Offcanvas

���������������

AI도 과하면 독, ‘딱 맞는 해법’은 따로 있다

AI 프로젝트를 성공시키려면 비즈니스 가치, 학습용 데이터, 문화적 준비가 필수다. 이 3가지가 모두 없다면 기존 솔루션이 더 적합할 수도 있다. 인공지능(AI) 도입이 증가하고 있다. 최근 발표된 맥킨지의 설문조사 결과에 따르면 55%의 기업이 적어도 1개 부서에서 인공지능을 사용하고 있으며, 27%는 이자 및 세전 수익의 최소 5%를 AI를 통해 비용 절감의 형태로 얻고 있는 것으로 나타났다. AI가 (관련된) 거의 모든 산업을 극적으로 변화시킬 것이기 때문에 벤더와 기업들이 가능한 모든 곳에 AI를 배포할 기회를 찾고 있다는 건 놀라운 일은 아니다. 하지만 모든 프로젝트가 AI의 이점을 누릴 수 있는 건 아니며, 적절하지 않은 곳에 AI를 도입하면 시간과 비용을 낭비할 뿐만 아니라 직원, 고객, 기업 리더가 고배를 마실 수 있다. 어떤 프로젝트가 AI에 적합한지를 판단하는 핵심 요소는 ▲비즈니스 가치, ▲학습용 데이터의 가용성, ▲변화에 따른 문화적 준비 수준이다. 인공지능 이니셔티브가 매몰 비용이 되기 전에, 제안된 AI 프로젝트에 이러한 요소가 부합하는지 확인하는 방법을 살펴본다.   가장 간단한 솔루션부터 시작하라 전 세계 90여 개국에 1만 8,000개 이상의 매장을 보유하고 있는 피자 체인점 도미노의 데이터 과학 및 AI 부문 관리자 잭 프라고소는 특히 데이터 과학자가 AI 우선 접근법을 선호한다고 말했다. 하지만 모든 곳에 AI를 적용할 순 없다고 그는 지적했다.  전통적인 산업이지만 도미노는 변화를 추진해왔다. 특히 팬데믹 기간에는 더욱더 그랬다. 현재 고객들은 13가지 디지털 방식으로 피자를 주문할 수 있으며, 2020년 도미노 매출의 70% 이상은 디지털 주문에서 나왔다. 이는 AI의 가능성을 입증할 수 있는 많은 기회를 열어줬다. 프라고소는 “도미노가 AI를 도입할 때의 핵심은 간단한 접근방식을 취하는 것이었다”라며, “단순한 솔루션이 더 빠르게 실행되고 더 나은 성과를 보여주기 때문에 이를 비즈니스 파트너...

인공지능 머신러닝 디지털 트랜스포메이션 도미노 피자 데이터세트 ML옵스 질로우 NLP 데이터 과학

2022.01.25

AI 프로젝트를 성공시키려면 비즈니스 가치, 학습용 데이터, 문화적 준비가 필수다. 이 3가지가 모두 없다면 기존 솔루션이 더 적합할 수도 있다. 인공지능(AI) 도입이 증가하고 있다. 최근 발표된 맥킨지의 설문조사 결과에 따르면 55%의 기업이 적어도 1개 부서에서 인공지능을 사용하고 있으며, 27%는 이자 및 세전 수익의 최소 5%를 AI를 통해 비용 절감의 형태로 얻고 있는 것으로 나타났다. AI가 (관련된) 거의 모든 산업을 극적으로 변화시킬 것이기 때문에 벤더와 기업들이 가능한 모든 곳에 AI를 배포할 기회를 찾고 있다는 건 놀라운 일은 아니다. 하지만 모든 프로젝트가 AI의 이점을 누릴 수 있는 건 아니며, 적절하지 않은 곳에 AI를 도입하면 시간과 비용을 낭비할 뿐만 아니라 직원, 고객, 기업 리더가 고배를 마실 수 있다. 어떤 프로젝트가 AI에 적합한지를 판단하는 핵심 요소는 ▲비즈니스 가치, ▲학습용 데이터의 가용성, ▲변화에 따른 문화적 준비 수준이다. 인공지능 이니셔티브가 매몰 비용이 되기 전에, 제안된 AI 프로젝트에 이러한 요소가 부합하는지 확인하는 방법을 살펴본다.   가장 간단한 솔루션부터 시작하라 전 세계 90여 개국에 1만 8,000개 이상의 매장을 보유하고 있는 피자 체인점 도미노의 데이터 과학 및 AI 부문 관리자 잭 프라고소는 특히 데이터 과학자가 AI 우선 접근법을 선호한다고 말했다. 하지만 모든 곳에 AI를 적용할 순 없다고 그는 지적했다.  전통적인 산업이지만 도미노는 변화를 추진해왔다. 특히 팬데믹 기간에는 더욱더 그랬다. 현재 고객들은 13가지 디지털 방식으로 피자를 주문할 수 있으며, 2020년 도미노 매출의 70% 이상은 디지털 주문에서 나왔다. 이는 AI의 가능성을 입증할 수 있는 많은 기회를 열어줬다. 프라고소는 “도미노가 AI를 도입할 때의 핵심은 간단한 접근방식을 취하는 것이었다”라며, “단순한 솔루션이 더 빠르게 실행되고 더 나은 성과를 보여주기 때문에 이를 비즈니스 파트너...

