Offcanvas

������������

블로그ㅣML 모델 ‘모니터링’이 중요한 이유

변화하는 가정과 끊임없이 바뀌는 데이터는 머신러닝 모델을 프로덕션에 배포한 후에도 작업이 끝나지 않는다는 의미다.  애자일 개발팀은 마이크로서비스, 애플리케이션, 데이터베이스를 관찰할 수 있어야 하고, 운영 문제를 파악하기 위한 모니터링 기능을 갖춰야 하며, AI옵스를 활용하여 관리 가능한 인시던트를 경고 알림과 연계시켜야 한다.  사용자와 비즈니스 이해관계자가 (모델) 개선을 요청할 때 많은 데브옵스 팀은 애자일 방법론을 따라 피드백을 처리하고 새 버전을 배포한다. 만약 요청이 없더라도 데브옵스 팀은 앱을 업그레이드하고, 기본 구성 요소를 패치해야 한다는 점을 알고 있다. 그렇지 않으면 오늘 개발된 소프트웨어가 내일의 기술 부채가 될 것이다.    머신러닝 모델의 라이프사이클 관리는 소프트웨어보다 더 복잡하다. 와이랩스(WhyLabs)의 공동설립자 겸 엔지니어링 부문 책임자 앤디 당은 “모델 개발 라이프사이클은 하이 레벨에서 소프트웨어 개발 라이프사이클과 유사하지만 훨씬 더 복잡하다. 소프트웨어는 코드로 취급되지만 ML 모델의 기반인 데이터는 복잡하고, 고차원적이며, 동작을 예측할 수 없다”라고 전했다.  코드, 구성 요소, 인프라 외에도 모델은 알고리즘, 구성, 학습 데이터세트를 사용하여 구축된다. 이는 설계 당시에 선택 및 최적화되기 때문에, 시간이 지나면서 가정 및 데이터가 변경되면 업데이트를 해야 한다.  머신러닝 모델을 모니터링하는 이유 애플리케이션의 성능, 안정성, 오류 조건을 모니터링하는 것과 마찬가지로, 머신러닝 모델 모니터링은 데이터 과학자에게 모델 성능에 관한 가시성을 제공한다. 모니터링은 모델이 예측에 사용되거나 해당 ML이 변동성 높은 데이터 세트에서 실행될 때 특히 중요하다.  이터레이티브(Iterative)의 공동설립자 겸 CEO 드미트리 페트로프에 따르면 “ML 팀이 모델을 개선하고 모든 것이 의도한 대로 실행되길 원하기 때문에 모델 모니터링은 성능 및 문제...

머신러닝 인공지능 데이터 과학 애널리틱스 예측 애널리틱스

3일 전

변화하는 가정과 끊임없이 바뀌는 데이터는 머신러닝 모델을 프로덕션에 배포한 후에도 작업이 끝나지 않는다는 의미다.  애자일 개발팀은 마이크로서비스, 애플리케이션, 데이터베이스를 관찰할 수 있어야 하고, 운영 문제를 파악하기 위한 모니터링 기능을 갖춰야 하며, AI옵스를 활용하여 관리 가능한 인시던트를 경고 알림과 연계시켜야 한다.  사용자와 비즈니스 이해관계자가 (모델) 개선을 요청할 때 많은 데브옵스 팀은 애자일 방법론을 따라 피드백을 처리하고 새 버전을 배포한다. 만약 요청이 없더라도 데브옵스 팀은 앱을 업그레이드하고, 기본 구성 요소를 패치해야 한다는 점을 알고 있다. 그렇지 않으면 오늘 개발된 소프트웨어가 내일의 기술 부채가 될 것이다.    머신러닝 모델의 라이프사이클 관리는 소프트웨어보다 더 복잡하다. 와이랩스(WhyLabs)의 공동설립자 겸 엔지니어링 부문 책임자 앤디 당은 “모델 개발 라이프사이클은 하이 레벨에서 소프트웨어 개발 라이프사이클과 유사하지만 훨씬 더 복잡하다. 소프트웨어는 코드로 취급되지만 ML 모델의 기반인 데이터는 복잡하고, 고차원적이며, 동작을 예측할 수 없다”라고 전했다.  코드, 구성 요소, 인프라 외에도 모델은 알고리즘, 구성, 학습 데이터세트를 사용하여 구축된다. 이는 설계 당시에 선택 및 최적화되기 때문에, 시간이 지나면서 가정 및 데이터가 변경되면 업데이트를 해야 한다.  머신러닝 모델을 모니터링하는 이유 애플리케이션의 성능, 안정성, 오류 조건을 모니터링하는 것과 마찬가지로, 머신러닝 모델 모니터링은 데이터 과학자에게 모델 성능에 관한 가시성을 제공한다. 모니터링은 모델이 예측에 사용되거나 해당 ML이 변동성 높은 데이터 세트에서 실행될 때 특히 중요하다.  이터레이티브(Iterative)의 공동설립자 겸 CEO 드미트리 페트로프에 따르면 “ML 팀이 모델을 개선하고 모든 것이 의도한 대로 실행되길 원하기 때문에 모델 모니터링은 성능 및 문제...

3일 전

“매일 10시간씩 활주시간 단축” 세계 최대 항공사의 애널리틱스 실전 노하우

아메리칸 항공(American Airlines)은 클라우드 전환을 통해 AI, ML, 실시간 애널리틱스 등을 활용하면서 비즈니스 중단을 최소화하고, 운영을 간소화하며, 비행 환경을 개선하고 있다.  코로나19 팬데믹 이후 전 세계 항공사는 악천후, 항공 교통 관제사 감소, 조종사 부족 등으로 어려움을 겪고 있으며, 이로 인해 사상 유례없는 항공편 결항 건수를 기록했다. 로이터에 따르면 지난 1월부터 7월까지 미국에서 10만 건 이상의 항공편이 취소됐다. 팬데믹 이전 수준보다 11% 증가한 수치다.  세계 최대 항공사인 아메리칸 항공은 더욱더 원활한 고객 경험을 제공하기 위한 목적으로 비즈니스 중단을 최소화하고 운영을 간소화하기 위해 데이터 및 애널리틱스를 도입했다.  아메리칸 항공의 수석 부사장 겸 CIO 마야 립만은 “터치리스, 심리스, 스트레스리스(Touchless, Seamless, Stressles)라는 비전을 늘 가지고 있었지만 기존 시스템과 인프라로는 이를 달성하기가 어려웠다”라며, “현대화를 통해 이에 가까워지고 있다. 미래에는 공항이 ‘하늘 정류장(Sky-Stops)’이라고 불릴지 모른다. 일반적인 버스 정류장처럼 공항에서도 수고로움이나 스트레스 없이 시간에 맞춰 탑승하기만 하면 되기 때문이다”라고 말했다.    신임 수석 부사장 겸 CDIO 가네시 제이아람의 취임을 앞두고 9월 1일 아메리칸 항공을 사임한 립만은 이 86년 된 항공사가 데이터 기반 의사결정을 도입할 수 있도록 대대적인 혁신을 주도했다. 그는 “지난 몇 년간 이러한 혁신을 지속해왔다. 팬데믹 이전에는 새롭게 개발된 제품 분류 체계를 중심으로 팀을 재구성하여 제품 중심 사고방식을 구축했다. 이는 (IT에) 큰 변화였다. 하지만 2019년 제품 중심의 데브옵스 문화 기반을 마련해 놓은 덕분에 고객이 항공편 결항에 따른 여행 크레딧을 더 쉽게 사용할 수 있도록 하는 등 팬데믹 관련 고객 문제를 해결하는 데 있어 신속하게 업무를 바...

