요즘 ‘손많남’이라는 신조어가 있다. 손이 많이 가는 남자라는 뜻이란다. 옆에서 하나하나 챙겨줘야 할 것이 많은 그런 사람을 말하는데, 인공지능이란 것이 발전하면 할수록 ‘손많남’과 닮은 모습을 보여주고 있다.

[보안뉴스 문가용 기자] 인공지능이 드디어 조금씩 그 가치를 증명하기 시작했는데, 산업 자동화(스마트 팩토리 등), 의료 진찰, 신약 개발(코로나 백신 등), 사업 프로세스의 자동화(사기 탐지 등)에서 특히 약진을 보이고 있다. 이런 분야에서 인공지능이 가진 사업적 가치들이 보다 가시적으로 드러나기 때문이다. 운영의 속도는 높이고, 비용은 감소시키며, 정확한 결정과 판단을 돕는 것이 인공지능의 강점이다.


[이미지 = utoimage]

인공지능을 활용한 성공 스토리가 하나 둘 세상에 공개될 때마다 인공지능에 대한 기업가들의 관심도 높아지고 있다. 하지만 인공지능을 성공적으로 구축하려면 인공지능 외에도 관심을 가져야 할 것들이 더 있다.

대부분의 기업들, 어느 시점에 와 있나
2021년 3월 BCG라는 시장 조사 기관에서 한 가지 조사 결과를 발표했다. 인공지능 기술을 제대로 구축해 실질적으로 생산에 활용할 줄 아는 기업이 절반도 되지 않는다는 내용이었다. 인공지능 기술이 도입되긴 했지만 사용 목적이나 방법이 불분명하거나, 아직도 실험 단계에 머물러 있거나, 인공지능 기술 자체를 온전히 신뢰하고 있지 못한 기업들이 대부분이었다고 한다.

인공지능이 아직 제대로 활용되지 않는 경우 공통적으로 나타나는 어려움들이 있는 것으로 조사되고 있다. 아마 많은 경영진들에게 있어 마냥 남의 이야기 같지만은 않을 것이다. 이를 정리하면 다음과 같다.

1. 데이터 사일로
많은 기업들이 여전히 데이터 사일로를 마련한 것으로 만족하고 있다. 즉 데이터의 절대량은 부족하지 않을 수 있는데, 이를 출처나 유형 등으로 구분시켜두고 심지어 따로 저장하고 있기 때문에 전 조직적 차원에서의 통찰을 이끌어내지 못하고 있다는 것이다. 통합적인 데이터 패브릭을 구축함으로써 모든 데이터를 모아서 연결해야 하고, 그 결과로서 남다른 통찰을 가져갈 수 있어야 그 많은 데이터를 보유한 만큼의 효과를 볼 수 있다.

인공지능 도입에 어려움을 겪는 기업들이 공통적으로 나타내는 문제점은 바로 이 데이터 패브릭에 대한 이해 부족 혹은 준비 부족이다. 여전히 데이터를 고립시키는 데이터 사일로가 발견되고 있고, 따라서 많은 데이터가 있음에도 활용을 못하고 있다. 인공지능은 활용 가능한 데이터가 충분해야만 빛을 발하는 기술이다. 데이터 사일로에 머물러 있는 기간이 늘어나는만큼 인공지능은 멀어진다.

2. 인공지능 도구 부족
인공지능은 알고리즘 하나 있다고 신처럼 모든 문제를 해결하는 존재가 아니다. 인공지능의 잠재력을 완전히 해방시키려면 다른 기술과 도구들이 필요하다. 인공지능을 학습시킬 데이터도 준비해야 하고, ETL(추출-변환-로드) 도구도 있어야 하며, 비즈니스 자동화 기술과 첩보 처리 소프트웨어도 구비해야 하고, 보안과 관련된 거버넌스도 정립되어야 한다. 그리고 이러한 도구들의 정의는 전문가들 사이에서조차 아직도 정확히 규정되지 않고 있으며, 조직의 상황에 따라 필요한 것들이 상이하기도 하다.

