‘딥페이크(Deepfakes)’는 보안 및 위험 관리에 실질적인 위협이 된다. 기술이 발전하고, 악의적인 행위자가 서비스형 딥페이크(deepfakes as a service)에 접근할 수 있게 되면서 상황은 더욱더 악화될 전망이다.  지난 8월 암호화폐 거래소 바이낸스(Binance)의 최고 커뮤니케이션 책임자 패트릭 힐만은 받은 편지함을 스크롤 하다가 무언가 잘못됐다는 느낌을 받았다. 그가 참여한 것으로 보이는 투자자와의 화상통화에 관한 메시지 6개를 발견했기 때문이다.  뭔가 이상하다는 것을 전혀 눈치채지 못한 채 ‘투자 기회를 주셔서 감사합니다’, ‘투자 조언과 관련해 약간의 우려가 있습니다’, ‘비디오 품질이 좋지 않습니다’라고 답한 투자자가 있었고, ‘지난 목요일의 줌 통화가 당신이었는지 확인할 수 있습니까?’라고 물어본 투자자도 있었다.    힐만은 누군가가 자신의 사진과 목소리를 딥페이크하여 무려 20분 동안 고객들과 ‘사기’ 투자를 위해 비트코인을 넘기도록 설득하는 줌 통화를 했다는 사실을 파악했고, 가슴이 철렁 내려앉았다고 밝혔다. “투자자들은 나라고 사칭한 가짜 링크드인 및 텔레그램 프로필이 여러 상장 기회를 논의하는 자리에 초대했다고 전했다. 그리고 범죄자는 줌 통화에서 딥페이크 홀로그램을 사용하여 사기 치려고 했다”라고 그는 설명했다.  기사 작성 시점 기준 250억 달러 규모의 세계 최대 암호화폐 거래소 바이낸스가 고객들의 암호화폐를 빼돌리려는 투자 사기에 연루된 것이다. 힐만은 “처음 있는 일이었다”라며, “AI 기반 딥페이크는 먼 미래의 일이라고 생각했는데, 이미 와 있었다”라고 그는 덧붙였다.  이어 그는 몇몇 투자자가 영상에서 이상한 점과 지연되는 현상을 감지하지 않았다면 바이낸스는 (이 회사의) 막대한 보안 기술 및 인력 투자에도 이 딥페이크 영상 통화를 전혀 알아차리지 못했을 것이라고 전했다.  서비스형 딥페이크(Deepfakes as a service...

2일 전

브렌던 아이크는 자바스크립트 프로그래밍 언어를 처음 창시한 사람으로 유명하다. 지금 브레이브 소프트웨어(Brave Software)의 창업자이자 CEO로 활동하면서, 브레이브 브라우저와 베이직 어텐션 토큰(Basic Attention Token)의 기술을 개발하고 있다. 한때는 모질라 CTO로 일하며 모질라 웹 브라우저를 암흑기에서 건져내는 데 일조하기도 했다. 인포월드는 최근 아이크를 만나 대형 IT 기업의 죄악과 웹 광고 모델의 실패, 브레이브와 베이직 어텐션 토큰의 정책에 대해 대화를 나눴다. 또한 암호화폐 거품, 웹3의 혼란, 블록체인의 비전, 그리고 기업 CEO가 코딩하지 않는 이유에 대해서도 이야기를 나눴다.   매튜 타이슨 : 일단 자바스크립트를 만들어줘서 고맙다는 말부터 해야겠다. 자바스크립트는 웹의 토대 역할을 했고 많은 이들을 프로그래밍 세계로 이끌었다. 그와 별개로 비효율성과 개인정보 보호 실패로 점철된 웹 광고 세계를 개선하기 위해 브레이브 브라우저와 베이직 어텐션 토큰을 만든 것으로 알고 있다. 브레이브는 베이직 어텐션 토큰을 통해 광고 수익을 양도한다고 하는데, 무슨 말인지 자세히 설명을 부탁한다. 브렌던 아이크 : 온라인 광고는 감시 시스템으로 전락했다. 이 감시 시스템은 사용자의 관심으로부터 가치를 훔치고 높은 수수료와 불투명함 시스템을 통해 퍼블리셔를 약탈하고 나아가 광고 사기를 적극적으로 조장한다. 거기다 광고를 교환하는 과정에서 맬웨어를 퍼뜨리기도 한다. 나와 내 동료가 90년대 넷스케이프(Netscape)에서 쿠키와 자바스크립트를 개발할 때만 해도 이런 결과를 의도하지 않았다. 브레이브는 이런 문제를 없애기 위해 사용자를 우선시하고 크롬에서 가장 명확히 볼 수 있는, 에이전트와 주 이해관계의 충돌을 없애려고 한다. 기본적으로 크롬은 사용자가 한 탭에서 구글 계정에 로그인하면 모든 탭과 창에 걸쳐 사용자를 추적한다. 또한 크롬은 기본적으로 추적을 차단하지 않는다. 구글의 비즈니스 모델을 감안하면 당...

