Offcanvas

AI / BI / CIO / How To / 디지털 트랜스포메이션 / 머신러닝|딥러닝

“내년이면 대기업 1/3이 활용한다” 의사결정 인텔리전스 실용 조언 10가지

2022.04.01 Maria Korolov  |  CIO
기업의 의사결정에 ‘지능’과 ‘자동화’를 접목하면 민첩성과 효율성이 크게 개선될 수 있다. 하지만 지속적인 ‘튜닝’이 반드시 요구된다는 점에 유의할 필요가 있다. 

철 지난 보고서 이상을 원하는 조직이라면 ‘의사결정 인텔리전스’(decision intelligence)에 주목할 만하다. 인공지능과 머신러닝을 활용하는 정교한 도구를 결합하여 데이터 대시보드나 비즈니스 애널리틱스 플랫폼을 좀더 포괄적이면서도 지능성인 의사결정 지원 플랫폼으로 변모시키는 도구이자 기술, 관행을 의미한다.

하지만 의사결정 인텔리전스 전략에는 많은 요건이 필요하다. 조직의 의사결정 방식에 대한 이해뿐 아니라 결과를 평가하고 피드백을 통해 의사결정 프로세스를 관리 및 개선하려는 과정도 포함되어야 한다. 가트너 분석가 에릭 브레테녹스는 “단순한 기술이 아니다. 다양한 기술로 구성된 분야이다”라고 말했다.

가트너에 따르면 의사결정 인텔리전스는 ‘2022년의 주요 전략 기술 트렌드’이며, 대형 조직의 1/3 이상이 2023년까지 이를 실행에 옮길 것으로 예상된다. 의사결정 인텔리전스는 자동화된 의사결정 수단을 제공하는 데 도움이 되어 기업이 경쟁력을 유지하고 시장 수요를 충족하는 데 도움이 될 수 있다고 브레테녹스가 말했다.

하지만 이를 위해 의사결정 프로세스, 각 결정의 위험과 보상, 수용 가능한 오류 마진, 자동화된 의사결정 프로세스가 제공하는 결정에 대한 신뢰도 검증 능력에 대한 심층적인 이해가 필요하다. 
 
Image Credit : Getty Images Bank


손쉽게 달성할 수 있는 목표부터 시작하라
잘 정의되고 사례가 풍부하며, 위험이 낮은 프로세스로 시작하는 것이 도움이 된다. 많은 기업들이 이미 이런 프로세스를 보유하고 있으며, 아직 모두가 자동화된 것은 아니다.

일상이 너무 바쁜 기업들은 이런 기회를 놓치고 있음을 알아차리지 못할 수 있다고 컨스틸레이션 리서치(Constellation Research)의 수석 분석가 겸 설립자 레이 왕이 말했다. 그는 “프로세스가 이미 자동화되었더라도 의사결정 엔진에 추가적인 요소를 추가하면 정확도가 개선될 수 있”라고 말했다. 예를 들어, 위험 점수 결정은 시간대 또는 사용자의 위치를 고려하여 개선될 수 있다.

하지만 이러한 프로세스라도 일회성 개선이어서는 안 된다. 피드백에 따라 접근방식을 지속적으로 수정되는 프로세스를 도입해야 한다고 전문가들은 권고했다.

새로운 데이터를 활용하라
프로세스가 자주 반복될수록 결과가 더 명확해지고 기업이 이를 개선할 기회가 많아진다. 예를 들어, 렉시스넥시스(LexisNexis)는 자사의 TM(ThreatMetrix) 제품을 사용하여 매일 3억 개의 사기 관련 결정을 내리지만 결정이 100% 완벽한 것은 아니다.

LNRS(LexisNexis Risk Solutions)의 CTO 매티어스 바움호프는 “거대한 데이터세트를 통해 많은 결정을 내리고 있다. 우리가 99% 정확하게 하면 고객들에게 엄청난 가치가 제공된다”라며 지속적으로 정확성을 높여가고 있음을 강조했다.

렉시스넥시스는 머신러닝 알고리즘을 사용하여 트랜잭션을 행동 프로필로 분류하고 특정 거래가 사기이거나 의심스러운지 예측한다. 초기 훈련 세트와 지속적인 훈련을 위한 이력 데이터가 존재한다.