아메리칸 항공 항공사 클라우드 인공지능 머신러닝 애널리틱스 실시간 애널리틱스 데이터옵스 팬데믹 데이터 애널리틱스 자동화 RPA

2022.09.19

아메리칸 항공(American Airlines)은 클라우드 전환을 통해 AI, ML, 실시간 애널리틱스 등을 활용하면서 비즈니스 중단을 최소화하고, 운영을 간소화하며, 비행 환경을 개선하고 있다.  코로나19 팬데믹 이후 전 세계 항공사는 악천후, 항공 교통 관제사 감소, 조종사 부족 등으로 어려움을 겪고 있으며, 이로 인해 사상 유례없는 항공편 결항 건수를 기록했다. 로이터에 따르면 지난 1월부터 7월까지 미국에서 10만 건 이상의 항공편이 취소됐다. 팬데믹 이전 수준보다 11% 증가한 수치다.  세계 최대 항공사인 아메리칸 항공은 더욱더 원활한 고객 경험을 제공하기 위한 목적으로 비즈니스 중단을 최소화하고 운영을 간소화하기 위해 데이터 및 애널리틱스를 도입했다.  아메리칸 항공의 수석 부사장 겸 CIO 마야 립만은 “터치리스, 심리스, 스트레스리스(Touchless, Seamless, Stressles)라는 비전을 늘 가지고 있었지만 기존 시스템과 인프라로는 이를 달성하기가 어려웠다”라며, “현대화를 통해 이에 가까워지고 있다. 미래에는 공항이 ‘하늘 정류장(Sky-Stops)’이라고 불릴지 모른다. 일반적인 버스 정류장처럼 공항에서도 수고로움이나 스트레스 없이 시간에 맞춰 탑승하기만 하면 되기 때문이다”라고 말했다.    신임 수석 부사장 겸 CDIO 가네시 제이아람의 취임을 앞두고 9월 1일 아메리칸 항공을 사임한 립만은 이 86년 된 항공사가 데이터 기반 의사결정을 도입할 수 있도록 대대적인 혁신을 주도했다. 그는 “지난 몇 년간 이러한 혁신을 지속해왔다. 팬데믹 이전에는 새롭게 개발된 제품 분류 체계를 중심으로 팀을 재구성하여 제품 중심 사고방식을 구축했다. 이는 (IT에) 큰 변화였다. 하지만 2019년 제품 중심의 데브옵스 문화 기반을 마련해 놓은 덕분에 고객이 항공편 결항에 따른 여행 크레딧을 더 쉽게 사용할 수 있도록 하는 등 팬데믹 관련 고객 문제를 해결하는 데 있어 신속하게 업무를 바...

2022.09.19

기고 | 하이퍼오토메이션, 하이퍼의 진짜 가치는 ‘인간 조수’

2020년 가트너 전략 기술 트렌드에서 1위로 선정된 하이퍼오토메이션(hyperautomation)의 시장 규모는 2022년 6,000억 불에 육박할 것으로 예측된다. 하이퍼의 뜻과 준비물에 대해 알아보자.   기존 자동화 워크플로우는 정형 데이터를 철저히 규정된 방식으로 처리하는 데 중점을 뒀다. 그러나 전 세계 데이터 중 80~90%가 비정형 데이터다. 지금까지 이 방대한 데이터의 잠재력이 발휘되지 못했다. 단지 인간의 뇌가 수고스럽게 해석했을 뿐이다.  하이퍼오토메이션은 바로 이 비정형 데이터의 처리를 대규모로 확장할 수 있는 기술이다.     ‘하이퍼’의 진짜 가치 데이터 분야에서 비정형 데이터는 잘못 알려져 있다. 이미지, 문서, 오디오 파일은 보통 비정형 데이터로 분류되지만 사실 모두 고도로 구조화되어 있다. 이런 데이터 유형의 진짜 한계는 해석이 어렵다는 점이다. 기존 시스템은 들어오는 데이터를 분류하는 데 그치지 않고 해석해야 한다. 하지만 비정형 데이터는 해석을 내재하지 않는다. 예컨대 이미지 파일을 이루는 비트는 구조화되어 있지만 해당 파일이 고양이 사진인지 강아지 사진인지에 대한 정보는 포함하고 있지 않다. 따라서 인간의 추정과 인지가 필요한데, 이는 비효율적이며 대규모로 확장될 수 없다.  가트너에 따르면 하이퍼오토메이션은 여러 기술을 포괄하는 큰 개념이다. 그럼에도 한 가지 핵심을 뽑자면 바로 ‘하이퍼’인데, 이는 곧 애널리틱스를 뜻한다. 데이터 애널리틱스는 인간과 유사한 인지 능력을 대신해 비정형 데이터를 IT 시스템이 이해할 수 있도록 통역해준다. 가령 이미지 인식, 자연어 처리가 모두 인공지능 기반의 데이터 애널리틱스 기술이다. 데이터에 의미와 맥락을 부여하는 셈이다.  자동화 기술이 데이터 추출을 넘어 더 유용해지려면 아직 인간과 유사한 분석 기능이 더 필요하다. 복잡한 논리력과 인지 능력을 갖춰 모호한 주관식 문제에 답할 정도의 수준으로 발전할 수도 있다. &n...

자동화 초자동화 하이퍼오토메이션 인공지능 로보틱처리자동화 RPA

2022.09.19

2020년 가트너 전략 기술 트렌드에서 1위로 선정된 하이퍼오토메이션(hyperautomation)의 시장 규모는 2022년 6,000억 불에 육박할 것으로 예측된다. 하이퍼의 뜻과 준비물에 대해 알아보자.   기존 자동화 워크플로우는 정형 데이터를 철저히 규정된 방식으로 처리하는 데 중점을 뒀다. 그러나 전 세계 데이터 중 80~90%가 비정형 데이터다. 지금까지 이 방대한 데이터의 잠재력이 발휘되지 못했다. 단지 인간의 뇌가 수고스럽게 해석했을 뿐이다.  하이퍼오토메이션은 바로 이 비정형 데이터의 처리를 대규모로 확장할 수 있는 기술이다.     ‘하이퍼’의 진짜 가치 데이터 분야에서 비정형 데이터는 잘못 알려져 있다. 이미지, 문서, 오디오 파일은 보통 비정형 데이터로 분류되지만 사실 모두 고도로 구조화되어 있다. 이런 데이터 유형의 진짜 한계는 해석이 어렵다는 점이다. 기존 시스템은 들어오는 데이터를 분류하는 데 그치지 않고 해석해야 한다. 하지만 비정형 데이터는 해석을 내재하지 않는다. 예컨대 이미지 파일을 이루는 비트는 구조화되어 있지만 해당 파일이 고양이 사진인지 강아지 사진인지에 대한 정보는 포함하고 있지 않다. 따라서 인간의 추정과 인지가 필요한데, 이는 비효율적이며 대규모로 확장될 수 없다.  가트너에 따르면 하이퍼오토메이션은 여러 기술을 포괄하는 큰 개념이다. 그럼에도 한 가지 핵심을 뽑자면 바로 ‘하이퍼’인데, 이는 곧 애널리틱스를 뜻한다. 데이터 애널리틱스는 인간과 유사한 인지 능력을 대신해 비정형 데이터를 IT 시스템이 이해할 수 있도록 통역해준다. 가령 이미지 인식, 자연어 처리가 모두 인공지능 기반의 데이터 애널리틱스 기술이다. 데이터에 의미와 맥락을 부여하는 셈이다.  자동화 기술이 데이터 추출을 넘어 더 유용해지려면 아직 인간과 유사한 분석 기능이 더 필요하다. 복잡한 논리력과 인지 능력을 갖춰 모호한 주관식 문제에 답할 정도의 수준으로 발전할 수도 있다. &n...

2022.09.19

AI 프로젝트는 안녕한가··· ‘인공지능 ROI’ 측정하는 법

‘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 ...