2일 전

‘인공지능’의 ROI를 측정하는 일은 어렵지만 필수적이다. 여기서는 AI 이니셔티브가 성과를 거두고 있는지 명확하게 파악할 방법을 살펴본다.  AI는 기술로서 그리고 사용 방식으로서 모두 전환기에 있다. 기업들은 점점 더 많은 AI 파일럿을 연구소에서 가져와 대규모로 배포하고 있으며, 그 결과 몇몇 기업들은 상당한 이점을 누리고 있다. AI를 둘러싼 불확실성과 상관없이 (AI의) 잠재력을 무시한다면 오래된 방식으로 비즈니스를 하는 기업들은 역사 속으로 사라질 수 있다.   하지만 AI에서 가치를 도출하기란 어려운 일이다. 많은 기업의 모델은 튜닝되지 않을 수 있다. 학습 데이터 세트가 충분하게 크지 않을 수 있다. 고객이 미심쩍어할 수 있다. 편견, 윤리, 투명성 우려도 있다. 또 AI 이니셔티브가 준비되기 전에 프로덕션에 투입하거나, 결과를 제대로 검증하기 전에 AI 전략을 확장하는 것은 엄청난 비용을 초래할 수 있으며, 혹은 심각하게는 AI 이니셔티브가 비즈니스에 해로운 방향으로 갈 수도 있다. 그렇다면 AI 프로젝트가 기업을 변화시킬지 아니면 방해할지 어떻게 알 수 있을까? IT 리더들이 AI의 가치를 어떻게 평가할 수 있는지 살펴본다.   성숙한 기술 vs. 획기적인 기술  모든 이니셔티브 또는 기술의 비즈니스 가치를 측정하는 것이 항상 선형적이진 않다. 특히 성숙도와 비즈니스 잠재력을 고려하면 AI도 예외는 아니다. 데이터 마이닝, 비용 및 교육 비용 절감, 투자, 새로운 사용을 촉진할 역량 등 입증된 예측 가능한 변수가 ROI와 관련하여 의사결정에 영향을 미치지만 새로운 기술이든지 확립된 기술이든 상관없이 어느 정도 신뢰를 두는 것이 중요하다. 나사(NASA)의 제트 추진 연구소(Jet Propulsion Laboratory; JPL)에서 AI 프로젝트의 ROI를 측정하는 핵심 요소는 기술 성숙도다. JPL의 최고 기술 및 혁신 책임자 크리스 매트맨은 몇몇 AI 활용 사례는 높은 수준의 성숙도에 있다고 ...

