[기고] 인공지능 중심의 디지털 트랜스포메이션 접근법 (1)

이문규 munch@itdonga.com

MARS – 미래를 이끌어 나갈 기술

아마존 창립자 겸 CEO인 제프 베조스가 잠자리 로봇을 날리고, 로봇과 함께 탁구를 치는 사진과 동영상이 최근 인터넷에서 화제가 됐다. 2016년부터 제프 베조스가 최신 기술에 대한 글로벌 전문가들을 초빙하여 교류하는 'MARS 컨퍼런스'에서다. 2018년 컨퍼런스에는 애완견 로봇과 함께 등장하여 눈길을 끌었다.

MARS는 'Machine Learning(머신러닝), Automation(자동화), Robotics(로봇기술), Space Exploration(우주 탐험)'의 첫 글자로 이루어졌는데, 'Machine Learning'이 가장 먼저 거론될 만큼 머신러닝은 현재 매우 중요한 기술 영역으로 평가 받고 있다.

2019년 MARS 컨퍼런스 내 제프
베조스(출처=아마존)
2019년 MARS 컨퍼런스 내 제프 베조스(출처=아마존)

디지털 트랜스포메이션은 무엇인가

가트너(Gartner)의 2018년 보고서에 따르면, 향후 2021년까지 디지털 선두 기업의 75%가, 기존에는 없던 새로운 형태의 시장(Disruptive Market)을 지배하리라 예상된다. 이들 기업은 최신 디지털 기술과 애자일(Agile, 민첩/기민) 문화를 토대로 빠른 실패와 빠른 혁신을 통해 시장 자체를 변화시키고, 새로운 형태의 생태계를 생성하며 비즈니스를 주도하고 있다.

이에 이미 많은 기업들이 새로운 변화에 대응하고, '디지털 트랜스포메이션(Digital Transformation)' 달성을 위해 다양한 형태와 방식으로 노력하고 있다. 디지털 트랜스포메이션이란 일반적으로 디지털 기술을 통해 기업의 전반, 즉 조직, 프로세스, 비즈니스 모델 등을 변화시키는 경영 전략을 말한다.

이전에는 가격 경쟁력이 높은 제품이나 서비스를 중심으로 비즈니스가 이뤄졌다면, 이제는 고객에게 제공된 서비스와 제품이 어떠한 평가를 받고 있으며, 어떻게 개선이 돼야 하는지를 파악하는 것이 더 중요해졌다. 또한 사내에서 무분별하게 낭비되고 있는 요인을 제거하는 것 역시 과제로 대두됐다.

최근 몇 년간 사물인터넷(IoT), 빅데이터, 인공지능, 머신러닝과 같이 데이터를 수집, 저장, 분석하고 지능화하는 기술이 급속도로 발전했다. 이를 토대로 고객 경험을 혁신하고, 기존 비즈니스를 차별화해 새로운 수익을 창출하려 많은 기업들이 역량을 집중하고 있고, 주요 의사결정과 업무 운영의 자동화/지능화를 통해 내부 효율성을 극대화하려 노력하고 있다.

아마존 역시 마찬가지다. '아마존 고(Amazon Go)'와 같은 독창적인 무인 상점을 고객에 선보임으로써 고객 서비스 경험을 혁신하고 있고, '아마존 물류센터(Fulfillment Center)'의 지능화를 통해 물류 비용을 낮추고 효율화를 끌어올리고 있다. 아마존 고의 경우, 딥러닝 기반의 영상인식 기술에 따라 어느 물건을 누가 가져갔는 지 자동으로 인식한다. 아마존 물류센터는 AWS 클라우드 기반의 머신러닝을 통한 물류 예측, 경로 예측 등의 기술을 토대로 운영된다. 두 사례 모두' 인공지능' 기술을 활용하는 사례다.

커넥티비티 환경 확산과 데이터의 증가

디지털 트랜스포메이션의 가속화에는 크게 두 가지 요인을 꼽을 수 있다. 첫째는 '커넥티비티(connectivity, 연결성)'이다. 공급자와 소비자의 연결 범위가 확대되면서 더욱 많은 데이터가 수집되고, 공급한 서비스와 제품에 대한 고객 반응을 이전보다 훨씬 빠르고 정확하게 이해할 수 있게 된 것이다. 이로 인해 비즈니스 패러다임 변화도 가속화됐다.