인공지능 AI ROI 자동화

2022.09.13

‘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

딥러닝 프레임워크 ‘3파전’··· '텐서플로우 vs 파이토치 vs JAX' 비교

오늘날 딥러닝 연구 및 개발을 주도하는 3가지 프레임워크가 있다. 각각 (1) 사용 편의성, (2) 기능 및 성숙도, (3) 엄청난 확장성으로 유명하다. 어떤 프레임워크를 사용해야 할까?  음성에 반응하는 시리나 알렉사, 스마트폰의 실시간 번역 앱, 스마트 트랙터, 창고 로봇, 자율주행차 등에 들어가는 컴퓨터 비전 기술 등 ‘딥러닝’은 크고 작은 방식으로 삶을 매일 변화시키고 있다. 그리고 거의 모든 딥러닝 애플리케이션은 3가지 프레임워크 (1) 텐서플로우, (2) 파이토치, (3) JAM 중 하나로 작성된다. 그렇다면 이 중에서 어떤 딥러닝 프레임워크를 사용해야 할까?    ‘텐서플로우’를 사용해야 할까? 1970년대와 1980년대에는 ‘IBM 제품을 샀다고 해고된 사람은 아무도 없다(Nobody ever got fired forbuying an IBM)’라는 말이 진리로 통했다. 2010년대에는 이를 ‘딥러닝에 텐서플로우를 사용했다고 해고된 사람은 아무도 없다’라고 바꿔 말할 수 있겠다. 하지만 주지하다시피 IBM은 1990년대에 접어들면서 도태됐다. 그렇다면 텐서플로우는 2015년 처음 공개된 지 7년이 지난 지금에도 여전히 경쟁력이 있을까? 확실히 그렇다. 텐서플로우가 그동안 가만히 있지 않았다. 텐서플로우 1.x는 파이썬과 매우 다른 방식으로 정적 그래프를 작성하는 게 전부였지만 텐서플로우 2.x는 ‘즉시 실행’ 모드를 사용한 모델 빌드가 가능해지면서 좀 더 파이토치 같은 느낌이 났다. 아울러 하이 레벨(high level)에서 텐서플로우는 더 쉬운 개발을 위해 케라스(Keras)를 제공하고, 로우 레벨에서는 속도를 위해 컴파일러를 최적화하는 XLA(Accelerated Linear Algebra)를 제공한다. XLA는 GPU 성능을 향상시키며, 대규모 모델 학습에 뛰어난 성능을 제공하는 구글의 TPU(Tensor Processing Units)를 활용하는 방법이기도 하다. 그리고 텐서플로우가 수년간 잘해...

딥러닝 머신러닝 인공지능 개발 라이브러리 개발 프레임워크 소프트웨어 개발 파이썬 텐서플로우 파이토치 JAX 케라스 넘파이

2022.08.31

오늘날 딥러닝 연구 및 개발을 주도하는 3가지 프레임워크가 있다. 각각 (1) 사용 편의성, (2) 기능 및 성숙도, (3) 엄청난 확장성으로 유명하다. 어떤 프레임워크를 사용해야 할까?  음성에 반응하는 시리나 알렉사, 스마트폰의 실시간 번역 앱, 스마트 트랙터, 창고 로봇, 자율주행차 등에 들어가는 컴퓨터 비전 기술 등 ‘딥러닝’은 크고 작은 방식으로 삶을 매일 변화시키고 있다. 그리고 거의 모든 딥러닝 애플리케이션은 3가지 프레임워크 (1) 텐서플로우, (2) 파이토치, (3) JAM 중 하나로 작성된다. 그렇다면 이 중에서 어떤 딥러닝 프레임워크를 사용해야 할까?    ‘텐서플로우’를 사용해야 할까? 1970년대와 1980년대에는 ‘IBM 제품을 샀다고 해고된 사람은 아무도 없다(Nobody ever got fired forbuying an IBM)’라는 말이 진리로 통했다. 2010년대에는 이를 ‘딥러닝에 텐서플로우를 사용했다고 해고된 사람은 아무도 없다’라고 바꿔 말할 수 있겠다. 하지만 주지하다시피 IBM은 1990년대에 접어들면서 도태됐다. 그렇다면 텐서플로우는 2015년 처음 공개된 지 7년이 지난 지금에도 여전히 경쟁력이 있을까? 확실히 그렇다. 텐서플로우가 그동안 가만히 있지 않았다. 텐서플로우 1.x는 파이썬과 매우 다른 방식으로 정적 그래프를 작성하는 게 전부였지만 텐서플로우 2.x는 ‘즉시 실행’ 모드를 사용한 모델 빌드가 가능해지면서 좀 더 파이토치 같은 느낌이 났다. 아울러 하이 레벨(high level)에서 텐서플로우는 더 쉬운 개발을 위해 케라스(Keras)를 제공하고, 로우 레벨에서는 속도를 위해 컴파일러를 최적화하는 XLA(Accelerated Linear Algebra)를 제공한다. XLA는 GPU 성능을 향상시키며, 대규모 모델 학습에 뛰어난 성능을 제공하는 구글의 TPU(Tensor Processing Units)를 활용하는 방법이기도 하다. 그리고 텐서플로우가 수년간 잘해...

2022.08.31

제조·산업 특화 AI 스타트업 ‘마키나락스’, CB인사이트 선정 ‘50대 첨단 제조 스타트업’으로 꼽혀

제조·산업 특화 AI 스타트업 마키나락스가 CB인사이트에서 발표한 ‘세계 50대 첨단 제조 스타트업(Advanced Manufacturing 50: The most promising advanced manufacturing startups of 2022)’에 선정됐다고 밝혔다.   회사에 따르면 마키나락스는 ‘공장 분석 및 AI(Factory analytics & AI)’ 분야에 이름을 올렸다. 이 분야에는 마키나락스를 비롯해 노르웨이 유니콘 기업인 코그나이트(COGNITE), 미국의 스타트업 씨큐(SeeQ) 등 총 8개 기업이 포함됐다. CB인사이트는 전 세계 6,000개 이상의 기업을 평가해 ‘세계 50대 첨단 제조 스타트업’을 발표했다. ▲R&D 활동 ▲자체 Mosaic 스코어 ▲시장 잠재력 ▲비즈니스 및 경쟁 환경 ▲투자자 프로필 ▲팀 강점 및 기술 혁신 등이 주요 평가요소다. 이번에 선정된 50개 기업들은 2017년부터 약 7조 달러(한화 약 9조 원)의 투자를 유치했으며, 이중 12개 업체는 기업가치 1조 원 이상으로 평가받는 유니콘 기업이다. 올해 선정된 50개 기업 중에는 미국 기업이 27개로 가장 많았으며, 독일과 캐나다가 각 4개로 뒤를 이었다. 세계적인 AI 석학으로 꼽히는 앤드류 응 박사가 창립한 랜딩 AI(Landing AI)는 ‘외관 검사(Visual Inspection)’ 분야에 선정됐고, 국내에서는 설비 예지보전 솔루션 기업인 원프레딕트가 ‘예측 정비(Predictive maintenance)’ 분야에 이름을 올렸다. 윤성호·이재혁 공동대표는 “제조 및 산업에 특화된 AI 기술력과 노하우를 바탕으로 글로벌 시장에서 성장해 온 마키나락스의 가치를 입증한 의미 깊은 성과”라며, “AI 기술을 선도하는 기업으로서 제조 및 산업 현장이 직면한 다양한 문제를 해결해 실질적인 가치를 창출하며 산업의 지능화 실현해 나가겠다”라고 포부를 밝혔다.  마키나락스는 제조 및 산업에 특화된 AI 솔루션과 MLO...

마키나락스 인공지능 CB인사이트

2022.07.29

제조·산업 특화 AI 스타트업 마키나락스가 CB인사이트에서 발표한 ‘세계 50대 첨단 제조 스타트업(Advanced Manufacturing 50: The most promising advanced manufacturing startups of 2022)’에 선정됐다고 밝혔다.   회사에 따르면 마키나락스는 ‘공장 분석 및 AI(Factory analytics & AI)’ 분야에 이름을 올렸다. 이 분야에는 마키나락스를 비롯해 노르웨이 유니콘 기업인 코그나이트(COGNITE), 미국의 스타트업 씨큐(SeeQ) 등 총 8개 기업이 포함됐다. CB인사이트는 전 세계 6,000개 이상의 기업을 평가해 ‘세계 50대 첨단 제조 스타트업’을 발표했다. ▲R&D 활동 ▲자체 Mosaic 스코어 ▲시장 잠재력 ▲비즈니스 및 경쟁 환경 ▲투자자 프로필 ▲팀 강점 및 기술 혁신 등이 주요 평가요소다. 이번에 선정된 50개 기업들은 2017년부터 약 7조 달러(한화 약 9조 원)의 투자를 유치했으며, 이중 12개 업체는 기업가치 1조 원 이상으로 평가받는 유니콘 기업이다. 올해 선정된 50개 기업 중에는 미국 기업이 27개로 가장 많았으며, 독일과 캐나다가 각 4개로 뒤를 이었다. 세계적인 AI 석학으로 꼽히는 앤드류 응 박사가 창립한 랜딩 AI(Landing AI)는 ‘외관 검사(Visual Inspection)’ 분야에 선정됐고, 국내에서는 설비 예지보전 솔루션 기업인 원프레딕트가 ‘예측 정비(Predictive maintenance)’ 분야에 이름을 올렸다. 윤성호·이재혁 공동대표는 “제조 및 산업에 특화된 AI 기술력과 노하우를 바탕으로 글로벌 시장에서 성장해 온 마키나락스의 가치를 입증한 의미 깊은 성과”라며, “AI 기술을 선도하는 기업으로서 제조 및 산업 현장이 직면한 다양한 문제를 해결해 실질적인 가치를 창출하며 산업의 지능화 실현해 나가겠다”라고 포부를 밝혔다.  마키나락스는 제조 및 산업에 특화된 AI 솔루션과 MLO...