2022.01.25

미리 써보고 산다··· AI 기술 마켓플레이스 등장 ‘눈길’

‘인공지능(AI)’이 상품화되는 길목에 들어선 듯하다. 이를테면 석유, 금, 밀가루, 목화, 설탕 등의 상품과 똑같진 않더라도 AI를 거래할 수 있어서다. 그리고 이렇게 AI를 사고파는 새로운 마켓플레이스를 위한 전용 네트워크가 구축되고 있는 중이다.  데이터의 경우 이미 거래가 이뤄지고 있다. 예를 들면 다웩스(Dawex)와 같은 데이터 거래 플랫폼 회사는 기업들이 서로의 익명화된 데이터세트를 사용할 수 있도록 해주는 플랫폼 및 도구를 전문적으로 제공하고 있다.  일단 데이터세트 내 개인식별정보를 올바르게 마스킹하면 다른 기업에서 데이터 패턴을 관찰할 수 있고, 이를 자체 비즈니스 의사결정의 레퍼런스 템플릿으로 사용할 수 있다.    ‘살균(Sterilize)’하고 ‘위생 처리(Sanitize)’한 다음 공유하라 AI에서도 비슷한 일이 일어나고 있다. 한 기업이 비즈니스 문제를 해결하기 위해 AI 엔진 또는 더 작은 인공신경망 노드를 개발한다면, 다른 기업에서 동일한 도구를 사용할 수 있지 않을까? 이론상으로는 일단 ‘살균 및 위생 처리’를 거친다면 이러한 AI 도구를 다른 시스템에 접목할 수 있을 것이다.  그렇다면 AI를 사고파는 상품으로 만들고자 구성요소를 분류하고 생산하기 시작하려면 무엇을 선행해야 할까? 비즈니스 용어로 말하자면 이는 문서 관리, 워크플로우 분석 및 프로세스 마이닝, 태스크 마이닝 등 매우 기본적인 관행으로 귀결되는 경우가 많다.  광학문자인식(OCR) 기술 전문 회사 애비(Abbyy)는 이제 스스로를 디지털 인텔리전스 기업으로 지칭한다. 애비가 이렇게 거창한 이름을 붙인 이유는 지난 10년 동안 더 높은 수준의 소프트웨어 기능을 ‘자사 솔루션’에 적용하기 위해 기울인 온갖 노력 때문이다.  애비는 최근 온라인에서 열린 사용자 컨퍼런스에서 자사의 ‘밴티지 2(Vantage 2)’ 소프트웨어를 상세히 설명했다. 회사에 따르면 밴티지 2는 문서 및 콘텐츠에서 필요...

인공지능 AI 데이터 데이터 거래 데이터 교환 데이터세트 광학문자인식 OCR 비즈니스 인텔리전스 BI 비즈니스 의사결정 IBM AI 편향 재현 데이터 시민 AI 시민 개발자 로우코드 노코드

2021.03.31

‘인공지능(AI)’이 상품화되는 길목에 들어선 듯하다. 이를테면 석유, 금, 밀가루, 목화, 설탕 등의 상품과 똑같진 않더라도 AI를 거래할 수 있어서다. 그리고 이렇게 AI를 사고파는 새로운 마켓플레이스를 위한 전용 네트워크가 구축되고 있는 중이다.  데이터의 경우 이미 거래가 이뤄지고 있다. 예를 들면 다웩스(Dawex)와 같은 데이터 거래 플랫폼 회사는 기업들이 서로의 익명화된 데이터세트를 사용할 수 있도록 해주는 플랫폼 및 도구를 전문적으로 제공하고 있다.  일단 데이터세트 내 개인식별정보를 올바르게 마스킹하면 다른 기업에서 데이터 패턴을 관찰할 수 있고, 이를 자체 비즈니스 의사결정의 레퍼런스 템플릿으로 사용할 수 있다.    ‘살균(Sterilize)’하고 ‘위생 처리(Sanitize)’한 다음 공유하라 AI에서도 비슷한 일이 일어나고 있다. 한 기업이 비즈니스 문제를 해결하기 위해 AI 엔진 또는 더 작은 인공신경망 노드를 개발한다면, 다른 기업에서 동일한 도구를 사용할 수 있지 않을까? 이론상으로는 일단 ‘살균 및 위생 처리’를 거친다면 이러한 AI 도구를 다른 시스템에 접목할 수 있을 것이다.  그렇다면 AI를 사고파는 상품으로 만들고자 구성요소를 분류하고 생산하기 시작하려면 무엇을 선행해야 할까? 비즈니스 용어로 말하자면 이는 문서 관리, 워크플로우 분석 및 프로세스 마이닝, 태스크 마이닝 등 매우 기본적인 관행으로 귀결되는 경우가 많다.  광학문자인식(OCR) 기술 전문 회사 애비(Abbyy)는 이제 스스로를 디지털 인텔리전스 기업으로 지칭한다. 애비가 이렇게 거창한 이름을 붙인 이유는 지난 10년 동안 더 높은 수준의 소프트웨어 기능을 ‘자사 솔루션’에 적용하기 위해 기울인 온갖 노력 때문이다.  애비는 최근 온라인에서 열린 사용자 컨퍼런스에서 자사의 ‘밴티지 2(Vantage 2)’ 소프트웨어를 상세히 설명했다. 회사에 따르면 밴티지 2는 문서 및 콘텐츠에서 필요...

