당신은 주제를 찾고 있습니까 “인공 지능 경영 – 화제의 ESG 경영 총.정.리! AI로 해결이 가능하다고?“? 다음 카테고리의 웹사이트 you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 AI Network 이(가) 작성한 기사에는 조회수 462회 및 좋아요 19개 개의 좋아요가 있습니다.
인공 지능 경영 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 화제의 ESG 경영 총.정.리! AI로 해결이 가능하다고? – 인공 지능 경영 주제에 대한 세부정보를 참조하세요
환경(Environment), 사회(Social), 지배구조(Governance).
요즘 트렌드라는 ESG 경영에 대한 내용 총.정.리!
그리고 이것을 AI로 해결이 가능하다고 하는데?!
아래 링크로 지금 바로 인공지능을 만나 보세요.
✔️ESG AI (기업환경지수) 체험해보기 👉 https://bit.ly/39dbxpX
🥨Subscribe: http://bit.ly/3aBVBzh
🪐가장 핫한 인공지능 이슈\u0026인물을 소개하는 AI Planet 시리즈
AI Network는 인공지능 AI 개발자들을 위한 다양한 이야기들을 매주 업로드 합니다 🙂
구독과 좋아요! 잊지마세요!
▼▼ 더 많은 정보가 필요하다면 아래를 클릭해주세요 ▼▼
◆ QnA : https://link.ainize.ai/33aZWV0
◆ Medium : https://link.ainize.ai/3gXKBiX
◆ E-Mail : [email protected]
#ESG #지속가능경영 #인공지능
인공 지능 경영 주제에 대한 자세한 내용은 여기를 참조하세요.
정치나 경영에 AI를 접목한다면? 서울대 교수가 제안한 AI 활용 …
“경영자가 빅데이터 분석을 기반으로 인공지능(AI) 의사결정시스템을 구축한다면?” “다양한 집단들의 의견을 수집해 합의 가능한 지점을 찾아주는 AI가 …
Source: www.etnews.com
Date Published: 4/10/2022
View: 9655
“AI를 활용한 ESG 경영사례와 시사점” – BI KOREA
인공지능(이하 AI)을 활용한 보다 정교한 신용평가 모형 개발은 은행의 포용금융의 시작점이 되고, 장기적으로 은행의 신흥국 진출시 핵심 역할을 할 …
Source: www.bikorea.net
Date Published: 5/14/2022
View: 8602
AI가 좋긴 좋은데 우리 조직에 도입할 수가 없네, 어떻게 해야 할까
기존의 기업들은 변화하는 경영 환경 속에서 살아남기 위해 CEO를 비롯한 경영 스태프들이 머리를 맞대고 기업 경영 전략을 짰다.그러나 인공지능(AI) …
Source: www.aitimes.com
Date Published: 2/13/2021
View: 6193
경영정보·AI비즈니스학과 – 한양사이버대학교
4차 산업혁명 시대의 급변하는 경영 환경 변화에 대응하여 인공지능. (AI)을 비롯한 첨단 지식/정보 기술로 기업 혁신을 선도할 창의적. 리더의 수요가 늘고 있습니다.
Source: go.hycu.ac.kr
Date Published: 1/4/2022
View: 4331
AI 시대 새로운 경영 혁신의 주역 < 관악시평 < 기고 ... - 대학신문
최근 사회에서 가장 화두가 되고 있는 기술이 인공지능(Artificial Intelligence, AI) 기술이 아닐까 생각된다. 많은 관심이 AI 중 특히 그 근간이 …
Source: www.snunews.com
Date Published: 6/28/2022
View: 1432
기업은 어떻게 AI를 도입하는가? – 시사뉴스앤
4차 산업혁명 ‘초연결(Hyper-Connectivity), 초지능(Hyper-Intelligence)’ 사회를 구현하는 핵심 도구로서 AI가 기업경영에 미칠 영향을 분석하고, …
Source: www.sisanewsn.co.kr
Date Published: 6/24/2021
View: 2246
[오민용의 지능경영] 7. 머신러닝은 인류의 지능을 높이는가?
머신러닝은 IMB 인공지능 연구원이었던 아서 사무엘(Arthur Samuel)이 쓴 1959년 논문 “Studies in Machine Learning Using the Game of Checkers”에 …
Source: www.sbr.ai
Date Published: 8/29/2021
View: 5899
[경영칼럼] AI 혁명시대의 경영전략 – 천지일보
문승권다산경영정보연구원 원장 AI 시장은 동시 다발적으로 급속도로 진화하고 있다. 새로운 비즈니스로 물류, 콜센터 상담, 보험 심사, …
Source: www.newscj.com
Date Published: 5/24/2022
View: 4275
주제와 관련된 이미지 인공 지능 경영
주제와 관련된 더 많은 사진을 참조하십시오 화제의 ESG 경영 총.정.리! AI로 해결이 가능하다고?. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 인공 지능 경영
- Author: AI Network
- Views: 조회수 462회
- Likes: 좋아요 19개
- Date Published: 2021. 9. 18.
- Video Url link: https://www.youtube.com/watch?v=IRgxNIIYZmg
정치나 경영에 AI를 접목한다면? 서울대 교수가 제안한 AI 활용방안 들어보니..
“경영자가 빅데이터 분석을 기반으로 인공지능(AI) 의사결정시스템을 구축한다면?”
“다양한 집단들의 의견을 수집해 합의 가능한 지점을 찾아주는 AI가 있다면?”
