2021.03.26

‘지금 짚어봐야 할’ AI에 관한 오해 6가지

Saniye Alaybeyi | CIO
AI 기술이 비즈니스 환경에 점점 더 깊숙이 들어오고 있다. 일상적인 업무가 대체되고 남은 업무도 보강되거나 다른 방식으로 변화되고 있다. 또 AI 기술은 비즈니스의 모든 측면에 스며들고 있으며 조직 전략을 주도하고 있다. 실제로 가트너는 2025년이면 AI가 기업 인프라 의사결정에 핵심 역할을 할 것으로 예측하고 있다.

AI에 대한 관심이 커지는 가운데에서도 AI 기술에 대한 몇 가지 오해는 사라지지 않고 있다. CIO들은 그러한 오해를 파악해서 불식시켜야 한다. 그래야만 AI 프로젝트 구현을 추진할 때 좋은 전략을 만들거나 기존 전략을 향상시킬 수 있다. AI의 작동 방식과 한계를 이해한다면 CIO들은 AI 활용도를 높여 업무 가치 실현을 도모할 수 있을 것이다.
 
Image Credit : Getty Images Bank

오해 : 코로나19 사태 중에 AI는 사치다
실제 : 코로나19 사태 와중에도 AI에 대한 관심과 투자는 계속 늘고 있다. 최근 실시된 가트너 설문조사에 따르면 코로나 사태가 시작된 이후 AI 투자를 늘린 조직의 비율이 24%, 변함없이 유지한 비율은 42%인 것으로 나타났다.

코로나 사태가 계속되는 동안 AI는 의료 및 정부 CIO 들의 바이러스 전파 예측과 비상 자원 최적화 작업 지원에 매우 중요한 역할을 했다. 뿐만 아니라 온갖 종류의 기업들이 복구 활동을 서두르는 데에도 필수적인 역할을 했으며, AI는 비용 최적화와 업무 연속성을 가능하게 하는 데에도 중요한 역할을 했다. 업무에 지장을 받는 사태가 계속되는 와중에도 고객 상호작용을 개선했고 매출 성장을 도운 것이다.

AI는 만병통치약이 아니지만 코로나 사태의 즉각적인 영향과 장기적인 영향에 모두 대처할 수 있는 잠재력이 있으며 대부분의 조직들은 이를 무시할 수 없다. CIO들은 AI를 사치가 아닌 활용도 높은 강력한 기술이라는 점을 강조해야 한다. 예를 들면 더 많은 데이터를 더 빠르게 분석하고 코로나 사태 중은 물론 그 이후에도 의사 결정을 강화하는 등의 실용적인 용도로 활용할 수 있다.

오해 : 우리는 AI 전략이 필요 없다
실제 : AI는 다양한 업무 문제에 적용할 수 있으나, 준비된 AI 전략이 있는 경우에만 혁신적인 업무 가치가 실현된다.

단기적인 기회, 특히 AI의 힘을 활용해 사람이 하는 일을 보강할 기회를 업무 우선순위와 결합한다면 CIO들은 AI의 가치를 극대화할 수 있다. 이를 위한 첫 단계는 가장 유망한 AI 사용 사례를 파악하는 것이다. 그 중에서도 전략적 계획 및 중대한 업무 기능과 궤를 같이 하는 것을 파악한다. 

예를 들면, 관리 작업을 자동화하여 혁신에 쓸 수 있는 시간을 늘리는 일이다. 주기적으로 소속 조직의 AI 접근 방식을 재점검하고 AI 구현과 관련된 의사 결정(또는 AI를 사용하지 않는다는 의사 결정)은 반드시 조사와 숙고를 거쳐 이루어지게끔 해야 한다.

오해 : AI는 일상적이고 반복적인 업무만을 대체할 것이다
실제 : 시간이 지나면서 많은 기술이 사람들의 업무 방식에는 물론 고소득 기회를 얻기 위해 필요한 기술에도 영향을 미쳐왔다. 따라서, 새로운 직업이 계속해서 만들어지는 한편 어떤 직업은 사라지기도 했다. 일례로, 오늘날 돈을 받고 일하는 타이피스트를 보기 드문 것과 마찬가지로 10년 전에는 소셜미디어 마케팅 관리자를 찾아보기 어려웠다.