2022.07.29

인공지능의 새 국면, ‘감정인식 AI’··· 의미와 과제는?

인공지능(AI) 도구는 이제 사람들이 행복한지, 슬픈지, 화났는지를 파악하려고 한다.  ‘인공감성지능(Artificial Emotional Intelligence; AEI)’이라고 하는 것이 있다. 이는 사람의 감정 상태를 이해할 수 있는 인공지능이다. AI가 사람의 감정 상태를 감지할 수 있을까? 더 중요하게는, 그렇게 해야 할까? 대부분의 감정인식 AI는 ‘기본 정서 이론’에 기초하는데, 이는 사람들이 일반적으로 6가지 내적 감정 상태(행복, 놀라움, 두려움, 혐오, 분노, 슬픔)를 느끼고, 이러한 상태를 표정, 신체 언어, 억양으로 전달한다는 개념이다. 팬데믹 이후 원격근무 환경에서 영업 사원은 화상통화로 영업을 하면서 사람들의 감정을 읽는 데 어려움을 겪고 있다. 이때 상대편의 감정을 소프트웨어가 전달하면 좋지 않을까? 실제로 유니포어(Uniphore)와 사이빌(Sybill) 등이 이를 개발하고 있다. 예를 들면 유니포어의 ‘영업용 Q(Q for Sales)’ 애플리케이션은 비디오로 비언어적 신호와 신체 언어를, 오디오로 억양과 기타 데이터를 처리하여 ‘감정 스코어보드’를 생성한다.   컴퓨터를 통해 인간관계 맺기   줌(Zoom)은 이 아이디어에 관심을 보였다. 지난 4월 줌은 화상회의 이후 호스트에게 녹취록과 ‘감정 분석’을 제공하는 ‘영업용 줌 IQ(Zoom IQ for Sales)’ 평가판을 선보인 바 있는데, 가혹한 비판을 받았다. 어떤 사람들은 감정을 읽는 데 AI의 도움을 받는다는 아이디어를 좋아하는 반면, 다른 사람들은 감정 상태가 기계로 판단 및 전달되는 것을 싫어한다. 감정인식 AI 도구를 사용해야 하는지는 많은 업계와 일반 대중이 해결해야 할 중요한 문제다. 이를테면 채용은 감정인식 AI의 이점을 누릴 수 있는 영역이다. 면접관은 (이를 사용해) 진실성, 성실성, 동기 등을 이해할 수 있다. HR 팀과 및 채용 관리자는 입사 열정과 학습 의지에 따라 지원자의 순위를 매길 수 있을 것이다. 정부...

감정인식 AI 인공감성지능 인공지능 윤리적 AI 마이크로소프트

2022.07.26

인공지능(AI) 도구는 이제 사람들이 행복한지, 슬픈지, 화났는지를 파악하려고 한다.  ‘인공감성지능(Artificial Emotional Intelligence; AEI)’이라고 하는 것이 있다. 이는 사람의 감정 상태를 이해할 수 있는 인공지능이다. AI가 사람의 감정 상태를 감지할 수 있을까? 더 중요하게는, 그렇게 해야 할까? 대부분의 감정인식 AI는 ‘기본 정서 이론’에 기초하는데, 이는 사람들이 일반적으로 6가지 내적 감정 상태(행복, 놀라움, 두려움, 혐오, 분노, 슬픔)를 느끼고, 이러한 상태를 표정, 신체 언어, 억양으로 전달한다는 개념이다. 팬데믹 이후 원격근무 환경에서 영업 사원은 화상통화로 영업을 하면서 사람들의 감정을 읽는 데 어려움을 겪고 있다. 이때 상대편의 감정을 소프트웨어가 전달하면 좋지 않을까? 실제로 유니포어(Uniphore)와 사이빌(Sybill) 등이 이를 개발하고 있다. 예를 들면 유니포어의 ‘영업용 Q(Q for Sales)’ 애플리케이션은 비디오로 비언어적 신호와 신체 언어를, 오디오로 억양과 기타 데이터를 처리하여 ‘감정 스코어보드’를 생성한다.   컴퓨터를 통해 인간관계 맺기   줌(Zoom)은 이 아이디어에 관심을 보였다. 지난 4월 줌은 화상회의 이후 호스트에게 녹취록과 ‘감정 분석’을 제공하는 ‘영업용 줌 IQ(Zoom IQ for Sales)’ 평가판을 선보인 바 있는데, 가혹한 비판을 받았다. 어떤 사람들은 감정을 읽는 데 AI의 도움을 받는다는 아이디어를 좋아하는 반면, 다른 사람들은 감정 상태가 기계로 판단 및 전달되는 것을 싫어한다. 감정인식 AI 도구를 사용해야 하는지는 많은 업계와 일반 대중이 해결해야 할 중요한 문제다. 이를테면 채용은 감정인식 AI의 이점을 누릴 수 있는 영역이다. 면접관은 (이를 사용해) 진실성, 성실성, 동기 등을 이해할 수 있다. HR 팀과 및 채용 관리자는 입사 열정과 학습 의지에 따라 지원자의 순위를 매길 수 있을 것이다. 정부...

2022.07.26

‘성공적 AI를 위한 청사진’ 제시··· CIO 코리아-한국 HPE ‘C-레벨 이그제큐티브 미팅’ 개최

CIO 코리아와 한국 HPE가 공동 주최한 ‘C-레벨 이그제큐티브 미팅(C-Level Executive Meeting)’이 7월 19일 그랜드 인터컨티넨탈 서울 파르나스 아이리스 룸에서 개최됐다. 김영채 한국 HPE 대표의 환영사로 시작된 이번 행사에서는 ‘From Idea to Innovation – A Blueprint for successful AI’를 주제로 카이스트 정재승 교수, 한국 HPE 신장규 이사, 엔비디아 코리아 정소영 상무가 각각 발표를 전했다.  기조연설자로 나선 정재승 카이스트 교수는 ‘인공지능의 시대, 뇌공학으로 성찰하다’를 주제로 발표를 시작했다. 정 교수는 인공지능 시대, 그중에서도 빅데이터 시대를 관통하고 있다면서, 현재 인공지능이 어디에 있는지, 어떤 방향으로 나아갈 것인지 전망을 제시했다.    다음 세션에서는 엔비디아 코리아의 정소영 상무가 ‘Transformer의 시대, 그리고 NVIDIA Computing Platform’을 주제로 이야기를 전했다. 정 상무는 “오늘날 자연어 처리 모델의 99%는 ‘트랜스포머(Transformer)’ 기반으로 구축됐다고 해도 과언이 아니다”라면서, 트랜스포머 모델의 중요성을 강조했다.  이어 “문제는 모델의 크기가 기하급수적으로 커지면서 요구되는 컴퓨팅 퍼포먼스도 커진다는 점이다. 대규모 트랜스포머 모델 기반의 AI 학습을 위해서는 강력한 하드웨어가 필요하다. 실제로 국내·외 많은 기업이 슈퍼컴퓨터에 투자 중이다. 엔비디아의 강력한 하드웨어와 소프트웨어 제품군을 활용하면 엔터프라이즈에 안정적인 AI 학습 및 개발 환경을 구축할 수 있다”라고 정소영 상무는 설명했다.  마지막은 한국 HPE의 신장규 이사가 ‘성공적인 AI 구현을 위한 HPE GreenLake AI as as Service’를 주제로 인사이트를 전했다. 신 이사는 먼저 클라우드 시장 트렌드를 언급하면서, “클라우드와 관련된 인프라 시장 규모가 클라우드와 관련 없는 인프라 ...

