인공지능, 소문은 무성한데 실제 얼마나 가까이 와 있는가?
“IT나 보안은 더 이상 편안함을 추구하지 못하는 직종”
[보안뉴스 문가용 기자] 인공지능과 머신러닝에 대한 이야기가 끝이 없다. 각 기업들의 서버나 네트워크는 물론 소비자의 엔드포인트 가전 제품들에도 이 최신 기술이 적용되고 있다고 한다. 머신러닝 덕분에 데이터 분석가들이 숨 쉴 틈을 얻고 있다고 하며, 누구나 알만한 IT 및 과학 전문가들은 벌써부터 인공지능의 규제를 놓고 설왕설래하고 있다.
[이미지 = iclickart]
하지만 대부분의 사람들에게 인공지능은 기사와 칼럼 속에서만 일어나는 일이고, 우리가 사용하고 마주하는 기기들 대부분 지능을 갖췄다고 말하기에는 어려운 수준이다. 그래서 인공지능이 뭔가 일을 낼 것 같고, 큰 변화의 흐름이 다가오고 있는 건 맞는 것 같은데, 구체적인 뭔가가 눈에 보이질 않으니 뭘 준비해야 할지 알 수가 없다. 그래서 몇몇 전문가들에게 혜안을 부탁했다.
인공지능과 머신러닝은 정확히 어떤 속도로 시장에 들어오고 있는가? 우리가 체감할 만한 큰 변화가 다음 1년 사이에 일어날 것으로 보는가?
리치 와그너(Rich Wagner, 프리베데르의 CEO) : 인공지능 및 머신러닝 기반 솔루션에 대한 수요가 빠르게 증가하고 있다. 기업들은 이 기술들을 이용해 가치를 창출해낼 방법을 연구하고 있고, 여태까지 잘 해결할 수 없었던 문제들에 머신러닝을 적용하기 시작했다. 앞으로 1년 안에는 머신러닝을 활용한 대규모 사업들이 시장에서 눈에 띌 것이라고 예상한다. 특히 시장과 고객 분석, 마케팅 비용 예측, 환자 진단 부분에서 두드러질 것 같다.
커크 본(Kirk Borne, 부즈 앨런 해밀턴의 수석 데이터 과학자) : 인공지능 및 머신러닝 시장의 지금 상태를 짧게 표현하자면, ‘폭발적인 성장 중’이다. 빅데이터에 대한 붐이 이어진 게 지금의 이 인공지능 열풍이다. 빅데이터가 우리에게 많은 약속을 했다면, 인공지능과 머신러닝은 그 약속을 지키기 위해 온 것이다. 그 약속이란, 새로운 통찰, 새로운 가치 창출, 혁신적인 제품 및 서비스 창조, 자동화 등이다. 사물인터넷 센서의 활용 역시 빠르게 늘어나고 있기 때문에 인공지능에 주입되는 데이터가 증가하고 있고, 그래서 다음 1년 안에 큰 변화가 생길 것으로 예상하고 있다.
조시 블룸(Josh Bloom, Wise.io의 CTO) : 기술력의 무결성이나 안정성, 성능 자체가 어떤지는 몰라도 일단 인공지능과 머신러닝 기술을 구현했다고 주장하는 스타트업들이 상상을 초월할 속도로 생겨나고 있다는 것만 봐도 인공지능이 얼마나 대단한 유행을 맞이했는지 알 수 있다. 심지어 신생기업들이 인공지능이나 머신러닝을 언급하지 않는 게 이상해보일 정도다. 이미 인공지능을 가지고 있다는 것 자체가 아니라, 인공지능 기술을 고객 사정에 맞게 구성해 제공하는 것이 인공지능 시장의 화두가 되어 버렸다.
인공지능 기술의 성장 자체는 빠르게 이뤄지는 것이 맞다. 다만 그것을 일반 소비자가 볼 수 있는 형태로 제공되는 것에서 충분한 속도가 나지 않고 있다. 이런 현상은 과거의 모든 신기술들이 겪어온 바이기도 하다. 앞으로 12개월 동안 시장에 인공지능 서비스가 갑자기 혁신적으로 상용화되어 주류로 자리 잡기는 힘들어 보이지만, 일반 소비자들이 신기함을 느낄 정도의 플랫폼은 출현할 것으로 본다.
