.jpg)
마법 같은 효과에 너무나 ‘신화’나 ‘수수께끼’처럼 여겨지는 감 있어
이제는 도입과 활용을 위한 구체적인 전략이 필요한 시기
[보안뉴스 문가용 기자] 수세기 동안 ‘전기’는 마법의 일종으로 여겨졌다. 누구도 전기가 어디서부터 오는지, 어떻게 발생하는지 이해하지 못했다. 1750년대에 벤자민 프랭클린이 전기와 번개의 상관관계를 증명하는 데 성공하긴 했지만, 그렇다고 해서 당장 전기가 도시 곳곳에 깔리고 실생활에 사용된 건 아니다. 심지어 프랭클린의 가장 유명한 발명품은 전기를 활용하게 하는 것이 아니라 전기를 피하게 하는 도구, 피뢰침이다.
오늘 날 너무나 많은 사람들이 인공지능을 1700년대의 전기처럼 바라보고 있다. 마법과 같은 일이 벌어지고 있다는 것만 알지 어떤 원리로 작동하는지는 잘 이해하지 못하고 있기 때문이다. 그래서 인공지능에 잘 알고 있고, 오랜 시간 이 분야를 공부해온 사람들을 놀라움과 경이로움으로 쳐다본다. 인공지능이 신화나 전설처럼 굳어지고 있고, 그래서 사람들은 현실보다 더 대단한 것들을 인공지능으로부터 기대하기 시작했다.
하지만 인공지능은 마법과 거리가 멀다. 인공지능이라는 말 자체는 1956년 처음 만들어진 것으로, 당시 한창 붐처럼 떠오르다가 여러 가지 이유로 추진력을 잃었고, 최근 부흥하기 시작했다. 그러나 진정한 부흥은 전기가 그러했듯 대량의 실험과 무수한 시행착오가 있은 뒤에야 찾아올 것이다. 그리고 모든 실험이 그렇듯, 대부분은 실패를 통해 배우고 성공을 통해 구체적인 인상을 남길 것이다.
지금이 딱 이 실험이 진행되고 있는 때다. 앤드류 응(Andrew Ng)과 같은 전문가가 제안했듯, 인공지능은 우리 시대가 맞닥트린 ‘두 번째 전기’와 같다. 전기처럼 점점 없는 곳이 없어지고, 더 많은 사람들에게 열리고 있으며, 전 세계의 사업과 조직 운영의 기조를 바꾸고 있다. 왜? 인공지능은 굉장히 정확한 확률로 미래를 예측하고, 따라서 비즈니스 프로세스와 결정 과정을 자동화해주기 때문이다. 그 효과도 고객의 보다 나은 경험에서부터 ‘스마트한’ 상품과 서비스에 이르기까지 광범위하다. 그리고 이는 기업과 나라, 사회의 경제와도 연결이 된다.
그래서 인공지능을 가지고 여러 가지 실험을 시작한 조직들은, 앞으로 시장에서 유리한 고지를 선점할 가능성이 높다. 그래서 많은 조직들이 인공지능에 다가가고 싶어 하는데, 너무 어렵고 먼 존재처럼 느껴 그러지도 못하고 있다. 인공지능에 대한 이런 선입견을 깨기 위해서는 두 가지 주요 요소를 고려해야 한다. 하나는 인공지능의 구성 요소들이고, 다른 하나는 인공지능의 과정적인 요소들이다. 좀 더 쉽게 말하면, 인공지능이라는 말 뒤에 있는 게 무엇이고, 인공지능이 어떻게 움직이는지 이해해야 한다는 것이다.
구성 요소
전기를 사용하려면 저항기, 축전기, 다이오드 등 기본적인 구성 요소가 필요하다. 인공지능도 마찬가지다. 다음과 같다.
1) 통합된 현대적 데이터 패브릭(data fabric)
2) 데이터에 대한 인공지능의 피드
이 두 가지는 결국 인공지능을 제대로 이용하려면 그에 맞는 데이터가 필요하다는 뜻으로 이어진다. 여기서 데이터 패브릭이란, 클라우드 상에서 모든 데이터 자산의 논리적 표현들로서 존재하는 것을 말한다. 데이터 패브릭은 기업 내 데이터를 미리 조직하고 레이블링 하는 역할도 담당한다.
3) 개발 환경과 개발 엔진 : 인공지능이 구축되고, 데이터를 가지고 훈련할 수 있으며, 실험을 진행할 수 있는 장소를 말한다. 이 요소가 있어야 입력에서 출력까지 아우르는 종단간 딥 러닝이 가능해진다. 머신 러닝은 패턴과 구조를 찾는 데 도움이 되는데, 명확해 보이지 않는 데이터 뭉치들로부터 패턴이 드러나기 시작하면, 그 지점에서부터 인공지능의 ‘마법’이 조금씩 느껴지기 시작한다.