9일 서울대 AI연구원은 AI융합연구 활성화를 위해 학과와 전공 상관 없이 40여명의 교수에게 AI를 활용하는 방안을 물었고, 희망하는 연구 방향에 대한 의견을 자유롭게 들었다. 특히 교통, 의료, 통계뿐 아니라 AI 적용이 어려울 것으로 여겨졌던 인문·사회과학 분야에서도 아이디어가 쏟아졌다. 앞으로 정치, 경영, 행정 등에 AI를 접목하는 시도가 더욱 활발해질 것으로 기대된다.
대부분 ‘아이디어’ 단계 제안이지만, AI융합연구에 대한 관심이 공학이나 과학 분야에만 제한되지 않고, AI가 사실상 ‘모든 학문’에 적용되는 혁신 연구로 진화하고 있다는 것을 보여줬다.
유병준 서울대 경영학과 교수는 경영자가 빅데이터 AI분석을 기반으로 의사결정을 하는 시스템을 제안했다. AI 기법을 이용한 경영의사 결정 시스템을 구축하되, 경영분석에서 영향 요소, 의사결정과 관계를 규명할 수 있는 ‘설명가능한(Explainable)’ AI 방법론 연구 방식을 제안했다.
유 교수는 경영정보학 관점에서 AI기법을 이용한 경영빅데이터를 활용하면서 그 예측이 효율적인지 공정한지 등도 연구 고찰해볼 수 있을 것으로 기대했다.
엄석진 행정대학원 교수는 ‘AI 분석에 기반한 민주적 정부’라는 아이디어를 내놨다.
사회문제에 대해 다양한 미디어를 통해 표출되는 집단 간 의견을 수집해 합의 가능한 지점을 찾아주는 AI에 대한 연구다. 여론조사, 온라인 청원 등의 갈등과 이견 해소를 위한 기존의 노력을 넘어 다양한 의견 간 차별성과 유사성을 분석하고, 거기서 상호 동의 가능한 부분을 포착해 집단 간 토론과 의견 공유를 지원하는 방식이다.
엄 교수는 사회는 다원화되고 신기술이 발달함에도 불구하고 행정 발달 속도는 더디다고 진단했다. 그는 “이해관계 대립에 따른 사회적 비용이나 갈등이 증가되는데 여전히 위원회, 청와대 국민청원 등의 불완전한 방법에 의존한다”며 AI 기반의 정부 디지털 혁신 필요성을 강조했다.
정치에 AI를 접목해 분석하는 사례는 이미 있다. 미국에는 이미 각종 연방·주정부, 의원의 법안데이터에 AI를 접목해 법안 통과 여부 등을 제시해주는 스타트업 ‘피스컬노트’가 있다. 우리 국회에서도 지난해부터 AI비서관 서비스로 지능형 입법 지원을 강화하고 있다.
엄 교수는 전자정부와 정보화정책을 연구하고 있다. 지난해에는 서울대 AI연구원 지원으로 ‘지능정보시대의 공공이슈의 생성, 진화 그리고 확산, AI를 활용한 분석 및 예측모델 개발’을 주제로 집담회를 진행했다. 실제 데이터를 활용하는 사회과학 분야 연구자들의 참여로 관심을 모았다. 현실 적용에는 아직 많은 연구가 필요하지만, AI 접목 필요성이 높은 분야 중 하나라는 평가다.
안우영 심리학과 교수는 인간행동을 예측하는 AI 기술의 연구 가능성을 제시했다.
인간의 인지적, 신경학적 역동적 변화양상을 추적하고 앞으로 의사결정을 높은 정확도로 예측할 수 있는 모델을 개발하는 것이다. 또 뇌영상, 행동, 임상데이터 등을 통합적으로 이용해 개인화를 예측하는 기계학습 모델을 개발하는 아이디어도 내놨다.
이외에도 AI를 이용해 가짜뉴스를 자동으로 걸러내는 시스템, AI교사, AI공무원, AI통계학자 등 학문간 경계를 뛰어넘는 융합연구 주제가 제안됐다.
장병탁 서울대 AI연구원장은 “생각보다 훨씬 더 다양한 전공에서 참신한 아이디어를 제안해주셔서 놀랐다”면서 “모든 학문 분야에서 AI를 접목하는 분이 보다 늘어나야 하고, 기술적 부분은 나같은 원천기술 전공자들이 도와드릴 수 있다”고 강조했다.
김명희기자 [email protected]
“AI를 활용한 ESG 경영사례와 시사점”
인공지능(이하 AI)을 활용한 보다 정교한 신용평가 모형 개발은 은행의 포용금융의 시작점이 되고, 장기적으로 은행의 신흥국 진출시 핵심 역할을 할 것이라는 분석이 나왔다. 김도훈 우리금융경영연구소 은행경영연구실 선임연구원은 ‘우리 리서치 플러스(PLUS) 5월호’에 ‘AI로 씬파일러를 잡아라!’ 제하의 분석을 통해 이같이 밝혔다.
