IBM "비즈니스 AI 도입 열쇠, 스킬·데이터·신뢰"

[ATS2018] 체탄 쿠마르 크리슈나무르티 IBM 왓슨 총괄

"기업이 AI를 통해 실제 비즈니스 문제를 해결하고 수익, 운영, 고객만족을 높이려하는 흐름은 좋다. 하지만 그러려면 AI를 활용할 스킬, 데이터, 신뢰, 3가지 문제를 해결해야 한다."

체탄 쿠마르 크리슈나무르티 IBM 아시아태평양지역 왓슨비즈니스 총괄 임원은 12일 서울 포시즌스호텔 지디넷코리아 아시아테크서밋(ATS)에서 'AI로의 여정: 여러분의 기업에 신뢰와 투명성을 불어넣기'라는 주제강연을 통해 이같이 말했다. 그는 기업이 AI를 비즈니스의 성과를 높이고 제대로 운영할 수 있는 플랫폼으로 다룰 수 있는 방법론을 제시했다.

"첫번째 문제는 스킬이다. 기업이 AI를 적용할만한 충분한 기술을 보유했는지. 데이터과학(data science)만을 얘기하는 게 아니라 AI를 사람들이 어떻게 비즈니스에 적용할지, 엔드투엔드 업무프로세스를 이해할지, 핵심성과지표(KPI)를 어떻게 개량할지가 관건이다. 정확한 데이터 소스를 바탕으로 정확한 인사이트를 전달하고, 여러 정보를 맥락에 맞춰 통합할 수 있어야 한다. 프로세스에 AI를 도입하려면 이런 역할을 하는 각 담당자들이 한 데 모여야 한다.

두번째 문제는 데이터다. 기업에 데이터 전략이 없거나, 어떻게 활용할지를 모르거나, 그럼에도 너무 많은 데이터를 갖고 있거나 할 때 문제가 될 수 있다. 세번째 문제는 신뢰다. 이 모든 걸 극복했다 치자. 적절한 데이터를 갖고 있고, 활용할 아이디어와 계획이 있고, 실제 제품도 내놓을 수 있다고. 그렇게 만들어낸 결과를 스스로 믿을 수 있느냐, 어떻게 믿을 수 있느냐는 문제가 남는다."

체탄 쿠마르 크리슈나무르티 IBM 왓슨 총괄

크리슈나무르티 총괄은 IBM 왓슨 비즈니스를 수행하며 경험한 성공적인 AI 활용사례를 분석한 결과를 바탕으로 스킬, 데이터, 신뢰, 3가지 문제의 해법을 제시했다. 그에 따르면 먼저 성공적인 AI 프로젝트에서는 공통적으로 기업 안에서 4가지 역할의 책임자들이 협업한 것으로 파악됐다.

첫째는 '비즈니스프로세스오너(Business Process Owner)'다. 어떤 사업을 수행한 결과의 책임을 지는 사람이다. AI가 사업에 어떻게 도움을 줄지 약간은 이해하고, 비즈니스의 문제 해결과 향상에 도움을 주고, 전체 프로젝트를 이끌어야 한다. 보험사라는 회사의 업무를 예로 들면, AI 도입을 통해 보험료 청구 프로세스의 어느부분을 자동화할 수 있고 그걸로 수익이나 효율이 어떻게 개선될지 판단하는 일이다.

둘째는 '옵스 포 AI(Ops for AI)'다. 개별 사업이 아니라 기업내 전체 프로세스를 이해하는 사람이다. 전체 프로세스 관점에서 AI를 뭔가에 활용하는 것이 도움이 될지 판단하고, 현업 환경에 적용된 AI의 건전성과 투명성을 지속적으로 보장하는 역할이다. 비즈니스 관점에서 믿을 수 있는 설명가능성을 제공하고, 도출된 사업결과에 작용한 AI의 영향을 추적하는 게 이 쪽의 일이다.

셋째는 '데이터과학자(Data Scientist)'다. 데이터셋을 바탕으로 적절한 알고리즘을 적용하고, 신경망 등 모델을 구축하는 사람이다. 기업이 활용할 AI의 모델을 만들고 학습시키며 모델과 AI의 기능을 테스트해야 한다. 더불어 비즈니스 관점의 문제와 사업 특수성을 이해할 수 있는 도메인지식도 갖춰야 한다.

넷째는 '애플리케이션 개발자(App Developer)'다. AI를 이용해 비즈니스에 필요한 애플리케이션을 개발하는 사람이다. 앞선 세 역할 담당자가 각자 경험을 통해 내놓은 아이디어와 접근방법을 모으고 통합하고 조율해 애플리케이션을 만드는 역할이다. 공정하고 포괄적인 AI 모델을 준비해 애플리케이션에 적용하는 것도 포함한다.