4) 인간적 특성들 : 인공지능 모델 및 애플리케이션들을 인간의 특성들인 음성, 언어, 시야, 추론과 연결시킴으로써 인공지능을 연구실에서부터 실제 활용 가능한 것으로 탈바꿈시키는 것을 말한다. 이게 없으면 인공지능은 그저 이론이자 환상일뿐이다.
5) 인공지능 관리와 활용 : 이 요소들이 있어야 인공지능 기술을 애플리케이션과 비즈니스 프로세스에 삽입할 수 있다. 이게 가능하려면 모델의 버전, 각종 효과의 극대화 방법, 변경 사항, 편견 문제, 변화량에 대한 이해도를 어느 정도 갖추고 있어야 한다. 이런 요소가 있어야 인공지능이 실제 사용 가능한 도구가 된다.
과정의 요소
이런 인공지능의 요소들이 부각되면서 많은 조직들의 데이터의 잠재력을 해방시키고 있다. 그러나 그것만으로 인공지능을 다 활용할 수 있는 건 아니다. 인공지능을 실제 현장에 적용하고 구축하는 문제를 해결해야 한다. 위의 인공지능 구성 요소들을 다 알고 있다면 그 다음 단계인 ‘적용’을 고려하고 있을 텐데, 다음 몇 가지 과정이 필요하다.
1) 인공지능을 활용한 비즈니스 기회들을 올바로 파악해야 한다. 물론 인공지능의 활용이 가능한 분야는 무궁무진하다. 고객 지원 서비스, 생산력 증대, 결함 줄이기, 공급망 비용 절감 등 현재 여기저기서 실험되고 있는 것만 해도 ‘무수’하다. ‘도입을 위한 도입’이 아니라 ‘사업적 이득을 위한 도입’을 충분히 생각해야 한다.
2) 인공지능을 전담할 조직을 만들어야 한다. 인공지능 기술을 도입한다는 건 조직 전체적으로 데이터 소비와 분석 역량을 키운다는 뜻이다. 데이터 과학에 대한 적잖은 투자가 있어야 하고, 이 ‘투자’라는 건 인재 영입과 조직 개편을 뜻한다. 인공지능 모델이나 솔루션 하나 들여온다고 다 되는 게 아니라는 걸 반드시 명심해야 한다. 포토샵을 새로 구입해도, 디자이너가 없으면 아무 소용이 없는 것과 마찬가지다.
3) 조직에 맞는 기술을 정하고, 파트너도 선정해야 한다. ‘인공지능’이라고 퉁쳐서 부르는 감이 있지만, 그 안을 들여다보면 수많은 기술들이 가지치기를 하고 있는 걸 발견할 수 있을 것이다. 기술을 도입했을 때 생기는 영향을 고려해서 골라야 한다. 여기서 영향이라 함은, 조직 전체의 문화적 영향을 말한다. 인공지능을 잘 도입한 조직이 문화적 변화를 안 거친다면 말이 되지 않는다. 인공지능은 그 옛날의 첫 전기와 같기 때문이다. 또한 부정적인 영향을 줄이기 위해 인공지능을 잘 아는 파트너사를 물색하는 것도 현명한 방법이다.
4) 실패는 당연하고, 앞으로 나아가야 한다. 현재 수많은 기업들이 진행하고 있는 인공지능 프로젝트들 중 대다수가 ‘실패’로 끝난다는 걸 기억하자. 인공지능은 새로운 기술이고, 그 누구도 정통하다고 말할 수 없다. 앞서 말했듯 지금은 대대적인 실험의 시대다. 실패로 인해 배울 것이 더 많이 남아있기 때문이다. 실패는 당연하다. 그것을 통해 앞으로 나아가는 게 중요하다.
인공지능은 한 때 전기가 그랬듯, 몇 십년 전 인터넷과, 몇 년 전 모바일이 그랬듯, 생활에 필요한 주류 기술로 자리를 잡아가고 있다. 하지만 아직 확고한 위치를 잡은 건 아니다. 아직 우리는 이 기술에 대해 더 이해하고 있을 필요가 있고, 그렇기에 많은 이들이 자발적인 실험에 참여하는 중이다. 인공지능 도입 전략을 아직도 갖추고 있지 못하다면, 앞으로의 길이 그리 순탄치만은 않을 수도 있다. 실험을 통한 데이터는 각자가 쌓아야 한다.
몇 년이 지나고 우린 모두 지금 이 시점을 되돌아볼 것이다. 그 때 인공지능이 이런 저런 취급을 받은 적이 있었지, 하면서 감상에 젖을 수도 있다. 그 감상이 후회의 색이 아니기를 바란다.