AI 기술은 업무 내용은 물론 업무 및 학습 방식에도 상당한 영향을 미칠 것으로 예상된다. AI는 일상적이거나 반복적이라고 여겨지는 작업을 자동화할 잠재력이 있을 뿐만 아니라 남은 업무 역시 고가치 작업을 통해 개선하거나 변화시켜줄 수 있다. 예를 들어, AI는 수천 건의 법률 계약서를 몇 분만에 읽어 내고 유용한 모든 정보를 변호사들보다 빠르고 오류도 적게 뽑아낼 수 있다.

AI가 기존 작업에 잠재적으로 미칠 수 있는 영향을 CIO들이 확인할 수 있는 방법은 프로젝트 관리나 고객서비스와 같이 AI로 보강하거나 자동화할 수 있는 활동을 파악하는 것이다. 그러면 직원들은 일자리를 빼앗기지 않고 AI의 도움을 받아 더욱 효과적이고 빠르게 담당 업무를 수행할 수 있다. 

중요한 것은 직원 및 이해관계자들과 자주 그리고 투명하게 소통하여 AI 사용에 관한 우려를 가라앉히는 것이다. 그래야 부정적인 정서를 줄일 수 있고 앞으로 다가올 변화에 각 팀이 대비하도록 도울 수 있다.

오해 : AI와 ML은 같은 것이다
실제 : AI는 광범위한 여러 컴퓨터 엔지니어링 기술을 지칭하는 포괄적인 용어이다. AI 내에는 ML이라고 하는 큰 하위 분야가 있다. ML이란 구체적으로 프로그래밍되지 않아도 학습이 가능한 기계의 능력을 말한다. ML은 데이터로부터 패턴을 인식하도록 조직화될 수 있으며 보통 한 가지의 구체적인 작업 처리에 능하다. 예를 들면 이메일이 스팸인지 아닌지 분류할 때 ML을 활용할 수 있다.

AI와 ML이 서로 다른 것처럼 ML과 DL 역시 서로 다르다. DL 기술 또는 심층 신경망(DNN)은 일종의 ML로서 놀랄만한 획기적인 발전을 가능케 하고 있다. 그렇다고 해서 DL이 AI 범주 하의 모든 문제를 해결할 최고의 기술이라는 뜻은 아니다.

 DNN이 특정한 과제 해결에 언제나 가장 성공적인 AI 기술일 것이라는 뜻도 아니다. 사실 현재의 여러 AI 문제들은 규칙 기반 시스템이나 전통적인 ML을 사용하여 효과적으로 해결할 수 있다.

최신의 첨단 AI 옵션이 언제나 업무 문제의 가장 효율적인 해결책인 것은 아니다. 데이터 과학자들이 AI 기술을 전체적으로 바라보고 업무 모델 및 목표와 가장 잘 맞는 것을 구현하도록 장려해야 한다. 특히 사람의 통찰력을 더 많이 필요로 하는 복잡한 문제의 경우, DL을 다른 AI 기술(예 : 물리적 모델이나 그래프)과 결합하는 것이 최선일 때가 많다.

CIO들이 이해관계자를 대상으로 말할 때 중요한 것은 이처럼 흔히 서로 바꿔 쓰이는 용어를 명확히 하는 것이다. AI에 대한 전반적인 대화를 ML과 같은 개별 기술에 대한 대화로 세분해서 각 기술이 현실의 문제를 어떻게 해결할 수 있는지 보여줘야 한다.

오해 : AI는 알고리즘과 모델이 전부다
실제 :  예측 모델을 만들기 위한 ML 알고리즘 개발 및 적용은 AI 프로젝트 중에서 가장 쉬운 부분인 경우가 많다. 좀 더 어려운 부분으로는 AI로 해결 중인 문제를 잘 규정하는 것과 적합한 데이터가 충분하게 수집되고 선별 및 정리되도록 하는 것 등이 있다. 