"기업에서 이 4가지 페르소나(persona)가 정말 중요하다. 이들이 협업해야 한다. 더불어 엔드투엔드 플랫폼과 제대로 된 아키텍처를 활용해야 한다. 많은 AI 프로젝트가 이런 식으로 구축되고 있다. 일례로 호주의 석유채굴장비 제조사 우드사이드에너지는 의사결정에 증강지능(Augmented Intelligence)을 활용한 사례다. 인간의 전문성을 강화해 더 쉽게 의사결정을 내리도록 돕는 도구를 왓슨이 제공할 수 있다."

이런 얘기다. 비즈니스 책임자, 전체 프로세스 관찰자, 데이터과학자, 앱 개발자, 4가지 역할 담당자가 단일 AI 프로젝트를 위해 손잡되, 투명한 AI 모델을 갖추고 제대로 된 데이터를 학습시켜 믿을 수 있는 AI 기반의 애플리케이션을 만들고 실제 업무로 확장할 수 있어야 한다. 그러려면 4가지 역할 중심의 협력 구도에 AI 시스템에 투명성, 데이터 계보, 데이터 보안, 조합가능성, 편향 제거, 5가지 기능을 결합해 프로젝트 결과물을 구현하고 유지해야 한다.

IBM은 최근 선보인 'AI 오픈스케일(AI OpenScale)'을 통해 이를 지원한다. AI 오픈스케일은 투명한 모델을 만들 수 있게 해준다. AI라는 블랙박스를 열어 실제 모델이 어떻게 만들어졌는지, 어떤 파라미터가 있는지 이해시켜 준다. 데이터의 계보, 그에 대한 감사 추적성, 특정 이벤트와 파라미터 대상 감사 추적성을 확보해 준다. 인사이트를 제공하는 데이터 자체를 보안 측면에서 안전하게 보호한다. 빠른 학습과 스케일을 돕는 조합가능성을 제공한다. AI의 편향 여부 파악과 편향 제거도 가능하다.

개발과정에 이런 요소를 가미해야 비즈니스 관점에서 이해할 수 있고, 설명 가능하고, 신뢰할 수 있는 AI를 활용할 수 있게 된다는 게 크리슈나무르티 총괄의 메시지다. 비즈니스 문제에 필요한 기술과 아키텍처를 정의하고, 최소기능제품(MVP)을 만들고, 투명성과 신뢰성을 확보해 현업으로 확장시키라는 게 핵심이었다.

여기서 기술적으로 필요한 기능과 AI를 구현할 수 있는 시스템이나 플랫폼을 갖추는 건 기본 전제다. 다만 IT인프라 관점에서는 AI 프로젝트의 개발 및 운영 역량, 현업 및 분석 담당자의 활용 역량간 간극이라는 문제도 풀어야 한다.

개발운영(DevOps) 관점에서 AI 대응수준은 일찌감치 성숙된 후 안정기를 맞는다. 반면 AI 프로젝트 확산을 목표로 하는 현업 담당자 관점에서 AI 대응수준은 대기만성형으로 나중이 돼야 비로소 폭발한다. AI 모델을 개선해나가야 하는 담당자 가운데 현업 쪽에 가까운 데이터과학자들은 운영에 필요한 안정성과 보안성 인식이 부족하고, 개발운영팀은 이런 상황에서도 AI를 지속 학습시킬 수 있어야 한다.

기술적으로 개발운영부서의 대비가 충분한 초반에는 별 문제가 안 되지만, 수요가 그 수준을 갑자기 넘어서는 시점에는 문제가 된다. IBM은 이를 기업의 'AI 변곡점'이라 정의하고, AI를 활용하려는 기업이 부족한 기술과 자원 문제를 해결해 '운영가능한 AI'를 확보할 수 있는지가 관건이라고 지적했다. AI 오픈스케일은 이런 차원의 문제 또한 대응할 수 있는 수단으로도 묘사됐다.

"앱을 만들고 AI를 비즈니스에 활용하는 여정에서 신뢰성과 투명성을 가져갈 수 있다면, 그게 직원을 대상으로 하든 외부 고객을 대상으로 하든, 어떤 일에 대한 신뢰성을 확보할 수 있을 것이다. 특히 신뢰, 투명성, 보안, 3가지를 달성할 수 있다면, 모델이 어떻게 구축됐는지뿐아니라 여러 편향성을 잡아내고 안전하게 데이터를 보존할 수 있다면 제대로 된 AI 성공공식을 확보했다고 할 수 있다."