기고 | 데이터 분석을 기계에 맡겨야 할 이유

CIO Australia
그 어느 시대보다 많은 정보를 생산하고 소비하는 세상이다. 이러한 방대한 정보를 캡처해 이해할 대안으로 인공지능이 떠올랐다. 인공지능을 활용하는 기업은 경쟁 우위를 확보할 수 있다. 경쟁사에 비해 더 낫고 일관성 있는 고객 경험(CX)을 제공할 수 있게 되기 때문이다.

이 새로운 정보 시대에 기업들이 적응해 나감에 따라, 보다 심도 있는 데이터 분석과 더 빠르고 쉽게 접할 수 있는 통찰력이 필요해지고 있다. 그리고 이를 확보하기 위한 최선의 선택은 인간 분석가가 아닌 기계일 지도 모른다. 이유는 다음과 같다.

심각한 숙련 인력 부족 문제를 해결
기계 주도 데이터 통찰력으로의 변화는 하루아침에 일어나지 않는다. 전세계적으로 데이터 분석가와 과학자의 공급난이 심화되고 있다. 특히 이 문제는 고객 경험 분야에 인공지능 기술이 늘어나면서 표면화되고 있다. 프로세스 간소화와 가속화를 돕는 기술이 발전하고 있지만 인력난은 해소되지 않는 것이다.

한편으로는 ‘의미 있는 데이터’에 대한 기대치가 지난 10년간 기하급수적으로 늘어났다. 빅데이터를 통해 소비자의 행동이나 거래 성향을 이해하는 수준을 넘어서서 정형 데이터는 물론 비정형 데이터로부터 고객 경험 통찰력을 생산하려는 기업이 늘고 있다.

특히 비정형 데이터로부터 제공되는 기회는 증가 일로일 것으로 보인다. 가트너의 최근 조사에 따르면 기업 관련 정보의 80% 이상이 비정형 형태로서 주로 텍스트이며 이는 향후 5년간 800% 늘어날 것이라고 가트너는 예측하고 있다.

데이터 분석 업계가 예측대로 연간 60% 성장하지 않는다 하더라도 수요 자체를 감당하기에도 그렇고 현재 기대하는 수준의 상세한 데이터 분석을 얻기에도 자원이 턱없이 부족하다. 파괴의 시간이 다가온 것이다.

인간 오류 및 편향을 줄일 수 있다
인간 분석가 대신 기계 데이터 분석가를 활용할 경우 속도와 비용 측면의 분명한 장점 이외에도 다른 장점이 있다. 인적 요소가 없다는 점이다. 인간이 가지는 편향은 데이터와 이를 통해 알아낸 사실들을 크게 왜곡할 수 있다. 예비 단계와 구실이 주어진 경우라 하더라도 그렇다. 길고 지루하기 쉬운 데이터 준비 및 코딩 과정 때문에 인간 분석가들은 스스로 자동화되어 개인적인 인간 편향이 발생할 수 있다.

인간 편향은 분석 과정에서도 발생할 수 있다. 가령 어떤 복잡한 조직에서 여러 가지 중요한 결정의 우선 순위를 설정해야 한다고 생각해 보자. 각각의 결정에는 고객 경험을 감안한 경영 사례가 관련되어 있다. 각 경영 사례에 대한 근본 데이터와 통찰이 공정하고 객관적으로 비교 가능하다는 것을 고위 임원은 어떻게 신뢰할 수 있을까?

갈수록 복잡해지는 데이터를 인공지능을 이용해 처리하고 그로부터 통찰을 얻음에 따라 의식적이거나 무의식적인 편향을 줄일 수 있으며 아니면 조사 결과를 통해 폭로할 수 있다. 편향을 폭로하면 기업은 사업 활동에 편향이 미치는 영향을 인식하고 줄일 수 있는 기회를 얻게 된다. 그 뿐만 아니라 개인적인 추정이 아닌 객관적인 데이터를 기준으로 결정을 내릴 수 있으며 잘못된 의사 결정에 이를 수 있는 인지적인 맹점을 파악할 수 있다.

인간 분석가의 역할을 고도화할 기회를 제공한다
재무 서비스 업계 역시 비교적 최근에 비슷한 위기를 겪은 적이 있다. 제로(Xero)와 같은 회계 소프트웨어의 등장으로 회계 업무 시장에 일대 혁신이 일어나자, 회계사들은 고객을 상대로 제안하는 스스로의 가치를 변화시키지 않으면 안되었다. 그들의 전통적인 영역이었던 부기나 세무 서비스가 이제 기술로 대체됨에 따라 ‘재무 이사’에 더 가까운 직무로 이동한 것이다.

이와 마찬가지로 터치포인트 그룹(Touchpoint Group)의 이피퍼니(Ipiphany)와 같은 제품은 모든 경로로부터 입수한 정형 데이터 및 비정형 데이터에 대해 고객 관련 인지 분석과 같은 힘든 업무를 수행하기 위해 기계학습과 인공지능을 활용하고 있다.

이제는 기계가 더 빠르고 심도 있게 데이터 통찰을 제공하기 때문에 인간 분석가들은 회계사들과 비슷한 접근 방식을 채택해야 한다. 즉, 기업에 더 많은 부가가치를 제공하는 폭넓은 조직 또는 직무 경험을 활용해 인공지능 통찰을 보강하는 것이다.

실제로 인간 분석가와 인공지능 간의 협력은 이미 진행 중이다. 2016년 PwC 설문조사에 따르면 ‘임원의 차기 전략적 결정을 위한 정보 제공에 활용되는 분석’은 인간의 판단 59%, 기계 알고리즘 41%로 이루어질 전망이다.

차기 데이터 분석가로 기계를 선택한다면 시간과 자원이 절약되는 것은 물론 고객경험 통찰 생산에 필요한 점점 더 심도 있고 다면화되는 데이터 분석을 직접 하지 않아도 된다. 그렇다고 해서 현재 형태의 인간 분석가가 필요 없게 되는 것은 아니다.

계속되는 인공지능의 대중화를 통해 기술이 힘든 일을 처리할 수 있게 되고 그 덕분에 분석가들은 전대미문의 속도로 실질적인 해답과 통찰을 제공하는 데 집중할 수 있다. 새로운 시스템에 인공지능 기반 기술이 내장되는 경우가 늘어남에 따라 인간들은 기계와의 협업을 통해 지능적이며 맥락에 맞고 예방적인 해결책을 제공하는 것이 더 쉽게 느껴질 것이다. 그러한 종류의 해결책은 기업을 크게 탈바꿈시킬 수 있는 가능성이 있다.

* Mark Thompson은 뉴질랜드에 소재한 터치포인트 그룹의 최고 운영 책임자다. ciokr@idg.co.kr