2018.11.07

'AI 인재 채용부터 팀 운영까지' CIO 체크리스트

Cristina Lago | CIO UK
가디언지에 따르면, 인공지능은 720만 개의 새로운 일자리를 창출해 낼 것이다. 이는 자동화로 인해 사라지는 일자리보다 더 많은 숫자라고 PwC 보고서는 밝혔다.

또한 PwC는 인공지능이 영국 경제에 미칠 막대한 영향에 대해서도 언급하며, 2030년 영국 GDP가 인공지능의 도입으로 10.3%가량 증가할 것으로 예측했다.

그러나 PwC는 인공지능과 같은 파괴적 혁신 기술이 제공하는 열매를 얻고, 그 가치를 최대한 활용하기 위해서는 우선 기업들이 이에 적합한 인재와 기술을 채용할 수 있어야 한다고 강조했다.



CIO나 IT 리더들은 AI가 산업에 가져다줄 수 있는 막대한 이점을 잘 알고 있으며, 이미 산업에 AI를 활용할 다양한 방안을 연구 중이다. 그러나 언제나 그렇듯, 기술만큼이나 중요한 것은 그 기술을 이용할 인력과 팀을 효과적으로 결성하는 것이다.

다각적, 다기능적 팀
효율적인 AI 활용을 위해서는 IT, 보안, 재무, 법무 등 다양한 부서 간의 원활하고 유연한 협력이 필수적이다

많은 기관이 특정 팀에게 특정 프로젝트나 업무를 일임함으로써 팀 간, 그리고 프로젝트 간 경계선을 분명히 긋고 있다. 하지만 AI를 효과적으로 활용하려면 다양한 분야에 능통한 인재들이 함께 협력하여 전체론적 해결책을 모색해야 한다.

AI 프로젝트를 수행하기 위해서는 데이터 과학뿐만 아니라 제품 마케팅, 매니지먼트, 소프트웨어 엔지니어링, UI 디자인 등 다양한 분야의 지식과 기술을 갖춘 다각적, 다기능적 팀이 필수적이다.

데미스토(Demisto)의 공동 창립자 리쉬 바르가바는 CIO닷컴과의 인터뷰에서 “우리는 인공지능과 관련한 전문 지식을 갖춘 인재들을 채용하고 있다. 데이터 과학자, 기계 언어 개발자 등이다. 하지만 이들은 혼자 일하는 것이 아니라 기존 제품에 대한 지식과 소프트웨어 역량을 갖춘 다른 직원들과 협력해야 한다. 이를 통해 양측 모두 자신에게 부족한 지식을 배우게 되고, 역량의 범주를 넓혀 나갈 수 있게 되며, 다방면에 걸친 전문성을 갖추게 된다”고 설명했다.

AI 팀에 없어서는 안 될 ‘삼총사’는?
물론 어느 AI팀에서건 빠질 수 없는, 프로젝트의 핵심 기능을 할 수 있는 기술자가 있어야 한다.

AI전문가 몬테 즈위벤은 ‘균형 잡힌 AI 팀의 구성’에는 반드시 세 사람이 포함돼야 한다고 주장했다. 바로 데이터 엔지니어, 데이터 과학자, 그리고 소프트웨어 개발자다.

데이터 엔지니어의 역할은 조직이 수집한 정보를 AI 및 머신러닝 시스템이 소화할 수 있는 데이터로 변환하는 것이다. 데이터 과학자는 여러 가지 알고리즘을 테스트하고 그 중 최선의 알고리즘을 찾아내며, 이를 통해 유의미하고 정확한 예측을 가능케 하는 것이다. 마지막으로 소프트웨어 개발자의 역할은 이 모든 정보를 취합하여 실제로 적용하는 것이다.

혹시라도 인재 채용에 들어가는 돈을 아끼고 싶다거나, 위에 언급된 이들 중에서 한두 명 정도는 없어도 괜찮지 않을까 싶은 생각이 든다면, 보안 지능 솔루션 업체인 로그리듬(LogRhythm)의 상품 관리 부책임자 크리스 브래드주너스의 이야기를 듣고 생각이 바뀔 것이다.