는 우리은행의 협조를 받아 관련 내용을 정리해 봤다. ◆ESG 경영과 금융포용 글로벌 금융회사들의 ESG(Environment 환경, Social 사회, Governance 지배구조) 경영 추세가 확산일로다. 올해 전 세계 금융회사의 75% 이상이 환경 이니셔티브에 투자할 계획이라고 한다. 최근 들어 사회 문제에 관심을 두는 회사도 늘고 있다. 코로나가 장기간 지속하면서 계층 간 불평등이 심화한 때문. IMF는 코로나 이후 신흥국의 ‘지니계수’가 과거 최고치 2008년 수준(42.7)으로 돌아갔다고 발표했다. 취약계층의 빈곤도가 더 높아지면서 금융권에 문제 해결을 위한 사회적 책임 관련 목소리가 높아지고 있다. 전통 금융회사는 이같은 불평등 문제를 해결할 열쇠가 ‘금융포용(또는 포용금융)’에 있다고 판단하고 있다. 금융포용은 기존 체계에서 대출 등 금융서비스에 대한 접근이 제한되고 사용에 차별받던 취약계층 금융소비자에게 더 개방적이고 공정한 서비스를 제공하는 것을 뜻한다. 금융회사는 금융포용을 효과적으로 확대하기 위해 고도의 인공지능 기술을 보유하고 있는 핀테크 기업과 제휴를 맺고 관련 사업을 추진하고 있다. 지난 2020년 딜로이트의 설문조사에 따르면, 글로벌 은행들은 자체 개발(33%)보다 핀테크 기업을 활용(50%)해 금융서비스를 개선하는 것이 더 효과적이라고 답했다. ◆인공지능 기술이 어떻게 금융포용을 확대할 수 있을까? 금융소비자는 대출받을 때 금융회사에서 신용도를 평가받는다. 신용도는 결제 대출정보(미국의 대표적인 신용평가사 파이코-FICO 기준 결제 내역 35%, 대출금액 30%, 대출 기간 15%, 신규 대출 10%, 크레딧 믹스 10%)로 결정된다. 그래서 결제와 대출과 관련한 신용 이력이 부족한 씬파일러(Thin Filer, 금융이력 부족자)는 대출 접근이 어렵다. 이를 인공지능을 활용해 해결할 수 있다. 기존 평가 모델이 근거로 삼던 정보 외에 광범위한 비금융정보(온라인쇼핑, SNS 등)를 인공지능으로 분석해 표면적으로 드러나지 않는 금융소비자의 신용도를 찾는 식이다. 미국의 여러 논문은 인공지능의 신용평가 활용이 고객군을 확대하고 부실율을 낮춘다는 결과를 제시하며 그 실효성을 입증하고 있다. ◆주요 사례 분석 인공지능 핀테크와 제휴해 신용평가 모델을 개선하고 금융포용에 적극적인 회사는 시중은행 스탠다 드차타드(Standard Chartered)(영국), BBVA(스페인)와 미 정부 후원 모기지 회사 프레디 맥(Freddie Mac)이 대표적이다. 스탠다드차타드는 신용평가할 때 인종, 성별, 나이 등에 따른 차별을 없애고 대출 승인율을 높이기 위해 인공지능모델 분석 스타트업 ‘트루에라(Truera, 2020년 8월), 다국적 신용분석기업 익스페리안(Experian, 2020년 10월)과 제휴했다. BBVA는 멕시코, 칠레 등 남미 씬파일러의 금융 접근성을 높이기 위해 2017년 7월 AI 신용평가 핀테크 ‘데스타까메(Destacame)’와 제휴했다. 프레딕 맥은 모기지 대출 승인에 인종, 부동산 거래 경험 등에 따른 비합리적인 차별을 없애기 위해 AI 기반 언더라이팅 스타트업 제스트(Zest) AI와 지난해 11월 파트너십을 맺었다. 이들 금융회사가 금융포용을 활발히 추진하는 이유는 핵심 사업지역이 전통 금융서비스 접근성이 낮거나 다인종국이기 때문이다. 스탠다드차타드는 아세안과 남아시아, 아프리카와 중동에서 대출을 취급하는 비중이 약 35%이다. BBVA는 멕시코와 남아메리카에서 벌어들이는 수익 비중이 45%에 달한다. 이들 지역은 금융 혜택을 받지 못하는 고객 비율이 최소 30%에서 최대 63%로 금융포용이 시급한 곳이다. 프레디 맥은 본토인 미국을 중심으로 영업하는데, 인종에 따라 차별적인 금융서비스가 사회적 이슈로 떠오른다. 미국의 한 비영리 단체는 2019년 초 재정적으로 풍족한 유색인종 중 62.5%가 자동차 금융 이용 시 백인보다 큰 비용을 부담한다고 지적했다. 금융회사가 금융포용 확대를 위해 핀테크 기업의 고급 인공지능 및 비금융데이터 분석 기술을 적극적으로 활용하고 있다. 스탠다드차타드는 방대한 데이터를 머신러닝으로 분석해 고객의 행동을 예측하는 방식으로 부실율을 관리하는 익스페리안의 기술과 신용평가 모델의 편향적 요소를 개선하는 ‘트루에라(Truera)’의 소프트웨어를 내부 시스템에 적용했다. 프레디 맥도 스탠다드차타드와 마찬가지로 신용평가의 불공정한 요소를 찾고 고치는 제스트 AI의 소프트웨어를 내부 시스템에 탑재하는 방식으로 기존 체계의 문제점을 해소했다. BBVA는 제휴사의 기술을 내재화하기보다는 플랫폼을 직접 연계한다. 