C-레벨 이그제큐티브 미팅 CIO코리아 한국 HPE 인공지능 클라우드

2022.07.19

CIO 코리아와 한국 HPE가 공동 주최한 ‘C-레벨 이그제큐티브 미팅(C-Level Executive Meeting)’이 7월 19일 그랜드 인터컨티넨탈 서울 파르나스 아이리스 룸에서 개최됐다. 김영채 한국 HPE 대표의 환영사로 시작된 이번 행사에서는 ‘From Idea to Innovation – A Blueprint for successful AI’를 주제로 카이스트 정재승 교수, 한국 HPE 신장규 이사, 엔비디아 코리아 정소영 상무가 각각 발표를 전했다.  기조연설자로 나선 정재승 카이스트 교수는 ‘인공지능의 시대, 뇌공학으로 성찰하다’를 주제로 발표를 시작했다. 정 교수는 인공지능 시대, 그중에서도 빅데이터 시대를 관통하고 있다면서, 현재 인공지능이 어디에 있는지, 어떤 방향으로 나아갈 것인지 전망을 제시했다.    다음 세션에서는 엔비디아 코리아의 정소영 상무가 ‘Transformer의 시대, 그리고 NVIDIA Computing Platform’을 주제로 이야기를 전했다. 정 상무는 “오늘날 자연어 처리 모델의 99%는 ‘트랜스포머(Transformer)’ 기반으로 구축됐다고 해도 과언이 아니다”라면서, 트랜스포머 모델의 중요성을 강조했다.  이어 “문제는 모델의 크기가 기하급수적으로 커지면서 요구되는 컴퓨팅 퍼포먼스도 커진다는 점이다. 대규모 트랜스포머 모델 기반의 AI 학습을 위해서는 강력한 하드웨어가 필요하다. 실제로 국내·외 많은 기업이 슈퍼컴퓨터에 투자 중이다. 엔비디아의 강력한 하드웨어와 소프트웨어 제품군을 활용하면 엔터프라이즈에 안정적인 AI 학습 및 개발 환경을 구축할 수 있다”라고 정소영 상무는 설명했다.  마지막은 한국 HPE의 신장규 이사가 ‘성공적인 AI 구현을 위한 HPE GreenLake AI as as Service’를 주제로 인사이트를 전했다. 신 이사는 먼저 클라우드 시장 트렌드를 언급하면서, “클라우드와 관련된 인프라 시장 규모가 클라우드와 관련 없는 인프라 ...

2022.07.19

AI 및 ML 시스템을 붕괴시키는 ‘적대적 머신러닝’의 이해

AI 및 머신러닝(Machine Learning, ML) 프로젝트를 시작하는 기업이 늘면서 AI/ML의 안전을 확보하는 일이 무엇보다 중요해졌다. IBM과 모닝 컨설트(Morning Consult)가 5월 발표한 보고서에 따르면, 전 세계 7,500곳 이상의 기업 중에서 35%가 이미 AI를 사용 중이다. 전년 대비 13% 증가한 수치다. AI를 탐색하고 있는 기업은 42%였다. 20%의 기업은 데이터 보안에서 어려움을 겪고 있었고, 이로 인해 AI 도입이 늦춰지고 있다고 답했다.   가트너가 2021년 2월 실시한 설문조사에서도 보안이 AI 도입 시 가장 큰 걸림돌이었다. 보안은 AI 솔루션을 기존 인프라에 통합하는 데 따르는 복잡성과 함께 1위를 차지했다.  마이크로소프트가 같은 해 3월 발표한 논문에 따르면, 기업의 90%는 적대적 머신러닝(Adversarial Machine Learning)에서 기업 시스템을 보호할 준비가 되어 있지 않다. 논문에서 다룬 28곳의 대/소규모 기업 가운데 25곳에서 ML 시스템 보안에 필요한 툴을 배치하지 않았다.  AI/ML 시스템 보안은 상당히 어려운 작업이다. 몇몇 어려움은 AI 고유의 특성에 기인한다. 예를 들어 AI/ML 시스템은 데이터를 필요로 하는데, 민감 데이터나 독점적 정보는 공격자의 표적이 된다. AI/ML 보안의 또 다른 측면은 ‘적대적 머신러닝’처럼 낯설기만 하다. 적대적 머신러닝이란 무엇인가?  엄밀히 말해 적대적 머신러닝은 이름과는 달리 머신러닝이 아니다. ML 시스템을 공격하는 데 사용되는 일련의 기법이다. 토론토 메트로폴리탄 대학교(Toronto Metropolitan University) 교수이자 글로벌 리서치 연구소(Global Research Institute)의 상임 연구원 알렉세이 루브초이는 “적대적 머신러닝은 ML 모델의 취약점과 특수성을 이용한다”라고 말했다. 루브초이는 최근 금융 서비스 산업 내 적대적 머신러닝에 관한 논문을 발표했다...

인공지능 머신러닝 적대적머신러닝

2022.07.04

AI 및 머신러닝(Machine Learning, ML) 프로젝트를 시작하는 기업이 늘면서 AI/ML의 안전을 확보하는 일이 무엇보다 중요해졌다. IBM과 모닝 컨설트(Morning Consult)가 5월 발표한 보고서에 따르면, 전 세계 7,500곳 이상의 기업 중에서 35%가 이미 AI를 사용 중이다. 전년 대비 13% 증가한 수치다. AI를 탐색하고 있는 기업은 42%였다. 20%의 기업은 데이터 보안에서 어려움을 겪고 있었고, 이로 인해 AI 도입이 늦춰지고 있다고 답했다.   가트너가 2021년 2월 실시한 설문조사에서도 보안이 AI 도입 시 가장 큰 걸림돌이었다. 보안은 AI 솔루션을 기존 인프라에 통합하는 데 따르는 복잡성과 함께 1위를 차지했다.  마이크로소프트가 같은 해 3월 발표한 논문에 따르면, 기업의 90%는 적대적 머신러닝(Adversarial Machine Learning)에서 기업 시스템을 보호할 준비가 되어 있지 않다. 논문에서 다룬 28곳의 대/소규모 기업 가운데 25곳에서 ML 시스템 보안에 필요한 툴을 배치하지 않았다.  AI/ML 시스템 보안은 상당히 어려운 작업이다. 몇몇 어려움은 AI 고유의 특성에 기인한다. 예를 들어 AI/ML 시스템은 데이터를 필요로 하는데, 민감 데이터나 독점적 정보는 공격자의 표적이 된다. AI/ML 보안의 또 다른 측면은 ‘적대적 머신러닝’처럼 낯설기만 하다. 적대적 머신러닝이란 무엇인가?  엄밀히 말해 적대적 머신러닝은 이름과는 달리 머신러닝이 아니다. ML 시스템을 공격하는 데 사용되는 일련의 기법이다. 토론토 메트로폴리탄 대학교(Toronto Metropolitan University) 교수이자 글로벌 리서치 연구소(Global Research Institute)의 상임 연구원 알렉세이 루브초이는 “적대적 머신러닝은 ML 모델의 취약점과 특수성을 이용한다”라고 말했다. 루브초이는 최근 금융 서비스 산업 내 적대적 머신러닝에 관한 논문을 발표했다...