2022.09.13

美 특허청(USPTO; US Patent and Trademark Office)은 데이터 애널리틱스와 AI/ML을 활용해 운영 효율성과 성과를 높이고, 시스템 및 프로세스 품질을 개선하고 있다.   AI/ML 알고리즘이 중요하긴 하지만 USPTO의 원칙은 이러한 기술을 개발 및 사용하여 이니셔티브를 개선하고 확장하는 데 있어 ‘인간 우선’ 접근법을 취하는 것이다. AI와 ML 도구는 인간 전문가에게 힘을 실어주고, 작업의 독창성을 높이는 데 도움을 주지만 현시점에서는 인간의 미묘한 뉘앙스나 추론 능력에 필적할 순 없다고 이 기관의 CIO 제이미 홀컴은 밝혔다.    그에 따르면 USPTO는 이 기술을 보완하기 위해 수동적, 능동적으로 수집되는 숙련된 인력 수천 명의 입력을 활용하여 해당 기술이 예상한 결과를 제공하도록 AI 기반 모델을 학습시키고 다듬는다. 한편 이 기관은 설립 이후 1,100만 개 이상의 특허를 부여했으며, 엔지니어, 변호자, 애널리스트, 컴퓨터 전문가 등을 포함하여 1만 2,000명 이상의 직원을 두고 있다.  일선에 있는 특허 심사관의 지속적인 피드백은 AI/ML 모델을 개선해 신제품 개발을 촉진하고, 특허 검색과 분류라는 2가지 핵심 분야를 지원하는 데 사용된다. 홀컴은 방대한 양의 데이터와 가능한 ‘선행 기술’ 출처를 고려할 때 포괄적인 특허 검색을 수행하는 일은 어려울 수 있다고 말했다. 이러한 과제를 해결하기 위해 기술팀은 심사관이 애플리케이션을 면밀히 조사할 때 가장 관련성 높은 소스를 찾을 수 있도록 새로운 특허 검색 도구에 AI 구성 요소를 추가하고 있다.  이는 USPTO가 매년 평균적으로 접수 받는 60만 건 이상의 (특허) 신청서에 약 20페이지 분량의 텍스트 및 그림 또는 이를 설명하는 약 1만 단어가 포함돼 있기 때문에 매우 중요하다. 아울러 해당 기관의 IT는 25만 개 이상의 가능한 범주에서 발명과 관련된 분류 기호를 식별하고 일치시키는 분류 도구도 개발 및 배...

2022.09.13

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...

2022.09.01

대부분 기업은 네트워크 보안을 위해 모든 것을 해봤지만, 위협은 여전하다고 말한다. 절반은 사실이다. 기업들은 여전히 위협에 직면해 있다. 하지만 그 위협에 대처하기 위해 ‘모든 것’을 한 것은 아니다. 실제로 네트워크 보안의 기초가 되어야 하는 2가지 기반을 구현한 기업은 드물다.   네트워크 보안에 대해 하향식 분석을 해 봤는지 물어보면, 대부분 기업이 매년 수행한다고 답한다. 그 평가에 무엇이 관련되어 있는지 물으면, 현재 전략이 실패했다는 징후를 찾는 것이라고 말한다. 이때 기업은 네트워크 보안을 위해 또 다른 레이어를 추가하는데, 이는 베인 상처에 반창고를 하나 더 붙이는 것과 같다.  미안하지만 이런 방법은 ‘하향식’이 아니다. 오늘날의 네트워크 보안은 액세스하면 안 되는 것에는 그 누구도 액세스할 수 없어야 한다는 단순한 요구에서 시작해야 한다.  여기 찰리라는 사람이 있다. 찰리는 주차장을 관리한다. 어느 날 갑자기 찰리가 지난 분기의 매출 기록을 검토하거나 일부 제품의 재고 수준을 확인한다. 이 제품들이 아스팔트를 마모시키고 있어서일까? 혹은 사이버 공격이나 맬웨어의 조짐일까? 어느 기업의 찰리에게만 해당하는 문제가 아니다. 본사 캠퍼스의 문 상태를 모니터링하는 애플리케이션이 데이터센터에서 돌아가고 있다고 가정해 보자. 갑자기 이 애플리케이션이 급여 시스템과 연결된 모듈에 액세스한다. 문고리가 급여 명부에 있지 않은 한 이것 역시 경고 신호다. IP 네트워크가 허용하는 연결이 안전하지 않다는 의미이기 때문이다. 연결 허용 정책을 통한 보안 연결 허용 보안이 가진 문제점은 복잡하기 때문에 불편하다는 것이다. ‘찰리’부터 시작해보자. 찰리는 MAC 계층 주소를 할당 받는 것을 부주의하게 거절했기 때문에 특정한 네트워크 ID를 가지고 있지 않다. 이때 찰리에게 할당된 기기가 확실한 ID 지표 역할을 한다고 볼 수 있을까? 샌디가 찰리의 책상에 앉아서 애플리케이션을 약간 수정하면 어떻게 될까? 샌디는 찰리의 특권을...