특히, BBVA에서 대출을 거부당한 고객을 제휴사 ‘데스타까메(Destacame)’의 사이트로 이동시키고, 고객 본인의 공과금 지불 내역, 자동차 금융이력 등 정보를 제출토록 한다. 정보를 충실하게 제공한 금융소비자는 ‘데스타까메(Destacame)’에서 신용 점수를 다시 받아BBVA에 보내 소규모 대출을 제공받게 하는 식이다. AI 기반 신용평가모델의 활용 결과는 매우 긍정적이다. 다우존스는 취약계층의 제도권 금융으로 편입을 적극적으로 추진한 BBVA와 스탠다드차타드의 금융포용 점수를 각각 100점, 96점으로 평가했다. 업계 평균 71점을 크게 웃도는 점수다. BBVA는 2019년 취약계층의 대출 승인율을 2%에서 20%로 10배 이상 높이면서도 위험 수준을 사상 최저로 관리했다. 스탠다드차타드도 인도 등에서 AI 기반 신용평가 모델을 테스트한 결과 대출 승인율은 높이면서 연체율을 감소하는 성과를 달성했다고 발표했다. 프레디 맥은 대출 승인율 20% 증가, 상각률 50% 축소하는 성과와 함께 히스패닉-백인간 대출 승인율 차이를 70% 가량 줄이고, 흑인-백인 간의 경우 40% 이상 축소하는 등 인종차별적 부분도 개선했다. ◆시사점 금융회사가 AI 기반 신용평가를 통해 금융포용을 추진하는 것은 신인도 증대뿐만 아니라 안정적인 부실률 관리도 달성할 수 있다는 장점이 명확하다는 사실을 앞선 사례에서 확인했다. 국내에서도 관련한 노력이 여럿 있었으나, 실효성 있게 활용되고 있지는 않은 실정이다. 올해 초 금융위는 업무계획에서 거래이력이 부족한 중 저신용자의 금융 접근성 제고를 위해 대안 신용평가의 활성화를 촉진할 것이라고 밝혔다. 이로 보아 과거보다 금융권의 사회적 책임이 더욱 중요해지고 있다. 따라서 기술력 높은 핀테크 기업을 적극적으로 물색하고 제휴모델을 구축해 AI 신용평가를 통한 금융포용을 추진할 필요가 있다. 이미 구축한 대안적 신용평가모델이 있다면 이를 고도화해 국내 중금리 대출에 활용할 방안을 먼저 모색해야 할 것이다. 국내에서 안정성을 입증한 뒤에는 신흥국의 저소득 고객을 대상으로 더 많은 여신 기회를 제공하는 데 노력을 기해야 할 것이다. 또한, 스탠다드차타드나 BBVA와 같이 신인도를 높이기 위해 이같은 금융포용 관련 노력을 ESG 경영 모범사례로 적극적으로 활용할 필요가 있다. <글 = 우리금융경영연구소 은행경영연구실 김도훈 선임연구원 [email protected], 정리= 김동기 기자>[email protected] < 저작권자 © BI KOREA 무단전재 및 재배포금지 >
AI가 좋긴 좋은데 우리 조직에 도입할 수가 없네, 어떻게 해야 할까
(출처=셔터스톡, 편집=임채린 기자)
기존의 기업들은 변화하는 경영 환경 속에서 살아남기 위해 CEO를 비롯한 경영 스태프들이 머리를 맞대고 기업 경영 전략을 짰다.
그러나 인공지능(AI)의 출현이 기업의 의사결정 환경을 급격하게 바꿔놓았다. 오늘날의 경영자들은 기업 경영의 효율성과 경쟁 우위를 확보하기 위해 AI를 의사결정의 전략적 도구로 활용할 필요성이 점차 늘어나고 있다.
그럼에도 불구하고, 기업의 최고 정보책임자인 CIO조차도 인공지능이 기존의 조직 관리에 방해가 되거나 아니면, 비용 문제 등으로 도입에 거부감을 느끼는 사례가 많은 것이 사실이다.
이에 대해 오랫동안 기업 경영을 취재하고, AI 전문가이기도 한 베테랑 기자 출신 스테파니 오버비(Stephanie Overby) 작가는 “비즈니스 전반에서 AI에 대한 지원을 얻어내는 것은 최고정보책임자(CIO)와 다른 IT 리더들에게 매우 중요하다”고 역설한다.
지난 11일 CIO와 IT 리더들의 독자층을 두고 있는 온라인 출판기업 ‘엔터프라이즈 프로젝트(The Enterprisers Project)’에 스테파니 기자는 ‘조직에서 인공지능(AI)을 전파하는 방법’이란 제하의 칼럼에서 다양한 기업 사례를 통해 분석한 ‘조직에서 인공지능(AI)을 전파하는 방법’ 6가지 팁을 제시했다.
1. IT 내 흥분을 자아낸다.
중국 최대의 IT 다국적 민영 기업 레노버(Lenovo Group)는 조직 전반에 AI를 구현해 효율성을 높이고 있다. 그러나 과거에 Lenovo 그룹의 부사장이자 CIO인 아더 휴(Arthur Hu)는 “AI는 끊임없이 변화하고 있기 때문에 현재 회사 주변에서 사용 중인 기술의 라이프 사이클에 대해 이야기할 것을 권한다”고 말했다.
2. 경영진을 참여시켜 AI와 디지털 전환 전략을 일치시킨다.
AI 플랫폼 제공업체 PROS의 AI 전략가인 저스틴 실버(Justin Silver)는 “경영진은 AI 시스템의 입출력이 전반적인 디지털 전환 전략과 일치하도록 AI팀과 협력해야 한다”고 말했다.
3. 다른 자문 위원회를 소집한다.
