한빛출판네트워크

"AI에서의 성공은 AI가 나아갈 만한 틈을 찾아내고 적절한 목표를 잡는 것이 어렵지만 가장 중요하다. 이는 AI에 대한 이해도 및 성숙도가 부족하기 때문이다."

AI의 이점과 이해당사자

AI는 기계가 학습하고 “이해”하고 학습한 지식으로 과제나 목표를 달성하는 능력을 발휘하며 결과적으로 생기는 이점으로 AI의 가치가 창출되는 분야다. AI로 창출되는 이점은 적절한 목표를 분명히 정의하고 이루는 것으로 알 수 있다. 이 목표는 이해당사자(즉 이익을 취하는 개인이나 회사)에 따라 달라진다.

세 그룹의 잠재적 이해당사자가 있다. 비즈니스 이해당사자, 고객과 유저다. 각 이해당사자는 다르고 유일무이한 목표를 가지고 있는데, 각 그룹은 모두 특정한 목표를 달성하거나 문제를 해결하는 데 가장 관심을 가지고 있다. 필자의 책 <AI for People and Business>에서는 사람과 기업 모두 독특하고 다양한 방식으로 AI로 이득을 볼 수 있다는 사실을 강조하는 프레임워크를 소개한다.

일반적인 소셜 미디어 플랫폼은 세 그룹의 이해당사자를 모두 만족시켜야 한다. 트위터의 경우 비즈니스 이해당사자의 궁극적인 목표는 수익과 수익 성장에 초점이 맞춰져 있을 것이다. 고객 이해당사자로는 그룹 및 기업이 위 플랫폼에서 광고를 할 것이며 이에 따른 ROI(투자자본수익률)에 제일 예민할 것이다. 유저들은 최신 상태를 유지해주고 팔로우할 만한 새로운 사람과 주제를 찾아주고 가족과 친구들과 이어주는 기능을 활용하는 데에 관심이 크다.

목표는 각 이해당사자 및 이와 관련된 사례에게 최대한 구체적이고 세분화된 수준으로 정의되어야 한다. 트위터는 오래 전에 이러한 작업을 진행한 것이 뻔하다. 하지만 만약 우리가 생각해봤을 때 트위터의 구체적이고 세분화된 AI 첫걸음에 대한 목표는 팔로우 할 만한 가장 관련된 사람을 추천해주는 엔진(목표: 유저)을 구축하고, 가장 관심이 갈 만한 AI 기반 맞춤 광고 엔진(목표: 고객)을 구축하는 것이다. 이로써 유저들의 플랫폼 가치가 늘어나면서 더 많은 관계가 맺어질 것이며, 이는 더 많은 사람들이 광고를 보고 작용할 것이며, 고객들의 광고비 지출 대비 ROI가 좋아진다는 것을 뜻하며, 또 이는 기업 해당사자의 수익 증가와 고객 유치의 목표를 달성하게 해줄 것이다. 핵심은 작고 쉽게 찾을 수 있는 AI 프로젝트로 시작하여 조금씩 기업의 우선순위 최상 목표까지 올라가는 것이다.

성숙도(Maturity)의 역할, AI 목표

처음 AI의 길을 걷는 기업들은 적절한 목표를 세우는 것이 AI 성숙도 쌓아가는 토대를 만들어 줄 것이다. 또한 기업들이 현재 가지고 있는 AI 능력을 실제 문제나 적용 사례에 적용하여 해결하는 방법을 학습하는데 도움을 줄 것이다. 필자의 책에는 기술 성숙도 모델(Technical Maturity Model)로 소개한다.

기술 성숙도Technical maturity를 주어진 시점에서 세 가지 요소의 조합으로 정의한다. 이 요소는 다음과 같다.

• 경험Experience : 많은 경험은 곧 근육 기억력(Muscle memory)가 좋아지고, 진행 속도가 빨라지고 효율성이 증대된다. 자연어 프로세스 및 컴퓨터 비전과 같은 기술에 대한 경험이 많은 팀일수록 같은 기술로 새로운 응용프로그램을 성공적이게 구축하는데 뛰어나다. 이 분야에 신입이 아닌 것이다. 문제도 해결해봤을 뿐더러 되는 것과 되지 않는 것도 경험했었다.

• 기술의 정교함Technical sophistication : 정교함은 고급 툴과 기술(파이토치PyTorch, 텐서플로TensorFlow, 강화 학습Reinforcement learning, 자기지도학습self-supervised learning)을 사용할 수 있는 팀의 능력을 보여준다. 새로운 툴을 접했을 시 신속하게 사용 가치를 파악하고 속도를 높일 수 있다. 연구의 꼭대기에 있으며 새로운 아이디어를 평가하고 실험해볼 수 있다.

