_m.jpg)
인공지능 프로젝트가 생각만큼 잘 풀리지 않는다고 호소하는 기업들이 늘어나고 있다. 어느 프로젝트라도 실패 사례와 성공 사례가 있기 마련이지만 지금은 실패 사례가 압도적으로 많은 듯한 느낌이다. 왜 그럴까?
[보안뉴스 = 존 에드워즈 IT 칼럼니스트] 인공지능 때문에 난리도 아니다. 수많은 사람들과 기업들이 세계 곳곳에서 이 인공지능 때문에 상상하고 실험하고 돈을 쓰고 밤을 샌다. 얼리어답터들은 보다 공격적으로 인공지능을 활용하고 있으며, 실생활과 실제 업무 환경에서 최적의 인공지능 활용법을 찾아내려 애쓰고 있다. 그런데 그런 사람들 사이에서 실망의 소리들이 나오고 있다.
데브옵스 플랫폼 제공 업체인 디지털에이아이(Digital.ai)의 분석가 조이스 톰셋(Joyce Tompsett)은 “생성형 인공지능이라는 기술을 받아들이는 사람들의 속도가 너무나 빨랐다”며 “그러면서 실상 이 분야는 무법지대로 변했다”고 말한다. “그 어떤 기준이나 규칙도 없이 다들 각자의 소원과 뜻대로 생성형 인공지능을 활용하기 시작했죠. 그러다 보니 모두가 혼란스럽게 됐습니다. 혼란 속에서 진행되는 인공지능 프로젝트가 성공할 가능성은 희박하죠.” 여기서 그가 말하는 ‘혼란’은 ‘비현실적인 목표 설정’, ‘적절한 인력 배치 실패’ 등을 이야기 한다.
후회로 가는 길
인공지능을 빠르게 접목하고자 했던 ‘얼리어답터’들이 설정한 목표는 대부분 “기존 업무 프로세스의 효율과 속도 증가”로 정리가 가능하다고 톰셋은 설명한다. “하지만 속도를 높인다는 게 말처럼 간단한 일이 아니죠. 어떤 것이나 미리 계획을 세워두지 않고 속도를 높이면 부작용을 겪습니다. 인공지능 얼리어답터들이 여기 저기서 느끼는 실망감이나 한계가 바로 그런 부작용의 일종이라고 봅니다.”
부작용을 느낀 사람들은 어떻게 대응하고 있는가? 일부는 인공지능 프로젝트를 취소 및 폐기하고 있다. 일부는 프로젝트 실패 및 부작용의 이유가 무엇인지를 상세히 분석하고 있다. 톰셋은 “인공지능이라는 기술을 구축하고 활용하고 관리하는 데 있어 적절한 인적 자원을 확보하는 게 가장 먼저 되어야 할 일”이라고 짚는다. “프로젝트가 실패하는 대부분의 이유는 결국 사람의 부족 때문이라고 할 수 있습니다. 인공지능 프로젝트의 적절한 목표를 설정하는 것도 사람, 그 목표를 달성하기까지 프로젝트를 관리해야 하는 것도 사람, 인공지능의 기술적 한계와 가능성을 이해하고 있어야 하는 것도 사람이어야 하는데 그 부분을 고려하지 않고 인공지능 그 자체에만 주목한 것이 패착의 주된 원인입니다.”
그러므로 인공지능 프로젝트가 실패하고 실망감을 느꼈다고 해서 프로젝트를 전면 취소시키거나 인공지능을 포기하는 건 바람직하지 않다. 사람을 중심으로 해서 프로젝트의 접근 방식을 전면적으로 개조하는 것이 낫다.
또한 프로젝트가 비효율적으로, 체계적이지 않게 진행되었다는 건 불필요한 코드가 어딘가에 잔뜩 쌓여 있을 가능성이 높다는 뜻도 된다. 따라서 프로세스 어딘가에서 병목 현상이 발생하고 있을 텐데, 적절한 인력을 배치해 프로젝트를 다시 시작한다고 한다면 이 부분을 찾아내 해소시키는 것부터 하는 것을 톰셋은 권장한다. “이 작업을 그냥 간과하고 넘어간다면 프로젝트가 완수된다고 하더라도 효율성의 측면에서 완성도가 높아지기 힘들며, 그러므로 실망감은 더욱 크게 쌓여갈 겁니다.”
AWS의 중소기업 혁신 분야 개임자인 벤 슈라이너(Ben Schreiner) 역시 “기술과 도구에만 집중해서 인공지능 신규 프로젝트를 진행하면 금방 길을 잃게 된다”고 경고한다. “집중해야 할 건 ‘해결해야 할 문제’입니다. 어떤 문제를 해결해야 사업적인 난관을 극복할 수 있게 되는지를 파악하는 게 급선무죠. 의외로 문제 파악이라는 게 쉽지 않습니다. 제대로 된 문제를 알아야 적절한 기술을 배치해 해결할 수 있습니다. 문제도 모른 채 해결사부터 불러들이면 아무 일도 일어나지 않습니다.”
