2021.06.10

현실 속 성공적인 AI팀이란?··· 현장의 여러 풍경

Maria Korolov | CIO
거대 IT 기업의 박사 집단이 아니다. AI의 활용이 확대되면서 비즈니스 스킬 등 다양한 역량을 보유한 혼합 팀이 기업의 AI 성공에 중요하다는 사실이 밝혀지고 있다.
 
Image Credit : Getty Images Bank

점차 많은 기업들이 AI 프로젝트를 확대하고 개념 증명을 비즈니스 전환의 동인으로 변모시키면서 실제 AI를 활용해 성공하기 위해서 필요한 것이 무엇인지가 명확해지고 있다.

AI팀의 경우 알려진 것보다 광범위한 스킬이 필요하며, 트랜슬레이터(Translator), 즉, 운영 및 AI 개념을 비즈니스 용어로 설명할 수 있는 능력을 가진 사람이 특히 요구된다. 즉, AI 성공은 데이터 사이언티스트 집단만으로는 달성하기 어렵다.

맥킨지(McKinsey&Co)의 파트너 루이스 헤링은 AI 프로젝트에서 성공하기 위해서는 팀을 융합해야 한다고 말했다. 그녀는 “기술적인 측면을 보면 점차 생산에 바로 투입할 수 있는 코드를 확보하고 조직 전반에 걸쳐 재사용이 가능한 요소를 보유하는 방법이 점차 강조되고 있다. 하지만 무엇보다도 비즈니스 측면과 기술 측면 사이를 연결해 줄 수 있는 사람들이 더욱 중요해지고 있다”라고 말했다.

앞선 기업들이 비즈니스 문제를 해결하기 위해 어떻게 AI팀을 구성하고 있는지, 또 AI 기술의 발전이 어떻게 성공을 위해 필요한 기초 스킬을 변화시키고 있는지 살펴본다. 
 

즉, AI 성공은 데이터 사이언티스트 집단만으로는 달성하기 어렵다.


성공적인 AI 팀이 수행하는 핵심 역할
성공적인 AI 프로젝트를 위해서는 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 엔지니어, 생산 책임자, 변화 관리 전문가, 번역가 등 광범위한 스킬을 갖춘 팀원들이 필요하다고 헤링이 말했다.

개념 증명과 시범 프로젝트의 경우 데이터 문제는 다른 양상을 보인다. 생산 현장에 투입할 수 있는 AI 배치에는 여러 이질적인 소스로부터 빠른 속도로 얻은 많은 양의 데이터가 필요하다.

그녀는 “데이터 사이언티스트와 데이터 엔지니어가 숨은 영웅이다. 레거시 영역들이 있다. 데이터를 찾아서 추출하며 데이터 파이프라인이 설치되어 확장 준비가 완료되기가 그렇게 쉽지 않다”라고 말했다.

IBM&모닝 컨설트(IBM&Morning Consult)의 5월 보고서에 따르면, 응답한 IT 전문가의 약 90%가 데이터의 위치에 상관없이 AI 프로젝트를 운용할 수 있는 능력이 기술 도입의 열쇠라고 말했다. 또 데이터 복잡성과 사일로가 AI 도입의 두 번째 장벽으로 지목됐다. 

성공적인 AI팀은 또한 필요한 개입의 수준에 따라 제품 책임자와 변화 관리 전문가가 필요하다고 헤링이 말했다. 하지만 핵심 스킬은 트랜슬레이터의 ‘번역’ 역량이다. 그녀는 “많은 조직에서 여전히 이 부분이 누락되어 있다. 하지만 사용 사례의 가치를 극대화하기 위해서는 트랜슬레이터가 필요하다”라고 말했다.

이러한 트렌슬레이터는 비즈니스 사업부에서 근무한 경험이 있는 데이터 사이언티스트 등, AI 부서 인력인 경우도 있다. 그녀가 “하지만 일반적으로 비즈니스 부문에서 나온다. 그들은 비즈니스를 심층적으로 이해해야 하며, 어떤 점에서는 데이터 사이언스 원리를 배우기가 더 쉽다. 데이터 사이언티스트 및 엔지니어와 자신감 있게 소통할 수 있도록 데이터 사이언스 스킬을 가르치는 교육기관을 설립하는 조직도 있다”라고 말했다.