2022.07.04

딥브레인AI, ‘AI 부모님’ 구현…‘리메모리’ 서비스 출시 

인공지능(AI) 영상 합성 업체 딥브레인AI는 연로한 부모님의 건강한 모습을 AI 휴먼으로 구현해 간직할 수 있게 해주는 ‘리메모리(Re;memory)’ 서비스를 시작한다고 27일 밝혔다.   리메모리는 사랑하는 부모님의 얼굴과 목소리, 표정 등을 그대로 담은 인공지능 기반의 가상인간을 제작하는 개인 고객 대상 프리미엄 AI 휴먼 서비스다. 부모님의 모습을 오래도록 기억하고 싶은 자녀들이 자신의 부모님을 AI 휴먼화해 언제든 생동감 있게 만나고, 대화할 수 있다고 업체 측은 전했다.  딥브레인AI에 따르면 AI 휴먼 솔루션은 음성 및 영상 합성, 자연어 처리, 음성 인식 기술을 융합한 대화형 인공지능 기술을 기반으로 한다. 이용자와 실시간 소통이 가능하며, 사람과 가까운 비주얼을 지닌 가상인간을 만들어낸다. 딥브레인AI는 립싱크 및 움직임, 표정 등 비언어적인 부분에서도 실존 모델 못지않은 완성도의 가상인간을 구현하는 딥러닝 기반 영상 합성 기술력을 보유하고 있다고 설명했다.  리메모리 서비스를 통해 AI 휴먼을 제작할 경우, 사전 인터뷰를 통해 개인의 삶에서 일어났던 다양한 에피소드와 이야기 등을 시나리오화한다. 이러한 개인 정보를 AI 휴먼에 학습시켜 추후 대화할 때 원활한 소통이 가능하도록 하기 위함이다. 이후에는 전문 스튜디오에서 약 3시간 정도의 촬영을 통해 AI 휴먼 제작을 위한 영상과 음성 데이터를 수집하며, 완료 시 1차 샘플을 미리 확인할 수 있다. 완성된 AI 휴먼은 리메모리 전용 쇼룸에서 만나볼 수 있으며, 회당 약 30분간 체험할 수 있다. 추후에는 서비스 안정화에 따라 순차적으로 본인, 자녀, 친구 등으로 서비스 범위를 확대할 계획이다고 업체 측은 밝혔다.  딥브레인AI 장세영 대표는 “리메모리 서비스 출시는 AI 휴먼 기술이 사람을 위로하는 따뜻한 기술로 거듭나는 일환이라 할 수 있다”라며 “앞으로도 인공지능 기술이 가진 다양한 활용 가치를 통해 상업적 측면을 넘어 모두에...

딥브레인 리메모리 가상인간 인공지능 음성기술 영상합성

2022.06.27

인공지능(AI) 영상 합성 업체 딥브레인AI는 연로한 부모님의 건강한 모습을 AI 휴먼으로 구현해 간직할 수 있게 해주는 ‘리메모리(Re;memory)’ 서비스를 시작한다고 27일 밝혔다.   리메모리는 사랑하는 부모님의 얼굴과 목소리, 표정 등을 그대로 담은 인공지능 기반의 가상인간을 제작하는 개인 고객 대상 프리미엄 AI 휴먼 서비스다. 부모님의 모습을 오래도록 기억하고 싶은 자녀들이 자신의 부모님을 AI 휴먼화해 언제든 생동감 있게 만나고, 대화할 수 있다고 업체 측은 전했다.  딥브레인AI에 따르면 AI 휴먼 솔루션은 음성 및 영상 합성, 자연어 처리, 음성 인식 기술을 융합한 대화형 인공지능 기술을 기반으로 한다. 이용자와 실시간 소통이 가능하며, 사람과 가까운 비주얼을 지닌 가상인간을 만들어낸다. 딥브레인AI는 립싱크 및 움직임, 표정 등 비언어적인 부분에서도 실존 모델 못지않은 완성도의 가상인간을 구현하는 딥러닝 기반 영상 합성 기술력을 보유하고 있다고 설명했다.  리메모리 서비스를 통해 AI 휴먼을 제작할 경우, 사전 인터뷰를 통해 개인의 삶에서 일어났던 다양한 에피소드와 이야기 등을 시나리오화한다. 이러한 개인 정보를 AI 휴먼에 학습시켜 추후 대화할 때 원활한 소통이 가능하도록 하기 위함이다. 이후에는 전문 스튜디오에서 약 3시간 정도의 촬영을 통해 AI 휴먼 제작을 위한 영상과 음성 데이터를 수집하며, 완료 시 1차 샘플을 미리 확인할 수 있다. 완성된 AI 휴먼은 리메모리 전용 쇼룸에서 만나볼 수 있으며, 회당 약 30분간 체험할 수 있다. 추후에는 서비스 안정화에 따라 순차적으로 본인, 자녀, 친구 등으로 서비스 범위를 확대할 계획이다고 업체 측은 밝혔다.  딥브레인AI 장세영 대표는 “리메모리 서비스 출시는 AI 휴먼 기술이 사람을 위로하는 따뜻한 기술로 거듭나는 일환이라 할 수 있다”라며 “앞으로도 인공지능 기술이 가진 다양한 활용 가치를 통해 상업적 측면을 넘어 모두에...

2022.06.27

'인공지능+사물인터넷' AIoT가 비즈니스 현장 바꾼다

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 ...

IoT AI AIoT 사물인터넷 인공지능

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

기고ㅣ클라우드 도입으로 문화적 변화를 꾀하는 법

하이퍼스케일 클라우드를 도입한다면 넥스트 ‘뉴노멀’에 신속하게 대응할 수 있을 것이다.  바로 본론부터 들어가 보자. 예상치 못한 비즈니스 및 사회적 혼란에 직면해 있는 CEO 또는 CIO라면 다음의 2가지에 집중하리라 생각된다.  첫째, 넥스트 뉴노멀이 닥쳤을 때 더 빠르게 혁신할 수 있는 방법, 둘째, 장기적인 적응력을 갖춘 조직을 만드는 방법이다. IT에 ‘하이퍼스케일 클라우드’ 접근법을 채택한다면 위의 2가지 목표를 모두 뒷받침할 수 있다.    • 전술적 혁신을 위한 클라우드(Cloud for tactical innovation): 조직이 클라우드 기술을 통해 얻을 수 있는 가장 큰 이점은 경쟁에서 우위를 점할 수 있는 ‘유연성’이다. 예를 들면 IT는 인수합병에 따라 필요한 50대의 새 서버를 데이터센터에 설치하는 대신, 클라우드 업체의 대시보드에서 몇 가지를 선택하고 몇 주가 아닌 몇 시간 만에 (확장된) 용량을 사용할 수 있다.  마케팅 부서의 캠페인으로 주문량이 급증했다면 IT는 몇 분 만에 기존 용량을 확장할 수도 있다(또는 클라우드 벤더가 볼륨에 맞게 용량을 자동으로 조정해줄 수 있다). 제조 회사가 4차 산업혁명 프로젝트를 추진하기 위해 이에 특화된 새 소프트웨어를 필요로 하는 상황이라고 해보자. 이때 (클라우드) 벤더는 클라우드에서 관련 소프트웨어를 이미 실행하고 있을 수 있다.  또 IT가 최신 클라우드 네트워크 및 보안 기술을 사용하는 경우 이 새 소프트웨어를 새로운 공장 및 기존 애플리케이션에 연결하는 것이 새 소프트웨어와 새 사이트를 통합하는 기존 방식보다 훨씬 빠르다. 비즈니스가 그 어느 때보다 빠르게 혁신할 수 있도록 하고, IT와 파트너로서 협력하는 것은 문화적 변화인 동시에 전술적 차원의 혁신이기도 하다.  • 진정한 디지털 트랜스포메이션을 지원하는 클라우드(Cloud supporting true digital transformation): 디지털 ...

하이퍼스케일 클라우드 디지털 트랜스포메이션 애널리틱스 인공지능 로우코드

2022.06.22

하이퍼스케일 클라우드를 도입한다면 넥스트 ‘뉴노멀’에 신속하게 대응할 수 있을 것이다.  바로 본론부터 들어가 보자. 예상치 못한 비즈니스 및 사회적 혼란에 직면해 있는 CEO 또는 CIO라면 다음의 2가지에 집중하리라 생각된다.  첫째, 넥스트 뉴노멀이 닥쳤을 때 더 빠르게 혁신할 수 있는 방법, 둘째, 장기적인 적응력을 갖춘 조직을 만드는 방법이다. IT에 ‘하이퍼스케일 클라우드’ 접근법을 채택한다면 위의 2가지 목표를 모두 뒷받침할 수 있다.    • 전술적 혁신을 위한 클라우드(Cloud for tactical innovation): 조직이 클라우드 기술을 통해 얻을 수 있는 가장 큰 이점은 경쟁에서 우위를 점할 수 있는 ‘유연성’이다. 예를 들면 IT는 인수합병에 따라 필요한 50대의 새 서버를 데이터센터에 설치하는 대신, 클라우드 업체의 대시보드에서 몇 가지를 선택하고 몇 주가 아닌 몇 시간 만에 (확장된) 용량을 사용할 수 있다.  마케팅 부서의 캠페인으로 주문량이 급증했다면 IT는 몇 분 만에 기존 용량을 확장할 수도 있다(또는 클라우드 벤더가 볼륨에 맞게 용량을 자동으로 조정해줄 수 있다). 제조 회사가 4차 산업혁명 프로젝트를 추진하기 위해 이에 특화된 새 소프트웨어를 필요로 하는 상황이라고 해보자. 이때 (클라우드) 벤더는 클라우드에서 관련 소프트웨어를 이미 실행하고 있을 수 있다.  또 IT가 최신 클라우드 네트워크 및 보안 기술을 사용하는 경우 이 새 소프트웨어를 새로운 공장 및 기존 애플리케이션에 연결하는 것이 새 소프트웨어와 새 사이트를 통합하는 기존 방식보다 훨씬 빠르다. 비즈니스가 그 어느 때보다 빠르게 혁신할 수 있도록 하고, IT와 파트너로서 협력하는 것은 문화적 변화인 동시에 전술적 차원의 혁신이기도 하다.  • 진정한 디지털 트랜스포메이션을 지원하는 클라우드(Cloud supporting true digital transformation): 디지털 ...