그는 “며칠 후 기존의 거래가 사기로 확인되고 이를 우리와 공유하면 확인된 사기 행동으로부터 배울 수 있다”라고 말하면서, “의사결정 인텔리전스를 활용하려는 사람에게 있어서 행동 패턴이 바뀌게 된다. 일정량의 학습은 항상 일상적인 비즈니스이고, 배우지 않으면 뒤처지게 된다”라고 밝혔다.

알고리즘을 수정하라
전통적으로 위험 채점에는 일련의 가정법에 기반한 결정이 수반됐다. 거래가 일정량을 초과하거나 사용자의 집 영역 밖에서 수행되거나 새로운 상인과 수행되면 검토를 위해 플래그 처리된다. 하지만 의사결정이 복잡해지면서 가정법 시스템에 한계가 드러나고 있다.

바움호프는 “고객이 이 분야를 아는 분석가와 함께 몇 년 동안 규칙을 조정하는 것보다 머신러닝 모델이 더 정확할 수 있다. 하지만 이를 병렬로 실행하고 양쪽의 장점을 누릴 수 있다”라고 말했다.

기존의 머신러닝 시스템은 전통적인 규칙 기반 시스템만큼 빠르게 의사를 결정할 수 있다. 하지만 6년 전, 렉시스넥시스가 규칙 기반 시스템의 대체재로써 머신러닝에 투자하려 할 때 선형 회귀 모델로 시작했다. 선형 사기 관계의 예로는, 구매가 집에서 먼 곳에서 이루어질수록 사기일 가능성이 높다는 것이 있다.

하지만 이 접근방식은 너무 단순해서 한 방향으로 원활하게 진행되지 않는 비선형 관계를 감지할 수 없었다. 예를 들어, 일반적으로 작은 거래는 사기의 조짐일 수 있으며 범죄자들이 카드번호 또는 계좌가 정상인지 테스트할 수 있다. 이를 위해 해당 기업은 경사도 머신러닝(gradient machine learning)으로 전환했다.

바움호프는 “우리는 경사도 강화 트리를 통해 크게 발전할 수 있었다. 짧은 지연 속도로 높은 정확도를 제공한다”라고 말했다.

이 새로운 접근방식은 지난 1년 동안 테스트를 거쳤고 올 해 2분기에 생산에 투입될 예정이다. 해당 기업은 딥러닝 등의 새로운 기술을 연구할 계획이라고 바움호프가 말했다. “기존에 보유한 모델을 능가할 수 있는지 확인하는 것도 중요하다”라고 그는 말했다.

즉 새로운 데이터를 의사결정 인텔리전스 전략에 통합하는 것 외에 기본적인 알고리즘을 다시 생각해 보면 결과의 질을 높이는 데 도움이 될 수 있다.

데이터 수집을 위한 프로세스를 강화하라
의사결정 단계가 덜 명확하거나 결과가 더욱 모호하거나 잘못된 의사결정의 위험이 더 클 때 지능 시스템이 모든 의사결정을 대체할 수는 없다. 하지만 이를 강화할 수는 있을 것이다.

예를 들어, 렉시스넥시스는 머신러닝을 사용하여 법원 문서를 분석한다. 바움호프는 예를 들어 특정 판사로부터 긍정적인 반응을 얻기 위해 사유서를 특정 방식으로 작성해야 할 수 있다고 밝혔다.

또는 제3자와의 계약 분석 시 훈련을 위해 수백 만 개의 관련된 예를 확보하는 대신에 수천 또는 수백 개의 예만 제공할 수도 있다. 그는 “이런 경우 머신러닝이 제안을 할 수 있다. 하지만 인간이 최종 버전을 수행하게 된다”라고 말했다.

의사결정 인텔리전스의 자동화 구성요소는 의사결정의 데이터 수집 단계에 적용될 수 있다고 콘스텔레이션의 왕이 지적했다. 최종 결론을 내릴 필요가 없으며 이를 활용해 보고서를 생성하거나 트렌드 및 상관관계를 생성할 수도 있다.

적절한 것과 운이 좋은 것을 구분하라
데이터 세트가 작으면 의사결정이 적절했는지 판단하기가 어렵다. 순수하게 운을 통해 잘못된 결과로 이어질 수 있다. 또는 의사결정이 잘못되었지만 운 때문에 결과가 좋을 수도 있다.

CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.