CJ올리브네트웍스가 카카오엔터프라이즈와 AI 및 클라우드 분야 사업 추진을 위한 업무 협약을 체결했다고 5월 12일 밝혔다.   회사에 따르면 구체적인 협업 내용에는 ▲AI 및 클라우드 사업 협력 ▲HPC(High Performance Computing)-AI 인프라 사업공동 추진 ▲크로스 세일즈 협력 ▲AI 및 클라우드 기술교류 등이 포함됐다. CJ올리브네트웍스는 다수의 대형 IT 프로젝트를 수행한 경험과 AI 솔루션, 전문인력 등 AI 분야 경쟁력을 갖추고 있으며 카카오엔터프라이즈는 카카오 i 클라우드(Kakao i Cloud)를 기반으로 AI, 머신러닝, 빅데이터 분석 역량을 보유하고 있다. 양사는 이번 업무 협약을 통해 양사가 구축해온 성과와 기술력을 바탕으로 AI, 클라우드 중심의 사업 분야에서 협력해 미래 사업 모델을 발굴하고 비즈니스 경쟁력을 강화해 나갈 계획이다. 특히 AI, 메타버스, NFT 등 신성장 트렌드 기반의 플랫폼 공급과 클라우드 전용 솔루션 등을 공유할 예정이며, AI 기반 HPC 공동 사업 추진 시에는 CJ올리브네트웍스의 솔루션과 카카오엔터프라이즈의 AI 플랫폼을 융합할 예정이다. 이외에도 AI 및 클라우드 기술이 적용된 플랫폼, 솔루션, 스토리지 등 양사가 보유하고 있는 인프라를 활용한 크로스 세일즈도 추진한다. 카카오엔터프라이즈 백상엽 대표는 “CJ올리브네트웍스와의 이번 협력을 통해 카카오엔터프라이즈의 AI 및 클라우드 역량이 더욱 확대될 것으로 기대한다”라며, “카카오엔터프라이즈는 카카오 i 클라우드 플랫폼과 최적화된 AI 서비스를 기반으로 고객이 다양한 클라우드 환경을 연결하는 것은 물론 높은 수준의 데이터 분석으로 쉽고 스마트한 혁신을 할 수 있도록 적극 지원할 것”이라고 밝혔다. CJ올리브네트웍스 차인혁 대표이사는 “고객의 비즈니스 경쟁력 강화를 위해서는 인공지능은 물론 빅데이터, 클라우드 컴퓨팅 등 ICT 핵심 기술들이 융합해 더욱 큰 가치를 제공해야 한다”라며, “AI와 클라우...

5일 전

엄청난 양의 사진을 가져다 놓고, 강력한 인공지능을 한 스푼 넣어서 다 같이 섞으면 무엇이 나올까? 엔비디아는 최근 다양한 최첨단 기술 연구를 추진하고 있다. 메타버스 전용 워크스테이션을 만드는 것부터, 인간 디지털 트윈(digital twins)로 진화하고 있는 디지털 어시스턴트, 그리고 누구나 멋진 예술 작품을 만들어 낼 수 있는 도구까지 다양하다. 이 중 제일 흥미로운 기술은 여러 사진을 혼합해 새로운 얼굴을 만드는 ‘스타일GAN’(StyleGAN) 제너레이터(Generator)다. 이 인공지능 기반 도구가 학습한 자료에는 7만 개의 고화질 PNG 이미지(각각 해상도 1024x1024픽셀)가 포함되어 있어 사용자가 원본 소스를 자유자재로 활용할 수 있다. 스타일GAN은 2018년에 처음 출시되었고, 2019년 소스 코드가 오픈 소스로 공개되면서 널리 퍼지기 시작했다. 3번째 버전인 스타일GAN 3는 지난 10월에 출시됐다.  이미지 작업을 하는 사람에게 가장 큰 이점은 저작권 걱정 없이 보호되어 있는 방대한 원본 이미지 풀을 활용해 자신만의 작품을 만들 수 있다는 것이다. 다른 이미지를 취합하여 새로운 이미지를 만드는 이미지 블렌딩 엔진(image-blending engine) 기술로 다양한 출처의 전문적인 사진을 혼합해 현실적, 비현실적 기억이나 상상에 기반한 독특하고 아름다운 이미지를 만들 수 있다. 스타일GAN 같은 AI 기반 이미지 블렌딩 도구는 많은 산업과 업무 방식을 획기적으로 바꿀 수 있다(물론 더 위험한 ‘딥페이크’에 악용될 수도 있다). 그 몇 가지 사례를 살펴본다.  자동화된 범죄자 몽타주 제작자 범죄 영화나 드라마를 보면, 사건의 목격자가 몽타주 제작자 앞에 앉아 관찰한 범죄자의 얼굴을 떠올리며 같이 몽타주를 만드는 장면이 있다. 이런 절차가 대화형 AI로 완전히 대체될 수 있다.  AI가 다른 특징을 가진 수많은 얼굴을 혼합하여 목격자에게 계속 보여주면, 목격자는 피해자의 기억과...

