2019.04.23

"AI, 인텔리전스만으론 부족"··· 매스웍스, '인사이트, 구현, 통합' 강조

박해정 | CIO KR
성공적으로 인공지능(AI)을 활용하려면 ‘인텔리전스’만으로는 부족하며 여기에 인사이트(Insight), 구현(Implementation), 통합(Integration)이 필요하다. 
 
ⓒMathworks
22일 그랜드 인터콘티넨탈 서울 파르나스에서 열린 매트랩 엑스포 2019와 함께 진행된 기자간담회에서 이 행사를 주관한 매스웍스의 컨설팅 서비스 담당 크리스 헤이허스트 이사(왼쪽 사진)가 이같이 말했다. 

헤이허스트 이사는 맥킨지애드컴퍼니의 자료를 인용해 2030년에 AI가 미화 13조 달러의 가치를 창출할 것으로 밝혔다. 이는 산업혁명의 시작을 알렸던 증기기관이 끼친 영향의 3배, 로봇이 끼친 영향의 3배, IT시스템이 끼친 영향의 2배에 달한다. 

기업이 AI에 어려움을 겪는 원인에 관해 헤이허스트 이사는 데이터 과학자가 없거나 기술을 갖춘 팀이 없는 ‘인력’ 문제, 데이터가 충분하지 않거나 너무 많아 어떤 데이터를 선택해야 할지 모르는 ‘데이터’ 문제, 잘못된 툴을 사용하거나 툴이 너무 많이 통합하지 못하는 ‘툴’ 문제, 마지막으로 AI로 해결하지 못할 문제거나 해결한다 해도 공수가 너무 많이 드는 ‘비즈니스 문제’를 지목했다. 

매스웍스는 여러 프로젝트를 통해 쌓은 노하우로 AI 실패 원인에 대한 해결안으로 3가지를 제시했다. 첫째, 조직 내 데이터 과작하나 엔지니어가 자신들의 지식을 적용해 활용해 인사이트를 찾아야 한다. 둘째, 해당 데이터와 인사이트를 전체 디자인 플로우에 구현해야 한다. 마지막으로, 조직 내에서 사용 중인 다른 시스템과 연결하고 통합해야 한다. 

헤이허스트 이사는 뉴질랜드 낙농회사가 신선한 원유를 분유로 만드는 과정에서 품질을 모니터링하고 유지하는 문제를 해결하고자 AI 모델링을 활용한 예를 들어 설명했다. 헤이허스트 이사에 따르면, 이 낙농회사는 예측이 잘못됐음을 알게 됐고 뉴질랜드 내 3개 공장의 공정 처리가 다르며 날씨와 온도 같은 기후 요인에 따라 매년 원유의 품질이 달라 각각의 모델링이 필요하다는 결론에 도달했다. 

구현에 관한 사례로는 자율주행 자동차 개발기업인 ‘보야즈(Voyage)’가 언급됐다. 이 회사는 미국의 실버타운을 서비스 지역으로 선정해 매스웍스 소프트웨어뿐 아니라 필요한 오픈소스를 비롯한 여러 업체의 기술을 다양하게 활용해 처음에는 실패했다. 매스웍스 시뮬링크 소프트웨어로 교체하고 AI 모델을 학습시키기 위해 현장 데이터를 수집해 알고리즘을 개발해 레벨 3 자율주행 자동차를 만들 수 있었다. 

통합 사례로 소개된 얼리센스(EarlySense)는 병원에서 환자의 매트릭스에 센서를 부착해 심장박동, 호흡, 움직임 등을 모니터링해 의사와 간호사가 이를 모니터링하고 환자의 낙상 사고를 방지하도록 환자가 움직이면 이를 간호사에게 알려준다.  

