기업이 인공지능을 즉시 도입할 수 있게, 에이아이더 이동훈 전무

[IT동아 이상우 기자] 오늘날 인공지능은 오늘날 기업의 여러 비즈니스에 적용해 당면한 문제를 해결하고, 새로운 사업 기회를 찾는 데 도움을 준다. 금융업의 경우 비정상적인 거래행동을 자동으로 탐지해 금융 사고를 막을 수 있고, 제조업은 적절한 납품 업체를 더 쉽게 선정할 수 있다. e커머스 역시 정확한 타겟 소비자를 찾고, 이들에게 맞춤형 광고를 보여줘 구매 전환율을 높인다.

과거와 비교해 인공지능의 성능이 강해져 실질적인 업무에 적용할 수 있는 수준이 된 만큼, 많은 기업이 인공지능 도입을 시도하고 있다. 하지만 지금까지 쌓아온 데이터가 부족이나 비용 문제, 전문 인력의 부족으로 도입의 어려움을 겪고 있다. 또, 경영진 입장에서는 비용을 투자해 도입할 경우 당장의 성과를 내는 것을 원하지만, 인공지능이 기업의 데이터를 학습하고 실제 업무에 활용 가능한 인사이트를 도출하기 위해서는 어느 정도 시간이 걸린다.

에이아이더(AIthe) 이동훈 전무는 "인공지능과 관련한 연구가 이어지면서 머신러닝, 딥러닝 등의 효용성이 높아지고 있다. 특히 새로운 인공지능 기법이나 알고리즘이 인공지능의 수준을 높이고 있어, 데이터를 활용할 수 있는 방법을 고민하고, 이를 통해 과거에는 풀지 못했던 과제를 해결해야 한다"고 말했다.

에이아이더는 국내 SCM 전문 기업 엠로의 자회사로, 기업에 인공지능 도입과 관련한 컨설팅 및 맞춤형 솔루션을 개발해 제공한다. 기업의 상황에 맞춰 이들이 가지고 있는 데이터를 파악하고, 데이터를 정리해 업무 효율 및 생산성 강화, 보안 등 여러 분야의 해결책을 제공하기 위해 인공지능을 이용하고 있다.

빅데이터에 대한 관심이 커지며, 기업 역시 이를 활용할 수 있는 방법을 찾기 위해 투자해왔으나, 눈에 띄는 성과를 내는 기업은 드물다. 인공지능 학습 및 빅데이터 분석을 위해서는 근간이 되는 데이터를 기반으로 모델을 만들어야 하지만, 제대로 정리된 데이터가 부족하고, 실제와 맞지 않는 데이터 역시 일부 존재하기 때문에 실제 기업에 도움이 되는 결과를 도출하기 어렵다.

이동훈 전무는 "실제로 최근 한 철강제조기업을 위한 솔루션을 제작하는 과정에서, 이들은 수십만 건의 데이터를 가지고 있었으나 이 데이터가 어떤 것인지 파악하지 못했다. 또 다른 식품기업의 경우 데이터를 활용하고 싶어 했지만, 어디서부터 통합하고 정리해야 할지 난감해 했다"고 말했다.

그의 설명에 따르면 국내에서 데이터 과학자나 딥러닝 전문가를 확보할 수 있는 기업은 일부 디지털 퍼스트 기업이나 자본이 충분한 대기업 정도에 불과하다. 양질의 데이터 셋을 확보하는 것은 물론, 전문 지식과 기술을 갖춰 데이터에서 찾은 인사이트를 비즈니스에 접목할 수 있는 인력을 찾기 어렵기 때문이다.

이 때문에 에이아이더는 전문적인 역량이나 인공지능에 대한 이해가 부족하더라도, 데이터를 활용할 수 있게 지원하는 솔루션을 개발하고 있다. 오토ML은 기업이 기존에 갖추고 있는 데이터 넣는 것만으로 전문 분석가에 준하는 견과를 내놓을 수 있게 도와주는 솔루션이다. 기업에 필요한 머신러닝과 전문가 대신, 자동화된 솔루션을 통해 데이터 활용에 대한 경험을 쌓을 수 있도록 해준다.

인공지능은 데이터를 어떤 방식으로 처리할지 알고리즘에 의해 결정된다. 때문에 어떤 알고리즘이 자사의 데이터 분석에 적용했을 때 더 적절한 결과를 낼 수 있는지 찾는 과정이 필요하다. 에이아이더의 액션ML은 템플릿 형태의 알고리즘을 제공해 기업이 자신에게 맞는 형태의 데이터 처리 방식과 필요한 종류의 인공지능을 쉽게 도입할 수 있다. 이를 통해 비전문가라도 두 달 정도면 기업 내에서 데이터를 활용할 수 있으며, 이 밖에도 도입에 부담이 없도록 여러 오픈소스를 기반으로 솔루션을 제공 중이다.

이동훈 전무는 "맞춤형 솔루션 주문 제작을 의뢰하면 비용이 많이 드는 것은 물론, 도입에 필요한 기간 역시 길어진다. 이와 달리 템플릿 형태의 솔루션은 기업이 빠르게 도입 가능하며, 경우에 따라서는 맞춤형으로 변형하는 것도 가능하다. 옷에 비교하자면 주문 제작하는 솔루션은 맞춤형 정장이고, 우리 솔루션은 기성복인 셈이다. 어떤 스타일과 치수가 자신에게 어울리는지 입어보면서 상대적으로 저렴하게 자신만의 스타일을 찾을 수 있다"고 말했다.

또, "데이터에서 인사이트를 찾는 것은 단순히 노력한다고 되는 것이 아니라, 다양한 시도를 통해 데이터를 가공하며 실제 사업에 적용할 수 있을 만한 결과를 도출할 수 있는지 확인하는 과정이 필요하다. 이런 시도 없이 단순히 시대에 맞춰 도입하기만 한다면 원하는 도태될 수밖에 없다. 빅데이터에 대응하는 첫 단계는 우선 시작하는 것이다. 따라서 시작은 부담이 적고 편한 방식으로 하며, 차차 기업에 맞는 맞춤형 솔루션을 도입하는 것이 바람직하다"고 말했다.

글 / IT동아 이상우(sw@itdonga.com)