2022.08.04

글로벌 금융 서비스 산업은 운영 방식을 재고할 수 있는 큰 기회를 맞이했다. 금융 서비스 전반에 걸친 대대적인 변화로 인해 원격 근무를 하는 직원이 늘어나고, 플랫폼과 프로세스의 디지털화가 빠르고 광범위하게 진행되며, 지능형 자동화의 도입이 가속화될 전망이다. 블루프리즘은 금융 서비스 기업이 발전하기 위해서 휴먼 워크포스와 디지털 워크포스, 시스템이라는 3가지 구성요소가 필요하다고 분석했다. 인간의 독창성과 창의력은 금융 서비스 기업이 필요로 하는 경쟁 우위를 만들어내는 요소이며, 디지털 워크포스는 단순 RPA(Robotic Process Automation) 이상으로 생산성을 높이는 차세대 수단이다.      지능형 자동화를 시스템 전반의 주류로 만들기 자동화 도입 초반에는 기업이 기존 프로세스에 중점을 두고, 각 프로세스의 약 25%만 자동화했다. 오늘날 주요 기업은 자동화를 도입할 때 과거의 부분적인 접근 방식보다 전략적인 하향식 방법론을 채택하고 있다. 다만 많은 기업이 대규모 자동화를 성공적으로 도입했음에도, 여전히 파일럿 프로젝트 수준에 머물러 있거나 일부에만 자동화를 도입한 기업이 많은 상황이다. 이런 장벽을 허물기 위해서는 발상의 전환이 필요하다. 즉, 기업은 단순히 프로세스를 바꾸는 수준이 아니라, 디지털 워커(digital worker)를 염두에 둔 새로운 프로세스를 설계하고 기존 프로세스를 재구성해야 한다. 디지털 워커 팀에 업무를 이관하면 추가적인 IT 비용과 많은 시간을 투입하지 않고도 경영 규칙을 필요할 때 변경할 수 있다.  여러 기업에서 부가 가치 창출을 목적으로 다양한 사업 부문에 업무 자동화를 광범위하게 확장하고 있다. 자동화 전문가는 디지털 워커의 자동화 프로세스를 중앙에서 설계, 구상 및 배포할 뿐 아니라 코딩 없이 언제 어디서나 자동화된 자산을 공유, 개선 및 재사용한다. 블루프리즘의 AI 및 연구 책임자 에릭 타이리는 “업무에 대한 전략적 개요를 파악한 다음 관련 업무를 실제...