2022.04.25

AI 애플리케이션은 작업 효율을 높이는 업무 자동화, 쇼핑 추천 목록 재구성, 신용 승인, 이미지 처리, 예측 순찰과 같은 다양한 영역으로 확장되고 있다. 더불어 AI 애플리케이션을 수용하는 기업 및 정부 기관의 움직임도 빨라졌다.   다른 디지털 기술과 마찬가지로 AI 기술에는 여러 전통적인 보안 취약점이 있으며, 개인정보 보호/편견/불평등/안전과 같은 새로운 문제점도 존재한다. 이에 따라 미국표준기술연구소(NIST)는 AI와 관련한 위험을 잘 관리하기 위해 ‘AI 위험 관리 프레임워크(Artificial Intelligence Risk Management Framework, AI RMF)’를 마련하고 있다. AI RMF는 기업이 AI 제품, 서비스 및 시스템의 설계/개발/사용/평가에 신뢰성을 통합하는 능력을 높이는 데 목적이 있다. AI RMF의 초안은 2021년 12월에 NIST가 발표한 개념서를 기반으로 한다. NIST는 AI RMF를 통해 AI 기반 시스템의 위험이 다른 영역과 어떻게 다른지 설명하고, 수많은 이해관계자가 이런 위험을 의도적으로 해결할 수 있기를 희망한다. NIST는 “기존 규정, 법률 또는 기타 의무 지침을 포함해 프레임워크에서 다룬 것을 넘어서 규정 준수 고려사항을 매핑하는 데 사용될 수 있다”라고 말했다. AI 기술은 NIST가 다른 프레임워크에서 다루는 것과 동일한 위험에 노출되어 있지만, 일부 위험 ‘격차’ 또는 우려 사항은 AI 기술에만 한정된 것이다. AI RMF는 이런 격차를 해결하고자 한다.  AI 이해관계자 그룹 및 기술적 특성 NIST는 프레임워크와 관련된 이해관계자를 AI 시스템 이해관계자, 운영자 및 평가자, 외부 이해관계자, 일반 등 4가지 그룹으로 분류했다. AI 시스템과 관련된 위험을 식별하고 관리하기 위한 포괄적인 접근 방식으로 고려해야 하는 특성은 기술적 특성, 사회 기술적 특성, 지도 원칙 3가지로 분류했다.  기술적 특성은 AI 시스템 설계자와 개발자가 직접 통제...

2022.04.14

직원 이탈 문제가 점점 더 커지면서 기업들은 직원 감정 분석, 퇴사 가능성 식별, 커리어 지원 강화 등 HR 전략을 증강하고자 챗봇과 머신러닝으로 눈을 돌리고 있다.  사람들이 기록적인 수준으로 직장을 그만두고 있다. 기업들은 직원들을 유지하는 데 어려움을 겪고 있다. 게다가 직원들의 재택근무는 이 문제를 악화시키고 있다. 관리자들이 불만 있는 직원들을 식별하기가 까다로워졌기 때문이다. 또 신입사원이 교육 세션에 직접 참석할 수 없거나, 현장에서 경험이 풍부한 직원을 따라 업무를 배울 수 없게 되면서 새로운 직원을 빠르게 채용하고 교육하기가 더 어려워졌다. 이러한 모든 문제를 해결하기 위해 기업들이 인공지능으로 눈을 돌리고 있다. 물론 AI가 할 수 있는 일에는 한계가 있다.   AI를 통한 직원들의 감정 분석 ‘대퇴사(Great Resignation)’는 과장이 아니다. 팬데믹 기간 동안 전례 없는 퇴사자가 발생했다. (퇴사자 수는) 2019년 4,200만 명에서 2020년 4,800만 명으로 사상 최대를 기록했다. 지난 3월 공개된 맥킨지 설문조사 결과에 따르면 직원들이 퇴사하는 주요 원인으로는 ‘지속 불가능한 업무 성과 기대치, 커리어 개발 및 발전 가능성 부족, 의미 없는 업무’ 등이 꼽혔다. 오히려 ‘보상 부족’은 6위에 있었다. 그렇다면 사람들이 직장을 그만두는 가장 큰 이유는 무엇일까? 바로 ‘무관심한 리더’였다.  문제는 재택근무로 인해 직원들이 어려움을 겪고 있는지 알아차리기가 힘들 수 있다는 점이다. KPMG의 의사결정 과학 부문 책임자 빌 노왁키는 “구식이긴 하지만 직접 돌아다니면서 관리하는 것을 대체할 수 있는 수단이 없다고 생각한다. 이를테면 부하 직원의 딸이 지난주에 축구 경기를 했다는 걸 아는 관리자보다 더 나은 관리자는 없다”라고 말했다. 하지만 기업들은 (재택근무라는 현실에) 적응해야 했고, 일부는 재택 및 하이브리드 근무가 상당한 이점을 제공한다는 사실을 발견했다고 그는 언급했다. “재택근무는...