2021.03.31

엔비디아, 제한된 데이터세트로 AI 학습시키는 기술 발표

엔비디아 리서치(NVIDIA Research)가 지난 7일(현지 시각) 신경정보처리시스템학회(NeurIPS)에서 제한된 데이터세트만으로도 AI를 학습시킬 수 있는 방법을 개발했다고 발표했다.  생성적 적대 신경망(Generative Adversarial Network, GAN)은 생성자(Generator)와 판별자(Discriminator)가 서로 경쟁(Adversarial)하면서 상호 성능을 개선해 나가는 머신러닝 알고리즘이다.    대부분의 AI 알고리즘과 마찬가지로 GAN 역시 학습 데이터가 많을수록 더 나은 성능의 모델이 만들어진다. 엔비디아 리서치에 따르면 GAN이 신뢰할 수 있는 결과를 도출하도록 학습시키려면 일반적으로 5~10만 개의 학습 데이터가 필요했다. 학습 데이터가 너무 적으면 학습 데이터에선 최적의 결과를 내지만 학습되지 않은 새 데이터에서는 결과가 부정확해지는 과적합(Overfitting) 문제가 생기기 때문이다.  그래서 이에 관한 대안으로 회전, 크롭, 뒤집기 등 기존 이미지를 변형한 복사본을 활용하는 데이터 증강(data augmentation)이 사용되기도 했다. 하지만 이 또한 AI 모델이 신뢰할 수 있는 합성 이미지를 생성하는 대신 이러한 변형을 모방하는 방법을 배울 수 있다는 문제가 있었다고 엔비디아 리서치는 설명했다.  이번에 엔비디아 리서치가 공개한 '적응형 판별자 증강(Adaptive Discriminator Augmentation, ADA)'는 여전히 데이터 증강을 사용하지만 적응적으로 적용한다는 게 연구진 측 설명이다. 다시 말해, 전체 학습 과정의 여러 지점에서 데이터 증강이 조정돼 적용된다는 것이다. 이를 통해 엔비디아 스타일GAN2(StyleGAN2) 같은 모델은 훨씬 적은 학습 이미지로도 동일한 결과를 얻을 수 있었다고 엔비디아 리서치는 밝혔다.  한편 엔비디아 리서치는 엔비디아 스타일GAN2(StyleGAN2) 모델에 이 학습 기술을 적용해 메...

엔비디아 데이터세트 생성적 적대 신경망 GAN 머신러닝 인공지능 생성자 판별자

2020.12.08

엔비디아 리서치(NVIDIA Research)가 지난 7일(현지 시각) 신경정보처리시스템학회(NeurIPS)에서 제한된 데이터세트만으로도 AI를 학습시킬 수 있는 방법을 개발했다고 발표했다.  생성적 적대 신경망(Generative Adversarial Network, GAN)은 생성자(Generator)와 판별자(Discriminator)가 서로 경쟁(Adversarial)하면서 상호 성능을 개선해 나가는 머신러닝 알고리즘이다.    대부분의 AI 알고리즘과 마찬가지로 GAN 역시 학습 데이터가 많을수록 더 나은 성능의 모델이 만들어진다. 엔비디아 리서치에 따르면 GAN이 신뢰할 수 있는 결과를 도출하도록 학습시키려면 일반적으로 5~10만 개의 학습 데이터가 필요했다. 학습 데이터가 너무 적으면 학습 데이터에선 최적의 결과를 내지만 학습되지 않은 새 데이터에서는 결과가 부정확해지는 과적합(Overfitting) 문제가 생기기 때문이다.  그래서 이에 관한 대안으로 회전, 크롭, 뒤집기 등 기존 이미지를 변형한 복사본을 활용하는 데이터 증강(data augmentation)이 사용되기도 했다. 하지만 이 또한 AI 모델이 신뢰할 수 있는 합성 이미지를 생성하는 대신 이러한 변형을 모방하는 방법을 배울 수 있다는 문제가 있었다고 엔비디아 리서치는 설명했다.  이번에 엔비디아 리서치가 공개한 '적응형 판별자 증강(Adaptive Discriminator Augmentation, ADA)'는 여전히 데이터 증강을 사용하지만 적응적으로 적용한다는 게 연구진 측 설명이다. 다시 말해, 전체 학습 과정의 여러 지점에서 데이터 증강이 조정돼 적용된다는 것이다. 이를 통해 엔비디아 스타일GAN2(StyleGAN2) 같은 모델은 훨씬 적은 학습 이미지로도 동일한 결과를 얻을 수 있었다고 엔비디아 리서치는 밝혔다.  한편 엔비디아 리서치는 엔비디아 스타일GAN2(StyleGAN2) 모델에 이 학습 기술을 적용해 메...