2022.06.22

잘 써야 약··· AI로 ‘DEI’ 전략 강화하는 법

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...

인공지능 AI 채용 IT 리더십 다양성 포용성 형평성 DEI 직원 경험 직원 참여 직원 이탈 인재 경쟁 인공지능 편향 재택근무

2022.06.13

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

인터뷰ㅣ“CIO와 CDO, 두 마리 토끼 잡은 비결은” 美 CX 솔루션 회사 CIDO

알로리카(Alorica)의 CIDO 마이크 클리프톤이 IT 관리 외에 회사의 시장 진출 전략을 지원하고, 디지털 로드맵을 가속화하며, AI 및 ML을 사용해 고객 환경을 혁신하는 방법을 설명했다.  ‘알로리카’는 포춘 500대 기업과 디지털 네이티브 기업에 고객 경험(CX) 솔루션을 제공하는 비상장 회사이며, 전 세계적으로 약 10만 명의 직원들이 있다. 이 회사는 현장 그리고 재택근무 플랫폼을 통해 글로벌 하이브리드 모델을 운영하며, 고객 관리부터 재무 솔루션, 맞춤형 디지털 서비스까지 다양한 솔루션을 지원한다. 그런 의미에서 알로리카는 꽤 이전부터 ‘디지털’이었다. 하지만 대부분의 기업과 마찬가지로 알로리카도 디지털 트랜스포메이션 중이라고 클리프톤은 말했다. 그는 지난 2021년 8월 이 회사에 합류해 불과 3개월 만에 CIO에서 CIDO(최고 정보 및 디지털 책임자)로 승진했다.    현재 알로리카는 어떻게 비즈니스를 트랜스포메이션하고 있는가?  오늘날 자사의 고객(기업)은 심층적인 ‘고객 서비스 트랜잭션 경로’ 지식을 필요로 하는 고객 인사이트 수준을 추구하고 있다. 또한 (기업 고객은) 자신의 고객에게 더 많은 셀프서비스를 제공하고 싶어 한다. 따라서 알로리카는 더 많은 트랜잭션을 자동화하고, 이런 인사이트에서 더 많은 것을 배워야 했다. 자사의 서비스 오퍼링을 피라미드라고 해보자. 피라미드 맨 아래 계층에는 음성이 있다. 가령 고객 서비스 센터에 전화하면 몇 가지 퀵 프롬프트에 답한 후 상담원과 연결된다. 중간 계층은 자동화다. 여기에는 검색 기능과 음성 캡처 도구가 포함된다. 그다음 피라미드 맨 꼭대기 계층에는 AI 기반 대화 기능을 갖춘 완전 자동화가 있다. 이 계층에서의 기계는 사람을 자연스럽고 적절하게 대응할 수 있을 만큼 똑똑해진다.  알로리카의 변혁은 피라미드를 뒤집는 것이다. 가장 비용이 많이 드는 서비스인 ‘음성(상담원 연결)’이 피라미드의 맨 꼭대기가 된다. 이는 맞춤형 고급 서...

CIO CDO 아웃소싱 인공지능 고객 경험 디지털화

2022.06.03

알로리카(Alorica)의 CIDO 마이크 클리프톤이 IT 관리 외에 회사의 시장 진출 전략을 지원하고, 디지털 로드맵을 가속화하며, AI 및 ML을 사용해 고객 환경을 혁신하는 방법을 설명했다.  ‘알로리카’는 포춘 500대 기업과 디지털 네이티브 기업에 고객 경험(CX) 솔루션을 제공하는 비상장 회사이며, 전 세계적으로 약 10만 명의 직원들이 있다. 이 회사는 현장 그리고 재택근무 플랫폼을 통해 글로벌 하이브리드 모델을 운영하며, 고객 관리부터 재무 솔루션, 맞춤형 디지털 서비스까지 다양한 솔루션을 지원한다. 그런 의미에서 알로리카는 꽤 이전부터 ‘디지털’이었다. 하지만 대부분의 기업과 마찬가지로 알로리카도 디지털 트랜스포메이션 중이라고 클리프톤은 말했다. 그는 지난 2021년 8월 이 회사에 합류해 불과 3개월 만에 CIO에서 CIDO(최고 정보 및 디지털 책임자)로 승진했다.    현재 알로리카는 어떻게 비즈니스를 트랜스포메이션하고 있는가?  오늘날 자사의 고객(기업)은 심층적인 ‘고객 서비스 트랜잭션 경로’ 지식을 필요로 하는 고객 인사이트 수준을 추구하고 있다. 또한 (기업 고객은) 자신의 고객에게 더 많은 셀프서비스를 제공하고 싶어 한다. 따라서 알로리카는 더 많은 트랜잭션을 자동화하고, 이런 인사이트에서 더 많은 것을 배워야 했다. 자사의 서비스 오퍼링을 피라미드라고 해보자. 피라미드 맨 아래 계층에는 음성이 있다. 가령 고객 서비스 센터에 전화하면 몇 가지 퀵 프롬프트에 답한 후 상담원과 연결된다. 중간 계층은 자동화다. 여기에는 검색 기능과 음성 캡처 도구가 포함된다. 그다음 피라미드 맨 꼭대기 계층에는 AI 기반 대화 기능을 갖춘 완전 자동화가 있다. 이 계층에서의 기계는 사람을 자연스럽고 적절하게 대응할 수 있을 만큼 똑똑해진다.  알로리카의 변혁은 피라미드를 뒤집는 것이다. 가장 비용이 많이 드는 서비스인 ‘음성(상담원 연결)’이 피라미드의 맨 꼭대기가 된다. 이는 맞춤형 고급 서...

2022.06.03

칼럼 | AI가 빛 발하는 3가지 비즈니스 솔루션

인공지능이 너무 남용되고 있는 느낌이다. 아마도 클라우드 컴퓨팅 서비스 업체가 AI를 서비스로 제공하면서 시작된 일인지도 모른다. 클라우드는 인공지능을 솔루션 개발자가 저렴하게 바로 이용할 수 있도록 만들었고, 그 결과, AI 기능이 필요없는 애플리케이션까지 AI가 적용되고 있다. 하지만 이런 경우 AI는 별다른 가치를 만들어내지 못하고 끝나는 경우가 많은데, 경차에 고가의 경주용 브레이크를 다는 것과 마찬가지다. 경차는 기본 브레이크로도 잘 멈추기 때문에 고성능 브레이크는 낭비일 뿐이다. 요즘은 AI의 실용적인 활용에 대한 이해가 높아졌다. 즉 AI가 언제 가치를 발하고 언제는 아무런 가치가 없는지 알 수 있다. 클라우드 기반 AI의 가치를 극대화하는 비즈니스 솔루션으로는 다음 세 가지를 꼽을 수 있다. · 대규모 데이터의 잠재적 패턴을 이용하는 애플리케이션: 이런 애플리케이션은 새로운 데이터에서 새로운 패턴을 발견할 수도 있고, AI 엔진이 이미 처리하고 학습한 것을 기반으로 새로운 패턴을 찾을 수도 있다. 더 많은 데이터를 분석하고 AI 시스템이 더 많은 패턴을 인식할수록 AI 엔진은 더 좋아진다. 일상생활에서 흔히 볼 수 있다. 자동차는 운전자의 주행 패턴으로 학습해 정지와 가속을 조정한다. 지능형 온도 조절기는 더 나은 사용 패턴을 판단하고 과거의 속성과 현재의 기온을 기반으로 온도를 조정한다.  · 새로운 데이터를 생성하고 이해하는 애플리케이션: 유통업체는 어떤 고객이 인터랙션을 하고 있는지 판단하고 해당 고객이 구매할 가능성이 큰 제품과 서비스를 제안하기 위해 온라인 추천 엔진을 이용한다. AI 엔진은 고객의 행위를 기반으로 연령이나 성별, 수입, 위치, 교육 정도, 심지어 자녀가 있는지 등의 정보를 판단할 수 있다. 이런 엔진을 이용하면 매출을 20% 이상 올릴 수 있다. 고객이 추가 구매를 하도록 유도하는 이런 학습된 방법은 AI를 경쟁 무기로 사용할 수 있도록 한다.  · 기존 데이터 세트를 AI 역...

