게시물 검색

ICT/정보통신 AI는 비즈니스의 가능성을 넓히는 기술

  • 관리자 (irsglobal1)
  • 2020-03-20 15:22:00
  • hit3048
  • 218.156.0.101

화상인식이나 보드게임용 컴퓨터 프로그램에도 사용되는 AI(인공지능). 응용 범위가 넓을 뿐 아니라 비즈니스에서의 활용도 이루어지고 있다.

 

AI의 성공 사례도 언론 등에서 종종 소개되고 있으며, ‘AI를 비즈니스의 어떤 분야든지 응용할 수 있다’고 생각하는 사람들이 있다. 하지만 정말로 그럴까? 그래서 AI를 어떤 분야에서 이용할 수 있는지, 어떤 업무에서 AI를 활용할 수 있는지에 대해 설명하고자 한다.

 

 

1. AI는 무엇인가?

 

최근 ‘AI’라는 말이 자주 들리는데, 원래의 의미보다 넓은 뜻으로 사용되는 경우가 많이 있다.

AI를 크게 정의하면, ‘인간의 지능이 실시하는 지적인 작업을 컴퓨터가 자동으로 실시하는 것’이다. 이러한 ‘지적’이라거나 ‘지능’이라는 말 자체에 확고한 정의가 없기 때문에, 인공지능에 대한 확실한 정의가 내려지지 않은 채, AI가 범람하고 있는 상황이다.

 

최근 성행하고 있는 AI는 ‘딥러닝(심층학습)’이라 불리는 기계학습 방식이다. 2016년에 바둑의 세계 챔피언에게 승리한 컴퓨터 프로그램 ‘Alpha Go’를 뒷받침한 것이 딥러닝 기술이다. 실제로, 딥러닝 이외에도 AI 기술에는 탐색 트리 등이 포함되지만, 따로 구별되지 않고 모두 AI로 불린다.

 

 

2. 딥러닝을 통해 실행할 수 있는 처리

 

2-1. 화상 처리

 

딥러닝의 가장 대표적인 처리 기능 중 하나는 화상 처리이다. 캐나다 토론토대학의 제프리 힌튼 교수가 딥러닝의 기반이 되는 아이디어를 만들어 냈는데, 힌튼 교수가 딥러닝의 성능을 확인하기 위해 참가한 것이 화상 처리 콘테스트 ILSVRC이다. 이 콘테스트에서 힌튼 교수가 이끄는 연구 그룹이 기존의 오차 범위를 대폭으로 줄여 우승한 것이, 딥러닝의 이름을 크게 떨치게 된 계기가 되었다.

 

예를 들어, 딥러닝으로 특정한 사람의 얼굴을 인식하기 위해서는 빅데이터가 필요하다. 아무것도 장착하지 않은 상태, 안경을 쓴 상태 등 다양한 얼굴 데이터를 학습시킴으로써, 혹시 마스크를 쓰고 있더라도 그 사람임을 판별할 수 있다.

 

화상 처리 역시 범위가 매우 넓어, 예를 들어 17세기 네덜란드의 화가 렘브란트의 작풍을 AI를 통해 재현하려는 시도가 있었다. 실제로 완성된 그림은 마치 렘브란트가 그린 것 같았다.

 

2-2. 언어 처리

 

언어 처리 역시 딥러닝이 잘하는 작업 중 하나이다. 최근의 사례로는 Siri와 같은 음성 응답 애플리케이션이 있다. 음성 응답 애플리케이션은 누군가의 말을 통해 얻은 소리의 파장을 텍스트 데이터로 변환한다. 그렇게 생성된 여러 개의 텍스트 데이터 중에서 가장 합당한 의미를 가진 텍스트 데이터를 추정함으로써, ‘오늘의 날씨는?’이라는 말을 했다는 것을 인식한다.

 

Apple의 Siri 외에도 Google 어시스턴트나 Amazon의 Alexa 등 AI를 활용한 음성 인식 서비스가 많이 있다. 이러한 ‘AI 어시스턴트’는 단말기로부터 멀리 떨어진 곳에 있는 클라우드 컴퓨터에 탑재된 딥러닝을 통해 가동된다. AI에 의한 언어 처리는 진화를 거듭하여, 번역뿐 아니라 뉴스 기사나 소설을 집필하는 AI까지 등장하였다.

 

2-3. 의사 결정 지원

 

의사 결정이란 여러 가지 선택지 중 최적의 선택을 하는 행위를 말한다. 경제학이나 경영학과 같은 분야에서 연구되어 온 의사 결정 문제는, 여러 명의 플레이어가 참가하는 게임 전략을 분석하는 게임 이론과도 깊은 관련이 있다. 바둑이나 장기, 체스와 같은 보드 게임도 게임 이론의 관점에서 분석하는 등 의사 결정 문제는 AI의 연구 대상이라 할 수 있다.