글 : 롭 토마스(Rob Thomas), IBM
[국제부 문가용 기자(globoan@boannews.com)]
이제는 도입과 활용을 위한 구체적인 전략이 필요한 시기
[보안뉴스 문가용 기자] 수세기 동안 ‘전기’는 마법의 일종으로 여겨졌다. 누구도 전기가 어디서부터 오는지, 어떻게 발생하는지 이해하지 못했다. 1750년대에 벤자민 프랭클린이 전기와 번개의 상관관계를 증명하는 데 성공하긴 했지만, 그렇다고 해서 당장 전기가 도시 곳곳에 깔리고 실생활에 사용된 건 아니다. 심지어 프랭클린의 가장 유명한 발명품은 전기를 활용하게 하는 것이 아니라 전기를 피하게 하는 도구, 피뢰침이다.
[이미지 = iclickart]
오늘 날 너무나 많은 사람들이 인공지능을 1700년대의 전기처럼 바라보고 있다. 마법과 같은 일이 벌어지고 있다는 것만 알지 어떤 원리로 작동하는지는 잘 이해하지 못하고 있기 때문이다. 그래서 인공지능에 잘 알고 있고, 오랜 시간 이 분야를 공부해온 사람들을 놀라움과 경이로움으로 쳐다본다. 인공지능이 신화나 전설처럼 굳어지고 있고, 그래서 사람들은 현실보다 더 대단한 것들을 인공지능으로부터 기대하기 시작했다.
하지만 인공지능은 마법과 거리가 멀다. 인공지능이라는 말 자체는 1956년 처음 만들어진 것으로, 당시 한창 붐처럼 떠오르다가 여러 가지 이유로 추진력을 잃었고, 최근 부흥하기 시작했다. 그러나 진정한 부흥은 전기가 그러했듯 대량의 실험과 무수한 시행착오가 있은 뒤에야 찾아올 것이다. 그리고 모든 실험이 그렇듯, 대부분은 실패를 통해 배우고 성공을 통해 구체적인 인상을 남길 것이다.
지금이 딱 이 실험이 진행되고 있는 때다. 앤드류 응(Andrew Ng)과 같은 전문가가 제안했듯, 인공지능은 우리 시대가 맞닥트린 ‘두 번째 전기’와 같다. 전기처럼 점점 없는 곳이 없어지고, 더 많은 사람들에게 열리고 있으며, 전 세계의 사업과 조직 운영의 기조를 바꾸고 있다. 왜? 인공지능은 굉장히 정확한 확률로 미래를 예측하고, 따라서 비즈니스 프로세스와 결정 과정을 자동화해주기 때문이다. 그 효과도 고객의 보다 나은 경험에서부터 ‘스마트한’ 상품과 서비스에 이르기까지 광범위하다. 그리고 이는 기업과 나라, 사회의 경제와도 연결이 된다.
그래서 인공지능을 가지고 여러 가지 실험을 시작한 조직들은, 앞으로 시장에서 유리한 고지를 선점할 가능성이 높다. 그래서 많은 조직들이 인공지능에 다가가고 싶어 하는데, 너무 어렵고 먼 존재처럼 느껴 그러지도 못하고 있다. 인공지능에 대한 이런 선입견을 깨기 위해서는 두 가지 주요 요소를 고려해야 한다. 하나는 인공지능의 구성 요소들이고, 다른 하나는 인공지능의 과정적인 요소들이다. 좀 더 쉽게 말하면, 인공지능이라는 말 뒤에 있는 게 무엇이고, 인공지능이 어떻게 움직이는지 이해해야 한다는 것이다.
구성 요소
전기를 사용하려면 저항기, 축전기, 다이오드 등 기본적인 구성 요소가 필요하다. 인공지능도 마찬가지다. 다음과 같다.
1) 통합된 현대적 데이터 패브릭(data fabric)
2) 데이터에 대한 인공지능의 피드
이 두 가지는 결국 인공지능을 제대로 이용하려면 그에 맞는 데이터가 필요하다는 뜻으로 이어진다. 여기서 데이터 패브릭이란, 클라우드 상에서 모든 데이터 자산의 논리적 표현들로서 존재하는 것을 말한다. 데이터 패브릭은 기업 내 데이터를 미리 조직하고 레이블링 하는 역할도 담당한다.
3) 개발 환경과 개발 엔진 : 인공지능이 구축되고, 데이터를 가지고 훈련할 수 있으며, 실험을 진행할 수 있는 장소를 말한다. 이 요소가 있어야 입력에서 출력까지 아우르는 종단간 딥 러닝이 가능해진다. 머신 러닝은 패턴과 구조를 찾는 데 도움이 되는데, 명확해 보이지 않는 데이터 뭉치들로부터 패턴이 드러나기 시작하면, 그 지점에서부터 인공지능의 ‘마법’이 조금씩 느껴지기 시작한다.