휴는 “무언가를 변경할 때는 조직의 파트너, 공급업체 및 직원과 자문 위원회를 연결해 구현에 대한 통찰력과 의견을 얻는 것이 중요하다”고 강조했다.
4. AI 팀을 조직에 통합한다.
넥스트 웨이브 인스티튜트(Next Wave Institute)의 AI 컨설턴트 피터 스콧(Peter Scott)은 “AI 팀을 작은 사일로에 집어넣지 말고, 스스로 비즈니스를 전환하라고 말하라”고 역설했다. 즉, AI는 사람들이 생각하는 비즈니스 전 분야에 영향을 미친다는 주장이다.
5. 혜택의 개인 맞춤을 설정한다.
선가드 어베일러빌리티 서비스(Sungard Availability Services)의 CIO인 크리스 필딩(Chris Fielding)은 “경영진의 지원과 쉽게 알아볼 수 있는 데이터를 통해 성공적인 사용 사례를 제시하는 가운데 AI 사용을 장려할 수 있다”고 말했다.
IT 리더와 관리자는 팀 구성원들에게 AI의 통합이 왜 이로운지, 그것이 생산성과 효율성에 미칠 긍정적인 영향을 매일, 그리고 장기적으로 명확하게 전달해야 한다는 것이다.
6. 실직 우려를 해결해야 한다.
기계를 품은 작가 셴커의 낸시 A는 “AI 채택의 어려움 중 하나는 많은 기능적 리더들이 일자리를 잃거나 쓸모없게 되는 것에 대한 두려움”이라고 주장했다.
미국 소규모 기업들, 아직 AI 투자 꺼려해
지난해 7월 30일 미국 유력 기술 매거진 ‘와이어드(Wired)’는 유명 기업의 인공지능 경영 참여도에 대한 조사 결과를 보도했다.
“AI가 대유행이다. 그렇다면 왜 더 많은 기업이 이 제품을 사용하지 않는가?”
이 질문에 MIT 테크놀로지 리뷰의 선임 편집장을 지낸 적이 있는 와이어드의 선임작가 ‘윌 나이트(Will Knight)’는 미국의 유명 맥주 제조회사들의 사례를 들어 설명했다.
지난 2017년 말 버드와이저의 뒤를 잇는 벨기에의 맥주 제조회사 ‘앤하이저부시 인베브(AB InBev)’는 양조 레시피에 약간의 인공지능을 추가하기 시작했다.
뉴저지주 뉴어크의 한 양조장에서 수집한 데이터를 활용해 맥주 불순물 제거에 사용되는 여과 공정의 잠재적 문제를 예측하는 AI 알고리즘이 바로 그것이다.
이에 대해 뉴저지 맥주 회사를 운영하는 폴 실버맨(Paul Silverman)은 “우리는 AI는 고사하고, 컴퓨터조차 사용하지 않고 있다.”고 말하고, “우리는 앉아서 맥주를 맛보며, 다음에 무엇을 만들까 고민한다. 전산 능력이 매우 떨어진다”고 응답했다.
윌은 양조장 격차는 미국 기업들이 AI를 채택하고 있는 속도를 보여준다고 말한다.
즉, 인공지능에 대한 과대광고들이 너무 많아서, 사람들은 그것이 어디에나 있다고 상상하지만 실제로 새로운 보고서에 따르면, AI를 사용하는 기업은 주로 규모가 큰 기업들로 10% 미만이라는 것이다.
스탠퍼드 디지털 경제 연구소장 에릭 브리뇰프슨(Erik Brynjolfsson) 박사는 “우리는 AI 도입 초기 단계에 있다. 사람들은 머신러닝 혁명이 점점 사라지고 있다고 생각해선 안된다”고 말했다.
윌은 미국내 많은 소규모 기업들은 AI를 기업 경영의 일부라고 생각하지 않는다고 지적했다.
윌은 그들은 자기 회사가 어떤 형태의 AI를 사용하고 있다는 사실조차 모르고 있을 수도 있으며, 이 기업들은 직원이나 고객 관리와 같은 작업에 어떤 형태로든 머신러닝을 도입하고 있는지도 모른다고 주장했다.
AI 예측, 조직에게 아직은 애매한 영역
그렇다면, 기업들은 왜 AI 도입에 회의적일까?
이 질문에 대한 대답은 지난 2018년 8월 8일 자, 포브스 지에 “기업 경영에서의 AI의 도전과 과제”란 칼럼을 쓴 퍼블릭스(Publicis) 그룹의 프라샨트 메타(Prashant Mehta) 부사장에게서 듣는다.
프라샨트 부사장이 속한 퍼블릭스 그룹은 파리에 본사를 둔 프랑스의 다국적 광고 회사다.
프라샨트 부사장에 따르면, AI와 관련된 조직은 AI가 왜 그러는지, 무엇을 하는지 명확하게 설명할 수 없다. 사람들은 AI가 어떻게 결정을 내리는지를 이해하지 못하기 때문에 이에 대해 회의적이라고 주장한다.
AI 예측의 확률은 조직에 여전히 애매한 영역이며, AI 시스템의 의사결정이 명확하다는 것을 입증하거나, 보장할 방법이 없다고 그는 주장했다.
“해결책은 AI를 설명할 수 있고, 입증 가능하며, 투명하게 만드는 데 있다. 조직은 설명 가능한 AI를 모범 사례로 받아들여야 한다”는 방법론을 그는 제시했다.