 

사실, 딥러닝이 등장하기 전부터 AI를 사용하여 의사 결정을 지원하려는 시도가 있어왔다. 대표적인 것이 IBM이 개발한 Watson이다. 2011년에 퀴즈 방송에서, Watson은 2명의 퀴즈왕에게 도전하여 최고 상금을 획득하였고, 그로 인해 세상에 존재를 알렸다. 딥러닝은 불확실한 상황에서 최적의 선택지를 찾아내는 힘을 발휘하며, 딥러닝을 도입한 Watson은 비즈니스에서의 의사 결정에 폭넓게 이용되고 있다.

 

3. 비즈니스에서의 AI 응용은?

 

화상 처리나 언어 처리 등서 힘을 발휘하는 딥러닝, 그렇다면 어떤 비즈니스에 응용할 수 있을까?

 

3-1. IT 기업을 중심으로 비즈니스에서의 응용이 검토되고 있다

 

2015년 이후, IT 기업을 중심으로 딥러닝의 활용이 발전하였다.

빅데이터를 학습하려면 대형 계산기가 필요하기 때문에, 자력으로 인프라를 정비하는 것은 어려운 일이다.

하지만, Amazon의 AWS나 Microsoft의 Azure 등 단말기에서도 AI를 이용할 수 있는 클라우드 컴퓨터을 IT기업이 제공하고 있기 때문에, 모든 기업이 비교적 쉽게 AI를 이용할 수 있게 되었다.

 

3-2. 제조업에서 의료, 농업에서까지 응용할 수 있다

 

AI를 활용할 수 있는 분야는 매우 넓으며, 제조업이나 모빌리티, 의료 등 수많은 분야를 들 수 있다. 여기서 중요한 것은 빅데이터이다. 딥러닝을 가동시키려면, 학습을 위한 빅데이터가 필요하다. 빅데이터로서 사용되는 것은 인터넷상에서 송수신되는 데이터만이 아니다. AI는 IoT(사물인터넷)과 연계하여 더욱 많은 데이터를 취득할 수 있다.

 

단말기에 센서를 탑재하고, 그 센서를 통해 외부 세계의 데이터를 취득할 수 있다. 일례로, 자율주행을 들 수 있다. 자율주행을 하려면 도로 옆에 놓인 장애물이나 보행자, 전후좌우로 움직이고 있는 다른 자동차를 감지하고, 운전 경로를 결정해야 한다. 그러므로 자동차에 설치된 무수히 많은 센서가 취득한 데이터를 바탕으로 기계학습을 실시해야 한다. 학습하기 위한 빅데이터가 증가하게 되면서, AI를 비즈니스에서 응용할 수 있는 범위가 넓어지고 있다.

 

3-3. 곡물의 생산 효율도 향상시킨다

 

예를 들어, 농업 분야에서의 AI 활용을 들 수 있다. 미국에서는 대규모로 농장을 관리하는데, 4,500에이커나 되는 농장의 어디에 옥수수를 심어야 하는지 AI가 판별하도록 하는 농장 경영자도 있다. 각 지점의 기온 및 토양 침식에 대한 관측, 예상 강우량 및 토질 등의 데이터를 바탕으로, 수확을 최대화하는 조건을 AI가 산출하기도 한다. 미국의 곡물 생산량은 AI로 인해 역대 최고치를 갱신한 바 있다.

 

이러한 예를 통해, AI는 기존의 비즈니스 모델을 뿌리에서부터 변혁하고 있음을 알 수 있다.

 

4. 어떤 기업이 AI를 활용하는가?

 

4-1. 대형 IT 기업

 

AI를 활발하게 연구ㆍ개발하는 곳은 대형 IT 기업이다. 미국의 경우, IBM이나 마이크로소프트, Google 등이, 일본에서는 후지쯔, 히타치, NEC, NTT 등이 개발에 힘쓰고 있다.

 

4-2. AI 사용자도 연구 개발에 참여한다

 

또한 AI를 사용하는 기업 역시 AI의 연구ㆍ개발에 진출하고 있다.

 

일본에서는 도요타 자동차가 대표적인 사례로 손 꼽히고 있다. 인위적인 운전 조작이 필요 없는, 자율적으로 운전하는 ‘완전 자율주행’을 실현하려면 AI가 필요하다.

2016년에 도요타는 AI를 연구하는 ‘Toyota Research Institute’를 설립했으며, 기존의 자전주의(自前主義)에서 벗어나려 하고 있다.

최근에는 오픈 이노베이션을 통한 새로운 기술 개발이 트렌드를 이루고 있다. 특히 자동차 산업에서는 전기자동차(EV)나 커넥티드 카, 자율주행 등 차세대 자동차 개발을 둘러싸고, 전 세계적으로 주도권 경쟁이 일어나고 있다.

도요타 자동차 역시 현재(2019년 상반기) 자동차 판매 대수에서 2위이며, 매출액은 1위로서 높은 점유율을 자랑하고 있지만, 자율주행차를 판매하는 테슬라 등 신흥 세력이 나타나, 방심할 수 없는 상황이다.

