인사이트

인사이트

새로운 관점으로 깊이 있는 통찰을 제시합니다.

애널리틱스/AI

인공지능 비즈니스 적용 전략: 기업경쟁력 향상을 위한 인공지능 적용 프로세스

2018.04.10윤동균
다운로드

1. 들어가며

인공지능 시대: 관심과 투자

2017년 기준, 미국 성인의 79%가 어느 형태로든 인공지능을 사용했다고 밝혔고, 65%는 자동화가 일상 생활에 중요한 영향을 미치고 있음을 인정했다. 현재 인공지능은 가상비서, 스피커, 자율주행 자동차와 같이 소수 제품을 떠올리게 하지만, 2018년을 기점으로 저변이 확대되면서 보다 다양한 형태로 우리 삶에 영향을 미치기 시작할 것이다.

인공지능은 보편적으로 인간과 같은 인지 능력을 발휘할 수 있는 존재 또는 지능을 지칭하며, 철학적, 공학적으로도 많은 토론과 재정의가 이뤄지고 있는 단어이자 학문 분야이다. 1950년대 인공지능이라는 단어가 등장한 이후 공학적인 관점에서 이를 구현하기 위해, 전문가 시스템, 퍼지 이론, 유전 알고리즘 등의 접근법이 사용되어 왔고, 머신 러닝으로 트렌드가 넘어 왔다. 더불어 최근 이슈가 되고 있는 딥러닝은 머신 러닝 알고리즘 중 여러 비선형 변환기법의 조합으로 높은 수준의 추상화를 시도하는 알고리즘의 집합으로 정의한다. 국내에서는 2016년 AlphaGo의 충격 이후 일반인도 쉽게 접할 수 있는 단어가 되었고, “인공지능=딥러닝”이라는 인식 또한 자리잡았다.

인공지능 분야에 대한 연구가 활성화 되면서, 구글과 바이두 같은 Tech. Giant들은 2016년에 200억~300억 달러를 R&D 투자(90%) 및 AI 기업인수(10%)에 사용했으며, 외부투자 또한 60억 달러에서 90억 달러로 규모가 급성장했다. 또한 인공지능 소프트웨어로 유발되는 직/간접적 수익이 2016년 32억 달러에서 2025년 898억 달러로 증가할 것으로 예측되고 있다.

그림 1 - 2016년 AI 투자 규모 (좌) 및 AI 소프트웨어 시장 규모 (우)_ 투자규모-$26B to $39B In artificial intelligence, tech giants $20B to $30B, Startups $6B to $9B, 3X External investment growth since 2013. 시장규모-2016년 32억 달러에서 2025년 898억 달러로 증가할 것으로 예측

 

 

2. 인공지능 비즈니스

주요 비즈니스 영역

인공지능 분야에 투자가 지속 증가하는 것은 어떤 이유 때문일까? Forrester Infographic에 따르면 비즈니스 의사 결정자의 31%는 비즈니스 인사이트 서비스를 개선하기 위해 인공지능을 도입할 것이며, 33%는 인공지능이 제품과 서비스 개선에 도움을 줄 것으로 예상한다고 응답했다. Narrative Science Report의 설문 결과에 의하면 설문 대상 중 38%가 고객, 설비, 비즈니스의 상태를 예측하는 것이 인공지능의 가장 중요한 역할이라고 언급했으며, 27%는 반복적인 수작업을 자동화하는 것이 가장 가치 있는 것으로 생각하고 있다. 이런 점들에 비춰봤을 때, 인공지능을 적용할만한 비즈니스 영역은 아래와 같다.

그림 2 - 주요 인공지능 적용 영역_1. 요구사항 예측 및 R&D 최적화: 제품 수요/공급 예측 제품 디자인 및 효율성 개선 고 위험 환자 그룹 분류 2. 제품/서비스 비용절감 및 품질향상: 창고/매장 운영 자동화 예방 유지보수 최적화 오류/재 작업 등 프로세스 개선 진단 자동화 및 속도/정확도 개선 3. 제품/서비스 홍보 최적화: 가격 최적화 개인화 프로모션 유지보수 서비스의 수요 예측 영업 우선순위 조정 4. 개인화 된 편리한 사용자 경험 제공: 개인화 된 팁 또는 추천 가상 Agent를 활용한 CS 경로/계획 최적화 서비스

 

2018년 인공지능 비즈니스 전망

인공지능은 아직 성숙하지 않은 기술이기 때문에, 2018년 인공지능 관련 프로젝트의 75%가 운영 상의 고려 사항을 모델링에 반영하지 못해서 결과가 기대치를 밑돌 것으로 예상된다는 조사 결과도 있다.4) 하지만 이런 프로젝트들이 기업의 의사 결정자로 하여금 인공지능 분야의 투자 범위를 재검토하고, 이해도를 높이는 데 기여할 것은 자명하다. 또한, 이런 학습 효과로 향후 인공지능 분야의 투자 성공을 위한 준비가 이뤄질 것으로 예상된다.