“처음에는 (우리가 필요로 하는 역량을 모두 갖춘) 데이터 과학자 한 사람만을 뽑으려 했다. 하지만 데이터 과학자 한 사람만으로는 불가능하다는 사실이 곧 드러났다. 우리의 경험상, AI 그룹에는 반드시 다음의 세 사람이 들어가야 한다. 데이터를 체계화할 데이터 엔지니어와, 데이터를 조사할 데이터 과학자, 그리고 애플리케이션을 시행할 소프트웨어 엔지니어가 그들이다.”

이상적으로는 비즈니스 전문가와 실용 AI, UI/UX 및 개발자까지도 포함되면 좋을 것이다. 이들 모두가 문제 인식을 공유해야 하며, 제품 관리자의 지휘하에 프로젝트를 이끌어 나가는 것이다. 하지만 이것이 불가능하다면, 현실적으로 위의 세 사람만큼은 있어야 AI 팀이 제대로 기능할 수 있다.

하지만 AI 팀에 필요한 것이 기술적 역량만은 아님도 기억해야 한다.

최고 AI 책임자(CAIO)가 꼭 필요할까?
크리스찬 J 해먼드는 하버드 비즈니스 리뷰에서 CAIO(Chief AI Officer) 채용에 강력하게 반대했다. 혁신 전략이 성공하려면 반드시 실제 비즈니스 과제와 문제에 대한 탄탄한 이해가 기반이 되어야 한다고 그는 지적했다. 해먼드에 따르며, CAIO를 채용한다 해도 아마 문제를 해결하는 것보다는 테크놀로지를 주도하는 것으로 변질될 확률이 높다고 말했다.

그는 “물론 AI 기술을 잘 이해하는 전문가는 있어야 한다. 그건 당연한 얘기다. 그렇지만 기술을 이해하는 것과, 그 기술을 어떻게 기업 현실에 전략적으로 적용하는가를 아는 것은 전혀 별개의 문제이다. CAIO를 채용한다고 해서 기술 전문가와 비즈니스 전략 전문가 간의 의사소통이 원활하게 이루어질 것이라는 보장은 없다. 이를 위해서는 커뮤니케이션 전문가가 따로 필요하다”고 이야기했다.

그러나 이 문제에 대한 포브스의 관점은 완전히 다르다. 포브스는 오히려 박사 학위 소지자나, 관련 연구 경력이 있는 전문가보다 CAIO를 채용해야 하는 이유를 무려 7가지나 들며 유능한 CAIO는 C-레벨 경영진에 새로운 관점을 제공할 수 있고, 최신 학술 연구 동향을 알려줄 수 있는 ‘생명줄’이라고 역설했다.

그러나 현실적으로 기업에서 의사 결정은 대부분 예산 제약에 따라 이루어지므로, AI 팀에 CAIO를 포함할 것이냐의 문제는 기업의 재정적 상황에 따라 달라질 것이다.

AI의 연구에 관해서라면, 자체적 연구가 어려운 기업들의 경우 다른 연구 기관들의 연구 결과를 참조할 수밖에 없다. 구글이나 애플, 아마존과 같은 수준으로 수십억 파운드의 돈을 AI에 투자할 수 있는 기업이나, 스타트업은 별로 없을 테니 말이다.

---------------------------------------------------------------
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
---------------------------------------------------------------

하늘의 별 따기만큼 어려워진 AI 인재 채용
적합한 기술과 역량을 갖춘 인재를 채용하는 것만큼이나 중요한 것은 채용한 인재를 빼앗기지 않는 것이다.

실제로 가트너는 2018년이 ‘AI 민주화의 해’가 되리라 예측했으며, 가트너의 설문 조사 결과에 따르면 전체 CIO의 54%는 AI 도입에서 가장 큰 어려움 중 하나로 ‘기술 전문 인력 확보’를 꼽았다.

“AI 전략 개발 계획의 어려움은 결국 전문 인력 보유의 어려움과 궤를 같이한다. AI 전문 인력이나 AI 전문 지식을 지닌 경영자를 충분히 확보할수록 AI 전략을 수립하는 데 있어 큰 도움을 받을 수 있기 때문이다”라고 가트너는 “2018 인공지능 예측(Predicts 2018: Artificial Intelligence)” 보고서에서 지적했다.