2022.07.06

‘디지털 트윈, AI, 예측 애널리틱스’는 NTT 인디카 시리즈(NTT Indycar Series; 1996년부터 시작된 미국의 대표적인 자동차 경주대회)의 상징적인 경기인 ‘인디애나폴리스 500마일(Indianapolis 500)’을 비롯해 레이싱을 펼치는 경주용 자동차의 운전석에 팬을 배치하는 데 도움이 된다.  칩 가나시 레이싱(Chip Ganassi Racing; CGR) 팀의 카레이서 마커스 에릭슨이 지난 5월 인디 500에서 우승했을 당시, 해당 경주용 자동차에는 레이싱 팀뿐만 아니라 서킷 그리고 전 세계에 있는 팬에게 데이터와 예측 애널리틱스 인사이트를 스트리밍하는 140개 이상의 센서가 탑재돼 있었다.   NTT 인디카 시리즈의 타이틀 스폰서 NTT는 펜스케 엔터테인먼트(Penske Entertainment)와 협력하여 에릭슨의 자동차 그리고 경쟁자 32명의 차량에 장착된 센서를 통해 약 80억 개의 데이터 포인트를 수집했다. NTT는 이전 시즌 그리고 NTT 인디카 시리즈의 첫 5개 이벤트에서 수집된 데이터와 함께 데이터 분석, 디지털 트윈, AI를 조합하여 팬에게 추월, 피트(pit) 예측, 기타 레이스 요소 등 실시간 심층 인사이트를 제공했다. 인디카의 마케팅 부사장 SJ 루트케는 “비즈니스 및 스포츠 관점에서 (모터스포츠는) 항상 기술 개발에 기반을 두고 있었다. 이를테면 인디애나폴리스 모터 스피드웨이(Indianapolis Motor Speedway; 자동차 경주 서킷)만 해도 새로운 자동차 비즈니스를 위한 시험대이자 인디애나폴리스 및 중서부 주변에 있는 많은 자동차 제조사가 최신 발명품을 가져와 테스트할 수 있는 장소로 만들어졌다”라고 말했다. 그에 따르면 현재 NTT와 인디카는 트랙을 넘어선 인게이지먼트 구축을 위해 데이터를 활용하는 방법을 고려하면서 그 전통을 이어가고 있다. 루트케는 “모든 기술과 이로 인해 생성되는 데이터를 가져다가 팬, 스폰서, 스포츠와 관련된 기타 이해관계자가 트랙에서 벗어나서 더욱...

2022.07.05

코로나19가 발병한 이후 인류의 생활에는 큰 변화가 일어났다. 직접 접촉을 피하고 비대면 형태로 이뤄지는 생활 패턴도 그중 하나다. 물론 코로나19 이전에도 이미 비대면 서비스는 존재하고 있었다. 매장 내 키오스크, 온라인 스트리밍, 챗봇 상담, 스마트오더 서비스 등이 여기에 속한다. 하지만 이번 코로나19 대유행은 그동안 많은 기업들이 망설여왔던 디지털 트랜스포메이션(Digital Transformation, 이하 DT)과 인공지능(AI) 도입에 있어 중요한 갈림길이 될 전망이다. 실제 각 기업은 경쟁력 제고를 위해 변화한 삶과 업무 방식, 급변하는 경영 환경 등 다방면에서의 디지털 트랜스포메이션이 필수라는 점을 인식하기 시작했다.   RPA Vs. 챗봇 뉴욕 디지털워크포스 전문업체 IP소프트에는 아밀리아(Amelia)라는 가상 직원이 근무하고 있다. 아밀리아는 기업 시스템 접속 및 정보 조회와 메일 전송, 시스템 운영 등 15개 분야 수백 가지 업무를 담당하고 있다. 아밀리아와는 사람 비서와 대화하듯 업무를 지시할 수 있고, 업무 수는 한 달에 1,000가지에 이르면서도 급여는 200만 원 수준에 지나지 않는다.  아밀리아 같은 디지털 직원(Digital Employee)의 등장은 AI 기술로 피상적 혁신이 아닌, 기업의 디지털화가 가능해진다는 점을 실감하게 한다. 이러한 변화의 중심에는 AI 기술이 존재하는데, 구체적으로 프론트엔드에서는 챗봇(Chatbot)이, 백엔드에서는 RPA라는 AI 기술이 작동한다. 이에 따라 본격적으로 기업의 업무 수행이 디지털화되는 것이다. 오늘날 디지털 트랜스포메이션과 관련된 최신 AI 기술을 논할 때, 챗봇과 RPA는 아마도 광범위하게 AI가 적용된, 가장 흔하게 언급되는 분야일 것이다. RPA와 챗봇은 기본적으로 다른 기술 아키텍처와 역할을 가지고 등장했다. RPA는 반복적이고 규칙적이면서 예측가능한 업무를 수행하는 노동을 보완하기 위해 등장했으며, 챗봇은 말 그대로 고객과 직원 관점의 다양한 비정...