헤이허스트 이사는 “AI가 앞으로도 혁신적인 기술이 되겠지만 다양한 실패에 부딪힐 것이다. 성공적인 AI 활용을 AI 이외의 인사이트, 구현, 통합이 중요하다”고 강조했다. ciokr@idg.co.kr
 



2019.04.23

"AI, 인텔리전스만으론 부족"··· 매스웍스, '인사이트, 구현, 통합' 강조

박해정 | CIO KR
성공적으로 인공지능(AI)을 활용하려면 ‘인텔리전스’만으로는 부족하며 여기에 인사이트(Insight), 구현(Implementation), 통합(Integration)이 필요하다. 
 
ⓒMathworks
22일 그랜드 인터콘티넨탈 서울 파르나스에서 열린 매트랩 엑스포 2019와 함께 진행된 기자간담회에서 이 행사를 주관한 매스웍스의 컨설팅 서비스 담당 크리스 헤이허스트 이사(왼쪽 사진)가 이같이 말했다. 

헤이허스트 이사는 맥킨지애드컴퍼니의 자료를 인용해 2030년에 AI가 미화 13조 달러의 가치를 창출할 것으로 밝혔다. 이는 산업혁명의 시작을 알렸던 증기기관이 끼친 영향의 3배, 로봇이 끼친 영향의 3배, IT시스템이 끼친 영향의 2배에 달한다. 

기업이 AI에 어려움을 겪는 원인에 관해 헤이허스트 이사는 데이터 과학자가 없거나 기술을 갖춘 팀이 없는 ‘인력’ 문제, 데이터가 충분하지 않거나 너무 많아 어떤 데이터를 선택해야 할지 모르는 ‘데이터’ 문제, 잘못된 툴을 사용하거나 툴이 너무 많이 통합하지 못하는 ‘툴’ 문제, 마지막으로 AI로 해결하지 못할 문제거나 해결한다 해도 공수가 너무 많이 드는 ‘비즈니스 문제’를 지목했다. 

매스웍스는 여러 프로젝트를 통해 쌓은 노하우로 AI 실패 원인에 대한 해결안으로 3가지를 제시했다. 첫째, 조직 내 데이터 과작하나 엔지니어가 자신들의 지식을 적용해 활용해 인사이트를 찾아야 한다. 둘째, 해당 데이터와 인사이트를 전체 디자인 플로우에 구현해야 한다. 마지막으로, 조직 내에서 사용 중인 다른 시스템과 연결하고 통합해야 한다. 

헤이허스트 이사는 뉴질랜드 낙농회사가 신선한 원유를 분유로 만드는 과정에서 품질을 모니터링하고 유지하는 문제를 해결하고자 AI 모델링을 활용한 예를 들어 설명했다. 헤이허스트 이사에 따르면, 이 낙농회사는 예측이 잘못됐음을 알게 됐고 뉴질랜드 내 3개 공장의 공정 처리가 다르며 날씨와 온도 같은 기후 요인에 따라 매년 원유의 품질이 달라 각각의 모델링이 필요하다는 결론에 도달했다. 

구현에 관한 사례로는 자율주행 자동차 개발기업인 ‘보야즈(Voyage)’가 언급됐다. 이 회사는 미국의 실버타운을 서비스 지역으로 선정해 매스웍스 소프트웨어뿐 아니라 필요한 오픈소스를 비롯한 여러 업체의 기술을 다양하게 활용해 처음에는 실패했다. 매스웍스 시뮬링크 소프트웨어로 교체하고 AI 모델을 학습시키기 위해 현장 데이터를 수집해 알고리즘을 개발해 레벨 3 자율주행 자동차를 만들 수 있었다. 

통합 사례로 소개된 얼리센스(EarlySense)는 병원에서 환자의 매트릭스에 센서를 부착해 심장박동, 호흡, 움직임 등을 모니터링해 의사와 간호사가 이를 모니터링하고 환자의 낙상 사고를 방지하도록 환자가 움직이면 이를 간호사에게 알려준다.  

헤이허스트 이사는 “AI가 앞으로도 혁신적인 기술이 되겠지만 다양한 실패에 부딪힐 것이다. 성공적인 AI 활용을 AI 이외의 인사이트, 구현, 통합이 중요하다”고 강조했다. ciokr@idg.co.kr
 

X