오머 트라이만(Omer Trajman, 로카나의 CEO) : 난 인공지능이 지금처럼 활발하게 논의되는 시대를 처음 겪는다. 그것 자체로 이미 시장에 인공지능 기술이 의미 있는 진출을 이뤄낸 것이라고 생각한다. 보다 정확히 말하면 인공지능보다는 머신러닝이 현재 시장에서 실험되고 유통되는 제품이나 서비스에 적용되는 기술이다. 지금 우리가 가지고 있는 기술을 어떻게 소비자의 손에 쥐어줄 것인가에 관한 연구가 활발하게 진행되고 있다. 그 결과 그저 엄청난 연산을 해내는 기계가 이젠 우리의 취향을 간파해 쇼핑도 대신해주는 때로 가고 이다. 구글 검색을 위해 타이핑 하지 않고 친구에게 말하듯 하면 되는 때가 되었고 말이다. 앞으로 1년 동안에도 이러한 변화는 계속될 것으로 보이며 세계적인 대기업들 사이에서 이런 현상들이 활발히 나타날 것이라고 보인다.
제임스 맥카프리(James McCaffrey, 마이크로소프트의 수석 연구원) : IT 계통에서 분석을 평생해온 사람의 관점에서 예상하기에 다음 1년 동안에는 인공지능을 활용하여 쉽고 반복적인 업무의 프로세스가 처리되는 움직임이 많이 나타날 것 같다. 이를 이미 다 끝낸 대기업이라면 인공지능이나 머신러닝을 활용해 실질적인 수익을 거두는 사례도 나타날 것이다.
그렇다면 여태까지 본 인공지능 및 머신러닝 활용 사례 중 가장 놀라웠거나 충격적이었던 것은 무엇인가?
커크 본 : 너무 많아서 하나를 딱 짚기가 어렵다. 지금 마침 생각나는 건 구조화되지 않은 텍스트 문서로부터 인공지능 기술이 구조화된 데이터를 생성해내는 기술을 처음 봤을 때다. 데이터닌자(Data Ninja)라는 업체에서 구현한 것인데, 구조화되지 않은 데이터로부터 메타데이터 태그, 개념, 항목, 주체, 감정 등을 추출해낸 후, 검색 가능한 데이터베이스를 구현해내는 API를 머신러닝을 통하여 개발해낸 것이다.
조시 블룸(Josh Bloom, GE 디지털의 부회장) : 산업 환경에서의 인공지능 사용례는 이미 무궁무진하다. 특히, 기업이 인공지능 기능을 갖추면 사람을 대할 때 소비자로서가 아니라 진짜 사람으로서 대할 수 있는 것이 가능해질 전망인데, 이 부분에서 개인적으로 큰 기대감을 가지고 있다. 또한 사회기반시설에 인공지능을 적용해 위험을 사전에 알리고 예방하는 기술이 이미 등장하고 있다. 일반 소비자 영역에서보다 산업화 및 사회기반시설에서의 인공지능의 활약이 기대된다. 이 영역의 데이터가 훨씬 풍부하고 다양하며, 혁신의 여지도 훨씬 많다.
구담 벨리아파(Goutham Belliappa, 캡제미니의 부회장) : 인공지능 기술은 우리를 깜짝 놀라게 하며 생활 속으로 들어오는 게 아니다. 우리도 모르게 스리슬쩍 삶의 일부를 차지해 버린다. 가게에서는 인공지능이 영상분석 기술과 접목되어 소비자 성향이나 구매 패턴을 분석하는데, 우리는 이 사실을 알아채지 못한다. 이런 기술은 정부가 사용해 범인을 추적하거나 기반 시설 내에 일어날 수 있는 위험을 미리 예방하기도 한다. 자율주행 자동차 이야기가 이제 누구나의 입에 오르내리게 되었고, 인공지능이 내년 패션 트렌드를 예측하기도 한다. 잘 생각해보라. 우린 인공지능에 더는 깜짝 놀라지 않고 있다. 그게 무서운 거다.
데이터, IT 혹은 보안 담당자 입장에서 내가 속한 조직이 인공지능이나 머신러닝 기술을 도입하고 사용해서 색다른 가치를 만들어내는 데 도움이 되려면 어떻게 해야 하는가?
