[4차산업 인공지능㉝-2] “인공지능”… 인간을 추월, 기업의 AI 동향

총체적으로 전환되는 AI 전략

기업들이 초기 개념 증명에 성공한 후 기술을 운영화하고 인재, 전문지식, 모범 준칙를 구축하기 위해 AI 전문가 조직을 구성하는 경우가 많다. 하지만 기업이 임계 질량 수준에 도달하게 되면 이런 전문가 조직 중 일부를 해체하고 AI를 구성하여 전문가들을 가장 필요한 곳으로 직접 이동시키는 것이 합리적이다.

맥킨지의 싱글라는 “덜 성숙한 기업들의 경우 인재를 보유하고 기관 전반에 걸쳐 학습하는 전문가 조직을 확보하는 데 가치가 있다. 이것이 없다면 기업들은 일반적으로 확장 능력이 없다. 재능이 있는 사람들은 사고방식이 비슷한 사람들과 함께 하고 싶어한다. 그리고 경험이 부족한 사람들은 전문가 조직에 속할 때 이점을 누린다. 거기에서 성장하거나 학습할 수 있기 때문이다”라고 말했다.

AI로 인한 비즈니스 프로세스 전환

기업들이 처음으로 AI를 사용하기 시작하는 시점에는 AI가 차별화를 꾀할 수 있는 비즈니스 프로세스를 찾는 경우가 많다. 젠팩트(Genpact)의 CDO 산자이 스리바스타바는 “이 프로세스를 여러 조각으로 나누고 각 조각을 디지털화 하며 AI를 적용하여 효율화를 꾀한다. 하지만 결국에는 프로세스 자체가 그대로인 경우가 대부분이다. 프로세스 자체는 바뀌지 않는 것이다”라고 말했다.

그는 “송장에 AI를 적용하면 어떤 송장에 이의가 제기될지 알 수 있다. 우리는 포트폴리오의 어떤 부분에 위험이 가장 높은지 파악할 수 있다”라고 말했다. AI를 통한 예측력 덕분에 프로세스 전체를 재구성할 수 있다고 그가 말했다. “AI를 적용하면 E2E(End to End) 가치사슬에 관해 생각하고 완전히 재구성할 수 있다.”

현실화되는 ML옵스(MLOps)

2021년 말에 공개된 맥킨지 보고서에 따르면 AI를 통해 수익이 극대화되는 기업들이 차별화되는 요소는 ML옵스 활용이다.

이것이 AI와 관련해 새롭게 출현하는 대형 트렌드라고 물리치료 기술 기업 오그멘트 테라피(Augment Therapy)의 클라우드 및 신기술 활동 책임자 카르멘 폰타나가 말했다. 폰타나는 센트릭 컨설팅(Centric Consulting)의 클라우드 및 신기술 활동 책임자였다.

그녀는 “이제 목표는 머신러닝을 생산에 적용하는 것이다. 2~3년 전에는 이 분야가 급성장했으며 사람들은 이것이 반드시 필요하다고 생각했다. 하지만 실제로는 많이 적용되지 않았다”라고 말했다. 하지만 이제는 조직이 AI 모델을 훈련하고 배치하며 모니터링하는 방법을 더욱 엄격히 할 수 있는 기성 도구와 방법론이 있다고 폰타나는 진단했다.

AI 파이프라인을 배치하는 기업들

BAH는 최근 고객들과 약 150개의 AI 프로젝트를 수행하고 있다고 BA의 네로다가 말했다. 하지만 지난 1년 동안 해당 기업은 이런 일회성 모델에서 벗어나기 시작했다. 그는 “지난 1년 반 동안 우리는 모듈식 기능과 E2E(End to End) 파이프라인에 투자했다”라고 말했다.

성공적인 AI를 위해서는 단순한 실용 모델 이상이 필요하다. 시간이 지남에 따라 데이터가 바뀌고 모델이 지속적으로 다듬어지면서 모델을 유지하기 위해 필요한 전체적인 프로세스가 있다는 설명이다. 그는 “가장 큰 문제점은 모든 도구를 연계시키는 방법이다. 우리는 이를 표준화하고 프로젝트 전반에 걸쳐 사용할 재사용 가능한 것들을 구축하기 위해 노력하고 있다”라고 말했다.

AI에 대한 신뢰 구축

직원 및 임원들이 AI에 익숙해지면서 인간의 직감에 반하는 AI 결정을 수용하는 현상이 나타나고 있다. 블루 욘더(Blue Yonder)의 전략 자문가 겸 설립자 마이클 페인트는 최근 팬데믹 관련 공급망 문제로 분투하고 있는 영국의 대형 식품 소매기업과 협력했다. 해당 기업이 수동 프로세스를 사용하여 공급망을 관리할 때는 빈 선반이 많았다고 그가 말했다. 게다가 업무를 위한 지식과 능력 및 의지가 있는 사람들이 부족했다.

자동화된 AI 기반 시스템은 비용 절감과 성과 향상을 제공할 수 있다. 하지만 팬데믹이 닥쳤을 때 사람들은 자동 시스템을 차단하고 싶어했다. 그는 “놀랍게도 자동 시스템이 인간보다 훨씬 빠르게 적응할 수 있다는 사실이 드러났다”라고 말했다.

새롭게 등장하는 비즈니스 모델 가능성

일부 영역에서 AI는 이전에 없었던 기회를 생성하고 있다. 예를 들어, 자율주행 자동차는 사회를 바꾸고 완전히 새로운 종류의 기업을 만들 수 있는 가능성이 있다. 하지만 AI 기반 비즈니스 전환은 더 작은 규모로도 이루어질 수 있다.

사파이어 벤처스(Sapphire Ventures)의 사장 겸 파트너 자이 다스는 “이런 사용 사례는 아직 확산되지 않았다. 이를 통해 비즈니스 방식이 근본적으로 바뀌며, 기업들은 이를 신속하게 바꾸지 않는다”라고 말했다.

AI와 ML이 기업 내의 모든 지식 노동자가 사용하는 도구가 되면 이 물결이 바뀌기 시작할 전망이다. 그는 “아직 그런 수준에 도달하지 못했다. 모두가 업무 처리를 위해 AI&ML을 사용할 때가지 5년 정도 더 걸릴 것이다”라고 말했다.

결론적으로 인공지능의 구현을 위해서는 인간과 유사하게 행동하는 컴퓨터 프로그램을 구현하는 학습방법인 머신러닝·딥러닝과 이것을 학습할 수 있는 막대한 양의 데이터와 컴퓨팅 파워가 필요하다. 여기에 데이터를 수집하는 IoT 뿐만 아니라 이를 분석하는 빅데이터 및 컴퓨터 용량을 제공하는 클라우드 기술, 이외에 자연어 처리기술과 인식기술 등 다양한 기술 개발이 필수적이라고 볼 수 있다.