2020.12.08

선택 아닌 필수··· ‘통합 데이터 생명주기 솔루션’이 필요한 이유 

데이터가 21세기의 원유(原油)라고 할지라도 이를 시추하는 방법을 모른다면 말짱 도루묵이다. ‘데이터 생명주기(Data Lifecycle)’에는 여러 단계가 있다. 이 때문에 시추부터 생산까지 전체 생명주기를 다룰 수 있는 방법이 필요하다.  디지털 트랜스포메이션을 경험한 거의 모든 기업이 수집된 방대한 양의 데이터를 최대한 활용하고자 고군분투한다. 실제로, 대부분의 기업에서 무려 85~95%의 데이터가 충분히 활용되지 않고 낭비되는 것으로 추정된다.  ‘데이터 생명주기’에는 여러 단계가 있다. ▲데이터 수집, ▲데이터 엔지니어링 및 데이터세트 생성, ▲추가적인 사용 및 애널리틱스를 위한 데이터 대량 저장, ▲데이터 탐색을 위한 데이터베이스 생성, ▲데이터 보안 및 규제를 준수하면서 고급 애널리틱스 또는 머신러닝을 통한 인사이트 도출이다.    많은 기업이 어려움을 겪는 부분은 비용은 합리적으로 그리고 구축 및 운영 시간은 최소한으로 유지하면서 이러한 시스템을 최적으로 통합하는 것이다. 또한 데이터로부터 실질적인 인사이트를 얻을 수 있도록 이를 유의미한 방식으로 제시하는 데 따르는 어려움도 있다.  따라서 데이터 수집부터 인사이트 도출을 위한 분석까지 데이터 생명주기를 전체적으로 관리하는 방법이 필요하다. 오픈소스의 이점은 물론이고 온프레미스, 하이브리드, 클라우드 네이티브 컴퓨팅을 활용할 수 있는 역량을 유지하면서 말이다.  이에 대한 해결책으로 한동안 데이터 웨어하우스가 스토리지 및 전송을 처리하는 데 사용됐지만 완전한 해답은 아니었다. 또 많은 기업이 순수 오픈소스(예: 아파치 하둡) 또는 상용 제품(예: 탈렌드, 인포메티카, 아마존 레드시프트, IBM, SAP, 오라클 등)을 통해 데이터 클라우드를 구축하기도 했지만 이 역시 전체 데이터 생명주기 문제를 해결하진 못했다. 오히려 통합하기 쉽지 않은 이질적인 추가 제품을 다수 사용해야 하는 결과를 낳기도 했다.  특히 비용 측면에서...

데이터 데이터 생명주기 빅 데이터 디지털 트랜스포메이션 데이터 엔지니어링 데이터세트 데이터 보안 데이터베이스 오픈소스 아파치 하둡 탈렌드 인포메티카 아마존 레드시프트 IBM SAP 오라클 클라우데라 머신러닝 금융사기 원격진료

2020.11.27

데이터가 21세기의 원유(原油)라고 할지라도 이를 시추하는 방법을 모른다면 말짱 도루묵이다. ‘데이터 생명주기(Data Lifecycle)’에는 여러 단계가 있다. 이 때문에 시추부터 생산까지 전체 생명주기를 다룰 수 있는 방법이 필요하다.  디지털 트랜스포메이션을 경험한 거의 모든 기업이 수집된 방대한 양의 데이터를 최대한 활용하고자 고군분투한다. 실제로, 대부분의 기업에서 무려 85~95%의 데이터가 충분히 활용되지 않고 낭비되는 것으로 추정된다.  ‘데이터 생명주기’에는 여러 단계가 있다. ▲데이터 수집, ▲데이터 엔지니어링 및 데이터세트 생성, ▲추가적인 사용 및 애널리틱스를 위한 데이터 대량 저장, ▲데이터 탐색을 위한 데이터베이스 생성, ▲데이터 보안 및 규제를 준수하면서 고급 애널리틱스 또는 머신러닝을 통한 인사이트 도출이다.    많은 기업이 어려움을 겪는 부분은 비용은 합리적으로 그리고 구축 및 운영 시간은 최소한으로 유지하면서 이러한 시스템을 최적으로 통합하는 것이다. 또한 데이터로부터 실질적인 인사이트를 얻을 수 있도록 이를 유의미한 방식으로 제시하는 데 따르는 어려움도 있다.  따라서 데이터 수집부터 인사이트 도출을 위한 분석까지 데이터 생명주기를 전체적으로 관리하는 방법이 필요하다. 오픈소스의 이점은 물론이고 온프레미스, 하이브리드, 클라우드 네이티브 컴퓨팅을 활용할 수 있는 역량을 유지하면서 말이다.  이에 대한 해결책으로 한동안 데이터 웨어하우스가 스토리지 및 전송을 처리하는 데 사용됐지만 완전한 해답은 아니었다. 또 많은 기업이 순수 오픈소스(예: 아파치 하둡) 또는 상용 제품(예: 탈렌드, 인포메티카, 아마존 레드시프트, IBM, SAP, 오라클 등)을 통해 데이터 클라우드를 구축하기도 했지만 이 역시 전체 데이터 생명주기 문제를 해결하진 못했다. 오히려 통합하기 쉽지 않은 이질적인 추가 제품을 다수 사용해야 하는 결과를 낳기도 했다.  특히 비용 측면에서...