리치 와그너 : 데이터 분석가로서 내가 생각하기에 가장 먼저 해야 할 건 자신이 속한 조직의 상황과 업무 프로세스에 곧바로 적용이 가능한 사용 사례를 개발하고 적용해 즉시적인 효과를 이끌어내는 것이다. 장기적인 관점에서 대대적인 문화 변혁을 일으켜 먼 미래를 약속하는 자세는 그다지 도움이 되지도 않을뿐더러, 설득력도 떨어진다.
커크 본 : 사실 요즘 세상의 데이터 분석가라면 이미 머신러닝 비슷한 툴킷을 가지고 있어야 맞다. 왜 아직도 없느냐, 라고 말하는 게 아니라 데이터의 양이 그만큼 방대하기 때문이다. 다음 몇 가지 질문들에 대한 답을 찾아가며 인공지능 및 머신러닝 솔루션을 찾는 게 좋다. 1) 지금 환경에 인공지능과 머신러닝을 도입했을 때 정확히 어떤 가치를 얻을 수 있는가? 2) 데이터의 생애주기를 확보하고 있는가? 여기에 피드백도 포함되는가? 3) 혁신과 핵심 가치의 변화를 꿈꾸는가? 약간의 향상을 위해서 인공지능이나 머신러닝을 구매하는 건 낭비가 될 수 있다.
더크 가너(Dirk Garner, 가너 컨설팅의 CEO) : 인공지능이나 머신러닝을 처음 도입하는 거라면, AWS나 GCP 등 클라우드 벤더의 환경에 맞출 것을 권장한다. 클라우드를 통해서 새로운 인공지능 솔루션을 도입하면 구축 시간도 아낄 수 있고, 사용도 쉬워져서 금방 친숙해질 수 있다. 직원들의 학습 능률도 좋아지고, 서버의 과부하도 피할 수 있다는 것이다. 인공지능이기에 기대가 클 수밖에 없는데, 이를 클라우드로 분산시키는 전략이 실전에서는 꽤나 유용하다.
구담 벨리아파 : 한 패스트푸드 지점을 예로 들어보겠다. 고객들에게 제공되는 포크의 공급가격을 낮추기 위해 작고 가볍고 얇은 제품을 선택했다. 그랬더니 샐러드를 구매한 고객의 80%가 매장에서 샐러드를 먹다가 포크가 부러지는 경험을 했다. 또한 매장은 포크의 포장 가격을 낮추기 위해 샐러드 소스와 플라스틱 칼을 같이 패킹하기 시작했다. 그랬더니 포크가 부러질 때마다 필요 없는 칼과 소스가 낭비되기 시작했다.
즉 ‘비용을 낮춘다’는 목표를 이룬다손 치더라도 다른 영역에서 정반대의 결과가 나올 수 있는데, 이런 예측을 미리 한다는 게 매번 쉽지만은 않다. 방금 그 패스트푸드점의 예에서 손님들의 나쁜 경험은 계산에 넣지도 않았는데도 이미 포크 가격 낮추기 위한 여러 가지 정책은 실패로 돌아갔다. 오히려 포크의 질을 높이는 게 비용 절감을 이뤄내는 이상한 일이 발생한다. 이렇게 한 조직 내에서도 여러 영역과 고려대상을 전부 아우르는 통찰을 이끌어 내는 것을 머신러닝이 할 수 있다는 걸 이해하면서 적용사례를 떠올려 보라.
제임스 맥카프리 : ‘우리 회사에 인공지능을 접목시키려면 어떻게 해야 할까요?’라는 질문은 하루에도 몇 번씩 듣는 것이다. 해결이 그만큼 힘들다는 뜻이다. 기술적인 관점에서 인공지능이 낯선 집단이라면 오픈소스인 웨카(Weka) 툴(www.cs.waikato.ac.nz/ml/weka/)을 권장한다. 마이크로소프트의 애저 ML(https://studio.azureml.net/)의 경우 무료 체험판을 제공하고 있으니 이 역시 고려해볼 만한 옵션이다. 그러면서 여러 칼럼이나 잡지, 온라인 기사를 통해 인공지능과 머신러닝에 대한 전반적인 이해를 쌓아가는 것도 중요하다.
이미 어느 정도 도입과정에 있는 조직이라면, 중간점검을 어떻게 해야 하는가? 지금 잘 하고 있는지, 아니면 포기하거나 방향 전환을 해야 하는지 뭘 근거로 판단해야 할까?