인재 관리 솔루션 제공을 전문으로 하는 존 설리번 박사는 적어도 당분간은 AI 인재 공급이 상당히 제한적일 것으로 예측했다. 그 이유는 2가지다. 첫째로, 매년 대학에서는 소수의 박사 학위 소지자들만을 배출하고 있다. 둘째로, 코딩이나 기타 전문 기술과 달리 인공지능이나 머신러닝 분야는 독학이 불가능하다. 기업의 지원을 통해 배우는 것도 논외다. 이러한 이유로 머지 않아 ‘AI 인재 쟁탈전’이 벌어질 것이라고 박사는 말했다. 인재 공급은 적고 제한적인 데 반해, 이들에 대한 수요는 많으니 기업 간 경쟁이 심화될 수밖에 없다는 것이다.

실제로 많은 기업들이 대학과의 협력을 통해, 그리고 자체적인 AI 전문 팀 양성 등의 방법으로 인력난에 대처하고 있다.

벤처캐피털 업체 하이알파(High Alpha)의 데이터 과학자 마크 클러킨은 “우리는 데이터 과학자 인력 부족 문제를, 스포츠팀들과 마찬가지 방식으로 해결하고 있다. 즉, 교육 단계에서부터 인재 양성에 참여하는 것이다. 우리는 여러 대학과 협력하여 인공지능 교육 프로젝트에 참여하고, 전공자들이 졸업하기 전부터 이들에게 일자리와 근무 조건을 제안하기도 한다”고 말했다.

또한 하이알파는 아직 대학에 재학중인 학생들에게 “실제 직장 경험을 제공하고, 프로젝트에 참여할 기회를 주고 있다. 여기서 학생들은 다른 전공자들을 만날 기회도 얻는다. 우리 역시 이들을 장기적으로 지켜 보고 알아갈 수 있어 일종의 면접과 같은 기능을 한다.” 이를 통해 하이알파는 튼튼한 인재 풀을 확보할 수 있었다고 클러킨은 설명했다. ciokr@idg.co.kr
 

2018.11.07

'AI 인재 채용부터 팀 운영까지' CIO 체크리스트

Cristina Lago | CIO UK
가디언지에 따르면, 인공지능은 720만 개의 새로운 일자리를 창출해 낼 것이다. 이는 자동화로 인해 사라지는 일자리보다 더 많은 숫자라고 PwC 보고서는 밝혔다.

또한 PwC는 인공지능이 영국 경제에 미칠 막대한 영향에 대해서도 언급하며, 2030년 영국 GDP가 인공지능의 도입으로 10.3%가량 증가할 것으로 예측했다.

그러나 PwC는 인공지능과 같은 파괴적 혁신 기술이 제공하는 열매를 얻고, 그 가치를 최대한 활용하기 위해서는 우선 기업들이 이에 적합한 인재와 기술을 채용할 수 있어야 한다고 강조했다.



CIO나 IT 리더들은 AI가 산업에 가져다줄 수 있는 막대한 이점을 잘 알고 있으며, 이미 산업에 AI를 활용할 다양한 방안을 연구 중이다. 그러나 언제나 그렇듯, 기술만큼이나 중요한 것은 그 기술을 이용할 인력과 팀을 효과적으로 결성하는 것이다.

다각적, 다기능적 팀
효율적인 AI 활용을 위해서는 IT, 보안, 재무, 법무 등 다양한 부서 간의 원활하고 유연한 협력이 필수적이다

많은 기관이 특정 팀에게 특정 프로젝트나 업무를 일임함으로써 팀 간, 그리고 프로젝트 간 경계선을 분명히 긋고 있다. 하지만 AI를 효과적으로 활용하려면 다양한 분야에 능통한 인재들이 함께 협력하여 전체론적 해결책을 모색해야 한다.

AI 프로젝트를 수행하기 위해서는 데이터 과학뿐만 아니라 제품 마케팅, 매니지먼트, 소프트웨어 엔지니어링, UI 디자인 등 다양한 분야의 지식과 기술을 갖춘 다각적, 다기능적 팀이 필수적이다.