지난해 딜로이트(Deloitte)가 공개한 설문조사에 따르면 수요가 높은 AI 스킬 중 절반이 AI 프로젝트와 비즈니스 요구를 연결시키는 것과 관련성이 있었다. 이런 ‘트랜슬레이터’로는 AI에 관해 잘 알고 있는 비즈니스 리더, 변화 관리 전문가, 사용자 경험 디자이너, 주제 사안 전문가 등이 있다.

딜로이트에 따르면 AI 측면에서 가장 수요가 높은 스킬은 AI 연구원, 소프트웨어 개발자, 데이터 사이언티스트, 프로젝트 관리자였다. 

융합된 팀의 힘
온라인 마케팅 기업 어반 에어쉽(Urban Airship)은 성공적인 조직이 AI에 접근하는 방식에 대한 교과서적인 예시를 제시했다. 해당 기업은 10년 전 AI 활용에 관해 생각하기 시작했을 때, 박사 학위자를 고용했다.

어반 에어쉽의 제품 및 엔지니어링 수석 부사장 마이크 헤릭은 “우리가 처음 도입한 머신러닝 모델은 파급에 관한 것이었다”라고 말했다. 어떤 사람이 이메일에서 링크를 클릭하는지 여부를 쉽게 추적할 수 있도록 하는데 초점을 맞췄다. 하지만 나중에 사이트를 방문하는지 그리고 다른 채널을 이용하는지 여부를 추적하는 것이 훨씬 어렵다는 사실이 발견됐으며, 여기에 머신러닝을 본격 적용하고자 했다고 그는 설명했다.

그리고 해당 기업은 특정 고객에게 연락을 취할 최적의 시간과 고객에게 얼마나 자주 연락해야 하는지를 파악하기 위해 예측 지능성을 추가했다. 어반 에어쉽의 플랫폼에 최근 추가된 것은 AI를 활용해 다단계 고객 여정을 시작하고 관리하는 것과 관련되어 있다.

헤릭은 현재, 회사의 신규 비즈니스 거래 중 최소 40%가 해당 도구를 통해 이루어지고 있다고 말했다. “엄청났다. 경쟁자들과 차별화된 고유한 능력을 얻었다. 그리고 가치를 제공함으로써 고객을 유지하는 데 도움이 된다”라고 그는 강조했다.

해당 기업의 AI 프로젝트를 위해 필요한 스킬로는 데이터 사이언스 스킬뿐 아니라 제품 관리, 사용자 환경 디자인, 소프트웨어 엔지니어링, 제품 마케팅 등이 있다. 그는 “AI와 머신러닝 프로젝트에는 이런 유형의 역량을 제공하기 위해 교차 기능팀이 필요하다. 우리의 경험에서 입증됐다”라고 말했다.

한편 그에 따르면 다양한 전문가로 구성된 AI팀을 구성한다는 전략에는 확장성이 필요하다. 그는 “모든 스킬을 가진 사람은 거의 없다. 설령 모든 역량을 보유한 인물이라도 모든 일을 할 수는 없다”라고 말했다.

그는 비즈니스 사례를 잘 이해하는 팀원이 지속적으로 확충한 것이 고객들이 필요한 방식으로 분석을 제공하는 데 도움이 되었다고 전했다. 

트랜슬레이터의 출현
20년 동안 컴패니 너스(Company Nurse)는 기업 및 교육 기관들이 전화 한 통으로 의료 전문가의 도움을 받아 직장 내 부상을 처리하는 서비스를 제공해왔다. 해당 기업은 현재 주당 10만 건의 건강 관련 트랜잭션(Transaction)을 처리하고 있다. 팬데믹으로 인해 컴패니 너스는 디지털 선별 검사 솔루션을 제공하기 시작했다.

컴패니 너스의 CTO 헨리 스벤드블라드는 “우리는 실제로 매일 건강 증상을 선별 검사하고 있다. 그리고 많은 학교들이 ‘안전한 학교 복귀’ 프로그램의 일환으로 교사뿐 아니라 학생들을 위해 우리 서비스를 이용하고 있다”라고 말했다.

지난해, 해당 기업은 AI를 자사의 비즈니스 문제 중 일부에 적용하기 시작했다. AI 프로젝트에는 콜센터를 위한 민감한 의료 문서를 분류하는 시스템과 스피치-텍스트 변환 시스템이 포함됐다.