커크 본 : 가능하다면 최신 기술을 사용하는 게 가장 좋지만 인공지능과 머신러닝의 경우 변화를 놓치지 않고 좇는다는 건 불가능에 가깝다. 이걸 좇아가려고 하는 순간 이 두 기술은 도움이 아니라 짐이 된다. 머신러닝 도입을 주도하거나 곧 주도할 예정인 담당자라면 관련 학회나 커뮤니티를 파악하고 활동을 시작하라고 하고 싶다. 전문적으로 공부를 하라거나 논문을 쓰라는 게 아니라, 교류를 쌓아가면서 큰 흐름을 파악하라는 것이다. 유명한 인공지능 전문가의 트위터를 팔로우 한다든지, 블로그를 즐겨찾기 해놓는다든지 하는 것으로도 충분하다. 인공지능을 도입하려면, 인공지능의 발전에 대해 관심을 가지고 있어야 한다.
젠 언더우드(Jen Underwood, 임팩트 애널리틱스) : 솔직히 말하자면, 왕도는 없다. 여태까지 쌓아온 지식, 해왔던 공부, 축적해온 경험, 이런 것만 믿고 가만히 있어서는 IT 계통에서 살아나기 힘들다. 이걸 인정해야 한다. 더 이상 IT나 보안은 편한 것을 추구할 수 없는 분야가 되어버렸다. 여태까지 해왔던 것이 쓸모 없다는 게 아니다. 그걸 바탕으로 새롭게 나타나는 기술들을 누구보다 빠르고 깊이 이해할 수 있도록 매일 조금씩 시간을 써야 한다는 것이다. 인공지능 도입을 이미 시작했다면, 업무 시간의 일정 부분이나 과외 시간을 일부 빼서 인공지능과 머신러닝 공부를 따로 해야 한다. 그 과정 중에서 방향 점검도 절로 된다.
구담 벨리아파 : 위 모든 말에 동의한다. 꾸준한 학습을 통해 새로운 것들을 흡수하지 않으면 안 된다. 조금 더 구체적인 예를 들어주자면, 요즘 우리 회사(캡제미니)의 분석 팀들은 클라우드와 오픈소스를 최우선적으로 공부하고 있다. 현재 IT 시장의 많은 투자가 이 두 분야를 위주로 이뤄지고 있기 때문이다. 인공지능도 이 두 분야에 걸쳐서 나타난다. 클라우드를 통해 구현되는 인공지능 솔루션이 있고, 오픈소스로 공개된 인공지능 알고리즘도 있다. 요는, ‘인공지능’ 그 자체에 대한 학습도 좋지만 그것을 둘러싼 보다 넓은 맥락에서의 최근 기술을 짚어나가는 게 분석가로서의 통찰을 길러주는 데 도움이 된다는 것이다.
제임스 맥카프리 : 중간점검이라는 말이 지금 상황과 맞지 않는다. 현재 시점에서 인공지능이나 머신러닝이란 중간점검을 할 수 있을 만큼 상용화되지 않았다. 어떻게 보면 끊임없이 중간점검 상태에 있다고도 볼 수 있는데, 그렇기 때문에 매번 멈춰 서서 지금의 방향이 맞는가 틀리는가 점검하는 건 비효율적이다. 계속해서 앞으로 가는 수밖에 없다. 자고 일어나면 어떤 변화가 생길지 모르는데, 난 그것을 이해하고 받아들일 준비가 오늘 되었는가, 를 계속해서 묻는 게 더 나은 방향 같다.
주위 전문가들에게 물어보면 모두들 “인공지능은 생활의 근간을 흔드는 변화를 가져올 것”이라고 예상한다. 적어도 인터넷 이상 가는 변혁이 인공지능의 발전으로부터 시작될 것이라는 의견들이 대부분이다. 물론 그것이 무엇일지 우리는 모른다. 우리 모두 똑같이 모르고, 인공지능이 가져올 미래에 대해서는 고만고만한 수준의 지식만을 가지고 있다는 것은 분명하다. 그러니 최소한 뒤떨어지지 않는 게 중요하다. 그런 관점에서 ‘맞는 방향일까’를 고민하는 것보다는 ‘얼마나 더 알게 되었나’를 점검하는 게 맞다.