 

 

3. 인공지능 비즈니스 적용 프로세스

비즈니스 영역 탐색

인공지능 비즈니스를 수행하려면 각 회사는 앞서 소개한 영역 중 개선 및 이윤 창출이 가능한 영역이 자사의 업무에 있는지 살펴야 한다. 인공지능 기술이 중요하긴 하지만 비즈니스에 적용하는 것은 절대 IT부서만의 일이 아니다. 비즈니스와 인공지능 기술을 같이 이해할 수 있어야 인공지능 비즈니스 영역을 탐색할 수 있을 것이다. 두 영역을 모두 이해하는 전문가가 있다면 적은 인원으로 비즈니스 영역 탐색이 가능하겠지만, 그렇지 않다면 비즈니스 전문가와 인공지능 기술 전문가 간의 원활한 커뮤니케이션이 중요해진다.

 

비즈니스 목표 수립

비즈니스를 적용할 영역을 발견한다면 비즈니스 목표와 기술 목표를 수립해야 한다. 인공지능 개발/적용에 있어 비즈니스 목표와 기술 목표는 항상 같은 곳을 바라보지는 않으며, 일반적으로 비즈니스 목표는 여러가지 기술 목표의 조합으로 선정된다. 예를 들면 기술 목표를 “웹 페이지에서 광고 노출을 통한 수익 증대”라고 수립한다면, 인공지능은 곧 웹 페이지를 광고로 도배하기 시작할 것이다. 이 경우 웹 페이지 광고에 질린 고객은 더 이상 웹 페이지를 방문하지 않을 것이므로, 비즈니스 목표는 “웹 페이지 방문자를 유지, 증가 시키면서 광고 수익 증대”와 같이 수립하는 것이 바람직하다. 기술 목표에 “방문자 증가”와 “광고 수익 증대“라는 두 가지 비즈니스 목표를 고려사항으로 반영시키기 위함이다.

 

데이터 수집 및 적재

인공지능 기술은 작게 보면 특정 문제를 해결하기 위한 알고리즘이므로, 현 비즈니스가 보유한 데이터와 상황에 맞는 알고리즘을 사용한 모델링이 필요하다. 비즈니스적으로 의미가 있는 데이터를 누락시키지 않으면서 충분한 데이터를 확보하려면, 데이터 정의/수집 과정에서도 비즈니스 전문가와 인공지능 기술 전문가가 긴밀한 커뮤니케이션을 진행해야 한다. 현재 인공지능 트렌드인 딥러닝은 데이터 양이 많이 필요한 알고리즘이므로 양질의 데이터를 확보하는 것이 비즈니스의 성패를 결정한다. 또한 데이터 양과 처리 속도에 따라 인공지능 기술과는 별개로 빅데이터 기술이 요구되기도 한다.

 

인공지능 모델 개발

이 단계에서는 인공지능 모델을 개발할 인프라를 준비하고, 모델 평가지표 수립 후 알고리즘 선택/모델링/평가/보완의 반복 작업을 거치게 된다. 이 과정에서 비즈니스 목표와 제약사항 등에 따라 다양한 고려사항이 발생하고, 비즈니스, 인공지능 기술 전문가, 시스템/소프트웨어 전문가가 필요하다.

그림 3 - 인공지능 모델링 시 고려 사항_ 인공지능 모델을 개발할 인프라(On-premise, amazon web serices IBM Bluemix 등)를 준비하고, 모델 평가지표 수립 후 알고리즘 선택/모델링/평가/보완의 반복 작업을 거치게 된다.Custom 모델링(CNN, RNN, GAN), API 서비스(Syntax, NER, Translate, Sentiment, Object Detection, Chatgot), 개발프레임웍(오픈소스(Caffe,WEKA, CNTK 등)와 상용개발서비스(Google Cloud MAchine Learning, Amazon Machine Learning 등 조합)

 

인공지능 배포 및 프로세스 정비

인공지능은 업무의 가치와 효율성을 올려주는 도구이므로, 인공지능 적용 후의 업무 방식 또한 도구를 잘 사용할 수 있도록 변화해야 한다. 프로젝트 후 영향을 받을 업무를 파악하고, 불필요한 업무의 정비, Workflow 재수립, 업무목표 변경 등의 프로세스 개선을 통해 인공지능 도입에 따른 변화에 연착륙을 시도해야 한다.