2022.04.11

북미 최대의 유해 폐기물 처리 회사 ‘클린 하버스(Clean Harbors)’는 마이크로소프트 애저 클라우드에 AI 및 PRA를 구축하고, 데이터를 온프레미스 폐기물 정보 네트워크(Waste Information Network)와 통합하고 있다.  많은 기업에게 최근의 클라우드 붐은 ‘온프레미스’에 무엇을 남기는 게 최선일지 전략적으로 고려할 계기가 되기도 했다. 클린 하버스는 핵심 시스템의 고가용성을 확보하는 동시에 클라우드의 고급 AI 및 자동화 기능에 액세스하고자 디지털 트랜스포메이션에 하이브리드 접근 방식을 취하고 있다(클린 하버스는 코로나 팬데믹은 물론 9-11 테러, 탄저균 공격, 허리케인 카트리나, 딥워터 허라이즌 대량 원유 유출 사건 여파로 발생한 유해 폐기물 제거에 큰 역할을 해왔다).    약 7년 전, 이 회사는 세일즈포스 CRM을 도입하면서 디지털 세계로 첫발을 내디뎠다. 그로부터 2년 후에는 마이크로소프트 제품군을 오피스365로 마이그레이션했다. 또한 마이크로소프트 애저의 AI 코그니션 서비스(AI Cognitive Services)와 애저 머신러닝 플랫폼(Azure Machine Learning Platforms)으로 대대적인 이동을 단행했다. 운영 인사이트를 얻기 위해서였다. 아울러 비즈니스 프로세스를 자동화하기 위해 유아이패스와 오토메이션애니웨어의 RPA 플랫폼을 추가했다.  지난 2001년 클린 하버스에 합류해 2018년 EVP 겸 CIO로 취임한 샤론 가브리엘은 여전히 온프레미스 SQL 기반 ‘폐기물 정보 네트워크(Waste Information Network; WIN)’ 의존도가 높은 클린 하버스는 모든 것을 클라우드로 마이그레이션하는 데 급급하지 않은 상황이라고 말했다. 그는 “디지털 세계로의 여정은 AI와 RPA를 활용하고자 하면서 시작됐다. 클린 하버스의 핵심 영역인 CRM과 ERP가 클라우드에 있다. 또 최근 오라클 퓨전 HR(Oracle Fusion HR)로 마이그레이션했으며...

2022.04.07

자율주행 차량부터 슈퍼볼 광고의 춤추는 로봇까지 인공지능(Artificial Intelligence, AI)은 모든 곳에 존재한다. 하지만 모든 AI 사례의 문제점은 실제로 ‘지능적’이지 않다는 점이다. 이런 사례는 AI 기법을 사용하여 특정 문제를 해결하는 애플리케이션, 즉 ‘약인공지능(Narrow AI)’를 보여준다. 약인공지능은 인간이 보유한 지능과는 다르다.   인간은 (바라건대) 일반적인 지능을 보유하고 있다. 인간은 광범위한 문제를 해결할 수 있고 이전에 맞닥뜨리지 않았던 문제를 해결하는 방법을 배울 수 있다. 새로운 상황과 새로운 것을 배울 수 있으며, 물리적인 물체가 3차원 환경에 존재하고 시간의 흐름 같은 다양한 물리적 속성이 적용된다는 것을 이해한다. 인간 수준의 사고 능력 또는 범용인공지능(Artificial General Intelligence, AGI)을 인공적으로 복제할 수 있는 능력은 오늘날 우리가 생각하는 AI에는 존재하지 않는다.  지금까지 AI가 보여준 압도적인 성능을 무시하는 것은 아니다. 구글 검색은 대부분 사용자가 주기적으로 사용하는 AI의 좋은 예다. 구글은 많은 양의 정보를 놀라운 속도로 검색해 (일반적으로) 사용자가 원하는 결과를 목록의 상단에 제공한다. 마찬가지로 구글 보이스 서치(Google Voice Search)로 사용자는 구두로 검색을 요청할 수 있다. 애매모호한 표현을 사용하더라도 적절한 철자법, 맞춤법, 의미가 적용된 결과를 얻는다. 구글 검색이 잘 작동하는 이유는 무엇일까? 구글은 엄청난 양의 검색어와 사용자가 선택한 결과에 대한 이력 데이터를 보유하고 있다. 이런 데이터에서 검색할 가능성이 큰 검색어와 시스템을 유용하게 만들 수 있는 결과를 예측할 수 있다. 하지만 시스템이 수행 중인 작업이나 제시하는 결과를 이해할 것이라는 기대는 없다. 그래서 엄청난 양의 이력 데이터가 필요한 것이다. 사용자와의 모든 상호작용은 훈련 세트 데이터 생성에 활용할 수 있어 검색에 꽤 효과적이다...