[국제부 문가용 기자(globoan@boannews.com)]
“IT나 보안은 더 이상 편안함을 추구하지 못하는 직종”
[보안뉴스 문가용 기자] 인공지능과 머신러닝에 대한 이야기가 끝이 없다. 각 기업들의 서버나 네트워크는 물론 소비자의 엔드포인트 가전 제품들에도 이 최신 기술이 적용되고 있다고 한다. 머신러닝 덕분에 데이터 분석가들이 숨 쉴 틈을 얻고 있다고 하며, 누구나 알만한 IT 및 과학 전문가들은 벌써부터 인공지능의 규제를 놓고 설왕설래하고 있다.
[이미지 = iclickart]
하지만 대부분의 사람들에게 인공지능은 기사와 칼럼 속에서만 일어나는 일이고, 우리가 사용하고 마주하는 기기들 대부분 지능을 갖췄다고 말하기에는 어려운 수준이다. 그래서 인공지능이 뭔가 일을 낼 것 같고, 큰 변화의 흐름이 다가오고 있는 건 맞는 것 같은데, 구체적인 뭔가가 눈에 보이질 않으니 뭘 준비해야 할지 알 수가 없다. 그래서 몇몇 전문가들에게 혜안을 부탁했다.
인공지능과 머신러닝은 정확히 어떤 속도로 시장에 들어오고 있는가? 우리가 체감할 만한 큰 변화가 다음 1년 사이에 일어날 것으로 보는가?
리치 와그너(Rich Wagner, 프리베데르의 CEO) : 인공지능 및 머신러닝 기반 솔루션에 대한 수요가 빠르게 증가하고 있다. 기업들은 이 기술들을 이용해 가치를 창출해낼 방법을 연구하고 있고, 여태까지 잘 해결할 수 없었던 문제들에 머신러닝을 적용하기 시작했다. 앞으로 1년 안에는 머신러닝을 활용한 대규모 사업들이 시장에서 눈에 띌 것이라고 예상한다. 특히 시장과 고객 분석, 마케팅 비용 예측, 환자 진단 부분에서 두드러질 것 같다.
커크 본(Kirk Borne, 부즈 앨런 해밀턴의 수석 데이터 과학자) : 인공지능 및 머신러닝 시장의 지금 상태를 짧게 표현하자면, ‘폭발적인 성장 중’이다. 빅데이터에 대한 붐이 이어진 게 지금의 이 인공지능 열풍이다. 빅데이터가 우리에게 많은 약속을 했다면, 인공지능과 머신러닝은 그 약속을 지키기 위해 온 것이다. 그 약속이란, 새로운 통찰, 새로운 가치 창출, 혁신적인 제품 및 서비스 창조, 자동화 등이다. 사물인터넷 센서의 활용 역시 빠르게 늘어나고 있기 때문에 인공지능에 주입되는 데이터가 증가하고 있고, 그래서 다음 1년 안에 큰 변화가 생길 것으로 예상하고 있다.
조시 블룸(Josh Bloom, Wise.io의 CTO) : 기술력의 무결성이나 안정성, 성능 자체가 어떤지는 몰라도 일단 인공지능과 머신러닝 기술을 구현했다고 주장하는 스타트업들이 상상을 초월할 속도로 생겨나고 있다는 것만 봐도 인공지능이 얼마나 대단한 유행을 맞이했는지 알 수 있다. 심지어 신생기업들이 인공지능이나 머신러닝을 언급하지 않는 게 이상해보일 정도다. 이미 인공지능을 가지고 있다는 것 자체가 아니라, 인공지능 기술을 고객 사정에 맞게 구성해 제공하는 것이 인공지능 시장의 화두가 되어 버렸다.
인공지능 기술의 성장 자체는 빠르게 이뤄지는 것이 맞다. 다만 그것을 일반 소비자가 볼 수 있는 형태로 제공되는 것에서 충분한 속도가 나지 않고 있다. 이런 현상은 과거의 모든 신기술들이 겪어온 바이기도 하다. 앞으로 12개월 동안 시장에 인공지능 서비스가 갑자기 혁신적으로 상용화되어 주류로 자리 잡기는 힘들어 보이지만, 일반 소비자들이 신기함을 느낄 정도의 플랫폼은 출현할 것으로 본다.