또 데이터 개인 정보 보호 및 보안 문제도 기업 조직이 AI를 받아들이는 걸림돌이라고 덧붙였다.
대부분의 AI 애플리케이션은 학습과 현명한 의사결정을 위해 많은 양의 데이터에 의존하는데 이는 데이터 침해 및 신원 도용과 같은 심각한 문제에 취약하다는 지적이다.
하지만 최근에 유럽연합(EU)이 개인 데이터 보호를 보장하는 일반 데이터 보호 규정(GDPR) 시행을 통해 향후 데이터 과학자가 사용자의 데이터 보안과 기밀성을 훼손하지 않고, AI를 개발할 수 있게 된 점은 다행스러운 일이라고 설명했다.
또 그는 “ 작금의 기업들은 엄청난 데이터에 접근하지만, 인공지능 애플리케이션 학습에 적합한 데이터셋은 실제로 드물며, 가장 강력한 인공지능 기계는 지도학습 훈련을 받은 기계들이다”고 지적했다.
이 교육에는 기계가 학습할 수 있도록 구성된 라벨로 표시된 데이터가 필요하지만, 레이블이 지정된 데이터는 제한된다는 것이다.
이를 해결할 차세대 AI 알고리즘의 사례로, ‘전학 학습’, ‘무감독/준감독 학습’, ‘능동형 학습’ 등을 추천했다.
결론적으로, 그는“미래에 인공지능(AI) 기반 기계의 예측 능력과 인간의 직관력과 판단력을 결합할 수 있는 것은 조직의 몫”이라고 강조했다.
CIO가 AI의 비즈니스 사례를 만드는 방법
올해 1월 27일 CIO DIVE에 가트너의 CIO 금융 서비스 연구 부문 무투시 사우(Moutusi Sau) 부사장은 “AI를 채택할 때, 조직의 차별화된 장애물이 있을 수 있으며, AI에 대한 설득력있는 비즈니스 사례를 구성할 때 CIO는 이런 점들을 고려해야 한다”고 말했다.
다음은 무투시 부사장이 제안하는 기업의 AI 채택 시 고려해야 할 6가지 사항이다.
첫 번째, AI는 즉각적인 투자자본수익률(ROI)을 제공하지 않고도 큰 비용이 소요될 수 있다. 프로젝트의 예상 비용과 편익을 분석하는 것은 모든 비즈니스 사례에 있어 중요한 요소라는 것이다.
CIO는 AI 프로젝트의 예상 비용과 편익을 계산할 때, 이러한 요소를 고려해야 한다.
두 번째, AI는 고유한 기술과 재능이 필요하다는 것이다. 인재 획득은 AI 배치에서 조직이 직면한 가장 큰 제약 중 하나이며, AI 채택자에게 인재 욕구 충족이 가장 어려운 과제다.
CIO는 프로젝트를 시작할 때부터 AI 인재를 채용하고 개발해야 하며, 이를 위해 예비사업 사례로 제시할 수 있는 조직 AI 기술 습득 및 개발 방안을 마련해야 한다.
세 번째, AI 비즈니스 사례에 측정 가능한 가치가 필요하다는 것이다. AI 프로젝트의 사업 가치를 조기에 측정하는 것이 중요하며, CIO는 AI 프로젝트를 시작할 때부터 성공을 측정하는 가치를 우선시해야 한다.
네 번째, 데이터, 교육 및 알고리즘의 중요성이 부각된다는 것이다. 데이터와 알고리즘의 상호작용은 AI 사업 계획의 필수적인 구성요소다. 이를 위해 CIO는 비즈니스 문제에 예측에 필요한 충분한 지원 데이터가 있는지 확인해야 한다.
다섯 번째, 구축, 구매 또는 아웃소싱 결정이 중요하다는 것이다. 구축, 구매 또는 아웃소싱 결정은 조직에서 사용할 수 있는 리소스에 따라 결정적으로 달라진다. CIO는 제안된 프로젝트가 조직 고유의 것이며, 강력한 사내 데이터 과학기술을 이미 사용할 수 있는지를 구축해야 한다.
여섯 번째, AI 알고리즘은 고유한 윤리 및 거버넌스 요구를 충족해야 한다는 것이다. CIO는 AI 구현 작업 시 윤리 및 거버넌스 요구에 대한 계획을 수립하기 위해 윤리의 중요성을 인식하고, 신뢰를 쌓기 위해 이러한 과제를 사전 예방적으로 관리하라고 주문했다.
AI타임스 조행만 객원 기자 [email protected]
[관련 기사]포브스 선정 글로벌 AI윤리 담당자 15명…구글부터 패션 브랜드 H&M까지 [관련 기사]리바이스는 어떻게 코로나19환경에서 영업이익을 156% 올렸나
AI 시대 새로운 경영 혁신의 주역
경영학과 유병준 교수
최근 사회에서 가장 화두가 되고 있는 기술이 인공지능(Artificial Intelligence, AI) 기술이 아닐까 생각된다. 많은 관심이 AI 중 특히 그 근간이 되는 Core AI 공학 기술에 집중되는 경향이 있다.
