계를 발전시키는 것은 누구에게나 어려운 일이다. 그렇지 않나? 제한적인 데이터 세트만 가지고, 어쩌면 진짜 데이터도 아닌 것으로 클라우드에 이러한 것을 구축한다는 건 분명 상대적으로 값싸고 빠른 방법임이 틀림없다. 그러나 당신이 자리를 비우는 순간 나는 이를 진짜 데이터와 IP로 대체하고 싶어질 것이고, 덧붙여 보안 요건이나 인프라 역시 모두 갖춰야 할 것이다. 이는 어려운 방법이다. 갑작스럽게 고객들에게 미치는 영향이 커지고, 그에 따라 브랜드에 미치는 영향도 커질 것이다”고 설명했다.

“아직은 사람들이 대규모로 투자할 준비가 돼 있지 않은 것 같다. 이는 분명 큰 결정이기 때문이다”고 반잘은 덧붙였다.

아직 미흡하기만 한 규제 상황
반잘은 “무인자동차 예를 들면 좋을 거 같다. 자동차는 준비됐는데, 정작 도로나 관련 법 규제, 보험사들은 준비가 안 된 상황이랄까? 또 다른 예로 금융 자문 분야에 인공지능을 적용한다고 해보자. 만약 인공지능이 한 조언이 잘못된다면 누구에게 책임을 물을 것인가? 결국, 몇 가지 법적 판단이나 규제가 이뤄지지 않으면 안 된다. 그러나 이것이 이뤄지려면 아직도 갈 길이 멀다”고 이야기했다.

그는 이와 같은 인프라 및 확실성의 부재도 기업들이 AI 도입을 망설이는 이유가 된다고 지적했다.

“내가 이 분야의 선구자로 나섰다가 괜히 규제 폭탄만 맞는 것은 아닐까? 하나부터 열까지 모두 정부에서 간섭하려 들면 어떡하나?” 등을 걱정한다고 그는 말했다.

유럽연합 규제 당국에서는 이미 인공지능을 그 규제범위 안에 포함하는 방안을 고민하는 가운데, 상대적으로 규제가 약한 중국에서는 각종 AI 관련 혁신들이 목격되고 있다. 반잘에 따르면, 호주 정부에서 마땅히 이뤄져야 할 관련 규제에 대한 논의는 이루어지지 않고 있다.

반잘은 “이런 문제에 대한 관심을 환기할 수 있도록 정부에 로비해야 한다”고 밝혔다.

데이터의 품질
CIO들 사이의 오랜 격언이 있다. 쓰레기를 입력하면 쓰레기가 나온다(Garbage in, garbage out)는 것이다. 이는 인공지능 분야에서는 특히 더 사실이다.

라이언은 “AI에는 최대한 고품질의 데이터만을 피딩해야 한다. 데이터는 AI를 가동하는 연료다. 그것도 아주 많이 필요한 연료다. 자동차와 마찬가지로, AI가 제대로 작동하려면 기종에 맞는, 그러면서 불순물이 안 섞인 연료가 좋다. 불완전하고, 오류가 있거나 편향된 데이터를 통해 학습한 AI는 부정확한 결과물을 내놓게 된다”고 설명했다.

“따라서 정부와 각 기관은 데이터 품질을 관리하는 데 투자를 게을리해선 안 된다. AI 솔루션의 교육에 적합한 수준으로 데이터를 관리해야 한다. 또한 데이터가 지속해서 업데이트되는지, 상품, 시장, 그리고 서비스로 재교육받은 모델의 변화가 원활히 이행되는지 지켜봐야 한다. 한 번 교육이 끝난 모델이 지속적으로 새로운 상황을 반영할 수 있도록 말이다. 사람들이 어른이 되고 나서도 새로운 경험을 통해 계속해서 전에 모르던 것을 배워 나가는 것과 같다”고 그는 덧붙였다.

---------------------------------------------------------------
머신러닝 How To 인기기사
->우리 회사는 AI·머신러닝에 준비돼 있을까?··· '10가지 체크리스트'
->기계학습 구현을 쉽게!··· 머신러닝 프레임워크 13종
->머신러닝을 시작하는 방법, '텐서플로우 통해 머신러닝을 기업 DNA에 각인시켜라'
->데이터 과학자·머신러닝을 비즈니스에 활용하는 방법(태도)
->지금 CIO가 머신러닝에 투자해야··· 왜? 어떻게?
->기업 4곳이 전하는 'AI 조직' 구축법
->'IT업무도 AI가···' CIO는 무엇을 준비해야 하나
->'데이터 입력, 지능 출력' 알기 쉽게 설명하는 머신러닝 파이프라인
->요즘 화제 '챗봇'··· CMO가 알아야 할 7가지
---------------------------------------------------------------

업계에 만연한 불신과 불안
라이언은 “호주에서는 아직도 AI를 비교 우위의 원천으로 바라보고 있으며 조심스럽게 행동하고 있다. IT업체들은 이러한 콜라보레이션을 아우르기 위해 매우 큰 노력을 하고 있다. 액센츄어나 나 역시 경쟁사들이 자신들의 생태계를 넓히고자 대학 등에서 큰 노력과 지원을 하고 있다고 생각한다. 그런데도 현재로서는 대부분 사람이 ‘이 비밀 솔루션은 나만 알고 있을 거야’ 같은 태도를 유지하고 있다”고 지적했다.

그러나 AI 기술 발전 상황에 대해 이렇게 폐쇄적이기만 한 태도는 결국 성공을 방해하게 될 수 있다.

“이러한 태도는 성장에 방해가 된다. 어떤 비밀 기술을 온전히 자기만의 것으로 하고 내놓지 않으려는 기업은 결국 산업 전체의 발전에도 기여하지 않겠다는 것이기 때문이다”라고 반잘은 덧붙였다.

AI 관련 경험을 공유한다고 해서 모든 사업 비밀을 다 공개하라는 것도 아니다. 그저 동종 업계 종사자들과 관련 주제에 대해 허심탄회하게 이야기를 나누고, 협력 관계로 발전해 나가자는 것이다.

반잘은 “내 생각에 AI 분야에서 우리의 발전을 가로막는 것은 기업들의 이러한 태도”라고 지적했다. ciokr@idg.co.kr
 
X