오머 트라이만(Omer Trajman, 로카나의 CEO) : 난 인공지능이 지금처럼 활발하게 논의되는 시대를 처음 겪는다. 그것 자체로 이미 시장에 인공지능 기술이 의미 있는 진출을 이뤄낸 것이라고 생각한다. 보다 정확히 말하면 인공지능보다는 머신러닝이 현재 시장에서 실험되고 유통되는 제품이나 서비스에 적용되는 기술이다. 지금 우리가 가지고 있는 기술을 어떻게 소비자의 손에 쥐어줄 것인가에 관한 연구가 활발하게 진행되고 있다. 그 결과 그저 엄청난 연산을 해내는 기계가 이젠 우리의 취향을 간파해 쇼핑도 대신해주는 때로 가고 이다. 구글 검색을 위해 타이핑 하지 않고 친구에게 말하듯 하면 되는 때가 되었고 말이다. 앞으로 1년 동안에도 이러한 변화는 계속될 것으로 보이며 세계적인 대기업들 사이에서 이런 현상들이 활발히 나타날 것이라고 보인다.
제임스 맥카프리(James McCaffrey, 마이크로소프트의 수석 연구원) : IT 계통에서 분석을 평생해온 사람의 관점에서 예상하기에 다음 1년 동안에는 인공지능을 활용하여 쉽고 반복적인 업무의 프로세스가 처리되는 움직임이 많이 나타날 것 같다. 이를 이미 다 끝낸 대기업이라면 인공지능이나 머신러닝을 활용해 실질적인 수익을 거두는 사례도 나타날 것이다.
그렇다면 여태까지 본 인공지능 및 머신러닝 활용 사례 중 가장 놀라웠거나 충격적이었던 것은 무엇인가?
커크 본 : 너무 많아서 하나를 딱 짚기가 어렵다. 지금 마침 생각나는 건 구조화되지 않은 텍스트 문서로부터 인공지능 기술이 구조화된 데이터를 생성해내는 기술을 처음 봤을 때다. 데이터닌자(Data Ninja)라는 업체에서 구현한 것인데, 구조화되지 않은 데이터로부터 메타데이터 태그, 개념, 항목, 주체, 감정 등을 추출해낸 후, 검색 가능한 데이터베이스를 구현해내는 API를 머신러닝을 통하여 개발해낸 것이다.
조시 블룸(Josh Bloom, GE 디지털의 부회장) : 산업 환경에서의 인공지능 사용례는 이미 무궁무진하다. 특히, 기업이 인공지능 기능을 갖추면 사람을 대할 때 소비자로서가 아니라 진짜 사람으로서 대할 수 있는 것이 가능해질 전망인데, 이 부분에서 개인적으로 큰 기대감을 가지고 있다. 또한 사회기반시설에 인공지능을 적용해 위험을 사전에 알리고 예방하는 기술이 이미 등장하고 있다. 일반 소비자 영역에서보다 산업화 및 사회기반시설에서의 인공지능의 활약이 기대된다. 이 영역의 데이터가 훨씬 풍부하고 다양하며, 혁신의 여지도 훨씬 많다.
구담 벨리아파(Goutham Belliappa, 캡제미니의 부회장) : 인공지능 기술은 우리를 깜짝 놀라게 하며 생활 속으로 들어오는 게 아니다. 우리도 모르게 스리슬쩍 삶의 일부를 차지해 버린다. 가게에서는 인공지능이 영상분석 기술과 접목되어 소비자 성향이나 구매 패턴을 분석하는데, 우리는 이 사실을 알아채지 못한다. 이런 기술은 정부가 사용해 범인을 추적하거나 기반 시설 내에 일어날 수 있는 위험을 미리 예방하기도 한다. 자율주행 자동차 이야기가 이제 누구나의 입에 오르내리게 되었고, 인공지능이 내년 패션 트렌드를 예측하기도 한다. 잘 생각해보라. 우린 인공지능에 더는 깜짝 놀라지 않고 있다. 그게 무서운 거다.
데이터, IT 혹은 보안 담당자 입장에서 내가 속한 조직이 인공지능이나 머신러닝 기술을 도입하고 사용해서 색다른 가치를 만들어내는 데 도움이 되려면 어떻게 해야 하는가?
