[기고] AI 플레이북, 어떻게 작성할까? (상)

장중호 서울과학종합대학원 교수

큰 대기업이든 중소기업이든, 혹은 자기의 가게를 운영하는 자영업자든 과연 AI라는 것을 어떻게 나의 비즈니스에 접목할 것일가에 대해서 전략을 가지고 있어야 한다.

마치 인터넷이나 스마트폰을 쓸까 말까 고민하는 것이 바보 같은 생각인 것 과 마찬가지로 말이다.

모두가 당연히 AI의 시대로 접어들어야 하는 이때, 자신을 위한 AI의 전략을 것을 AI 플레이북이라고 정의했다.

AI 플레이북의 전략서는 크게 3개의 구성으로 이루어 진다. 첫번째는 앞에서 언급된 5가지의 이니셔티브 중에서 우리 비즈니스에 맞는 어느 이니셔티브에 집중할 것인가이다.

즉, 5 이니셔티브 플래닝(Initiatives Planning)이다. 사업의 특성상 몇 개의 AI 이니셔티브를 동시에 고려하고 추진할 수도 있다. 하지만, AI를 도입한다는 것은 많은 비용과 노력을 요구한다는 것을 고려해 하나에 집중하는 것이 좋다.

기업의 비즈니스 특성에 따라 이니셔티브들 중에 먼저 진행하여야 하는 부분들이 많이 다르다. 일단 많은 고객들을 모으고 상품이나 서비스를 팔아야 하는 B2C 기업들에 있어서는 고객 경험 혁신이 필수 과목이다.

유통이든, 금융이든, 통신이든 대규모 고객을 상대하는 기업은 늘 경쟁사들과의 치열한 고객 쟁탈전이 벌어지는데, AI를 통한 신기하고 편리한 새로운 고객경험이 제공되지 않는다면, 고객은 바로 경쟁사로 이탈되기 때문이다. 제조기업이나 물류사와 같이 B2C보다는 B2B 관점으로 제품이나 서비스를 생산하고 벨류체인 상의 account에게 제공하는 기업들에 있어서는 효율설 최대화가 지상과제다.

어떻게든 원가를 줄이고 비용을 줄여야 가격경쟁력이 높아지고 이익율이 좋아지기 때문이다. 생산현장이나 물류현장에서 AI를 통해 원가를 줄일 수 있는 부분은 얼마든지 많다. 사람이 하던 일을 시스템이나 로봇이 대체하는 것 뿐 아니라, 자재나 기타 자원관리를 AI를 통해 효율적으로 하여 비용을 크게 줄이는 사례들이 많다.

카드나 은행, 증권 등 금융사들은 AI 이니셔티브 중 예측과 전망은 기본이다. 아마도 AI가 가장 잘 할 수 있는 분야 중 하나가 예측일듯하다. 인간이 머리로써 통찰하고 미래의 요소에 판단을 하기 위해 처리할 수 있는 데이터 양은 한계가 있다.

아무리 전통적인 통계 알고리즘이 잘 되어 있다 하더라도, 주식시장을 예측하는 것은 수많은 요소와 데이터와 트랜드를 읽고 판단을 하여야 하는데, 이러한 것을 이제는 AI가 간단하게 대신해 줄 수가 있고 그것에 최적화된 알고리즘들에 대한 논문은 이미 수천편에 달한다.

위에서 몇 가지 비즈니스 특성에 대한 AI 이니셔티브들 중 집중할 영역들을 언급했다. 이 외에도 5가지의 이티셔티브들과 자신의 기업에 가장 필요한 니즈들을 잘 매칭해, 어느 것을 먼저 할 것인가에 대한 우선순위를 정하고 도입에 따르는 투자에 대한 계획을 세워야 한다.

AI는 결코 공짜가 아니다. 도입을 하는 것 대비 과연 효과나 ROI가 나올 것인가에 대한 비즈니스 사례 검토가 필요하다. 물론 이미 대세로 굳어진 AI를 당장의 ROI가 나오지 않는다고 포기하는 것 처럼 어리석은 일은 없지만, 반대로 무턱대로 남들이 다 하고, 트랜드라고 전체적인 비용이나 투자에 대한 감각없이 일을 벌렸다가 낭패를 보기도 한다.

이를 위해서는 최고경영자인 CEO와 임원들이 기본적으로 AI에 대해서 공부를 하여야 한다. 5가지의 이니셔티브들을 가능케하는 AI의 프로그램이나 알고리즘들은 어떤 것이고 이들을 학습시키고 운영하기 위한 빅데이터 들은 어떤 것들인지 기본은 알고 있어야 한다. 그래야 판단과 의사결정을 할 수 있지 않겠는가?

두번째는 빅데이터이다. 나는 그것을 AI 빅데이터 예측(Practice)이라고 부른다. 즉, ‘얼마나 AI를 위한 빅데이터가 사내에 혹은 사외에 활용할 수있도록 준비가 되어 있는가?’에 대한 이야기이다. AI와 빅데이터는 서로 뗄래야 뗄 수 없는 존재 와도 같다. 빅데이터가 없으면 AI는 무용지물이다.

AI라는 것을 자신의 회사에 맞추어 사용하려면 자사의 데이터를 기반으로 학습의 과정을 거쳐야 한다. 제대로 된 데이터로 학습을 시키지 않으면, AI라는 것은 제대로 된 답을 줄 수가 없다. 하지만 대부분의 회사들은 데이터라는 것이 정비되어 있지 않다.

제 각각의 부서의 시스템에 혹은 각각의 컴퓨터 속에 아니면 심지어 각각의 책상이나 캐비닛 속에 출력물로써 흩어져 있다.

AI 관련된 컨설팅이나 자문을 하다 보면 한가지 공통된 재미있는 현상이 있는데, 한 회사의 CEO를 인터뷰하게 되면, 한결같이 우리회사에는 엄청난 데이터가 쌓여있고, 자기가 데이터의 중요성을 강조하여 데이터들을 모았다고 한다. 그리고 이를 활용하면 큰 일을 할 수있을 것이라고 이야기 한다.

하지만 팀장급 정도의 실무자들을 만나보면, 한결같이 우리회사에는 쓸만한 데이터들은 하나도 없고, 데이터가 어디에 어떻게 있는지 잘 모르겠다고 한다. 그 차이는 바로 데이터를 어떻게 보느냐의 이슈이다.

데이터라는 것은 그냥 쌓여만 있다고 있는 것이 아니다. 그냥 아무렇게나 쌓여만 있는 것은 데이터가 아니고 쓰레기이다. 오히려 나중에 버리고 지우고 처치하는데 돈이 들어갈 뿐이다. 컴퓨터로 인식하고 활용할 수 있는 포맷으로 혹은 형식으로 있어야만 존재하는 것이지, 아무데나 널려있다고 데이터가 존재하는 것은 아니다. 그런 관점에선 대부분의 CEO들은 착각을 하고 있는 것이 사실이다.