인공지능 비즈니스 남용 애플리케이션

2022.06.03

인공지능이 너무 남용되고 있는 느낌이다. 아마도 클라우드 컴퓨팅 서비스 업체가 AI를 서비스로 제공하면서 시작된 일인지도 모른다. 클라우드는 인공지능을 솔루션 개발자가 저렴하게 바로 이용할 수 있도록 만들었고, 그 결과, AI 기능이 필요없는 애플리케이션까지 AI가 적용되고 있다. 하지만 이런 경우 AI는 별다른 가치를 만들어내지 못하고 끝나는 경우가 많은데, 경차에 고가의 경주용 브레이크를 다는 것과 마찬가지다. 경차는 기본 브레이크로도 잘 멈추기 때문에 고성능 브레이크는 낭비일 뿐이다. 요즘은 AI의 실용적인 활용에 대한 이해가 높아졌다. 즉 AI가 언제 가치를 발하고 언제는 아무런 가치가 없는지 알 수 있다. 클라우드 기반 AI의 가치를 극대화하는 비즈니스 솔루션으로는 다음 세 가지를 꼽을 수 있다. · 대규모 데이터의 잠재적 패턴을 이용하는 애플리케이션: 이런 애플리케이션은 새로운 데이터에서 새로운 패턴을 발견할 수도 있고, AI 엔진이 이미 처리하고 학습한 것을 기반으로 새로운 패턴을 찾을 수도 있다. 더 많은 데이터를 분석하고 AI 시스템이 더 많은 패턴을 인식할수록 AI 엔진은 더 좋아진다. 일상생활에서 흔히 볼 수 있다. 자동차는 운전자의 주행 패턴으로 학습해 정지와 가속을 조정한다. 지능형 온도 조절기는 더 나은 사용 패턴을 판단하고 과거의 속성과 현재의 기온을 기반으로 온도를 조정한다.  · 새로운 데이터를 생성하고 이해하는 애플리케이션: 유통업체는 어떤 고객이 인터랙션을 하고 있는지 판단하고 해당 고객이 구매할 가능성이 큰 제품과 서비스를 제안하기 위해 온라인 추천 엔진을 이용한다. AI 엔진은 고객의 행위를 기반으로 연령이나 성별, 수입, 위치, 교육 정도, 심지어 자녀가 있는지 등의 정보를 판단할 수 있다. 이런 엔진을 이용하면 매출을 20% 이상 올릴 수 있다. 고객이 추가 구매를 하도록 유도하는 이런 학습된 방법은 AI를 경쟁 무기로 사용할 수 있도록 한다.  · 기존 데이터 세트를 AI 역...

2022.06.03

IBM, 1분기 호실적… 클라우드 및 컨설팅에 힘 입어

IBM의 1분기 매출이 8% 상승했다. 하이브리드 클라우드 소프트웨어와 컨설팅 사업의 수요가 증가한 덕이다.  IBM이 1분기 호실적을 발표했다. CEO 아르빈드 크리슈나가 최근 하이브리드 클라우드와 AI에 주력 중인 가운데 나온 결과다. 관리형 인프라 서비스(Managed Infrastructure Service, MIS) 사업을 킨드릴(Kyndryl)이라는 명칭의 자회사로 분사한 후로 내놓은 첫 분기 실적이기도 하다.    2022년 1분기 매출은 예상치인 139억 달러(약 17조 2천억원)를 넘어 142억 달러(약 17조 6천억원)를 기록해 2021년 대비 8% 증가했다. 순이익은 64% 증가한 6억 6200만 달러(약 7,700억원)를 기록했다. IBM의 주가는 전 거래일 종가 대비 2.43% 상승했고 시간 외 거래에서도 1% 더 올라 총 4% 상승을 기록했다.  아르빈드 크리슈나는 IBM이 레드햇(Red Hat) 인수를 마감하고 하이브리드 클라우드 서비스로의 전환을 시작한 지 1년 만인 지난 2020년 4월에 CEO로 취임했다.  크리슈나는 “하이브리드 클라우드와 AI 같은 기술을 활용하는 것은 매우 중요해졌다. 현재 기업 고객들은 인재 경쟁, 공급망 차질, 인플레이션, 사이버 보안, 국제 정세 등의 다양한 위기에 당면해 있기 때문이다”라며 수요가 증가한 이유를 설명했다.  IBM의 소프트웨어 부문과 컨설팅 부문 모두 큰 상승세를 보였다. 소프트웨어 부문은 전년 대비 12% 증가한 58억달러(약 7조 1600억원) 를 기록했고 컨설팅은 13% 증가한 48억달러(5조 9000억원)를 기록했다. 인프라 수익은 32억 달러로 소폭 감소했다. 차세대 메인프레임 Z16은 최근에야 발표되었고 5월 31일에 출시될 예정이다.  IBM은 이번 분기에 왓슨 건강 사업부를 철수했다. 제임스 캐버노 CFO는 기업 분할 작업이 상향된 전망치에 반영되었다고 밝혔다. 크리슈나 CEO는...

클라우드 하이브리드클라우드 인공지능 IT컨설팅 관리형 서비스

2022.04.21

IBM의 1분기 매출이 8% 상승했다. 하이브리드 클라우드 소프트웨어와 컨설팅 사업의 수요가 증가한 덕이다.  IBM이 1분기 호실적을 발표했다. CEO 아르빈드 크리슈나가 최근 하이브리드 클라우드와 AI에 주력 중인 가운데 나온 결과다. 관리형 인프라 서비스(Managed Infrastructure Service, MIS) 사업을 킨드릴(Kyndryl)이라는 명칭의 자회사로 분사한 후로 내놓은 첫 분기 실적이기도 하다.    2022년 1분기 매출은 예상치인 139억 달러(약 17조 2천억원)를 넘어 142억 달러(약 17조 6천억원)를 기록해 2021년 대비 8% 증가했다. 순이익은 64% 증가한 6억 6200만 달러(약 7,700억원)를 기록했다. IBM의 주가는 전 거래일 종가 대비 2.43% 상승했고 시간 외 거래에서도 1% 더 올라 총 4% 상승을 기록했다.  아르빈드 크리슈나는 IBM이 레드햇(Red Hat) 인수를 마감하고 하이브리드 클라우드 서비스로의 전환을 시작한 지 1년 만인 지난 2020년 4월에 CEO로 취임했다.  크리슈나는 “하이브리드 클라우드와 AI 같은 기술을 활용하는 것은 매우 중요해졌다. 현재 기업 고객들은 인재 경쟁, 공급망 차질, 인플레이션, 사이버 보안, 국제 정세 등의 다양한 위기에 당면해 있기 때문이다”라며 수요가 증가한 이유를 설명했다.  IBM의 소프트웨어 부문과 컨설팅 부문 모두 큰 상승세를 보였다. 소프트웨어 부문은 전년 대비 12% 증가한 58억달러(약 7조 1600억원) 를 기록했고 컨설팅은 13% 증가한 48억달러(5조 9000억원)를 기록했다. 인프라 수익은 32억 달러로 소폭 감소했다. 차세대 메인프레임 Z16은 최근에야 발표되었고 5월 31일에 출시될 예정이다.  IBM은 이번 분기에 왓슨 건강 사업부를 철수했다. 제임스 캐버노 CFO는 기업 분할 작업이 상향된 전망치에 반영되었다고 밝혔다. 크리슈나 CEO는...

2022.04.21

“기업 절반은 AI 쓴다” 달라진 HR 풍속도

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...

AI 챗봇 HR 인력 이탈 직원 이탈 퇴사 이직 직원 유지 대퇴사 채용 머신러닝 인공지능

2022.04.11

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

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.

10.5.0.8