해당 기업은 AI를 사용하면서 수백만 건의 문서를 분류했으며, 이는 컴패니 너스가 더 나은 사이버 보안 조치를 구현하는 데 도움이 될 전망이다. 그리고 콜센터에서 평균 처리 시간이 10% 이상 감소했다. 추후에는 정보를 사용하여 건강 결과와 초기에 통화를 통해 제공된 정보를 비교하여 잠재적인 사기를 식별하고 신입 직원의 생산성을 높일 수 있도록 돕는다는 계획이다.

컴패니 너스는 이와 관련해 콘센트릭(Concentric), 제네시스(Genesys), 세일즈포스(Salesforce)의 아인슈타인(Einstein) 플랫폼 등 외부 제공업체를 활용하고 있다. 또한 해당 기업에는 데이터를 AI 시스템에 적용하기 위한 데이터팀과 주제 사안 전문가도 있다.

하지만 AI 기술과 비즈니스 사례 사이의 공백을 메우는 역할이 매우 중요하다고 스벤드블라드는 강조했다. 그는 “CTO로서 나의 직무가 이것이다. 나는 ‘이것이 비즈니스에 어떤 영향을 미치는가?’와 ‘이 기술이 실제로 성과를 낼까?’를 연계시키려 노력한다”라고 말했다.

한편 스벤드블라드는 내부와 외부 리소스, 데이터 세트, 서드파티 도구를 결합하여 새롭게 등장한 AI 역할인 솔루션 설계자 역할도 수행하고 있다. 

캡제미니(Capgemini)의 AI 및 분석 부사장 댄 시미언은 “솔루션 설계자는 문제를 해결하기 위해 필요한 머신러닝과 AI 기술에 관해 검토하는 인물이다. 현재 많은 솔루션과 기술이 존재한다”라고 말했다. 이어 솔루션 설계자는 단순히 사용할 기술뿐 아니라 “기술들이 서로 어떻게 융합되는지를 파악한다. 그들이 퍼즐을 완성한다”라고 그는 말했다.

변화 관리와 민첩한 비즈니스
사람들이 범하는 특히 큰 실수는 AI가 기술 프로젝트라고 생각하는 것이라고 맥킨지의 타밈 살레 사장이 말했다.




2021.06.10

현실 속 성공적인 AI팀이란?··· 현장의 여러 풍경

Maria Korolov | CIO
거대 IT 기업의 박사 집단이 아니다. AI의 활용이 확대되면서 비즈니스 스킬 등 다양한 역량을 보유한 혼합 팀이 기업의 AI 성공에 중요하다는 사실이 밝혀지고 있다.
 
Image Credit : Getty Images Bank

점차 많은 기업들이 AI 프로젝트를 확대하고 개념 증명을 비즈니스 전환의 동인으로 변모시키면서 실제 AI를 활용해 성공하기 위해서 필요한 것이 무엇인지가 명확해지고 있다.

AI팀의 경우 알려진 것보다 광범위한 스킬이 필요하며, 트랜슬레이터(Translator), 즉, 운영 및 AI 개념을 비즈니스 용어로 설명할 수 있는 능력을 가진 사람이 특히 요구된다. 즉, AI 성공은 데이터 사이언티스트 집단만으로는 달성하기 어렵다.

맥킨지(McKinsey&Co)의 파트너 루이스 헤링은 AI 프로젝트에서 성공하기 위해서는 팀을 융합해야 한다고 말했다. 그녀는 “기술적인 측면을 보면 점차 생산에 바로 투입할 수 있는 코드를 확보하고 조직 전반에 걸쳐 재사용이 가능한 요소를 보유하는 방법이 점차 강조되고 있다. 하지만 무엇보다도 비즈니스 측면과 기술 측면 사이를 연결해 줄 수 있는 사람들이 더욱 중요해지고 있다”라고 말했다.

앞선 기업들이 비즈니스 문제를 해결하기 위해 어떻게 AI팀을 구성하고 있는지, 또 AI 기술의 발전이 어떻게 성공을 위해 필요한 기초 스킬을 변화시키고 있는지 살펴본다. 
 

즉, AI 성공은 데이터 사이언티스트 집단만으로는 달성하기 어렵다.


성공적인 AI 팀이 수행하는 핵심 역할
성공적인 AI 프로젝트를 위해서는 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 엔지니어, 생산 책임자, 변화 관리 전문가, 번역가 등 광범위한 스킬을 갖춘 팀원들이 필요하다고 헤링이 말했다.