2022.07.04

금융 서비스 기업은 수십 년간 진화를 거듭해온 복잡한 프로세스 아키텍처를 기반으로 대출과 신용카드 같은 주요 제품군의 운영 모델을 구축한다. 이 분야에서는 상호 운용이 불가능하고 오래된 기술을 이용해 수많은 직원을 단순 반복 업무에 배치하는 경우가 많았다. 비즈니스 프로세스 설계 및 운영에 대한 전통적인 접근법은 시간이 지날수록 수동 업무 배정 증가, 병목 현상, 직원 소모 및 데이터 부정확성을 야기했으며, 생산성과 수익성, 경쟁력도 저하됐다. 즉, 전통적인 운영 모델에서는 사람이 시스템과 프로세스를 통합하는 접착제로서의 역할만 하므로 연구 및 분석, 혁신, 고객 탁월성처럼 사람이 실질적인 변화를 가져올 수 있는 분야에 인간 고유의 능력을 활용하지 못한 것이다.  팬데믹으로 인해 가속화된 자동화 도입     블루프리즘은 금융 서비스 기업의 발전 현황을 이해하기 위해 전문가 550명을 대상으로 설문조사를 실시했다. 자동화 도입으로 발전한 분야와 업무 모델의 변화 추이, 향후 변화의 방향성에 관해 예측할 수 있었다.     설문조사에 따르면, 많은 금융 전문가는 자동화가 일상적인 업무에 중요하다고 답했다. 구체적으로 ▲데이터 재입력 업무 78%(지극히 중요 42%, 매우 중요 36%) ▲고객 데이터 확인 업무 76%(지극히 중요 37%, 매우 중요 39%) ▲고객 대면업무를 위한 시간확보 업무 71%(지극히 중요 32%, 매우 중요 39%) 측면에서 자동화가 중요하다고 응답했다.     코로나19 팬데믹은 금융 서비스 기업에 큰 영향을 미쳤다. 여러 금융 기업이 새로운 업무 조건을 빠르게 도입했고, 지능형 자동화를 활용해 새로운 기능을 신속하게 배포하며 대폭 증가한 대출 및 유급 휴가 수요에 대응할 수 있었다. 블루프리즘 설문조사 결과, 팬데믹을 통해 디지털 가속화를 확인했다고 답한 응답자는 87%에 달했다. 팬데믹으로 인해 운영 방식을 변경하지는 않을 것이라고 답한 응답자는 6%에 ...

2022.07.04

코로나19 팬데믹, 정신건강 위기, 의료 비용 증가, 인구 고령화 사이에서 업계 리더들이 의료 관련 AI 애플리케이션 개발을 서두르고 있다. 이를테면 벤처 캐피털 시장에서는 40곳 이상의 스타트업이 의료 서비스용 AI 솔루션을 구축하기 위해 미화 2,000만 달러라는 상당한 자금을 조달했다. 그렇다면 ‘AI’는 ‘의료 분야’에서 실제로 어떻게 활용되고 있을까?  ‘2022 헬스케어 AI 설문조사(2022 AI in Healthcare Survey)’는 전 세계 41개국 321명을 대상으로 헬스케어 AI를 정의하는 과제, 성공 사례, 사용 사례 등에 관해 질문했다. 올해로 두 번째를 맞는 이번 설문조사 결과에서도 결과는 크게 달라지지 않았지만 앞으로 몇 년 동안 추가 어떻게 움직일지 보여주는 몇 가지 흥미로운 트렌드가 제시됐다. 기업들이 알아야 할 3가지 트렌드는 다음과 같다.    1. 노코드 도구를 통한 AI 사용 편의성과 민주화 가트너는 2025년까지 기업들이 개발한 새로운 애플리케이션의 70%가 노코드 또는 로우코드 기술을 사용하리라 예측했다. 로우코드가 개발자의 워크로드를 간소화한다면, 데이터 과학 개입이 필요하지 않은 노코드 솔루션은 기업 그리고 그 너머에 큰 영향을 미칠 전망이다.  그리고 이를 통해 AI 사용자가 기술 전문가에서 도메인 전문가로 전환되고 있다는 사실은 확실하다. AI 도구 및 기술 사용자를 물어본 질문에 ‘2022 헬스케어 AI 설문조사’의 전체 응답자 중 절반 이상(61%)이 의사가 사용자라고 밝혔으며, 의료 서비스 제공자(45%), 의료 IT 기업(38%)이 그 뒤를 이었다.  의료 관련 AI 애플리케이션 그리고 오픈소스 기술의 가용성에 관한 개발 및 투자와 함께 이 업계가 AI 기술을 광범위하게 도입하고 있다는 의미다. 이는 중요하다. 엑셀이나 포토샵 등 일반적인 사무 도구처럼 코드를 사용하는 것이 AI를 더 나은 방향으로 변화시키기 때문이다.  다시 말해, 기술...