AI 프로젝트 중에 가장 어려운 부분은 배치이다. 사실 2023년까지 IT 지도자들 가운데 최소한 50%는 AI 예측 프로젝트를 개념 증명 단계를 지나 생산 단계까지 성숙시키는 데 어려움을 겪을 것이다.

CIO들이 집중해야 할 것은 AI가 해결할 업무 문제를 규정하는 것이며 이를 위해 핵심 이해관계자들과 상의해야 한다. 또한, 테스트, 배치 등 AI 운영화 활동에 필요한 인력, 프로세스, 도구들을 충분한 시간을 두고 미리 구체적으로 준비하고 관리해야 한다.

오해 : 모든 블랙박스 AI는 규정을 준수해야 한다
실제 : 블랙박스 AI는 사용자가 볼 수 없게 입력값과 프로세스가 숨겨져 있는 AI 시스템이다. 각 AI 애플리케이션의 설명 가능성 수준은 개인정보보호, 보안, 알고리즘 투명성, 디지털 윤리를 위한 규정상의 필요성에 따라서는 물론 고객에 따라서도 달라진다.

내부 사용을 위한 통찰력을 생성하는 AI는 설명 가능성이 꼭 그렇게 많이 필요한 것은 아니다. 반면, 사람에 관한 의사 결정(예 : 대출 자격 또는 신용과 관련되는 결정)을 내리는 AI는 설명 가능성이 필요하다. (자율 주행을 실행할 때라든지) 중요한 결과를 가져오는 ‘폐쇄 루프’에서 의사 결정을 내리는 AI는 설명 가능성에 대한 요건이 높다. 윤리적인 이유도 있고 법적인 이유도 있을 수 있기 때문이다.

CIO들은 AI 애플리케이션이 기존의 윤리적 명령과 법적 명령을 준수하도록 조치해야 한다. 또한, 테스트 팀과 검증 팀을 지원해 주어야 한다. 사용된 AI 애플리케이션의 설명 가능성이 필요한지 여부가 이들 팀이 수집하는 데이터로 결정되기 때문이다.
 
ciokr@idg.co.kr



2021.03.26

‘지금 짚어봐야 할’ AI에 관한 오해 6가지

Saniye Alaybeyi | CIO
AI 기술이 비즈니스 환경에 점점 더 깊숙이 들어오고 있다. 일상적인 업무가 대체되고 남은 업무도 보강되거나 다른 방식으로 변화되고 있다. 또 AI 기술은 비즈니스의 모든 측면에 스며들고 있으며 조직 전략을 주도하고 있다. 실제로 가트너는 2025년이면 AI가 기업 인프라 의사결정에 핵심 역할을 할 것으로 예측하고 있다.

AI에 대한 관심이 커지는 가운데에서도 AI 기술에 대한 몇 가지 오해는 사라지지 않고 있다. CIO들은 그러한 오해를 파악해서 불식시켜야 한다. 그래야만 AI 프로젝트 구현을 추진할 때 좋은 전략을 만들거나 기존 전략을 향상시킬 수 있다. AI의 작동 방식과 한계를 이해한다면 CIO들은 AI 활용도를 높여 업무 가치 실현을 도모할 수 있을 것이다.
 
Image Credit : Getty Images Bank

오해 : 코로나19 사태 중에 AI는 사치다
실제 : 코로나19 사태 와중에도 AI에 대한 관심과 투자는 계속 늘고 있다. 최근 실시된 가트너 설문조사에 따르면 코로나 사태가 시작된 이후 AI 투자를 늘린 조직의 비율이 24%, 변함없이 유지한 비율은 42%인 것으로 나타났다.

코로나 사태가 계속되는 동안 AI는 의료 및 정부 CIO 들의 바이러스 전파 예측과 비상 자원 최적화 작업 지원에 매우 중요한 역할을 했다. 뿐만 아니라 온갖 종류의 기업들이 복구 활동을 서두르는 데에도 필수적인 역할을 했으며, AI는 비용 최적화와 업무 연속성을 가능하게 하는 데에도 중요한 역할을 했다. 업무에 지장을 받는 사태가 계속되는 와중에도 고객 상호작용을 개선했고 매출 성장을 도운 것이다.