개념 증명과 시범 프로젝트의 경우 데이터 문제는 다른 양상을 보인다. 생산 현장에 투입할 수 있는 AI 배치에는 여러 이질적인 소스로부터 빠른 속도로 얻은 많은 양의 데이터가 필요하다.

그녀는 “데이터 사이언티스트와 데이터 엔지니어가 숨은 영웅이다. 레거시 영역들이 있다. 데이터를 찾아서 추출하며 데이터 파이프라인이 설치되어 확장 준비가 완료되기가 그렇게 쉽지 않다”라고 말했다.

IBM&모닝 컨설트(IBM&Morning Consult)의 5월 보고서에 따르면, 응답한 IT 전문가의 약 90%가 데이터의 위치에 상관없이 AI 프로젝트를 운용할 수 있는 능력이 기술 도입의 열쇠라고 말했다. 또 데이터 복잡성과 사일로가 AI 도입의 두 번째 장벽으로 지목됐다. 

성공적인 AI팀은 또한 필요한 개입의 수준에 따라 제품 책임자와 변화 관리 전문가가 필요하다고 헤링이 말했다. 하지만 핵심 스킬은 트랜슬레이터의 ‘번역’ 역량이다. 그녀는 “많은 조직에서 여전히 이 부분이 누락되어 있다. 하지만 사용 사례의 가치를 극대화하기 위해서는 트랜슬레이터가 필요하다”라고 말했다.

이러한 트렌슬레이터는 비즈니스 사업부에서 근무한 경험이 있는 데이터 사이언티스트 등, AI 부서 인력인 경우도 있다. 그녀가 “하지만 일반적으로 비즈니스 부문에서 나온다. 그들은 비즈니스를 심층적으로 이해해야 하며, 어떤 점에서는 데이터 사이언스 원리를 배우기가 더 쉽다. 데이터 사이언티스트 및 엔지니어와 자신감 있게 소통할 수 있도록 데이터 사이언스 스킬을 가르치는 교육기관을 설립하는 조직도 있다”라고 말했다.

지난해 딜로이트(Deloitte)가 공개한 설문조사에 따르면 수요가 높은 AI 스킬 중 절반이 AI 프로젝트와 비즈니스 요구를 연결시키는 것과 관련성이 있었다. 이런 ‘트랜슬레이터’로는 AI에 관해 잘 알고 있는 비즈니스 리더, 변화 관리 전문가, 사용자 경험 디자이너, 주제 사안 전문가 등이 있다.

딜로이트에 따르면 AI 측면에서 가장 수요가 높은 스킬은 AI 연구원, 소프트웨어 개발자, 데이터 사이언티스트, 프로젝트 관리자였다. 

융합된 팀의 힘
온라인 마케팅 기업 어반 에어쉽(Urban Airship)은 성공적인 조직이 AI에 접근하는 방식에 대한 교과서적인 예시를 제시했다. 해당 기업은 10년 전 AI 활용에 관해 생각하기 시작했을 때, 박사 학위자를 고용했다.

어반 에어쉽의 제품 및 엔지니어링 수석 부사장 마이크 헤릭은 “우리가 처음 도입한 머신러닝 모델은 파급에 관한 것이었다”라고 말했다. 어떤 사람이 이메일에서 링크를 클릭하는지 여부를 쉽게 추적할 수 있도록 하는데 초점을 맞췄다. 하지만 나중에 사이트를 방문하는지 그리고 다른 채널을 이용하는지 여부를 추적하는 것이 훨씬 어렵다는 사실이 발견됐으며, 여기에 머신러닝을 본격 적용하고자 했다고 그는 설명했다.

그리고 해당 기업은 특정 고객에게 연락을 취할 최적의 시간과 고객에게 얼마나 자주 연락해야 하는지를 파악하기 위해 예측 지능성을 추가했다. 어반 에어쉽의 플랫폼에 최근 추가된 것은 AI를 활용해 다단계 고객 여정을 시작하고 관리하는 것과 관련되어 있다.

헤릭은 현재, 회사의 신규 비즈니스 거래 중 최소 40%가 해당 도구를 통해 이루어지고 있다고 말했다. “엄청났다. 경쟁자들과 차별화된 고유한 능력을 얻었다. 그리고 가치를 제공함으로써 고객을 유지하는 데 도움이 된다”라고 그는 강조했다.