2022.04.01

이 유서 깊은 플랫폼은 ‘오픈소스, 클라우드, 컨테이너, AI 그리고 (절실히 필요한) 새로운 인재’라는 미래를 바라보면서 중요한 애플리케이션을 계속 실행하고 있다.  美 M&T 은행(M&T Bank)의 소매, 비즈니스, 디지털 뱅킹 부문 CIO 소니 소넨스테인에 따르면 그는 메인프레임 전문가가 아니라 뱅킹 기술 전문가다. 더 정확하게는 ‘투자 위험’과 동시에 ‘언제 강력한 조치를 취해야 하는지’ 이해하고 있다고 말할 수 있다. 그리고 소넨스테인은 이 은행이 수년에 걸쳐 약 1,000만 줄 이상의 코드를 작성한 ‘IBM Z 시스템 메인프레임’에서 바로 이러한 일을 하고 있다.  그는 “메인프레임에 많은 데이터가 있다. 이는 M&T 은행의 일부이자 여전히 뛰고 있는 심장이다”라고 말했다. 미화 650만 달러 규모의 이 은행은 2곳(버팔로와 델라웨어 밀스브로)에 데이터센터를 두고 있으며, 각각 IBM z15 시스템을 보유하고 있다. M&T 은행은 메인프레임을 2가지로 사용하고 있다. 첫 번째는 입출금 내역서, 예금, 모바일 뱅킹, 직불카드 처리, 대출 상환 등 거래 중심의 뱅킹 애플리케이션을 실행하는 것이다. 두 번째는 모바일 애플리케이션, 컨테이너, AI 애플리케이션을 호스팅하는 것이다. 소넨스테인은 후자를 “오늘날에 적합한 자격을 갖춘 구성원으로 활동하는 것”이라고 언급했다.   IDC의 애널리스트 피터 루텐은 이 은행의 전략이 오늘날 많은 기업의 메인프레임 활용 방식과 일치한다고 전했다. “IBM Z 구매의 주된 이유는 빠른 속도로 엄청난 양의 트랜잭션이 필요한 워크로드 때문이다. 아울러 시스템 현대화를 통해 추가적인 가치를 창출하기 위해서이기도 하다”라고 설명했다. IDC에 의하면 IBM은 2020년 4,300대 이상의 IBM Z 시스템을 약 35억 달러에 판매했다. 이는 전 세계 서버 시장의 3%에 불과하다. 하지만 규모가 전부는 아니라고 루텐은 지적했다. “IBM Z를 x86 시장과 비교...

2022.03.28

당초 우려와는 달리, 기술은 사람 직원을 ‘대체’하기보단 ‘더 많은 일자리’를 창출했다. 그리고 이제 지능형 비서는 인력 공백을 메우고 있다. 팬데믹 이후 인력 부족이 심화되고 있는 가운데 SER 그룹(SER Group)의 신임 CEO 존 베이츠가 AI 기반의 재-혁신, 즉 봇이 더 많은 업무를 처리하는 비즈니스 프로세스에 관한 비전을 제시했다.   2022년은 많은 기업에 매우 힘든 한 해가 되고 있다. 팬데믹의 불확실성이 계속되는 가운데 대퇴직, 인력 부족, 계속되는 공급망 문제, 에너지 및 원자재 값 급등, 급여 상승 등이 맞물려 있기 때문이다. 기업들이 이러한 어려움을 극복할  한 가지 방법이 있다. 인력 공백을 메워 줄 고품질, 저비용의 AI 봇을 ‘채용’하는 것이다.  美 노동통계국(BLS)의 지난 11월 통계 자료에 따르면 미국의 전문 및 비즈니스 서비스직의 퇴사 비율이 전체에서 세 번째로 높았다. CEO부터 일선 직원까지 모두 자신의 우선순위와 선택 가능한 옵션을 검토 중이기 때문에 이러한 인력 손실은 조직 전체에 영향을 미치고 있다. 남아 있는 팀이 져야 할 부담은 줄기는커녕 더욱더 커지고 있다.   인력 부족으로 인한 경제적 피해  요즘 기업들은 앉아서 수백만 달러의 손해를 보고 있다. 비즈니스를 제대로 해나갈 여력이 없어서다. 문서와 데이터를 검토해 필요한 인사이트를 도출하거나, 다음 조치를 취할 인력이 부족해진 탓이다. 그렇다고 남아 있는 충성스러운 팀원에게 업무량을 가중시킨다면 이들마저 한계를 느끼고 더 유연한 일자리를 찾아 경쟁사로 이직하거나 퇴사할 위험이 있다. 팬데믹 이후의 시대에는 (모든 직원이 각자 새로운 워라밸을 찾을 때까진) 충원 없이 운영하는 게 일반적인 상황으로 자리 잡을 가능성이 크다.  따라서 전략적인 AI 도입이 그 어느 때보다 매력적인 솔루션으로 다가오는 건 당연하다. 지난해 IDC는 전 세계 AI 지출 규모가 2021년 미화 853억 달러에서 2025...

2022.03.25

깃허브 코파일럿, 탭나인 등의 AI 기반 도구는 개발자가 코드를 더 빠르게 작성하도록 돕는 자동완성 제안을 지원한다. 하지만 이렇게 생성된 코드가 안전하다고 어떻게 믿을 수 있을까?  2021년 6월, 깃허브가 코드 자동완성 도구 ‘코파일럿’을 출시했을 때 많은 개발자는 이 도구가 ‘내 마음을 읽고 코드를 더 빨리 쓸 수 있도록 도와준다’라며 놀라움을 감추지 못했다. 코파일럿은 누군가가 쓴 변수 이름과 주석을 기반으로 다음에 무엇이 올지 제안한다. 이는 코드 줄 또는 개발자가 작성 방법을 모를 수도 있는 전체 함수를 제공한다.    하지만 개발자가 확인하지 않고 이러한 제안을 사용하면 보안 취약점이 발생할 수 있다. 美 뉴욕대학교의 탠던 공대 연구진에 따르면 코파일럿을 테스트한 결과 이 도구가 생성한 코드의 40%에서 취약점이 발견됐다. 연구진은 알려진 취약점을 자동으로 찾아내는 깃허브의 코드QL(CodeQL)을 사용하여 (코파일럿이 생성한) 코드를 확인했고, ‘2021년 CWE 가장 위험한 소프트웨어 취약점 25개(2021 Top 25 Most Dangerous Software Weakness)’ 목록에 포함된 SQL 주입 취약점 또는 결함을 발견했다. 또 베리로그(Verilog) 등의 도메인 특정 언어의 경우 구문적으로 정확하고 의미 있는 코드를 생성하는 데 어려움을 겪었다고 언급했다.  이러한 문제의 대부분은 코파일럿이 구축된 방식에서 비롯된다. 첫째, 이 모델은 깃허브에 게시된 코드를 학습했는데, 이러한 코드의 상당 부분은 검증되지 않았다. 둘째, 오픈소스 리포지토리에는 충분한 경계를 구축하지 않고 입력 및 동작을 검사하는 많은 반복 코드 패턴이 포함될 수 있다. 코파일럿은 패턴이 빈번할수록 더 널리 사용되고, 따라서 안전하다는 가정하에 이러한 패턴을 제안한다. 셋째, 생성된 코드는 컴파일되지 않고, 잠재적인 보안 문제가 없는지 확인되지도 않는다. 아울러 연구진은 누군가의 리포지토리에 실수로 남겨진 일부 기밀...