 

 

4. 에스코어의 인공지능 비즈니스 역량

전문가 융합의 중요성

인공지능 비즈니스 적용 프로세스에서는 분야별 전문가가 필수적이다. 하지만 사내에 비즈니스, 인공지능 기술, 시스템/소프트웨어 전문가를 모두 보유하기란 어려우며, 특히 인공지능 전문가는 전 세계적으로 부족한 실정이다. 설사 전문가들을 한 곳에 모으더라도 서로의 영역에 대한 이해부족으로 원활한 커뮤니케이션이 어려운 경우가 다반사일 것이다. 이에 서로 다른 의견을 이어주고 절충할 수 있는 Hybrid형 전문가가 필요하다. 이런 상황에서 자연스럽게 전문가 탐색에 고려할 수 있는 옵션은 아웃소싱이다.

 

에스코어의 역량

각 분야별 전문가를 아웃소싱 하더라도 서로 다른 업체가 모여서 프로젝트를 진행하다 보면 잡음이 발생할 수 밖에 없다. 프로젝트 책임자가 End-to-End에 대한 이해도를 가지고 조율을 잘 할 수 있다면 다행이지만, 단순히 부족한 기능을 채우기 위한 아웃소싱은 프로젝트를 어렵게 만들 수 있다. 하지만 에스코어는 컨설팅사업부, 소프트웨어사업부로 구성되어 산업 전반의 Domain knowledge를 갖춘 전문 컨설턴트, 시스템SW 전문가, 인공지능 기술 전문가 등을 보유하여 인공지능 비즈니스 시대에 발맞춰 가고 있다. 내부적으로는 인공지능 비즈니스 적용 프로세스 별 R&R 및 Approach를 정립해 전문가 간 소통 및 기술 교류를 활발히 하며, 제품 수요 예측, 고객 반응 분석 및 전략 수립, 재고/처분량 최적화 등 고객의 인공지능 프로젝트에 도움을 주고 있다.

그림 4 - 에스코어의 인공지능 비즈니스 핵심역량_ 비즈니스 기획(컨설팅사업부), 데이터 수집/적재(소프트웨어 사업부), 모델링(소프트웨어 사업부/컨설팅사업부), 배포 및 프로세스 개선(컨설팅사업부), 에스코어는 인공지능 비즈니스 기획역량, 알고리즘 선정/모델링 역량, 시스템설계/구축 역량 을 보유

 

 

5. 맺음말

많은 고객들이 인공지능 비즈니스를 문의해 오지만, 단번에 비즈니스를 변화시키는 마법 같은 일은 드물다. 여러 사례를 통해 얻은 교훈은 데이터 거버넌스가 잘 되고 있고, 인공지능 적용 전/후 프로세스 고려가 필요하다는 점이다. 인공지능 관련 비즈니스는 데이터를 기반으로 하기 때문에, 데이터 거버넌스가 부족하면 데이터 수집/적재 단계에서부터 난관을 맞이하게 된다. 또한 인공지능 적용 전/후 프로세스를 고려하지 않으면, 기존 업무와 연관된 조직/역할과 충돌이 발생하여 비용을 투자했으나 적용이 좌절될 수도 있다.

인공지능이라는 키워드에 현혹되어 당장 신규 비즈니스를 발굴하는 데 역량을 쏟기보다, 현재의 데이터 준비상황을 점검하여 작은 변화부터 만들어 나가는 전략이 필요할 것으로 보인다. 아울러 인공지능 기술 적용에 초점을 맞추기보다, 좀 더 큰 그림에서 기업이 처한 상황을 진단하고 나아갈 방향을 제시할 수 있는 에스코어의 차별화 된 역량이 고객에게 큰 도움을 줄 수 있을 것으로 확신한다.

# References

- 5 Takeaways on Automation & AI (The Webby Awards, 2017)
- Artificial Intelligence, The Next Digital Frontier (MGI, 2017)
- Artificial Intelligence Market Forecasts (Tractica, 2017)
- Predictions 2018 (Forrester, 2017)

윤동균 프로

에스코어㈜ 소프트웨어사업부 지능형플랫폼그룹

- 디지털마케팅 플랫폼, 딥러닝, 머신러닝, 빅데이터 - 글로벌 선도 전자 회사, CS 빅데이터 분석 플랫폼 개발 - 글로벌 선도 전자 회사, CS 빅데이터 머신러닝 분석 - 조달청 제품 데이터 기반의 수요 예측 머신러닝/딥러닝 모델링 프로젝트