데미스토(Demisto)의 공동 창립자 리쉬 바르가바는 CIO닷컴과의 인터뷰에서 “우리는 인공지능과 관련한 전문 지식을 갖춘 인재들을 채용하고 있다. 데이터 과학자, 기계 언어 개발자 등이다. 하지만 이들은 혼자 일하는 것이 아니라 기존 제품에 대한 지식과 소프트웨어 역량을 갖춘 다른 직원들과 협력해야 한다. 이를 통해 양측 모두 자신에게 부족한 지식을 배우게 되고, 역량의 범주를 넓혀 나갈 수 있게 되며, 다방면에 걸친 전문성을 갖추게 된다”고 설명했다.

AI 팀에 없어서는 안 될 ‘삼총사’는?
물론 어느 AI팀에서건 빠질 수 없는, 프로젝트의 핵심 기능을 할 수 있는 기술자가 있어야 한다.

AI전문가 몬테 즈위벤은 ‘균형 잡힌 AI 팀의 구성’에는 반드시 세 사람이 포함돼야 한다고 주장했다. 바로 데이터 엔지니어, 데이터 과학자, 그리고 소프트웨어 개발자다.

데이터 엔지니어의 역할은 조직이 수집한 정보를 AI 및 머신러닝 시스템이 소화할 수 있는 데이터로 변환하는 것이다. 데이터 과학자는 여러 가지 알고리즘을 테스트하고 그 중 최선의 알고리즘을 찾아내며, 이를 통해 유의미하고 정확한 예측을 가능케 하는 것이다. 마지막으로 소프트웨어 개발자의 역할은 이 모든 정보를 취합하여 실제로 적용하는 것이다.

혹시라도 인재 채용에 들어가는 돈을 아끼고 싶다거나, 위에 언급된 이들 중에서 한두 명 정도는 없어도 괜찮지 않을까 싶은 생각이 든다면, 보안 지능 솔루션 업체인 로그리듬(LogRhythm)의 상품 관리 부책임자 크리스 브래드주너스의 이야기를 듣고 생각이 바뀔 것이다.

“처음에는 (우리가 필요로 하는 역량을 모두 갖춘) 데이터 과학자 한 사람만을 뽑으려 했다. 하지만 데이터 과학자 한 사람만으로는 불가능하다는 사실이 곧 드러났다. 우리의 경험상, AI 그룹에는 반드시 다음의 세 사람이 들어가야 한다. 데이터를 체계화할 데이터 엔지니어와, 데이터를 조사할 데이터 과학자, 그리고 애플리케이션을 시행할 소프트웨어 엔지니어가 그들이다.”

이상적으로는 비즈니스 전문가와 실용 AI, UI/UX 및 개발자까지도 포함되면 좋을 것이다. 이들 모두가 문제 인식을 공유해야 하며, 제품 관리자의 지휘하에 프로젝트를 이끌어 나가는 것이다. 하지만 이것이 불가능하다면, 현실적으로 위의 세 사람만큼은 있어야 AI 팀이 제대로 기능할 수 있다.

하지만 AI 팀에 필요한 것이 기술적 역량만은 아님도 기억해야 한다.

최고 AI 책임자(CAIO)가 꼭 필요할까?
크리스찬 J 해먼드는 하버드 비즈니스 리뷰에서 CAIO(Chief AI Officer) 채용에 강력하게 반대했다. 혁신 전략이 성공하려면 반드시 실제 비즈니스 과제와 문제에 대한 탄탄한 이해가 기반이 되어야 한다고 그는 지적했다. 해먼드에 따르며, CAIO를 채용한다 해도 아마 문제를 해결하는 것보다는 테크놀로지를 주도하는 것으로 변질될 확률이 높다고 말했다.

그는 “물론 AI 기술을 잘 이해하는 전문가는 있어야 한다. 그건 당연한 얘기다. 그렇지만 기술을 이해하는 것과, 그 기술을 어떻게 기업 현실에 전략적으로 적용하는가를 아는 것은 전혀 별개의 문제이다. CAIO를 채용한다고 해서 기술 전문가와 비즈니스 전략 전문가 간의 의사소통이 원활하게 이루어질 것이라는 보장은 없다. 이를 위해서는 커뮤니케이션 전문가가 따로 필요하다”고 이야기했다.