4) 인간적 특성들 : 인공지능 모델 및 애플리케이션들을 인간의 특성들인 음성, 언어, 시야, 추론과 연결시킴으로써 인공지능을 연구실에서부터 실제 활용 가능한 것으로 탈바꿈시키는 것을 말한다. 이게 없으면 인공지능은 그저 이론이자 환상일뿐이다.
5) 인공지능 관리와 활용 : 이 요소들이 있어야 인공지능 기술을 애플리케이션과 비즈니스 프로세스에 삽입할 수 있다. 이게 가능하려면 모델의 버전, 각종 효과의 극대화 방법, 변경 사항, 편견 문제, 변화량에 대한 이해도를 어느 정도 갖추고 있어야 한다. 이런 요소가 있어야 인공지능이 실제 사용 가능한 도구가 된다.
과정의 요소
이런 인공지능의 요소들이 부각되면서 많은 조직들의 데이터의 잠재력을 해방시키고 있다. 그러나 그것만으로 인공지능을 다 활용할 수 있는 건 아니다. 인공지능을 실제 현장에 적용하고 구축하는 문제를 해결해야 한다. 위의 인공지능 구성 요소들을 다 알고 있다면 그 다음 단계인 ‘적용’을 고려하고 있을 텐데, 다음 몇 가지 과정이 필요하다.
1) 인공지능을 활용한 비즈니스 기회들을 올바로 파악해야 한다. 물론 인공지능의 활용이 가능한 분야는 무궁무진하다. 고객 지원 서비스, 생산력 증대, 결함 줄이기, 공급망 비용 절감 등 현재 여기저기서 실험되고 있는 것만 해도 ‘무수’하다. ‘도입을 위한 도입’이 아니라 ‘사업적 이득을 위한 도입’을 충분히 생각해야 한다.
2) 인공지능을 전담할 조직을 만들어야 한다. 인공지능 기술을 도입한다는 건 조직 전체적으로 데이터 소비와 분석 역량을 키운다는 뜻이다. 데이터 과학에 대한 적잖은 투자가 있어야 하고, 이 ‘투자’라는 건 인재 영입과 조직 개편을 뜻한다. 인공지능 모델이나 솔루션 하나 들여온다고 다 되는 게 아니라는 걸 반드시 명심해야 한다. 포토샵을 새로 구입해도, 디자이너가 없으면 아무 소용이 없는 것과 마찬가지다.
3) 조직에 맞는 기술을 정하고, 파트너도 선정해야 한다. ‘인공지능’이라고 퉁쳐서 부르는 감이 있지만, 그 안을 들여다보면 수많은 기술들이 가지치기를 하고 있는 걸 발견할 수 있을 것이다. 기술을 도입했을 때 생기는 영향을 고려해서 골라야 한다. 여기서 영향이라 함은, 조직 전체의 문화적 영향을 말한다. 인공지능을 잘 도입한 조직이 문화적 변화를 안 거친다면 말이 되지 않는다. 인공지능은 그 옛날의 첫 전기와 같기 때문이다. 또한 부정적인 영향을 줄이기 위해 인공지능을 잘 아는 파트너사를 물색하는 것도 현명한 방법이다.
4) 실패는 당연하고, 앞으로 나아가야 한다. 현재 수많은 기업들이 진행하고 있는 인공지능 프로젝트들 중 대다수가 ‘실패’로 끝난다는 걸 기억하자. 인공지능은 새로운 기술이고, 그 누구도 정통하다고 말할 수 없다. 앞서 말했듯 지금은 대대적인 실험의 시대다. 실패로 인해 배울 것이 더 많이 남아있기 때문이다. 실패는 당연하다. 그것을 통해 앞으로 나아가는 게 중요하다.
인공지능은 한 때 전기가 그랬듯, 몇 십년 전 인터넷과, 몇 년 전 모바일이 그랬듯, 생활에 필요한 주류 기술로 자리를 잡아가고 있다. 하지만 아직 확고한 위치를 잡은 건 아니다. 아직 우리는 이 기술에 대해 더 이해하고 있을 필요가 있고, 그렇기에 많은 이들이 자발적인 실험에 참여하는 중이다. 인공지능 도입 전략을 아직도 갖추고 있지 못하다면, 앞으로의 길이 그리 순탄치만은 않을 수도 있다. 실험을 통한 데이터는 각자가 쌓아야 한다.
몇 년이 지나고 우린 모두 지금 이 시점을 되돌아볼 것이다. 그 때 인공지능이 이런 저런 취급을 받은 적이 있었지, 하면서 감상에 젖을 수도 있다. 그 감상이 후회의 색이 아니기를 바란다.
글 : 롭 토마스(Rob Thomas), IBM
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-04-15] 
.jpg)