리치 와그너 : 데이터 분석가로서 내가 생각하기에 가장 먼저 해야 할 건 자신이 속한 조직의 상황과 업무 프로세스에 곧바로 적용이 가능한 사용 사례를 개발하고 적용해 즉시적인 효과를 이끌어내는 것이다. 장기적인 관점에서 대대적인 문화 변혁을 일으켜 먼 미래를 약속하는 자세는 그다지 도움이 되지도 않을뿐더러, 설득력도 떨어진다.
커크 본 : 사실 요즘 세상의 데이터 분석가라면 이미 머신러닝 비슷한 툴킷을 가지고 있어야 맞다. 왜 아직도 없느냐, 라고 말하는 게 아니라 데이터의 양이 그만큼 방대하기 때문이다. 다음 몇 가지 질문들에 대한 답을 찾아가며 인공지능 및 머신러닝 솔루션을 찾는 게 좋다. 1) 지금 환경에 인공지능과 머신러닝을 도입했을 때 정확히 어떤 가치를 얻을 수 있는가? 2) 데이터의 생애주기를 확보하고 있는가? 여기에 피드백도 포함되는가? 3) 혁신과 핵심 가치의 변화를 꿈꾸는가? 약간의 향상을 위해서 인공지능이나 머신러닝을 구매하는 건 낭비가 될 수 있다.
더크 가너(Dirk Garner, 가너 컨설팅의 CEO) : 인공지능이나 머신러닝을 처음 도입하는 거라면, AWS나 GCP 등 클라우드 벤더의 환경에 맞출 것을 권장한다. 클라우드를 통해서 새로운 인공지능 솔루션을 도입하면 구축 시간도 아낄 수 있고, 사용도 쉬워져서 금방 친숙해질 수 있다. 직원들의 학습 능률도 좋아지고, 서버의 과부하도 피할 수 있다는 것이다. 인공지능이기에 기대가 클 수밖에 없는데, 이를 클라우드로 분산시키는 전략이 실전에서는 꽤나 유용하다.
구담 벨리아파 : 한 패스트푸드 지점을 예로 들어보겠다. 고객들에게 제공되는 포크의 공급가격을 낮추기 위해 작고 가볍고 얇은 제품을 선택했다. 그랬더니 샐러드를 구매한 고객의 80%가 매장에서 샐러드를 먹다가 포크가 부러지는 경험을 했다. 또한 매장은 포크의 포장 가격을 낮추기 위해 샐러드 소스와 플라스틱 칼을 같이 패킹하기 시작했다. 그랬더니 포크가 부러질 때마다 필요 없는 칼과 소스가 낭비되기 시작했다.
즉 ‘비용을 낮춘다’는 목표를 이룬다손 치더라도 다른 영역에서 정반대의 결과가 나올 수 있는데, 이런 예측을 미리 한다는 게 매번 쉽지만은 않다. 방금 그 패스트푸드점의 예에서 손님들의 나쁜 경험은 계산에 넣지도 않았는데도 이미 포크 가격 낮추기 위한 여러 가지 정책은 실패로 돌아갔다. 오히려 포크의 질을 높이는 게 비용 절감을 이뤄내는 이상한 일이 발생한다. 이렇게 한 조직 내에서도 여러 영역과 고려대상을 전부 아우르는 통찰을 이끌어 내는 것을 머신러닝이 할 수 있다는 걸 이해하면서 적용사례를 떠올려 보라.
제임스 맥카프리 : ‘우리 회사에 인공지능을 접목시키려면 어떻게 해야 할까요?’라는 질문은 하루에도 몇 번씩 듣는 것이다. 해결이 그만큼 힘들다는 뜻이다. 기술적인 관점에서 인공지능이 낯선 집단이라면 오픈소스인 웨카(Weka) 툴(www.cs.waikato.ac.nz/ml/weka/)을 권장한다. 마이크로소프트의 애저 ML(https://studio.azureml.net/)의 경우 무료 체험판을 제공하고 있으니 이 역시 고려해볼 만한 옵션이다. 그러면서 여러 칼럼이나 잡지, 온라인 기사를 통해 인공지능과 머신러닝에 대한 전반적인 이해를 쌓아가는 것도 중요하다.
이미 어느 정도 도입과정에 있는 조직이라면, 중간점검을 어떻게 해야 하는가? 지금 잘 하고 있는지, 아니면 포기하거나 방향 전환을 해야 하는지 뭘 근거로 판단해야 할까?