그러나 이 문제에 대한 포브스의 관점은 완전히 다르다. 포브스는 오히려 박사 학위 소지자나, 관련 연구 경력이 있는 전문가보다 CAIO를 채용해야 하는 이유를 무려 7가지나 들며 유능한 CAIO는 C-레벨 경영진에 새로운 관점을 제공할 수 있고, 최신 학술 연구 동향을 알려줄 수 있는 ‘생명줄’이라고 역설했다.

그러나 현실적으로 기업에서 의사 결정은 대부분 예산 제약에 따라 이루어지므로, AI 팀에 CAIO를 포함할 것이냐의 문제는 기업의 재정적 상황에 따라 달라질 것이다.

AI의 연구에 관해서라면, 자체적 연구가 어려운 기업들의 경우 다른 연구 기관들의 연구 결과를 참조할 수밖에 없다. 구글이나 애플, 아마존과 같은 수준으로 수십억 파운드의 돈을 AI에 투자할 수 있는 기업이나, 스타트업은 별로 없을 테니 말이다.

---------------------------------------------------------------
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
---------------------------------------------------------------

하늘의 별 따기만큼 어려워진 AI 인재 채용
적합한 기술과 역량을 갖춘 인재를 채용하는 것만큼이나 중요한 것은 채용한 인재를 빼앗기지 않는 것이다.

실제로 가트너는 2018년이 ‘AI 민주화의 해’가 되리라 예측했으며, 가트너의 설문 조사 결과에 따르면 전체 CIO의 54%는 AI 도입에서 가장 큰 어려움 중 하나로 ‘기술 전문 인력 확보’를 꼽았다.

“AI 전략 개발 계획의 어려움은 결국 전문 인력 보유의 어려움과 궤를 같이한다. AI 전문 인력이나 AI 전문 지식을 지닌 경영자를 충분히 확보할수록 AI 전략을 수립하는 데 있어 큰 도움을 받을 수 있기 때문이다”라고 가트너는 “2018 인공지능 예측(Predicts 2018: Artificial Intelligence)” 보고서에서 지적했다.

인재 관리 솔루션 제공을 전문으로 하는 존 설리번 박사는 적어도 당분간은 AI 인재 공급이 상당히 제한적일 것으로 예측했다. 그 이유는 2가지다. 첫째로, 매년 대학에서는 소수의 박사 학위 소지자들만을 배출하고 있다. 둘째로, 코딩이나 기타 전문 기술과 달리 인공지능이나 머신러닝 분야는 독학이 불가능하다. 기업의 지원을 통해 배우는 것도 논외다. 이러한 이유로 머지 않아 ‘AI 인재 쟁탈전’이 벌어질 것이라고 박사는 말했다. 인재 공급은 적고 제한적인 데 반해, 이들에 대한 수요는 많으니 기업 간 경쟁이 심화될 수밖에 없다는 것이다.

실제로 많은 기업들이 대학과의 협력을 통해, 그리고 자체적인 AI 전문 팀 양성 등의 방법으로 인력난에 대처하고 있다.

벤처캐피털 업체 하이알파(High Alpha)의 데이터 과학자 마크 클러킨은 “우리는 데이터 과학자 인력 부족 문제를, 스포츠팀들과 마찬가지 방식으로 해결하고 있다. 즉, 교육 단계에서부터 인재 양성에 참여하는 것이다. 우리는 여러 대학과 협력하여 인공지능 교육 프로젝트에 참여하고, 전공자들이 졸업하기 전부터 이들에게 일자리와 근무 조건을 제안하기도 한다”고 말했다.

또한 하이알파는 아직 대학에 재학중인 학생들에게 “실제 직장 경험을 제공하고, 프로젝트에 참여할 기회를 주고 있다. 여기서 학생들은 다른 전공자들을 만날 기회도 얻는다. 우리 역시 이들을 장기적으로 지켜 보고 알아갈 수 있어 일종의 면접과 같은 기능을 한다.” 이를 통해 하이알파는 튼튼한 인재 풀을 확보할 수 있었다고 클러킨은 설명했다. ciokr@idg.co.kr
 

X