2022.03.23

디지털 트윈 기술은 제조업을 넘어 IoT, AI 및 데이터 애널리틱스가 융합된 세계로 옮겨갔다. 복잡한 ‘사물’이 데이터 생성 기능과 연결되면서 디지털 형태의 등가물을 보유하게 됐으며, 이런 디지털 등가물을 활용해 데이터 과학자와 기타 IT 전문가는 배포를 최적화해 최대 효율성을 끌어내고 기타 가상 시나리오를 만들 수 있는 능력을 갖추게 된다.     디지털 트윈이란 무엇인가 디지털 트윈은 물리적인 물체 또는 시스템을 디지털로 표현한 것이다. 디지털 트윈을 뒷받침하는 기술은 건물, 공장, 도시까지 확장되었고, 어떤 사람은 사람과 프로세스도 디지털 트윈을 보유할 수 있다고 주장하면서 개념을 더욱 확장했다. 디지털 트윈이라는 개념이 가장 먼저 시작된 곳은 NASA(National Aeronautics and Space Administration)다. NASA는 초창기 우주 캡슐의 실물 크기 모형을 만들어 지상에서 궤도 문제를 진단하는 데 사용했는데, 실물 크기의 모형은 결국 완전한 디지털 시뮬레이션으로 대체됐다.  그러다가 가트너가 디지털 트윈을 2017년 10대 전략 기술 트렌드로 선정하면서부터 디지털 트윈이라는 용어가 유행하기 시작했다. 가트너는 “수십 억 개의 사물은 물리적 사물 또는 시스템의 동적 소프트웨어 모델인 디지털 트윈으로 표현될 것”이라고 말했다. 1년 후, 가트너는 “2020년까지 약 210억 개의 센서와 엔드포인트가 연결될 것이고 가까운 미래에 디지털 트윈은 수십 억 개의 사물을 위해 존재할 것”이라고 전망하며, 디지털 트윈을 다시 한번 최고 트렌드로 지목했다. 본질적으로 디지털 트윈이란 물리적 대상 또는 시스템에 대한 실제 데이터를 입력으로 삼고, 해당 대상 또는 시스템이 이런 입력으로 인해 받는 영향을 예측 또는 시뮬레이션해 출력을 생성하는 컴퓨터 프로그램이다.  디지털 트윈이 작동하는 방법 전문가, 특히 데이터 과학자나 응용 수학 전문가가 디지털 트윈을 구축하면서 생명력을 부여한다. 이들 전...

2022.03.23

오딘로보틱스가 AI 매장 무인화 솔루션 ‘헤임달 무인365’에 QR인증과 휴대전화 번호인증 기능 등을 업그레이드했다고 2월 17일 밝혔다.    회사에 따르면 헤임달 무인365의 업그레이드 버전은 15인치 디스플레이가 탑재돼 있고, 기존 출입 솔루션에서 제공하던 카카오톡 지갑 QR 출입 인증, 원격 문 열기 기능, 출입자 발생 시 이벤트 알림 등의 서비스에 매장 출입자의 편의와 매장 점주의 통합 관리를 돕기 위한 차별화된 기능을 추가했다. 매장 점주는 고급 출입 인증기의 스케줄 기능을 통해 출입기 화면에 영업 안내 사항을 공지할 수 있고, 웹, 모바일 기반의 매장관리 프로그램을 통해 자유롭게 매장 운영 시간대 설정, 출입 제한 연령 설정 및 변경이 가능해졌다. 또한 기존의 출입 솔루션은 신용카드 출입인증 방식이 아닌 보안이 강화된 QR인증만을 사용했으나, 휴대전화 번호를 통해 OTP 번호를 발급받아 출입할 수 있는 전화 인증 방법을 추가해 매장 방문객이 간편하게 출입할 수 있는 선택지를 하나 더 제공한다. 디스플레이에는 두 가지 출입방법에 대한 설명을 이미지, 영상으로 안내하는 등 다양한 형태로 제공한다.  뿐만 아니라 무인매장 내에서 발생한 사건·사고로 인해 출입자의 정보가 필요할 경우에도 신속한 전달이 가능하다. 무인매장 창업 시 고민되는 도난, 기물파손 등과 같은 문제를 빠르게 파악해 해결할 수 있도록 돕고 있다. 추가로 오딘로보틱스는 개인정보보호 관련 물리적, 관리적 조치 및 내부감사 정책을 모두 갖춰 개인정보 보호에도 힘쓰고 있다. 오딘로보틱스는 그동안 축적된 AI 데이터를 이용해 인가받지 않은 사용자가 출입 인증자를 따라 매장에 들어가는 행위 등을 높은 정확도의 피플카운팅 기술로 감지하여 출입보안을 강화했다. 매장관리 프로그램을 통해 출입기의 동작 상태 확인 및 기기의 문제 발생 여부를 즉시 파악할 수 있다는 점과 출입기 내부 디자인을 매장 및 브랜드에 따라 커스터마이징 가능하다는 점은 점주들에게 큰 호응...