AI는 만병통치약이 아니지만 코로나 사태의 즉각적인 영향과 장기적인 영향에 모두 대처할 수 있는 잠재력이 있으며 대부분의 조직들은 이를 무시할 수 없다. CIO들은 AI를 사치가 아닌 활용도 높은 강력한 기술이라는 점을 강조해야 한다. 예를 들면 더 많은 데이터를 더 빠르게 분석하고 코로나 사태 중은 물론 그 이후에도 의사 결정을 강화하는 등의 실용적인 용도로 활용할 수 있다.

오해 : 우리는 AI 전략이 필요 없다
실제 : AI는 다양한 업무 문제에 적용할 수 있으나, 준비된 AI 전략이 있는 경우에만 혁신적인 업무 가치가 실현된다.

단기적인 기회, 특히 AI의 힘을 활용해 사람이 하는 일을 보강할 기회를 업무 우선순위와 결합한다면 CIO들은 AI의 가치를 극대화할 수 있다. 이를 위한 첫 단계는 가장 유망한 AI 사용 사례를 파악하는 것이다. 그 중에서도 전략적 계획 및 중대한 업무 기능과 궤를 같이 하는 것을 파악한다. 

예를 들면, 관리 작업을 자동화하여 혁신에 쓸 수 있는 시간을 늘리는 일이다. 주기적으로 소속 조직의 AI 접근 방식을 재점검하고 AI 구현과 관련된 의사 결정(또는 AI를 사용하지 않는다는 의사 결정)은 반드시 조사와 숙고를 거쳐 이루어지게끔 해야 한다.

오해 : AI는 일상적이고 반복적인 업무만을 대체할 것이다
실제 : 시간이 지나면서 많은 기술이 사람들의 업무 방식에는 물론 고소득 기회를 얻기 위해 필요한 기술에도 영향을 미쳐왔다. 따라서, 새로운 직업이 계속해서 만들어지는 한편 어떤 직업은 사라지기도 했다. 일례로, 오늘날 돈을 받고 일하는 타이피스트를 보기 드문 것과 마찬가지로 10년 전에는 소셜미디어 마케팅 관리자를 찾아보기 어려웠다.

AI 기술은 업무 내용은 물론 업무 및 학습 방식에도 상당한 영향을 미칠 것으로 예상된다. AI는 일상적이거나 반복적이라고 여겨지는 작업을 자동화할 잠재력이 있을 뿐만 아니라 남은 업무 역시 고가치 작업을 통해 개선하거나 변화시켜줄 수 있다. 예를 들어, AI는 수천 건의 법률 계약서를 몇 분만에 읽어 내고 유용한 모든 정보를 변호사들보다 빠르고 오류도 적게 뽑아낼 수 있다.

AI가 기존 작업에 잠재적으로 미칠 수 있는 영향을 CIO들이 확인할 수 있는 방법은 프로젝트 관리나 고객서비스와 같이 AI로 보강하거나 자동화할 수 있는 활동을 파악하는 것이다. 그러면 직원들은 일자리를 빼앗기지 않고 AI의 도움을 받아 더욱 효과적이고 빠르게 담당 업무를 수행할 수 있다. 

중요한 것은 직원 및 이해관계자들과 자주 그리고 투명하게 소통하여 AI 사용에 관한 우려를 가라앉히는 것이다. 그래야 부정적인 정서를 줄일 수 있고 앞으로 다가올 변화에 각 팀이 대비하도록 도울 수 있다.

오해 : AI와 ML은 같은 것이다
실제 : AI는 광범위한 여러 컴퓨터 엔지니어링 기술을 지칭하는 포괄적인 용어이다. AI 내에는 ML이라고 하는 큰 하위 분야가 있다. ML이란 구체적으로 프로그래밍되지 않아도 학습이 가능한 기계의 능력을 말한다. ML은 데이터로부터 패턴을 인식하도록 조직화될 수 있으며 보통 한 가지의 구체적인 작업 처리에 능하다. 예를 들면 이메일이 스팸인지 아닌지 분류할 때 ML을 활용할 수 있다.