계속해서 슈라이너는 “산업을 불문하고 ‘혁신’을 성장의 기폭제로 삼고 있는 게 현재 모든 기업들의 현실”이라며 “혁신은 기계나 도구에서 나오는 게 아니라, 그 기계와 도구를 사용하는 사람의 머리에서 나온다는 걸 많은 기업들이 간과하고 있다”고 지적한다. “이미 여기 저기서 밝혀졌듯 인공지능은 강력한 기술이긴 하지만 한계도 명확한 기술입니다. 자동으로 혁신을 쏟아내는 마법같은 기계가 아닙니다. 이를 가장 먼저 인정하고 현장에서 활용하는 기업이 성공하는 기업이 될 가능성이 높습니다.”
시작은 작게
톰셋은 “작은 것부터 시작하라”고 권고한다. “인공지능을 이해하는 사람은 거의 없습니다. 인공지능과 관련해서는 그 누구도 처음부터 크게 시작할 능력을 갖추고 있지 않은 게 현실입니다. 그 점 역시 우리 모두가 인정해야 합니다. 인공지능으로 작고 사소한 문제부터 해결해가세요. 그리고 그 문제의 수를 늘려가면서 인공지능에 익숙해지는 게 먼저입니다. 이것만 잘 지켜도 실패 확률은 낮아질 겁니다.”
자동화 기업인 앱비(ABBYY)의 CMO인 브루스 오컷(Bruce Orcutt)은 “첫 인공지능 프로젝트에서부터 인기 높은 생성형 인공지능을 사용하는 건 그리 추천할 만하지 않다”는 의견이다. “비용도 비용이지만 아직 실제 업무 환경에서 사람들이 원하는 바를 충족시킬 수 있는 생성형 인공지능은 없다고 봐야 하거든요. 투자한 비용만큼 효과를 이끌어내기는 힘들 겁니다. 예외가 있긴 하겠지만 적을 거라고 봅니다. 인공지능 프로젝트의 목표가 분명하게 정해지면, 그 목적에 딱 맞는 인공지능 솔루션을 찾아야 합니다. 그 편이 비용 절감과 효과 증대에 더 도움이 됩니다.”
글 : 존 에드워즈(John Edwards), IT 칼럼니스트
[국제부 문정후 기자(globoan@boannews.com)]
[보안뉴스 = 존 에드워즈 IT 칼럼니스트] 인공지능 때문에 난리도 아니다. 수많은 사람들과 기업들이 세계 곳곳에서 이 인공지능 때문에 상상하고 실험하고 돈을 쓰고 밤을 샌다. 얼리어답터들은 보다 공격적으로 인공지능을 활용하고 있으며, 실생활과 실제 업무 환경에서 최적의 인공지능 활용법을 찾아내려 애쓰고 있다. 그런데 그런 사람들 사이에서 실망의 소리들이 나오고 있다.
[이미지 = gettyimagesbank]
데브옵스 플랫폼 제공 업체인 디지털에이아이(Digital.ai)의 분석가 조이스 톰셋(Joyce Tompsett)은 “생성형 인공지능이라는 기술을 받아들이는 사람들의 속도가 너무나 빨랐다”며 “그러면서 실상 이 분야는 무법지대로 변했다”고 말한다. “그 어떤 기준이나 규칙도 없이 다들 각자의 소원과 뜻대로 생성형 인공지능을 활용하기 시작했죠. 그러다 보니 모두가 혼란스럽게 됐습니다. 혼란 속에서 진행되는 인공지능 프로젝트가 성공할 가능성은 희박하죠.” 여기서 그가 말하는 ‘혼란’은 ‘비현실적인 목표 설정’, ‘적절한 인력 배치 실패’ 등을 이야기 한다.
후회로 가는 길
인공지능을 빠르게 접목하고자 했던 ‘얼리어답터’들이 설정한 목표는 대부분 “기존 업무 프로세스의 효율과 속도 증가”로 정리가 가능하다고 톰셋은 설명한다. “하지만 속도를 높인다는 게 말처럼 간단한 일이 아니죠. 어떤 것이나 미리 계획을 세워두지 않고 속도를 높이면 부작용을 겪습니다. 인공지능 얼리어답터들이 여기 저기서 느끼는 실망감이나 한계가 바로 그런 부작용의 일종이라고 봅니다.”