커크 본 : 가능하다면 최신 기술을 사용하는 게 가장 좋지만 인공지능과 머신러닝의 경우 변화를 놓치지 않고 좇는다는 건 불가능에 가깝다. 이걸 좇아가려고 하는 순간 이 두 기술은 도움이 아니라 짐이 된다. 머신러닝 도입을 주도하거나 곧 주도할 예정인 담당자라면 관련 학회나 커뮤니티를 파악하고 활동을 시작하라고 하고 싶다. 전문적으로 공부를 하라거나 논문을 쓰라는 게 아니라, 교류를 쌓아가면서 큰 흐름을 파악하라는 것이다. 유명한 인공지능 전문가의 트위터를 팔로우 한다든지, 블로그를 즐겨찾기 해놓는다든지 하는 것으로도 충분하다. 인공지능을 도입하려면, 인공지능의 발전에 대해 관심을 가지고 있어야 한다.
젠 언더우드(Jen Underwood, 임팩트 애널리틱스) : 솔직히 말하자면, 왕도는 없다. 여태까지 쌓아온 지식, 해왔던 공부, 축적해온 경험, 이런 것만 믿고 가만히 있어서는 IT 계통에서 살아나기 힘들다. 이걸 인정해야 한다. 더 이상 IT나 보안은 편한 것을 추구할 수 없는 분야가 되어버렸다. 여태까지 해왔던 것이 쓸모 없다는 게 아니다. 그걸 바탕으로 새롭게 나타나는 기술들을 누구보다 빠르고 깊이 이해할 수 있도록 매일 조금씩 시간을 써야 한다는 것이다. 인공지능 도입을 이미 시작했다면, 업무 시간의 일정 부분이나 과외 시간을 일부 빼서 인공지능과 머신러닝 공부를 따로 해야 한다. 그 과정 중에서 방향 점검도 절로 된다.
구담 벨리아파 : 위 모든 말에 동의한다. 꾸준한 학습을 통해 새로운 것들을 흡수하지 않으면 안 된다. 조금 더 구체적인 예를 들어주자면, 요즘 우리 회사(캡제미니)의 분석 팀들은 클라우드와 오픈소스를 최우선적으로 공부하고 있다. 현재 IT 시장의 많은 투자가 이 두 분야를 위주로 이뤄지고 있기 때문이다. 인공지능도 이 두 분야에 걸쳐서 나타난다. 클라우드를 통해 구현되는 인공지능 솔루션이 있고, 오픈소스로 공개된 인공지능 알고리즘도 있다. 요는, ‘인공지능’ 그 자체에 대한 학습도 좋지만 그것을 둘러싼 보다 넓은 맥락에서의 최근 기술을 짚어나가는 게 분석가로서의 통찰을 길러주는 데 도움이 된다는 것이다.
제임스 맥카프리 : 중간점검이라는 말이 지금 상황과 맞지 않는다. 현재 시점에서 인공지능이나 머신러닝이란 중간점검을 할 수 있을 만큼 상용화되지 않았다. 어떻게 보면 끊임없이 중간점검 상태에 있다고도 볼 수 있는데, 그렇기 때문에 매번 멈춰 서서 지금의 방향이 맞는가 틀리는가 점검하는 건 비효율적이다. 계속해서 앞으로 가는 수밖에 없다. 자고 일어나면 어떤 변화가 생길지 모르는데, 난 그것을 이해하고 받아들일 준비가 오늘 되었는가, 를 계속해서 묻는 게 더 나은 방향 같다.
주위 전문가들에게 물어보면 모두들 “인공지능은 생활의 근간을 흔드는 변화를 가져올 것”이라고 예상한다. 적어도 인터넷 이상 가는 변혁이 인공지능의 발전으로부터 시작될 것이라는 의견들이 대부분이다. 물론 그것이 무엇일지 우리는 모른다. 우리 모두 똑같이 모르고, 인공지능이 가져올 미래에 대해서는 고만고만한 수준의 지식만을 가지고 있다는 것은 분명하다. 그러니 최소한 뒤떨어지지 않는 게 중요하다. 그런 관점에서 ‘맞는 방향일까’를 고민하는 것보다는 ‘얼마나 더 알게 되었나’를 점검하는 게 맞다.
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.JPG){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
.jpg){kind=small}