2020.11.27

마인즈랩, AI 데이터 라벨링 서비스 오픈

마인즈랩이 인공지능(AI) 기반 데이터 구축 서비스를 본격적으로 시작했다고 밝혔다. 원하는 음성, 시각, 언어 등 데이터 전반을 수집해 인공지능 학습을 위한 고품질의 데이터세트를 빠르게 구축할 수 있다.  마인즈랩의 인공지능 플랫폼 마음AI(maum.ai)는 월 정기 금액 9만 9,000원을 내면 애플리케이션 프로그래밍 인터페이스(API) 기반으로 최신 30여 개의 인공지능 엔진 및 서비스를 손쉽게 끌어다 사용할 수 있는 구독 서비스다. 중소기업과 일반 사용자도 마인즈랩의 인공지능 플랫폼 ‘마음AI(maum.ai)’를 통해 데이터 라벨링 서비스를 이용할 수 있다. 특히 마인즈랩 내 데이터 사이언티스트들은 데이터 작업결과에 따른 학습 효과 및 데이터 설계 조정까지도 함께 제공해 인공지능 학습을 위한 고품질의 데이터세트를 제공할 수 있다고 업체측은 밝혔다. 마인즈랩 유태준 대표는 “인공지능 기술이 다양한 산업으로 전방위 확산되면서, 많은 양의 데이터를 가공하고 분류하는 작업은 필수적”이라며 “마인즈랩이 축적해 온 AI 기술을 접목하여 원하는 데이터를 오픈소스 데이터에 의존하는 것이 아닌 자체적인 데이터를 구축할 수 있고, 이를 적재적소에 활용할 수 있도록 도울 것”이라고 말했다. ciokr@idg.co.kr

데이터 AI 인공지능 데이터세트 마인즈랩

2020.02.20

마인즈랩이 인공지능(AI) 기반 데이터 구축 서비스를 본격적으로 시작했다고 밝혔다. 원하는 음성, 시각, 언어 등 데이터 전반을 수집해 인공지능 학습을 위한 고품질의 데이터세트를 빠르게 구축할 수 있다.  마인즈랩의 인공지능 플랫폼 마음AI(maum.ai)는 월 정기 금액 9만 9,000원을 내면 애플리케이션 프로그래밍 인터페이스(API) 기반으로 최신 30여 개의 인공지능 엔진 및 서비스를 손쉽게 끌어다 사용할 수 있는 구독 서비스다. 중소기업과 일반 사용자도 마인즈랩의 인공지능 플랫폼 ‘마음AI(maum.ai)’를 통해 데이터 라벨링 서비스를 이용할 수 있다. 특히 마인즈랩 내 데이터 사이언티스트들은 데이터 작업결과에 따른 학습 효과 및 데이터 설계 조정까지도 함께 제공해 인공지능 학습을 위한 고품질의 데이터세트를 제공할 수 있다고 업체측은 밝혔다. 마인즈랩 유태준 대표는 “인공지능 기술이 다양한 산업으로 전방위 확산되면서, 많은 양의 데이터를 가공하고 분류하는 작업은 필수적”이라며 “마인즈랩이 축적해 온 AI 기술을 접목하여 원하는 데이터를 오픈소스 데이터에 의존하는 것이 아닌 자체적인 데이터를 구축할 수 있고, 이를 적재적소에 활용할 수 있도록 도울 것”이라고 말했다. ciokr@idg.co.kr