• 기술의 능숙도Technical competence : 능숙도는 새로운 추진 계획이나 프로젝트를 성공적으로 달성하는 팀의 능력을 보여준다. 팀에서 이미 이전에 유사하고 성공적이었던 AI 애플리케이션을 구축해냈었으며 다시 해야될 때 매우 자신있고 상대적으로 정확하게 시간, 노력 및 비용을 짐작해낸다. 기술의 능숙도는 결국 리스크와 불확실성을 줄여준다.

이 요소들 사이에 오버랩되는 부분이 많을 것이다. 정확한 정의보다 이 세 가지가 모두 필요하다는 사실이 더 중요하다. 높은 수준의 경험, 기술의 정교함 및 기술의 능숙도는 기술의 성숙도를 쌓아준다. 높이 쌓인 AI 기술 성숙도는 확실성과 자신감을 고양시킬 것이며 결과적으로 더 효율적이고 나은 AI 결과물과 성공으로 이어질 것이다.

기술 성숙도는 다른 기업들은 시작하기도 힘들어하는 와중에 AI로 크게 성공하는 기업의 비하인드 스토리로 매우 중요한 요소이다.

AI 목표 정의의 과제

AI 아이디어를 실제 이득으로 바꾸는 것은 어려우며 “올바른” 목표, 리더십, 전문 지식과 접근 방식이 요구된다. 또한 C-level급의 승인과 방향을 맞추는 작업이 필요할 것이다.

AI 기회를 위해 찾아내고 우선순위를 지정하고 목표를 설정하는 것이 바로 비즈니스맨들, 도메인 전문가들, AI 실무자와 연구자를 모두 포함한 다기능적 팀워크다. 이는 회사 목표 길잡이 역할을 해줄 뿐더러 필요한 비즈니스나 도메인 전문가들을 포함해준다. AI 초기 단계는 또한 관리 방식, 규정 감사, 윤리, 비용 및 리스크 등 중요한 고려사항들을 유념해야할 것이다.

또한 AI의 기술적 세부사항은 복잡하지만 AI 기술의 아웃풋은 비교적 간단하다. 대부분의 경우 AI 솔루션은 인풋을 하나 이상의 아웃풋으로 매핑하게 만들어지며 아웃풋은 또 하위 그룹으로 나뉘어진다. 훈련된 AI 모델 아웃풋은 넘버(Continuous or discrete), 카테고리 또는 클래스(예: spam or no spam), 확률, 그룹/세그먼트 또는 시퀀스(예: 문자, 단어, 문장)로 이루어져 있다.  

그러므로 AI 기술력은 현실 세계의 문제를 아무렇게나 대충 풀어주지 않는다. 거저로 매출과 성장을 만들어주거나 ROI를 극대화해주거나 유저들을 붙잡아주지 않는다. 이와 같이, AI는 본질적으로 공급망(supply chain)을 최적화해주고 질병을 진단해주고 자동차를 자동운전해주거나 인공 지능을 높이거나 다른 시장 분야에 맞춰주지 않는다.

고객 이탈률을 25% 줄이겠다는 회사 목표를 설정하는 것도 좋지만 안타깝게도 이러한 목표는 AI를 적용하기에 너무 광범위하다. 그렇기에 고객 이탈률 방지로 AI 기술을 사용하지 않는 것이다. 고객 이탈률 감소와 실제 AI 아웃풋이 안맞는 것과 같이 목표와 AI 사이의 부조화는 적절하게 맞추고 매핑해주어야 한다.

좋은 AI 목표 세우기

AI 목표는 특정 기업의 기술적 성숙도에 적합해야 한다. 또한 성공 가능성을 극대화하고 가치를 입증하며, 보다 높은 수준의 비즈니스 목표를 달성할만한 정교한 AI 솔루션을 만드는 기반을 구축하기 위한 적절한 목표를 세워야한다. 기어다니거나 걷고 뛰는 접근 방식이 아마 좋은 비유일 것이다.

목표는 이해당사자별로 잘 구성되어야하며 실제 AI 아웃풋을 애플리케이션과 비즈니스 목표 달성을 위한 활용 사례로 매핑해야하며 적절한 사이징이 필요하다. AI 성숙도가 초기 단계인 기업에게 목표의 적절한 사이징이란 비교적 신속하게 실험을 해보고 잠재적 가치를 입증할 수 있을만큼 충분히 작고 적임의 사이즈를 말한다(방법론과 증분). AI 성숙도가 증가함에 따라, 비증분적이고 전체론적이며 조직 차원의 AI 비전과 전략이 수립되어야 한다. 이는 다양한 단위의 수평적 AI (모든 AI 초기 추진 단계와 개발 단계를 모두 끌어내는 목표와 같은)목표를 위함이며 점진적 사고에서 큰 비전, 즉 “AI로 전환된” 생각으로 바뀌는 것이 밑바탕되어야한다. 