해당 기업의 AI 프로젝트를 위해 필요한 스킬로는 데이터 사이언스 스킬뿐 아니라 제품 관리, 사용자 환경 디자인, 소프트웨어 엔지니어링, 제품 마케팅 등이 있다. 그는 “AI와 머신러닝 프로젝트에는 이런 유형의 역량을 제공하기 위해 교차 기능팀이 필요하다. 우리의 경험에서 입증됐다”라고 말했다.

한편 그에 따르면 다양한 전문가로 구성된 AI팀을 구성한다는 전략에는 확장성이 필요하다. 그는 “모든 스킬을 가진 사람은 거의 없다. 설령 모든 역량을 보유한 인물이라도 모든 일을 할 수는 없다”라고 말했다.

그는 비즈니스 사례를 잘 이해하는 팀원이 지속적으로 확충한 것이 고객들이 필요한 방식으로 분석을 제공하는 데 도움이 되었다고 전했다. 

트랜슬레이터의 출현
20년 동안 컴패니 너스(Company Nurse)는 기업 및 교육 기관들이 전화 한 통으로 의료 전문가의 도움을 받아 직장 내 부상을 처리하는 서비스를 제공해왔다. 해당 기업은 현재 주당 10만 건의 건강 관련 트랜잭션(Transaction)을 처리하고 있다. 팬데믹으로 인해 컴패니 너스는 디지털 선별 검사 솔루션을 제공하기 시작했다.

컴패니 너스의 CTO 헨리 스벤드블라드는 “우리는 실제로 매일 건강 증상을 선별 검사하고 있다. 그리고 많은 학교들이 ‘안전한 학교 복귀’ 프로그램의 일환으로 교사뿐 아니라 학생들을 위해 우리 서비스를 이용하고 있다”라고 말했다.

지난해, 해당 기업은 AI를 자사의 비즈니스 문제 중 일부에 적용하기 시작했다. AI 프로젝트에는 콜센터를 위한 민감한 의료 문서를 분류하는 시스템과 스피치-텍스트 변환 시스템이 포함됐다.

해당 기업은 AI를 사용하면서 수백만 건의 문서를 분류했으며, 이는 컴패니 너스가 더 나은 사이버 보안 조치를 구현하는 데 도움이 될 전망이다. 그리고 콜센터에서 평균 처리 시간이 10% 이상 감소했다. 추후에는 정보를 사용하여 건강 결과와 초기에 통화를 통해 제공된 정보를 비교하여 잠재적인 사기를 식별하고 신입 직원의 생산성을 높일 수 있도록 돕는다는 계획이다.

컴패니 너스는 이와 관련해 콘센트릭(Concentric), 제네시스(Genesys), 세일즈포스(Salesforce)의 아인슈타인(Einstein) 플랫폼 등 외부 제공업체를 활용하고 있다. 또한 해당 기업에는 데이터를 AI 시스템에 적용하기 위한 데이터팀과 주제 사안 전문가도 있다.

하지만 AI 기술과 비즈니스 사례 사이의 공백을 메우는 역할이 매우 중요하다고 스벤드블라드는 강조했다. 그는 “CTO로서 나의 직무가 이것이다. 나는 ‘이것이 비즈니스에 어떤 영향을 미치는가?’와 ‘이 기술이 실제로 성과를 낼까?’를 연계시키려 노력한다”라고 말했다.

한편 스벤드블라드는 내부와 외부 리소스, 데이터 세트, 서드파티 도구를 결합하여 새롭게 등장한 AI 역할인 솔루션 설계자 역할도 수행하고 있다. 

캡제미니(Capgemini)의 AI 및 분석 부사장 댄 시미언은 “솔루션 설계자는 문제를 해결하기 위해 필요한 머신러닝과 AI 기술에 관해 검토하는 인물이다. 현재 많은 솔루션과 기술이 존재한다”라고 말했다. 이어 솔루션 설계자는 단순히 사용할 기술뿐 아니라 “기술들이 서로 어떻게 융합되는지를 파악한다. 그들이 퍼즐을 완성한다”라고 그는 말했다.

변화 관리와 민첩한 비즈니스
사람들이 범하는 특히 큰 실수는 AI가 기술 프로젝트라고 생각하는 것이라고 맥킨지의 타밈 살레 사장이 말했다.


X