필자는 작년 서울대 AI 연구원의 학술 교류회에 수차례 참석하는 기회를 통해 AI를 활용하는 응용 기술 연구의 중요성을 실감하게 됐고, 한국 최고의 종합대학교인 서울대만이 할 수 있는 연구의 중요성을 깨닫게 됐다. 예상보다 훨씬 많은 교수님들이 예술 작품을 분석하고, 질병과 환자를 분석하고, 기업 고객의 행동을 분석하는 등 다양한 분야에 걸쳐 AI 기술을 응용한 연구를 하고 계시다는 것을 알 수 있었다. 향후 보다 많은 사람들을 통한 보다 많은 비즈니스와 서비스가 이런 응용 AI 분야에서 나올 것이고, 바로 우리 학교와 우리 졸업생들이 이런 혁신의 주역이 돼 줘야 할 것이다.
그중 경영학에서는 AI 기술을 응용해 AI의 원료라고 할 수 있는 경영 데이터에서 기업의 고객들의 행태를 분석하고, 미래를 예측하고 있다. 과거 극소수에 국한됐던 정보의 접근과 활용은 모두에게 개방되고, 미래 경영은 더 이상 주관적이고 직관적 경험에만 의존한 경영을 벗어나게 될 것이다. 그리고 금전 등 자원 가까이에서 그 게이트웨이를 장악하고 있다는 사실만으로 권력을 얻는 일이 더 이상 유지되지 않는 시대로 이동할 것이다.
AI의 성공 원천은 그 원료인 데이터를 잘 만들어 확보하고 잘 활용하는 것에 있다. ‘Garbage In, Garbage Out’(GIGO)이라고 하듯 어떤 좋은 기술도 좋지 않은 원료로 좋은 결과를 낼 수는 없다. 좋은 결과를 위해서는 보다 많은 데이터를 획득하고 잘 구성하는 노력이 경영에서도 필요하다. 데이터를 만드는 프로세스를 잘 구성하고, 그 프로세스에서 데이터를 분석한 결과가 실제 기업의 전략, 행동을 바꾸는 변화에 활용되는 조직을 만드는 것이 필요하다. 하지만 아직 데이터 수집의 과정이 프로세스로 잘 정착되고 있지 않고, 변화를 수용하는 것은 경영 조직 내에서 기존 권력을 보호하려는 강력한 저항에 막혀 있다. 그 저항 속에 혁신과 발전은 계속 지연, 좌절되고 있다. 한국의 많은 경영 조직들이 데이터를 관리하지 않고, 그 결과를 바탕으로 한 변화를 거부하는 수준에서 벗어나지 못한 것은 매우 안타까운 상황이다.
하지만 더 이상 이런 안주는 불가능한 시기가 도래하고 있다. 최근 롯데가 유통 분야 점포 중 200개 이상을 정리하고, 현실 오프라인 유통에 안주하는 40%의 임원을 경질하는 움직임을 보이고 있는 것이 이제는 더 이상 이러한 안주가 계속될 수 없음을 보여주는 예라고 생각된다. 기존의 조직에서 이것이 쉽지 않다면, 새로운 혁신을 위해서 기존의 틀에서 벗어난 새로운 조직과 판을 짜야 할 것이다.
한국과 한국 기업의 새로운 혁신은 새로운 기업을 만드는 창의적이고 젊은 창업자들에게서 일어날 가능성이 크고, 그곳에 희망이 있다고 하겠다. 아직 상업적 성공을 보여주지 못하고 있는 AI 기술의 상업적 성공을 실현시켜 줄 비즈니스 모델도 창의적 창업자들에게서 나올 것이다. 마치 스마트폰의 상업적 성공과 실현이 스티브 잡스에 의해, 결코 연속적 선상에서의 점진적 발전이 아닌 이산적 혁신에서 나왔던 것처럼, 우리는 세상을 바꿀 천재에 의한 혁신을 기다리고 있다.
일본의 잃어버린 20년 속에 소프트뱅크 손정의 회장이 소프트뱅크를 창업하고 ‘페퍼’라는 로봇을 만들고 세상을 바꾸는 비전펀드를 만들었다. 엘런 머스크는 자율 주행과 지구를 벗어난 삶을 꿈꾸고, 제프 베조스는 전자상거래가 고객이 원하는 물건을 바로 그 순간 그 자리에 가져다주겠다는 이상을 실현시키고자 노력하고 있다. 더욱더 고무적인 것은 최근에 필자가 만난 많은 미국의 젊은이들이 그와 같은 세상을 바꾸는 꿈을 가지고, 그런 꿈을 실제로 이루고자 미친 듯이 일하고 있다는 것이다.
한국의 젊은이들도 능력과 기본적 이상은 그에 못하지 않겠으나, 안정되고 길이 정해진, 자신과 가족의 안위를 지킬 수 있는 일자리를 잡는 것에 너무 목표를 한정시키는 것 같아 아쉬울 따름이다. 이것이 그들의 잘못이 아니라 그런 꿈을 꿀 여유를 주지 못한 환경의 잘못이 더 크다는 것도 안타까운 일이다. 하지만 청년들이 꾸는 꿈의 크기에 의해서 미래 기업의 크기, 국가의 발전과 세계 공헌의 크기가 결정될 것이다. 더더욱 그 꿈들이 우리 학교 학생들에 의해서 도전되고, 그들이 세우는 창의적 기업들에 의해서 실현되기를 바라본다.
기업은 어떻게 AI를 도입하는가?
美 MIT는 2019년부터 AI를 전체 학생 대상의 필수 교과 과정으로 편성할 계획을 발표했다. 이렇듯, 교육에 이르기까지 AI의 전 사회적 영향력은 급격히 증대되고 있다. 4차 산업혁명 ‘초연결(Hyper-Connectivity), 초지능(Hyper-Intelligence)’ 사회를 구현하는 핵심 도구로서 AI가 기업경영에 미칠 영향을 분석하고, 기업들이 어떻게 AI를 도입할 수 있는지 살펴보자.