고객 이탈률을 감소시키는 전반적인 목표를 고려해보자. AI 성숙도 초기 단계에는 다음과 같은 AI 솔루션을 구축할 수 있겠다. Netflix와 Amazon의 추천 엔진(recommendation engine)과 같은 탐색 마찰(search friction)을 줄이고, 더욱 관련되고 이목을 이끌만한 개인 맞춤 프로모션 및 콘텐츠를 활용하여 유저를 더 붙잡고, 고객 이탈 가능성을 알아내고 적절한 사전 예방 조치를 취하는 예측 모델을 만들거나, 유저의 메인 전문 분야 밖의 영역을 검색 결과로 자동화 및 최적화해주는 모델이 있을 것이다. 이후 더 큰 AI 비전과 전략 개발 단계로 들어서면 추천 엔진 세트와 AI 기반 개인화 로열티 프로그램으로 이루어진 우선 순위 제품 로드맵을 만들어낼 것이다.

개인적인 목표 수준에서, 혹은 잘 구성된 각 목표에 대해서 앞서 언급된 다기능적 팀은 협업하여 이용 가능한 AI 기회를 결정하고, 추구하는 것을 선택하고 우선 순위를 정하며, 각각 기술적 실현 가능성을 결정해야한다.

SMART와 같은 프레임워크는 잘 구성된 목표를 잘 특징지어주지만, AI의 ‘I’는 (R&D와 같은)과학 혁신으로 특징지어지는 분야이므로 달성 가능하고 시간이 정해져있는 특징들은 좋은 목표가 되지 못한다. 결과물은 일반적으로 발견, 탐사, 실험의 과학적 프로세스를 통해 나오게 되며 이 프로세스는 항상 예측이 가능하지 않다.

AI의 과학적인 특성을 고려할 때 목표는 특정 이해당사자에 대한 의도된 이익이나 결과물에 대한 올바른 질문과 가설로 더 잘 표현된다. 잘 구성된 목표를 가지고 데이터 과학자와 머신 러닝 엔지니어는 가설의 타당성을 따지기 위해 과학적 방법을 적용하여 다양한 접근 방식을 시험할 수 있으며, 주어진 방식이 실현 가능하고 목표를 달성할 수 있는지 여부를 평가할 수 있다.

예를 들어, “이 상품을 구매한 사람들이 함께 구매한 상품” 추천 엔진을 통해 Amazon은 평균 고객들 장바구니 갯수와 주문량(예시: cross-sell, 연관된 제품 판매와 up-sell, 더 고가의 제품 판매)을 늘릴 수 있었다. 결국 이는 고객당 평균 수익을 증가시켜 Amazon의 전자 상거래에서 창출된 분기 수익률을 증가시켰다. McKinsey는 Amazon 매출의 35%와 Netflix에서 시청하는 75%가 AI 기반 추천에서 나온 것으로 추정한다.

그러나 이 경우 AI 프로젝트를 정의할 때, 목표나 가설은 기업의 최고 매출액을 증가하려는게 아니다. 되려 함께 판매될 만한 제품들을 그룹지어주는 애플리케이션 구축이 평균 고객 장바구니 사이즈를 늘릴 것이고 이는 고객당 평균 매출 및 최상위 매출 증가와 같은 상위 목표에 좋은 영향을 미친다는 것을 받아들이는 것이다.

또 다른 예로 특정한 날, 시간과 날씨 조건의 특정한 제품의 수요(예측되는 판매 단위)를 예측하는 우수한 성능의 AI 모델 구축을 목표로 잡는 것이다. 예측이 정확해진다면, 소매업자가 재고를 바닥내는 일은 없어질 것이며 결국 재고 소진으로 인한 매출 손실이 일어나지 않는다. 추가적으로 고객 후기가 개선될 것이며 이는 필요할 때마다 구매를 하려는 이들을 더 만족하고 충성심있는 고객을 만들어줄 것이다. 같은 방식으로 다른 AI 적용 방법을 가상으로 이끌어낼 수 있다.

결론

AI와 머신 러닝 기술은 기능성과 접근성 측면에서 오랜 길을 걸어왔다. 하지만 특정 산업이나 비즈니스 도메인, 기업, 데이터 세트, 애플리케이션 및 사용 사례 등 AI 솔루션이 아직 손을 뻗지 못한 분야들이 있다. AI 성공 비결은 적절한 목표를 정의하는 다기능적 팀을 구성한 다음 이러한 목표가 AI 추진 프로젝트의 길을 터줄 수 있게 하는 것이다.

*****

원문 : How to Set AI Goals

번역 : 김정욱