2022.02.17

자사 비즈니스를 조각내 일부만 판매하는 IBM의 ‘원대한’ 계획이 계속되고 있다.  지난 1월 21일(현지 시각) IBM이 ‘왓슨 헬스’ 비즈니스의 의료 데이터 및 애널리틱스 자산을 프란시스코 파트너스(Francisco Partners)에 매각할 것이라고 밝혔다. 거래 금액은 공개되지 않았으나 보도에 따르면 미화 약 10억 달러(한화 약 1조 2,000억 원) 내외일 것으로 추정됐다.  한편 IBM은 지난해 11월 자사의 글로벌 서비스 사업부를 분사해 킨드릴(Kyndryl)을 설립했다(현재 약 37억 달러 또는 ‘빅 블루(IBM)’ 시가총액의 3%를 약간 넘는 가치로 평가받고 있다). 2019년에는 왓슨 마케팅(Watson Marketing) 비즈니스를 다른 사모펀드에 매각한 바 있다.   마이크로소프트와 오라클 등 다른 클라우드 인프라 경쟁업체가 의료 분야에 올인하고 있는 상황에서 IBM은 오히려 이를 축소한다는 게 다소 놀라운 소식이다. 지난 2021년 12월 마이크로소프트는 의료 서비스 업체에 AI 기반 전사 플랫폼을 제공하는 ‘뉘앙스 커뮤니케이션즈(Nuance Communications)’ 인수(197억 달러 규모)를 유럽연합(EU)으로부터 승인받았고, 오라클은 의료 정보 및 전자건강기록 업체 ‘세르너(Cerner)’를 283억 달러에 인수했다.  따라서 이번 매각은 IBM이 왓슨을 넘어서 핵심 플랫폼 기반 하이브리드 클라우드와 AI 전략에 다시 집중하고 있다는 것을 보여준다. 물론 IBM은 여전히 왓슨에 전념하고 있다고 말하지만 왓슨 기반의 사업부 2곳이 없어졌기 때문에 왓슨 AI 플랫폼에 투자한 CIO들은 이의 미래를 우려하고 있을지도 모른다. 하지만 (왓슨의 미래를) 낙관할 수 있는 근거가 있다.  출구 전략 왓슨 마케팅 매각은 IBM이 지난 2010년 인수한 ‘유니카(Unica)’ 마케팅 소프트웨어 제품군을 (2018년) HCL 테크놀로지스(HCL Technologies)에 처분했을 때 시작...

2022.01.28

마크애니가 인공지능(AI) 기반 스마트시티 안전망 차량검색 서비스 모델 개발을 완료했다고 1월 11일 밝혔다. 회사에 따르면 이번 서비스 모델 개발은 서울산업진흥원이 발주한 ‘2020년 포스트 코로나 특화 인공지능 기술사업화 기업사업’ 내 ‘AI 기반 스마트시티 안전망 차량 검색 서비스’ 개발 사업이다. 현재 공공 CCTV는 기하급수적으로 증가해 약 140만대에 육박한다. 이는 관제사 업무과중과 범죄 및 재난 등 긴급상황 발생 시 골든타임을 놓치는 ‘CCTV 역설’ 문제를 유발해 개선해야 한다는 지적이 꾸준히 나왔다. 마크애니는 이 점에 착안, 자체 개발한 인공지능 모델과 메타데이터를 융합한 ‘인공지능 기반 스마트시티 안전망 차량검색 서비스’를 개발했다. 딥러닝 인공지능으로 수배·문제 차량 정보(차종, 차색, 차번)를 정확하게 추출하고, 메타데이터를 분석해 이동 경로를 신속하게 파악하는 효율적인 차량 검색 지원 서비스다. CCTV 영상에서 차번 인식 딥러닝 모델로 차량 번호판을 우선적으로 검출해 분석을 진행한다. 차량 기하학적 모형과 형태를 분석해 차종을 구분하고 차량 색상을 분류한다. 차번이 명확하게 촬영된 CCTV 위치 정보와 차량 특징이 분석된 실시간 메타데이터를 융합해 특정 차량 위치 뿐만 아니라 이동 경로까지 예측한다. VMS연동 모듈 및 스마트시티 통합 플랫폼 모듈을 개발하여 서비스 모델 완성도를 향상시켰다. 이 기술을 활용하면 수배 차량 정보를 경찰청에 신속하게 전송해 검거율을 증가시킬 수 있다는 장점이 있다. 교통·안전 빅데이터 분석 서비스 제공해 사건·사고 정보공유를 통해 선제적 대비도 가능해졌다. 수배 차량 추적 검색 외에도 도난, 체납, 음주, 공해 차량 등 특징을 분석하는 선별 관제 형태로 검색대상 CCTV 범위를 확대할 수도 있다. 지자체에 적용할 경우 도입 비용 및 민원 업무를 대폭 감소시킬 수 있어 기술·경제적 파급 효과가 예상된다. 특히 경찰청 112 WASS(Wanted Automobile Scanni...