2022.06.27

사물인터넷(IoT)은 지난 10년간 기업 분야 전반으로 꾸준히 확산했다. IoT 기기와 그 데이터 기능을 이용해 기업 운영을 최적화하면서 비즈니스와 소비자 기술의 신시대가 열렸다. 그리고 이제 인공지능(AI)과 머신러닝(ML)이 발전하면서 ‘인공지능 사물인터넷(Artificial Intelligence of Things, AIoT)’을 이용해 IoT 기기의 새로운 가능성을 실현하는 또 다른 물결이 등장했다.   AIoT를 활용하면 기업이 새로운 경쟁 우위를 얻을 수 있다. IoT는 데이터를 수집하고 AI는 이를 분석해 지능적 행동을 시뮬레이션하고, 사람의 개입을 최소화한 상태에서 의사 결정 과정을 지원한다.   IoT에 AI가 필요한 이유 IoT는 기기가 서로 통신하고 인사이트에 따라 행동하도록 한다. 따라서 이들 기기는 이들이 제공하는 데이터만큼만 유용할 뿐이다. 의사 결정에 제대로 활용하려면 더 많은 데이터를 수집해 저장하고 가공, 분석해야 한다. 그러나 이렇게 하기가 쉽지 않다. 실제로 IoT 도입이 늘어나자 데이터를 효율적으로 가공해 실질적으로 의사 결정에 반영할 인사이트를 도출하는 데 어려움이 생겼다. 이는 2가지 원인, 즉 클라우드와 데이터 전송 때문이다. 클라우드는 IoT로부터 나오는 온갖 데이터를 처리할 수 있도록 IoT 규모에 비례해 확장해야 하지만 이 과정이 수월하지 않다. 또한, 데이터를 IoT 기기로부터 클라우드로 전송하는 작업은 대역폭의 제한이 있다. 통신 네트워크의 규모와 정교함에 관계없이 IoT 기기가 수집하는 데이터 분량만으로도 지연과 정체가 발생한다. 몇몇 IoT 응용 분야, 예를 들어 자율 주행차 등은 신속한 실시간 의사 결정이 필요하다. 효과적이고 안전한 주행을 위해 마치 인간처럼 순간적으로 데이터를 처리하고 결정해야 한다. 지연, 불안정한 연결, 낮은 대역폭의 제한이 있어서는 안 된다. 자율 자동차가 신속한 의사 결정에 의존하는 유일한 IoT 응용 분야는 아니다. 제조는 이미 IoT 기기를 ...