인공지능에 관심이 있어도 이런 부수적이면서도 필수적인 요소들에 대한 고민을 진지하게 시작한 조직들은 생각보다 많지 않다. 인공지능 알고리즘을 건강하고 튼튼하게 유지시키려면 먼저 그 인공지능이 사용할 도구들과 일 처리 과정, 사업 모델들을 여러 방향에서 검토하고 결정해야 한다. 그런 도구들이 제대로 갖춰지기 전의 모든 인공지능은 사실상 ‘개발 단계’에 머무르고 있는 것들이라고 봐야 한다.

3. 인공지능 도구를 제대로 다룰 줄 아는 사람의 부족
언제나 IT 분야의 지상과제는 담당자들의 기술과 지식을 항상 연마시켜 분야 자체의 빠른 흐름에 맞춰가도록 하는 것이다. 인공지능이라는 신기술과 관련하여서도 현재 많은 기업들이 이 부분에서 애를 먹고 있다. 인공지능을 도입한다고 하더라도 ‘우리 직원들이 이걸 제대로 다룰 줄 아는가’라는 난제에 부딪힌 것이다. 인공지능을 다룬다는 건 기존 소프트웨어들의 품질 관리와는 전혀 다른 이야기이기 때문에 IT 전문가들이라고 하더라도 생소할 수 있다.

인공지능이 실행되는 OS와 하드웨어 역시 기존 소프트웨어가 필요로 하던 것과 상당히 다르다. 인공지능의 스토리지 아키텍처는 대단히 큰 규모의 데이터를 수용할 수 있어야 하고, 온프레미스와 클라우드 사이에서 적절한 구조도 갖춰야 한다. 인공지능 알고리즘과 함께 어마어마한 신기술들이 같이 도입된다고 보면 된다. 이걸 모두 해박하게 알고 있는 IT 담당자? 구하기 어려울 만하다.

2022년 남다른 성공 스토리를 써내려가고 싶은 조직이라면 인공지능이라는 걸 조우할 수밖에 없을 것이다. 대량의 데이터를 분석해 통찰을 얻고, 미래를 예측하여, 사업 효율을 높이는 것이 모든 기업들의 기본기가 될 것이기 때문이다. 그런 기업의 필요에 IT 부서가 발을 맞추려면 최소한 다음의 사항들은 충족시켜야 할 것으로 보인다.

1) 회사가 ‘가치 있다’고 느낄 만한 ‘사업상 용례’를 최소 하나 개발하고 도입해야 한다. 인공지능에 투자했더니 정말로 기존 사업 프로세스 중 일부가 더 빠르게, 더 안정적으로 작동하기 시작했고, 그에 따라 수익이 올라간다는 걸 실제 사례로 증명할 수 있어야 한다.

2) 경영진이 신뢰할 수 있을 만한 데이터와 결과들을 만들어 낸다.

3) IT 부서 내부에서 인공지능 활용에 필요한 방법론을 개발하고, 그에 맞는 ‘스킬 업’ 계획을 마련한다. 이상적인 방안이 아니라 실질적으로 인공지능을 구축하고 지원할 수 있는 기획이어야 한다.

4) 인공지능이라는 기술도 보안과 거버넌스를 필요로 한다는 걸 잊지 않는다.

가트너는 2021년 11월 보고서를 통해 많은 조직들이 아직도 인공지능을 실험하는 단계에 멈춰있으며, 실제 사업 행위와 프로세스에 도입시키는 데에 어려움을 겪고 있다고 알렸다. 그러면서 적어도 2025년이 되어야 어느 정도 성숙한 인공지능 활용도를 절반의 기업들이 보여줄 것이라고 예측했다. 가트너는 이를 인공지능 성숙도의 안정화 단계라고 묘사하고 있다.

이 예측이 실제 현실화 된다면 2022년 IT 전문가들이 해야 할 일은 명확하다. 인공지능이 실제 업무 환경에 도입되었을 때 어떤 성공을 거둘 수 있을지 C레벨 임원들에게 증명할 수 있을 만한 명확한 용례를 찾는 것이다. 처음에는 작은 규모일수록 도움이 될 것이다. 처음부터 회사 전체 연간 수익을 세 배로 불릴 방법을 고민할 필요는 없다. 또 CIO들은 수하의 부하직원들의 실력을 높일 수 있는 방안을 마련해야 한다. 다가오는 것이 분명한 인공지능의 시대에 낙오되지 않도록 말이다.

글 : 매리 셰클릿(Mary Shacklett), President, Transworld Data
[국제부 문가용 기자(globoan@boannews.com)]

<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>