2022.01.11

‘알렉사(Alexa)’에는 수많은 기능이 있지만 실제로 사용되지 않는 기능도 많다. 광범위한 기능을 제공하는 것보다는 몇 가지 기능을 깊게 파고드는 것이 더 나은 접근법인 듯하다.  아마존은 “90만 명 이상의 알렉사 개발자가 13만 개 이상의 알렉사 스킬을 구축했다”라고 자랑하길 좋아하지만, 사실상 이러한 스킬을 모두 사용하는 것은 거의 불가능에 가깝다. 이를 감안하면 블룸버그의 프리야 아난드가 알렉사의 성장세 둔화를 상세하게 검토한 아마존의 내부 문서를 확인한 후 “알렉사의 가장 큰 문제점은 사람들이 알렉사를 그렇게 유용하다고 생각하지 않는다는 것이다”라고 결론 지은 건 놀라울 만한 일이 아니다.     이는 사실이기도 하고 거짓이기도 하다. 많은 사람이 알렉사의 몇 가지 사소한 기능들이 유용하다고 생각한다. 한 마이크로소프트 前 경영진이 언급한 것처럼, 알렉사의 향후 성공 전략은 사용자가 절대로 발견하거나 사용하지 않을 12만 9,995가지의 알렉사 스킬로 (사용자를) 압도하려고 하는 것보다는 몇 가지 사소한 기능을 좋아하는 충성스러운 팬을 양산하는 데 집중하는 것일지도 모른다.  할 일이 있었다... 지난 몇 년 동안 아마존 에코(Amazon Echo)는 주방 한 켠을 차지하고 있었고, 디지털 지니(알렉사)는 사용자의 명령에 귀를 기울이고 있었다. 하지만 (사용자가) 할 수 있는 명령은 제한적이었다.  이를테면 ‘알렉사, 파이 타이머를 40분으로 맞춰줘’, ‘알렉사, 머즈(Muzz)의 ‘북쪽에서 온 소녀(Girl from the North)’를 재생해’, ‘아니, 알렉사, 머즈 밴드의 ‘북쪽에서 온 소녀’를 재생해 달라고!’ 등등이다. 매우 기본적인 수준이다. 사용자들은 부엌에서 요리하고, 타이머가 필요하며, 가끔은 함께할 음악이 필요하다. 그것이 알렉사 용도의 98%다.  누구나 마찬가지일 것이다. 애널리스트 베네딕트 에반스는 (이와 관련해) 다음과 같이 말했다. “결국 알렉사는 사용하지...

2022.01.05

‘자연어 처리(Natural Language Processing; NLP)’ 모델을 프로덕션 환경에 투입하는 건 차를 구매하는 것과 비슷하다. 원하는 결과에 대한 매개변수를 설정하고, 몇 가지 접근 방식을 테스트 및 반복한다. 그다음 (비유하자면) 차를 몰고 나가는 순간 그 가치가 급락하기 시작한다. 자동차와 마찬가지로, NLP 또는 AI 기반 제품을 사용하면 많은 이점을 누릴 수 있지만 (적어도 계속해서 제대로 쓰려면) 유지관리를 멈춰서는 안 된다.  AI 모델을 만들어 내기도 어렵지만 프로덕션 환경에서 모델의 정확성을 확보하는 것 또한 어렵다. 모델의 정확성은 시장에 출시되는 순간 저하된다. 실제 운영 환경은 (모델이) 학습한 환경과 다르기 때문이다. 고속도로와 도로 주행 연습 장소가 다른 것과 같다. 이를 변수가 바뀌면 학습한 개념도 더 이상 정확하지 않을 수 있음을 의미하는 ‘개념 드리프트(concept drift)’라고 하며, 이는 AI 및 ML 분야에서 새로운 것은 아니지만 사용자들에게는 계속해서 문제가 되고 있다.    벤처비트(VentureBeat)에 따르면 최근 몇 년간 AI 및 NLP에 막대한 투자가 이뤄졌음에도 불구하고 실제 프로덕션 환경으로 전환되는 데이터 과학 프로젝트는 13%에 불과하다. 그 이유에는 개념 드리프트도 한몫한다.  그렇다면 제품을 프로젝트 단계에서 프로덕션 환경으로 안전하게 옮기려면 어떻게 해야 할까? 프로덕션 환경에서 (모델의) 정확성을 유지하기 위해서는 어떻게 해야 할까?  AI 모델을 프로덕션 환경에 투입하기 모델 거버넌스는 NLP 이니셔티브의 핵심 구성요소이자, 많은 제품이 프로젝트 단계에 머무르게 되는 이유이기도 하다. 이는 기업들이 특정 프로덕션 환경에서 모델의 활동, 액세스, 동작을 추적하는 방법을 다룬다. 위험을 완화하고, 문제를 해결하며, 컴플라이언스를 유지하려면 이를 모니터링해야 한다.  이 개념은 전 세계 AI 업계에 잘 알려진 문제이기...