2022.06.27

인공지능은 ‘다양성, 형평성, 포용성(Diversity, Equity, and Inclusion; DEI)’과 관련해 얼룩진 과거가 있긴 하지만, 주의 깊게 개발한다면 AI 도구는 직장 내 편견을 파악하는 데 유용할 수 있다.  PwC의 ‘2022년 AI 기업 설문조사(2022 AI Business Survey)’ 결과에 따르면 AI를 도입하면서 가장 큰 성공을 거둔 기업들은 전체적인 AI 접근 방식을 취하고 있는 것으로 나타났다. 전체 설문조사 응답자의 36%에 해당되며, PwC가 ‘AI 리더’라고 칭하는 이 그룹은 AI를 사용하여 한 번에 한 영역을 다루기보다는 비즈니스 트랜스포메이션, 의사결정 개선, 시스템 현대화를 동시에 꾀하고 있다. 아울러 ‘AI 리더’ 그룹은 DEI를 둘러싼 복잡한 비즈니스 의사결정을 해결하기 위해 AI를 활용하기 시작했다. 실제로 ‘AI 리더’의 46%가 (AI를 기반으로) DEI를 포함하여 인력 구성을 하고 있다고 밝혔다. ‘AI 리더’가 아닌 기업 중에서 그렇다고 답한 곳은 24%에 불과했다.  PwC의 데이터 애널리틱스 및 AI 파트너 겸 해당 보고서의 공동 저자 브렛 그린스테인은 “기업들이 채용뿐만 아니라 (직원) 유지와 참여에도 AI를 사용하고 있다”라고 말했다.   ‘채용’과 관련된 ‘AI’의 얼룩진 과거  많은 기업이 이러한 영역에서 DEI를 평가하기 위한 도구로 AI를 실험하고 있지만 이런 프로세스를 AI에 전적으로 위임할 게 아니라 AI로 강화해야 한다고 그린스테인은 지적했다. 과거 편향된 알고리즘이 여성과 비백인 지원자를 차별하는 등 AI가 DEI 측면에서 득보다 실이 컸기 때문이다.  “인재를 가려내는 알고리즘의 편향에 관한 뉴스가 많았다”라며, “예를 들면 지난 2018년 아마존은 자체 개발한 AI 채용 시스템이 여성 지원자를 차별하는 것으로 드러나 (이를) 폐기해야 했다. 아울러 하버드 비즈니스 리뷰(Harvard Business Review)의 201...

2022.06.13

AI를 사용하면 컴플라이언스 관리의 효율성을 높이는 한편 비용도 절감할 수 있다. 규제가 심한 산업의 CIO에게 이것이 의미하는 바는 다음과 같다. 규제는 소비자와 시장을 보호하기 위해 만들어졌지만 복잡하고, 비용이 많이 들며, 준수하기 어려운 경우가 많다. 금융, 생명과학 등 규제가 엄격한 산업은 컴플라이언스 비용 부담이 상당하다. 딜로이트에 따르면 지난 2008년 금융위기 이후 은행의 컴플라이언스 비용은 60% 증가한 것으로 추정되며, 위험 관리 협회(Risk Management Association)는 금융기관의 50%가 수익의 6~10%를 컴플라이언스에 지출하는 것으로 조사됐다고 밝혔다.   RPA, NLP 등의 인공지능 및 지능형 자동화 프로세스를 활용하면 컴플라이언스를 충족하는 데 있어 효율성을 높이는 한편 비용도 절감할 수 있다. 그 방법은 아래와 같다. 1. RPA 및 NLP를 사용한 규제 변경 관리 금융기관은 한 해에만 최대 3억 페이지의 새로운 규정을 처리해야 할 수 있다(이는 여러 채널을 통해 주, 연방 또는 시 당국에서 배포된다). 이러한 변경 사항을 ‘수동’으로 수집, 분류, 확인하여 적절한 비즈니스 영역에 매핑하는 작업은 매우 많은 시간이 소요된다. 여기서 RPA를 사용하면 규제 변경 사항을 자동으로 수집할 수 있다. 더 나아가 규제를 이해하고 비즈니스 프로세스에도 적용하려면 정교한 OCR(광학 문자 인식), NLP, AI 모델이 필요하다. • OCR은 규제 텍스트를 기계가 읽을 수 있는 텍스트로 변환할 수 있다. • 그다음 NLP는 텍스트 처리, 즉 복잡한 문장과 규제 용어를 이해하는 데 사용된다. • AI 모델은 해당 결과물을 활용하여 ▲유사한 과거 사례를 기반으로 정책 변경 옵션을 제공하고, ▲새로운 규제를 필터링하여 비즈니스와 관련된 규제에 플래그를 지정할 수 있다. 이러한 모든 기능을 통해 애널리스트는 상당한 시간을 절약할 수 있기 때문에 비용을 절감할 수 있다. 2. 규제 보고 간소화 규제 보고에서 ...

2022.05.26

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...

2022.05.12

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