둘째는 '데이터 수집'이다. 데이터 분석 결과를 기반으로 좀더 개선된 제품과 서비스를 출시할 수 있으며, 이는 결국 이전보다 많은 고객을 유치하거나, 데이터 수집/분석을 통해 좀더 개선된 제품과 서비스를 구현할 수 있는 선순환 체계를 확보하게 된다. 실제로 데이터는 인공지능 성능 향상에 매우 중요한 요소로 작용한다. 기존의 학습 알고리즘에 비해 데이터 양에 따라 성능 향상이 지속적으로 증가한다는 연구결과도 있다.

특히 클라우드 컴퓨팅 환경은 위 두 핵심 요인을 간편하게 활용할 수 있는 체계를 제공하고 있어, 많은 글로벌 기업들이 디지털 트랜스포메이션을 적용하는데 클라우드 컴퓨팅 환경을 적극적으로 이용하고 있다.

데이터 선순환 체계와 데이터 기반
성능향상(출처=아마존)
데이터 선순환 체계와 데이터 기반 성능향상(출처=아마존)

인공지능, 머신러닝 서비스의 특성

일반적으로 인공지능 및 머신러닝 기능 구현을 위해서는 다음 과정을 반드시 거쳐야 한다. 데이터 수집, 학습용 데이터 준비, 머신러닝 알고리즘 선택 및 최적화 등 여러 과정을 거친 후 학습 모델 생성 및 이에 대한 배포 환경을 확장하고 관리해야 한다.

다만 이들 과정은 인공지능과 머신러닝 기술에 쉽게 접근할 수 없게 하는 요인으로 작용한다. 2018년 IDG 코리아 보고서에 따르면, 일반 기업의 경우 인공지능, 머신러닝 기술 도입/적용에 가장 어려운 부분으로 '관련 기술의 사내 전문성의 부재'를 가장 많이 꼽았다(응답자의 39%). 이는 인공지능, 머신러닝 비즈니스 전략 및 아이디어 부족(21%) 보다도 더 높은 수치였다.

일반적인 머신러닝 작업
과정(출처=아마존)
일반적인 머신러닝 작업 과정(출처=아마존)

최근엔 이러한 어려움을 해결하려, 기업이 모든 학습 모델들을 직접 만들지 않고 인공지능 기술을 활용하거나, 기존의 머신러닝 과정을 적용하는데 있어 비용과 시간을 대폭 줄일 수 있는 관리형 플랫폼 환경을 채택하는 방향으로 발전하고 있다.

특히 아마존은 20년 넘게 발전시킨 인공지능 기술과 아마존닷컴의 추천 서비스, 아마존 물류센터의 예측, 아마존 에코 스피커(알렉사), 드론 배송 등의 비즈니스 경험을 토대로, 기업의 비즈니스 특성과 상태에 따라 3가지 형태로 접근할 수 있는 인공지능, 머신러닝 서비스를 제공하고 있다.

아마존 AWS의 인공지능, 머신러닝
서비스(출처=아마존)
아마존 AWS의 인공지능, 머신러닝 서비스(출처=아마존)

이는 '모든 개발자와 데이터 기술자가 머신러닝에 참여할 수 있게 한다'라는 AWS의 미션에 기반한다. 실제로 전 세계 클라우드 딥러닝 작업의 81%는 AWS에서 운영되고 있고, 클라우드 기반의 TensorFlow 프로젝트의 85%가 AWS에서 진행되고 있다는 조사 결과가 있을 정도다.

(2부로 이어짐)

비즈니즈 목적과 현황에 따라 접근하는
방향(출처=아마존)
비즈니즈 목적과 현황에 따라 접근하는 방향(출처=아마존)

글 / 아마존웹서비스(AWS) 사업개발 담당 김선수

AWS 내 유망기술(Emerging Tech) 인큐베이션 및 사업개발을 통해, AWS 고객사가 디지털 트랜스포메이션을 원활히 진행하도록 돕고 있다. 현대자동차, LG전자, 삼성SDS 등에서 커넥티드카, 빅데이터, 스마트시티 부문의 신사업개발, 전략기획, 컨설팅을 담당했다.

정리 / IT동아 이문규 (munch@itdonga.com)

IT동아의 모든 콘텐츠(기사)는 Creative commons 저작자표시-비영리-변경금지 라이선스에 따라 이용할 수 있습니다.
의견은 IT동아(게임동아) 페이스북에서 덧글 또는 메신저로 남겨주세요.