부작용을 느낀 사람들은 어떻게 대응하고 있는가? 일부는 인공지능 프로젝트를 취소 및 폐기하고 있다. 일부는 프로젝트 실패 및 부작용의 이유가 무엇인지를 상세히 분석하고 있다. 톰셋은 “인공지능이라는 기술을 구축하고 활용하고 관리하는 데 있어 적절한 인적 자원을 확보하는 게 가장 먼저 되어야 할 일”이라고 짚는다. “프로젝트가 실패하는 대부분의 이유는 결국 사람의 부족 때문이라고 할 수 있습니다. 인공지능 프로젝트의 적절한 목표를 설정하는 것도 사람, 그 목표를 달성하기까지 프로젝트를 관리해야 하는 것도 사람, 인공지능의 기술적 한계와 가능성을 이해하고 있어야 하는 것도 사람이어야 하는데 그 부분을 고려하지 않고 인공지능 그 자체에만 주목한 것이 패착의 주된 원인입니다.”
그러므로 인공지능 프로젝트가 실패하고 실망감을 느꼈다고 해서 프로젝트를 전면 취소시키거나 인공지능을 포기하는 건 바람직하지 않다. 사람을 중심으로 해서 프로젝트의 접근 방식을 전면적으로 개조하는 것이 낫다.
또한 프로젝트가 비효율적으로, 체계적이지 않게 진행되었다는 건 불필요한 코드가 어딘가에 잔뜩 쌓여 있을 가능성이 높다는 뜻도 된다. 따라서 프로세스 어딘가에서 병목 현상이 발생하고 있을 텐데, 적절한 인력을 배치해 프로젝트를 다시 시작한다고 한다면 이 부분을 찾아내 해소시키는 것부터 하는 것을 톰셋은 권장한다. “이 작업을 그냥 간과하고 넘어간다면 프로젝트가 완수된다고 하더라도 효율성의 측면에서 완성도가 높아지기 힘들며, 그러므로 실망감은 더욱 크게 쌓여갈 겁니다.”
AWS의 중소기업 혁신 분야 개임자인 벤 슈라이너(Ben Schreiner) 역시 “기술과 도구에만 집중해서 인공지능 신규 프로젝트를 진행하면 금방 길을 잃게 된다”고 경고한다. “집중해야 할 건 ‘해결해야 할 문제’입니다. 어떤 문제를 해결해야 사업적인 난관을 극복할 수 있게 되는지를 파악하는 게 급선무죠. 의외로 문제 파악이라는 게 쉽지 않습니다. 제대로 된 문제를 알아야 적절한 기술을 배치해 해결할 수 있습니다. 문제도 모른 채 해결사부터 불러들이면 아무 일도 일어나지 않습니다.”
계속해서 슈라이너는 “산업을 불문하고 ‘혁신’을 성장의 기폭제로 삼고 있는 게 현재 모든 기업들의 현실”이라며 “혁신은 기계나 도구에서 나오는 게 아니라, 그 기계와 도구를 사용하는 사람의 머리에서 나온다는 걸 많은 기업들이 간과하고 있다”고 지적한다. “이미 여기 저기서 밝혀졌듯 인공지능은 강력한 기술이긴 하지만 한계도 명확한 기술입니다. 자동으로 혁신을 쏟아내는 마법같은 기계가 아닙니다. 이를 가장 먼저 인정하고 현장에서 활용하는 기업이 성공하는 기업이 될 가능성이 높습니다.”
시작은 작게
톰셋은 “작은 것부터 시작하라”고 권고한다. “인공지능을 이해하는 사람은 거의 없습니다. 인공지능과 관련해서는 그 누구도 처음부터 크게 시작할 능력을 갖추고 있지 않은 게 현실입니다. 그 점 역시 우리 모두가 인정해야 합니다. 인공지능으로 작고 사소한 문제부터 해결해가세요. 그리고 그 문제의 수를 늘려가면서 인공지능에 익숙해지는 게 먼저입니다. 이것만 잘 지켜도 실패 확률은 낮아질 겁니다.”
자동화 기업인 앱비(ABBYY)의 CMO인 브루스 오컷(Bruce Orcutt)은 “첫 인공지능 프로젝트에서부터 인기 높은 생성형 인공지능을 사용하는 건 그리 추천할 만하지 않다”는 의견이다. “비용도 비용이지만 아직 실제 업무 환경에서 사람들이 원하는 바를 충족시킬 수 있는 생성형 인공지능은 없다고 봐야 하거든요. 투자한 비용만큼 효과를 이끌어내기는 힘들 겁니다. 예외가 있긴 하겠지만 적을 거라고 봅니다. 인공지능 프로젝트의 목표가 분명하게 정해지면, 그 목적에 딱 맞는 인공지능 솔루션을 찾아야 합니다. 그 편이 비용 절감과 효과 증대에 더 도움이 됩니다.”
글 : 존 에드워즈(John Edwards), IT 칼럼니스트
[국제부 문정후 기자(globoan@boannews.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-04-24] 
.jpg)
.jpg)