2021.12.31

쿤텍이 12월 27일 고객 데이터를 활용해 수요 및 행동을 예측하는 AI 기반 데이터 수집 및 분석 플랫폼 ‘미백 서베이(MeBack Survey)’를 출시한다고 밝혔다. 미백 서베이는 올인원 데이터 서베이 플랫폼으로, 특정 대상의 수요와 행동을 예측하고 비즈니스 인사이트를 도출할 수 있다. 설문지 작성, 배포, 응답자에 대한 보상, 통계 분석 등 고객 데이터 획득 및 분석을 위한 모든 프로세스를 하나의 플랫폼에서 수행한다.   쿤텍의 미백 서베이는 설문조사를 통해 특정 대상의 고객 데이터를 획득하는 것에 그치지 않고 수집한 결과를 AI와 머신러닝으로 예측, 분석해 기업이 소비자의 수요 및 행동을 예측하여 심층적인 인사이트를 얻을 수 있도록 지원한다. 미백 서베이는 기존 설문조사 서비스의 한계로 지적되는 낮은 응답률을 보완하기 위해 미응답자에게 동일한 설문지를 재전송하거나 기프티콘, 기업 복지몰에서 사용 가능한 마일리지와 같은 실질적인 참여형 보상을 제공한다. 회사에 따르면 이를 통해 3~5%에 그쳤던 기존의 설문조사 응답률을 35%까지 향상시켜 데이터 확보의 범위를 확장했다. 미백 서베이는 직관적인 사용자 UX와 다양한 시각화 보고서를 제공해 사용자 편의성을 향상시켰다. 또한 기업에서 운영 중인 CRM, ERP 등 각 플랫폼과의 연동을 지원하여 다양한 부서가 특정 데이터를 선별하여 분석, 공유, 활용할 수 있다고 회사 측은 설명했다.  쿤텍의 박성원 이사는 “모든 산업분야에 있어서 데이터 관리의 중요성이 강조되고 있는 가운데 데이터를 효율적으로 활용하여 비즈니스 성과를 극대화하기 위해서는 전문적인 플랫폼을 활용하는 것이 필수적”이라며, “쿤텍의 미백 서베이는 설문조사 방식을 차용하여 방대한 고객 데이터를 확보할 수 있으며 AI와 머신러닝 기능을 토대로 정확한 고객 수요, 행동 예측을 도출할 수 있다”라고 말했다. ciokr@idg.co.kr

2021.12.27

감성 AI 또는 감성 컴퓨팅(Affective Computing)은 인공지능을 사용해 사용자의 감정 상태를 분석한다. 컴퓨터 비전, 오디오/음성 입력, 센서, 텍스트 분석 등을 사용하며, 분석을 기반으로 고객의 현재 기분에 따라 구체적이고 개인화된 작업을 수행할 수 있다.    감성 컴퓨팅의 주 응용 분야  감성 컴퓨팅이 새로운 개념은 아니지만 현재로서는 개인 디바이스를 위한 기술보다는 플랫폼 비즈니스에 가까운 만큼 대대적인 확산까지는 앞으로 6년 이상 걸릴 것으로 보인다. 이 기술은 현재 관광객용 가상 비서 또는 소비자 제품 테스트와 같은 B2B2C(기업-기업-개인) 용도로 주로 사용된다.  이렇게 기업 플랫폼의 일부로 사용되는 것이 일반적이지만, 기술 자체는 카메라나 마이크가 달린 스마트폰 또는 기타 개인 디바이스에서도 구현할 수 있다. 이런 디바이스가 대중화되면서 AI 모델에 대한 투자가 증가하고 있다. 일부 솔루션 업체는 스마트폰의 카메라나 마이크를 이용해 다양한 감정을 탐지하는 스마트폰 앱의 프로토타입을 개발하기도 했다. 감성 컴퓨팅을 제공하는 기업에 대한 사모 펀드 투자는 다른 업계와 비교할 때 중간 정도이다. 자동차 업계는 운전자 활동을 모니터링하기 위한 시각적 컴퓨터 감정 분석에 투자하고 있지만 상용 제품에서의 기술 도입은 아직 제한적이다.   코로나19 팬데믹으로 상승세 타는 감성 AI  감성 AI 구현은 2020년은 팬데믹으로 인해 주춤했지만 지금은 상승세로 돌아섰다. 제품 및 서비스 테스트를 위한 플랫폼 업체들은 실험실에서 원격 액세스로 전환해야 했는데, 이는 장기적인 추세가 될 가능성이 높다. 컨택 센터는 여전히 음성 기반 감정 인식 도입 측면에서 주요 산업군 중 하나이다.  반면 디바이스 제조업계는 감성 AI를 개인용 디바이스나 가정용 디바이스에 구현하는 데 아직은 소극적이다. 하지만 잠재력은 크다. 연간 판매되는 스마트폰의 수만 15억 대에 이른다. 이 외에도 수...

2021.12.23