2020.02.20

AI 프로젝트 확산을 '확' 앞당기는 5가지 방법

AI 프로젝트 준비와 추진에 수년이 소요될 수 있다. 최근 조사에 따르면 응답자 중 28%만이 첫해에 AI 계획 단계를 통과한 것으로 나타났다. 그 이유는 (최소한 그 어느 때보다도 크게 확장되고 있는 일련의 산업 사용례에서의) 상대적인 기술 성숙도, 광범위한 통합 요건 등 관련된 복잡성의 수준, 제한된 기업 경험, 내부 기술의 부재 등 다양한 요소가 AI 편견뿐 아니라 거버넌스, 위험, 규제 우려, 광범위한 변화관리 요건 등과 관련되어 있기 때문이다.   기업 혁신 프로그램이나 디지털 트랜스포메이션 계획의 일환으로 조기의 성공 입증을 강조하는 상황에서 과도하게 긴 AI 프로젝트는 잠재적으로 자체적인 것보다 계획에 관한 평판에 더 영향을 끼칠 수 있다. CIO가 ‘프로젝트에서 프로덕션으로’ 접근 방식을 취하며 제품 관리로 옮겨가면서 장기 AI 프로젝트가 혁신적이고 새로운 제품 출시도 지연시킬 수 있다. 더욱 광범위한 디지털 트랜스포메이션과 혁신 계획에 추가로 투자하고, 이러한 중요한 지원 기술과 추가 비즈니스 사례를 조기에 확보하기 위해 CIO가 AI 프로젝트를 조기에 추진할 수 있는 5가지 방법을 소개한다. (우리는 금융서비스 부문의 대출 결정과 관련된 예를 통해 AI 머신러닝 계획에 집중하지만 권고사항은 다른 여러 AI 계획 및 산업에도 적용된다.) 1. AI가 조직의 핵심 역량이 되느냐 그렇지 않느냐를 따져본 후 추진하라 우선 구축할지, 구매할지를 결정하는 것이 중요하다. BIY(Build It Yourself) AI를 위한 다양한 플랫폼, 인프라, 프레임워크에 관한 많은 이야기가 들리고 있지만 특정 사용례를 위해 신속하게 교육하고 배치할 수 있는 클라우드 기반의 AI 서비스를 제공하는 더 많은 특수 틈새 AI 업체가 칭송받지 못한 영웅들일 때가 많다. 구축이나 구매 결정은 실제로 미래 핵심 역량으로서 AI가 조직에 얼마나 중요한지에 달려있다. 한 예로, 모든 금융서비스 기업은 AI ‘보유자’와 ‘미보유자’ 사이의 어렴풋한 디지털 및 ...

변화관리 손해사정사 ML 데이터세트 RPA 로봇 프로세스 자동화 디지털 변혁 대출 보험 인공지능 금융 빅데이터 CIO 패스트트랙

2019.08.22

AI 프로젝트 준비와 추진에 수년이 소요될 수 있다. 최근 조사에 따르면 응답자 중 28%만이 첫해에 AI 계획 단계를 통과한 것으로 나타났다. 그 이유는 (최소한 그 어느 때보다도 크게 확장되고 있는 일련의 산업 사용례에서의) 상대적인 기술 성숙도, 광범위한 통합 요건 등 관련된 복잡성의 수준, 제한된 기업 경험, 내부 기술의 부재 등 다양한 요소가 AI 편견뿐 아니라 거버넌스, 위험, 규제 우려, 광범위한 변화관리 요건 등과 관련되어 있기 때문이다.   기업 혁신 프로그램이나 디지털 트랜스포메이션 계획의 일환으로 조기의 성공 입증을 강조하는 상황에서 과도하게 긴 AI 프로젝트는 잠재적으로 자체적인 것보다 계획에 관한 평판에 더 영향을 끼칠 수 있다. CIO가 ‘프로젝트에서 프로덕션으로’ 접근 방식을 취하며 제품 관리로 옮겨가면서 장기 AI 프로젝트가 혁신적이고 새로운 제품 출시도 지연시킬 수 있다. 더욱 광범위한 디지털 트랜스포메이션과 혁신 계획에 추가로 투자하고, 이러한 중요한 지원 기술과 추가 비즈니스 사례를 조기에 확보하기 위해 CIO가 AI 프로젝트를 조기에 추진할 수 있는 5가지 방법을 소개한다. (우리는 금융서비스 부문의 대출 결정과 관련된 예를 통해 AI 머신러닝 계획에 집중하지만 권고사항은 다른 여러 AI 계획 및 산업에도 적용된다.) 1. AI가 조직의 핵심 역량이 되느냐 그렇지 않느냐를 따져본 후 추진하라 우선 구축할지, 구매할지를 결정하는 것이 중요하다. BIY(Build It Yourself) AI를 위한 다양한 플랫폼, 인프라, 프레임워크에 관한 많은 이야기가 들리고 있지만 특정 사용례를 위해 신속하게 교육하고 배치할 수 있는 클라우드 기반의 AI 서비스를 제공하는 더 많은 특수 틈새 AI 업체가 칭송받지 못한 영웅들일 때가 많다. 구축이나 구매 결정은 실제로 미래 핵심 역량으로서 AI가 조직에 얼마나 중요한지에 달려있다. 한 예로, 모든 금융서비스 기업은 AI ‘보유자’와 ‘미보유자’ 사이의 어렴풋한 디지털 및 ...

