dev-t-blog

AI를 기업의 비즈니스에 적용할 기가 막힌 아이디어가 있다고 해도 이를 기업에 적용 가능한 솔루션으로 성공적으로 구현하기 위해서는 기업 구성원의 마음가짐 변화와 추진을 위한 적극적인 리더십의 확보, 그리고 기업 업무 전반에 걸친 지원팀의 구성이 선결되어야 한다. AI 적용을 비롯한 기업의 디지털 트랜스포메이션이 성공하기 위해서는 데이터와 IT 기술 인프라를 통합하여야 하며 데이터와 인프라에 대한 전반적인 통합 및 관리 능력을 확보하지 못한 상황이라면 섣불리 AI를 적용하겠다고 뛰어드는 것은 바람직하지 않다. 기업이 이미 빅데이터를 효과적으로 활용할 수 있는 기술과 업무 응용 능력을 갖추었다고 판단되지 않으면 AI 적용은 시기상조다. 데이터에 대한 이해와 활용능력이 없이 AI 도입을 추진하는 것은 성공하기 어렵다.

그리고 기업 오너 또는 경영진이 스스로 통찰력과 판단력이 뛰어나다고 과신하고 조직 전체가 상명하복의 문화에 젖어 있다면 성공적인 AI의 적용이 어려워진다. 기업 경영진이 데이터와 팩트에 기반한 의사결정이 직관에 의한 결정보다 미래의 비즈니스를 위해 더 효율적이라고 공감할 때가 AI 도입을 추진해야 할 시점이다. 아울러 성공적인 AI의 도입을 위해서는 기업 전 조직의 적극적인 협조가 필요하므로 AI 도입에 따른 일부 부서의 두려움과 반감을 불식시키는 공감대의 형성이 선결되어야 한다.

AI 도입을 위한 기업 문화의 형성이 이루어졌다면 본격적으로 기술적인 문제에 대한 접근이 필요하다. AI의 구현을 위한 머신러닝을 포함한 기술적 역량은 기업의 기존 전통적인 정보시스템을 성공적으로 구현하고 운영한 기술적 역량과는 근본적으로 다르다. 머신러닝은 고도의 실험적이고 탐구적인 영역으로 구체적인 구현 일정과 성공적 완료 기준을 설정하기 매우 난해한 분야이다. 머신러닝을 위한 개발자에게는 기존의 소프트웨어 개발과 관련된 분야보다 수학과 통계학 분야의 역량이 훨씬 더 많이 요구된다. 그런데 현재 이런 역량을 갖춘 개발자는 구하는 것이 상당히 어렵다. 그리고 해당 기업의 AI 개발자를 구할 때 반드시 기업의 비즈니스 영역에 대한 지식과 관련 데이터에 대한 이해력을 갖춘 인력을 선별하여야 한다.

AI 적용을 위한 기술 조직의 구성이 마무리되면 구체적인 구현 계획을 수립할 단계이다. AI 도입 시 본격적인 투자에 앞서 ‘AI 도입을 통해 어떤 문제를, 왜 해결하려고 하며 이것이 기업에서 우선순위가 높은지, 그리고 문제 해결이 성공적으로 되었다는 것을 어떻게 측정할지에 대한 지표가 있는가?’라는 질문을 해봐야 한다.

AI의 구현은 텐서플로, 파이토치, 케라스 등의 오픈소스 또는 클라우드 서비스를 활용하는 방안과 기업 독자적인 플랫폼을 구축하는 방안이 있으며 기업의 상황에 맞게 선택한다. 적용할 분야가 기업의 장기적인 성장에 핵심적인 영역인지, 기업 내부적으로 기술 역량은 갖추어졌는지, 구체적인 목표 시기는 언제인지, AI 적용을 위한 데이터는 마련되어 있는지 그리고 마지막으로 전체 TCO 측면에서 자체 구축과 외부 솔루션 도입 중 어느 것이 적절한 방안인지 결정하여야 한다. 명심하여야 할 점은 머신러닝이 기업의 모든 분야에 적용할 수 있는 것도 아니며 어떠한 솔루션도 해당 기업의 비즈니스에 바로 적용 가능하지 않다는 점을 인지하여야 한다.

위 단계까지 완료된 상황이라면 이제부터 해당 영역과 관련된 데이터를 수집하고 준비할 단계이다. 기업 비즈니스 관련 영역의 문제를 AI를 이용하여 성공적으로 해결하기 위해서는 해당 문제를 어떻게 정의하고 정의된 문제와 관련하여 왜곡되지 않고 편향적이지 않은 데이터를 정확하게 수집, 축적할 수 있느냐 없느냐에 AI 적용 성공 여부가 달려 있다고 해도 과언이 아니다.

그다음 단계는 AI 구현을 위한 머신러닝 모델을 개발하는 것이다. 현재 머신러닝은 아직 초기 발전단계라고 볼 수 있으며 지속해서 다양한 기술이 실험되고 개발되고 있는 분야이다. 또한 머신러닝이 모든 문제를 해결할 수 있는 만능 도구도 아니다. 따라서 적절한 모델을 선택하고 기업 내의 데이터를 통해 학습, 발전시켜야 한다. 머신러닝에 있어 데이터의 정확도가 AI의 정확도를 좌우한다. 또한 구현된 모델의 지향 범위가 너무 좁지도, 넓지도 않아야 최적의 결과를 얻을 수 있다. 다음의 그림은 머신러닝을 데이터를 이용해 지속해서 학습시키는 단계를 반복 사이클로 표현한 것이다.

기업의 AI 도입을 위한 단계는 다음과 같이 다섯 단계로 요약한다.

1. AI 도입을 위한 기업 내 환경과 문화를 구축한다.
2. AI 도입을 위한 기술 조직을 구성한다.
3. 구체적인 구현 일정 및 방법을 수립한다.
4. 데이터를 수집하고 준비한다.
5. 머신러닝 모델을 실험하고 학습시키고 문제점을 찾아 모델을 개선한다. 이 단계를 반복적으로 지속하여 원하는 문제를 해결하는 AI 시스템을 완성한다.

보다 상세한 내용은 서적을 참고하시기 바랍니다.

[참고] Yao, Mariya. Applied Artificial Intelligence: A Handbook For Business Leaders, TOPBOTS, 2018, Kindle Edition.

*정철환 팀장은 삼성SDS, 한양대학교 겸임교수를 거쳐 현재 동부제철 IT기획팀장이다. 저서로는 ‘SI 프로젝트 전문가로 가는 길’이 있으며 삼성SDS 사보에 1년 동안 원고를 쓴 경력이 있다. 한국IDG가 주관하는 CIO 어워드 2012에서 올해의 CIO로 선정됐다. ciokr@idg.co.kr

원문보기: 
http://www.ciokorea.com/news/39711#csidx0ddb62e665e4a7f92bfc051225ba555