 

4-3. AI 관련 기업이 대기업을 돕는다

 

도요타 자동차는 자율주행을 실현하기 위해 AI 관련 기업과 제휴하거나 투자를 하고 있다. 대표적인 것이 자율주행 시스템 플랫폼을 개발하는 반도체 회사 NVIDIA이다. 딥러닝을 탑재한 GPU를 제품화하는 등 현재로서는 자율주행 AI 분야에서 선두를 달리는 회사이다. 도요타는 또한 NVIDIA와도 연계하는 프리퍼드 네트워크에 투자를 하였다.

 

‘프리퍼드(Preferred) 네트워크’와 같은 AI 스타트업 기업의 존재가 주목을 받고 있다. 해외에서도 미국과 중국을 중심으로 다수의 스타트업 기업이 다양한 분야에서 AI 사업에 뛰어들고 있다. 예전에는 Alpha Go를 개발한 영국의 Deep Mind와 딥러닝의 기반이 되는 아이디어를 낸 캐나다 토론토대학의 제프리 힌튼 교수가 대학 내에 설립한 DNNresearch를 Google이 인수하였다. AI 스타트업 기업 인수는 예전보다는 줄었지만, 이것은 AI 연구ㆍ개발이 성숙기를 맞이했다는 뜻이기도 하다.

 

5. AI를 도입할 때 주의해야 하는 것

 

5-1. 업무 효율을 향상시키는 AI

 

가장 좋은 AI의 활용사례는 ‘업무 효율 향상’이다.

 

검품 작업을 예로 들 수 있다. 불량품을 찾아내는 데에는 원래 사람이 투입되어 작업했었다. 하지만, AI를 활용하는 화상 처리로 인해 불량품을 선별할 수 있다면, 업무 효율이 더욱 향상된다. 물론 모든 검품 작업을 AI에게 맡길 수는 없으며, 사람이 최종적으로 확인하도록 하면서 AI와 사람이 협동해야 한다.

 

5-2. API에서 간단히 AI를 도입할 수 있다

 

AI를 활용하기가 이전보다는 쉬워지고 있다.

 

Google이나 마이크로소프트, Amazon 등이 제공하는 API를 활용하면, 이미 학습이 완료된 모델을 이용할 수 있으므로, 처음부터 빅데이터나 AI를 가동시키기 위한 서버를 준비할 필요가 없다. 예전에는 시큐리티에 대한 불안함 때문에 클라우드 서비스를 이용하는 데 주저하던 기업들도, 오히려 클라우드가 안전하다는 데 동의하고 있다.

 

그렇긴 하지만 공개된 API를 그대로 비즈니스에서 사용할 수는 없으며, 다른 AI와 조합해야 한다. API로 해결되지 않는 경우에는 자사의 독자적인 모델을 개발해야 한다. 어쨌든, 어떤 API가 공개되어 있는지 등 전문가의 조언이 필요하다.

 

5-3. 업무 효율을 향상시키는 데 AI가 반드시 필요한 것은 아니다

 

업무 효율을 향상시키려고 AI에 사로잡힐 필요는 없다.

 

업무의 효율이 AI를 통해서만 향상되는 것은 아니다. 업무 효율 향상과 관련하여 최근 주목받고 있는 것이 RPA(로보틱스 프로세스 오토메이션)이다. RPA는 PC 조작을 자동화함으로써 업무 효율을 향상시키는데, 이때 반드시 AI의 도움을 받을 필요는 없다. 무엇을 하고 싶은지 목적만 명확히 한 다음, AI는 업무를 향상시키는 선택지 중 하나로서만 고려해도 된다.

 

6. 정리 ~기업이 가진 빅데이터가 열쇠~

 

딥러닝은 화상(이미지)이나 언어와 같은 패턴 인식 및 의사 결정 지원 등에서 힘을 발휘한다.

비즈니스에서도 응용할 수 있어, AI 스타트업 기업이 전 세계적으로 많이 생겨나고 있다. 하지만 비즈니스에서 응용할 때 중요한 것은 학습을 위한 빅데이터이다. 업무 효율을 향상시키려면, 반드시 AI가 필요한 것은 아니다. 오히려 기업이 가진 자산, 즉 데이터를 가시화할 수 있다면, AI가 큰 힘을 발휘할 것이다.

 

 

관련도서 1. : AIㆍ빅데이터 & 컴퓨터 아키텍쳐의 주요국별 연구개발 현황과 향후 과제

http://www.irsglobal.com/shop_goods/goods_view.htm?category=02000000&goods_idx=83536&goods_bu_id=

 

 

관련도서 2.  : 인공지능(AI) 기술개발 현황과 주요 응용 분야별 사업 전략

http://www.irsglobal.com/shop_goods/goods_view.htm?category=02000000&goods_idx=83582&goods_bu_id=

 

게시글 공유 URL복사