AI와 ML이 서로 다른 것처럼 ML과 DL 역시 서로 다르다. DL 기술 또는 심층 신경망(DNN)은 일종의 ML로서 놀랄만한 획기적인 발전을 가능케 하고 있다. 그렇다고 해서 DL이 AI 범주 하의 모든 문제를 해결할 최고의 기술이라는 뜻은 아니다.

 DNN이 특정한 과제 해결에 언제나 가장 성공적인 AI 기술일 것이라는 뜻도 아니다. 사실 현재의 여러 AI 문제들은 규칙 기반 시스템이나 전통적인 ML을 사용하여 효과적으로 해결할 수 있다.

최신의 첨단 AI 옵션이 언제나 업무 문제의 가장 효율적인 해결책인 것은 아니다. 데이터 과학자들이 AI 기술을 전체적으로 바라보고 업무 모델 및 목표와 가장 잘 맞는 것을 구현하도록 장려해야 한다. 특히 사람의 통찰력을 더 많이 필요로 하는 복잡한 문제의 경우, DL을 다른 AI 기술(예 : 물리적 모델이나 그래프)과 결합하는 것이 최선일 때가 많다.

CIO들이 이해관계자를 대상으로 말할 때 중요한 것은 이처럼 흔히 서로 바꿔 쓰이는 용어를 명확히 하는 것이다. AI에 대한 전반적인 대화를 ML과 같은 개별 기술에 대한 대화로 세분해서 각 기술이 현실의 문제를 어떻게 해결할 수 있는지 보여줘야 한다.

오해 : AI는 알고리즘과 모델이 전부다
실제 :  예측 모델을 만들기 위한 ML 알고리즘 개발 및 적용은 AI 프로젝트 중에서 가장 쉬운 부분인 경우가 많다. 좀 더 어려운 부분으로는 AI로 해결 중인 문제를 잘 규정하는 것과 적합한 데이터가 충분하게 수집되고 선별 및 정리되도록 하는 것 등이 있다. 

AI 프로젝트 중에 가장 어려운 부분은 배치이다. 사실 2023년까지 IT 지도자들 가운데 최소한 50%는 AI 예측 프로젝트를 개념 증명 단계를 지나 생산 단계까지 성숙시키는 데 어려움을 겪을 것이다.

CIO들이 집중해야 할 것은 AI가 해결할 업무 문제를 규정하는 것이며 이를 위해 핵심 이해관계자들과 상의해야 한다. 또한, 테스트, 배치 등 AI 운영화 활동에 필요한 인력, 프로세스, 도구들을 충분한 시간을 두고 미리 구체적으로 준비하고 관리해야 한다.

오해 : 모든 블랙박스 AI는 규정을 준수해야 한다
실제 : 블랙박스 AI는 사용자가 볼 수 없게 입력값과 프로세스가 숨겨져 있는 AI 시스템이다. 각 AI 애플리케이션의 설명 가능성 수준은 개인정보보호, 보안, 알고리즘 투명성, 디지털 윤리를 위한 규정상의 필요성에 따라서는 물론 고객에 따라서도 달라진다.

내부 사용을 위한 통찰력을 생성하는 AI는 설명 가능성이 꼭 그렇게 많이 필요한 것은 아니다. 반면, 사람에 관한 의사 결정(예 : 대출 자격 또는 신용과 관련되는 결정)을 내리는 AI는 설명 가능성이 필요하다. (자율 주행을 실행할 때라든지) 중요한 결과를 가져오는 ‘폐쇄 루프’에서 의사 결정을 내리는 AI는 설명 가능성에 대한 요건이 높다. 윤리적인 이유도 있고 법적인 이유도 있을 수 있기 때문이다.

CIO들은 AI 애플리케이션이 기존의 윤리적 명령과 법적 명령을 준수하도록 조치해야 한다. 또한, 테스트 팀과 검증 팀을 지원해 주어야 한다. 사용된 AI 애플리케이션의 설명 가능성이 필요한지 여부가 이들 팀이 수집하는 데이터로 결정되기 때문이다.
 
ciokr@idg.co.kr

X