2019.08.22

2019년 전세계 디지털 디스플레이 광고 2/3, 프로그램 방식으로 팔린다

제니스 프로그래매틱 마케팅 전망(Zenith Programmatic Marketing Forecasts)에 따르면, 전세계 디지털 디스플레이 광고 가운데 59%가 2017년에 프로그램 방식으로 판매되며 2019년에는 이 비중이 67%까지 늘어날 것으로 기대된다. 제니스호주 CEO 니키 스크라이븐은 "올해 호주에서 디지털 디스플레이 광고가 24.6%로 10억 6,400만 호주달러가 프로그램 방식으로 팔릴 것으로 추정한다. 2019년에는 55.1% 21억 7,700만 달러로 증가할 전망이다”고 밝혔다. 제니스의 글로벌 브랜드 사장인 비토리오 보노리는 디지털 커뮤니케이션을 최적화하기 위해 독창적인 소비자 데이터세트와 머신러닝을 통해 프로그래밍 기술을 묶어서 얼마나 많은 브랜드가 소비자 행동에 실시간으로 대응하고 캠페인을 계속해서 개선할 수 있는지 설명했다. 전 세계적으로 프로그램 방식으로 판매되는 광고의 가치는 2017년의 미화 575억 달러에서 2019년의 849억 달러로 증가하며 평균 21% 성장할 전망이다. 보고서에 따르면, 프로그래밍 방식 거래는 잔여 인벤토리에서 값싼 서비스를 제공하는 것과는 거리를 두고 발전했다. 보고서는 "이는 개인 거래를 사용해 대행사가 규모와 관계를 통해 광고 게시자와의 관계를 통해 광고를 적절한 위치에 적정 가격으로 게재하는 프리미엄 환경에서 종종 있었다”고 밝혔다. "성공의 열쇠는 대개 1자 데이터 또는 데이터 파트너십을 기반으로 하는 고유한 경쟁우위를 제공하는 고유한 데이터세트를 작성하고, 이러한 데이터세트를 적용해 브랜드 메시지를 맞춤화하고 소비자가 이동할 가능성이 가장 높은 지점에서 소비자 여정에 따라 커뮤니케이션할 수 있는 능력이다"고 보고서는 전했다. 보고서에 따르면 프로그램 방식의 기술은 인터넷 광고보다 전통적인 '미디어'로 확산되기 시작했다. 이는 이미 최대 규모의 프로그래밍 방식 시장으로 간주되는 미국...

전망 디지털 디스플레이 광고 데이터세트 제니스 2017년 2019년 분석 기계학습 광고 CMO 프로그램 방식

2017.11.23

제니스 프로그래매틱 마케팅 전망(Zenith Programmatic Marketing Forecasts)에 따르면, 전세계 디지털 디스플레이 광고 가운데 59%가 2017년에 프로그램 방식으로 판매되며 2019년에는 이 비중이 67%까지 늘어날 것으로 기대된다. 제니스호주 CEO 니키 스크라이븐은 "올해 호주에서 디지털 디스플레이 광고가 24.6%로 10억 6,400만 호주달러가 프로그램 방식으로 팔릴 것으로 추정한다. 2019년에는 55.1% 21억 7,700만 달러로 증가할 전망이다”고 밝혔다. 제니스의 글로벌 브랜드 사장인 비토리오 보노리는 디지털 커뮤니케이션을 최적화하기 위해 독창적인 소비자 데이터세트와 머신러닝을 통해 프로그래밍 기술을 묶어서 얼마나 많은 브랜드가 소비자 행동에 실시간으로 대응하고 캠페인을 계속해서 개선할 수 있는지 설명했다. 전 세계적으로 프로그램 방식으로 판매되는 광고의 가치는 2017년의 미화 575억 달러에서 2019년의 849억 달러로 증가하며 평균 21% 성장할 전망이다. 보고서에 따르면, 프로그래밍 방식 거래는 잔여 인벤토리에서 값싼 서비스를 제공하는 것과는 거리를 두고 발전했다. 보고서는 "이는 개인 거래를 사용해 대행사가 규모와 관계를 통해 광고 게시자와의 관계를 통해 광고를 적절한 위치에 적정 가격으로 게재하는 프리미엄 환경에서 종종 있었다”고 밝혔다. "성공의 열쇠는 대개 1자 데이터 또는 데이터 파트너십을 기반으로 하는 고유한 경쟁우위를 제공하는 고유한 데이터세트를 작성하고, 이러한 데이터세트를 적용해 브랜드 메시지를 맞춤화하고 소비자가 이동할 가능성이 가장 높은 지점에서 소비자 여정에 따라 커뮤니케이션할 수 있는 능력이다"고 보고서는 전했다. 보고서에 따르면 프로그램 방식의 기술은 인터넷 광고보다 전통적인 '미디어'로 확산되기 시작했다. 이는 이미 최대 규모의 프로그래밍 방식 시장으로 간주되는 미국...

2017.11.23

'나이·성별 타겟팅은 그만' 유의미한 마케팅 데이터 활용은 이렇게

전통적인 의미의 인구통계학적 마케팅은 이제 한물갔다. 이제는 사람을 읽는 마케팅, 상상력에 다양한 맥락 데이터를 접목한 마케팅만이 빠르게 변화하는 소비자의 마음을 사로잡을 수 있게 됐다. 적어도 엑스포넨셜(Exponential)의 글로벌 세일즈 전략 디렉터 타일러 그리어는 이렇게 생각한다. 그리어는 애드테크(adtech) 업체들을 위한 연례 브랜드 서밋(Brand Summit)을 개최하고 디지털을 활용한 데이터 마케팅과 이를 통한 커뮤니케이션 및 참여도 개선에 대해 발표했다. 그리어는 “그동안 소비자 그룹을 분류하는 데 사용했던 전통적 의미에서의 인구통계학은 오늘날 마케팅에서는 무의미해졌다”고 참석자들에게 말했다. 현대인들의 삶은 온라인을 통해 그 어느 때보다 연결되어 있고, 정보에 대한 접근성도 높을 뿐 아니라, 기대 수명 연장과 삶의 질 개선으로 재량 지출도 증가하게 되었다. 그리어는 이로 인해 소비자들의 변덕을 예측하기도 더 어려워졌다며 다음과 같이 이야기했다. “이제 인구통계학에 기반을 둔 마케팅은 끝났다. 삶은 전보다 더욱 풍요로워지고, 우리는 더 많은 선택권이 있으며, 미디어 채널이 우리에게 영향력을 미치는 정도는 우리 자신의 정체성을 바꾸어 놓고 있다. 어쩌면 이전까지 우리가 인구통계학에 기반을 둔 마케팅에 의존해 왔던 것도 다른 대안이 없어서일지 모른다. 하지만 이제 우리에게는 대안이 생겼다.” “우리는 인간에 대한 통찰력을 통해 데이터를 이해하고, 그로부터 유의미한 정보를 도출해 낼 것이며, 그렇게 얻어진 정보는 또다시 인간에 대한 통찰력의 깊이를 더해주게 될 것이다.” 인구통계학에 의존한 마케팅이 오늘날의 현실에 맞지 않는다는 것을 보여주기 위해, 그리어는 오늘날 모바일로 비디오 게임을 하는 사용자 중 18~34세 사이 남성은 전체 사용자의 31%에 그쳤다는 점, 전체 유아용품 판매의 40%는 아이가 없는 가정에서 구매한 것이었으며 지난 6...

데이터 데이터세트 인구통계학 브랜드 서밋 AdTech 애드테크 익스페리언 마케터 데이터 분석 소비자 CMO 빅데이터 엑스포넨셜

2017.08.16

전통적인 의미의 인구통계학적 마케팅은 이제 한물갔다. 이제는 사람을 읽는 마케팅, 상상력에 다양한 맥락 데이터를 접목한 마케팅만이 빠르게 변화하는 소비자의 마음을 사로잡을 수 있게 됐다. 적어도 엑스포넨셜(Exponential)의 글로벌 세일즈 전략 디렉터 타일러 그리어는 이렇게 생각한다. 그리어는 애드테크(adtech) 업체들을 위한 연례 브랜드 서밋(Brand Summit)을 개최하고 디지털을 활용한 데이터 마케팅과 이를 통한 커뮤니케이션 및 참여도 개선에 대해 발표했다. 그리어는 “그동안 소비자 그룹을 분류하는 데 사용했던 전통적 의미에서의 인구통계학은 오늘날 마케팅에서는 무의미해졌다”고 참석자들에게 말했다. 현대인들의 삶은 온라인을 통해 그 어느 때보다 연결되어 있고, 정보에 대한 접근성도 높을 뿐 아니라, 기대 수명 연장과 삶의 질 개선으로 재량 지출도 증가하게 되었다. 그리어는 이로 인해 소비자들의 변덕을 예측하기도 더 어려워졌다며 다음과 같이 이야기했다. “이제 인구통계학에 기반을 둔 마케팅은 끝났다. 삶은 전보다 더욱 풍요로워지고, 우리는 더 많은 선택권이 있으며, 미디어 채널이 우리에게 영향력을 미치는 정도는 우리 자신의 정체성을 바꾸어 놓고 있다. 어쩌면 이전까지 우리가 인구통계학에 기반을 둔 마케팅에 의존해 왔던 것도 다른 대안이 없어서일지 모른다. 하지만 이제 우리에게는 대안이 생겼다.” “우리는 인간에 대한 통찰력을 통해 데이터를 이해하고, 그로부터 유의미한 정보를 도출해 낼 것이며, 그렇게 얻어진 정보는 또다시 인간에 대한 통찰력의 깊이를 더해주게 될 것이다.” 인구통계학에 의존한 마케팅이 오늘날의 현실에 맞지 않는다는 것을 보여주기 위해, 그리어는 오늘날 모바일로 비디오 게임을 하는 사용자 중 18~34세 사이 남성은 전체 사용자의 31%에 그쳤다는 점, 전체 유아용품 판매의 40%는 아이가 없는 가정에서 구매한 것이었으며 지난 6...

2017.08.16

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

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

Copyright © 2022 International Data Group. All rights reserved.

10.4.0.6