인공지능(Artificial Intelligence)을 통해 생산성을 높이고 수익을 얻을 수 있다는 인식이 확산됨에 따라 세계는 현재 인공지능 사업 투자에 총력을 기울이고 있다. 기업들은 각자의 AI 도입 정도와 성숙도에 따라 각기 다른 비용을 투자하고 있으며, 이에 따른 성과를 경험하고 있다. 이제 막 AI 도입을 계획 중이거나 운영에 막 AI 기술을 도입한 ‘AI 입문자’ 기업은 아직까지는 생산성 변화가 미미해 큰 효과를 보지 못하고 있다. 이 그룹의 기업은 AI 기술 개발을 위한 추가 비용이 지속적으로 증가할 가능성이 높다.
가장 핵심적인 기술은 단연 AI
이렇듯 4차 산업혁명시대 ‘초연결’, ‘초지능’ 사회를 구현하는 핵심 도구로서 AI(인공지능)의 중요성이 증대되고 있는 가운데 기업의 성공적인 AI 도입을 위해서는 실험적 시도와 단계적 접근이 필요하다는 제언이 나왔다. 포스코경영연구원은 최근 발표한 ‘기업은 어떻게 AI를 도입하는가?’ 보고서를 통해 4차 산업혁명의 경쟁력을 좌우하는 범용 핵심기술로 ‘A·B·C·D’를 꼽았다. A는 AI를, B는 블록체인(Block chain)을, C는 클라우드(Cloud), D는 데이터(Data)를 의미한다. A·B·C·D 기술을 인체 구성요소에 비유한다면 AI는 뇌와 신경에 해당한다고 설명했다.
블록체인은 근육, 클라우드는 뼈대, 데이터는 혈액으로 비유했다. 특히 AI는 인간이 가진 지적 능력을 컴퓨터를 통해 구현한 기술로 현재 파괴적 제품, 혁신적 서비스 구현에 AI 기술의 기여도가 가장 높다. 기업의 생태계 역시 AI 같은 소프트웨어 기술 의존도를 높이는 방향으로 진화하고 있다. 과거 단일 가치사슬 생태계에서는 기업 내부에 대부분 핵심 역량을 보유하고 있었다. 그러나 현재는 IT와 제조, IT와 서비스 등 기술을 통해 플랫폼 내 기업 간 정보와 역량을 연결하는 과정에서 협업형 비즈니스가 창출되는 경우가 많다. 이처럼 경계가 사라진 비즈니스 환경에서는 이종 영역 간 연계 과정이 복잡해지고 활용 자원도 다양해져 AI와 같은 소프트웨어 기술 의존도가 더욱 높아질 것으로 전망된다.
일본 기업은 AI를 어떻게 활용하는가
일본의 유수기업들은 벌써부터 AI를 도입해 활용하고 있다. 일본의 3대 시중은행은 IBM의 AI인 왓슨을 콜 센터 자동응답시스템으로 사용해 운영·고객지원 부문의 효율을 높였다. 은행들은 왓슨에게 업계 전문용어 사전에 실린 단어 5,000개와 Q&A집 1,500건, 업무 매뉴얼 1,500건을 외우게 하고 고객에게 질문 전화가 오면 왓슨으로 하여금 고객의 목소리를 문자 데이터로 변환·분석해 고객의 질문에 맞는 상위 5개의 답변을 표시하게 했다. 미스코시이세탄 백화점은 AI를 판매·마케팅·영업에 이용하고 있다. 고객이 AI가 탑재된 태블릿에서 마음에 드는 상품 몇 가지를 선택하면 AI가 해당 고객의 취향을 분석해 상품을 추천한다. 머신러닝을 이용해 맥주의 수요를 오차 1% 이내로 예측하는 아사히맥주의 AI는 제조·물류·SCM 부문에서 좋은 성과를 내고 있다. 매일 입력되는 제품 출하 정보와 기상정보, 체인점 납품 정보 등과 더불어 경쟁사의 출하 정보 데이터를 이용해 수요예측의 정확도를 향상시킨다.
이 외에도 인사·인재 관리·총무 부문에서 AI를 도입해 정보 유출의 위험이 있는 직원을 색출하는 프런테오, 경영부문에서 AI로 하여금 찬반이 갈리는 문제에 의견을 제시하게 하는 히타치제작소 등이 있다. 이렇듯 4차 산업혁명은 AI만으로 이룰 수 있는 것이 아니며, 인간의 노동력만으로도 실현할 수 없다고 말한다. 또 AI와 인간의 협력이 필요하며, 부가가치 창출을 위해서는 둘의 노동력에 차이를 두는 것이 핵심이다. 일상생활 속 인간의 사회적 상호작용을 연구하는 미국의 사회학자 어빙 고프만은 인간끼리 협력하는 전략을 구사하려면 ‘상대방이 갖고 있지 않은 가치를 가지는 것’이 중요하다고 말했다. 즉, AI가 갖지 못한 가치를 인간이 지니는 것이 AI와 전략적으로 함께 일하기 위한 첫걸음이다.
경제학에서는 ‘대체재’와 ‘보완재’라는 개념이 있다. 대체재란 커피와 코코아의 관계처럼 서로 대체할 수 있는 성질을 가진 재화를 말하며, 보완재란 커피의 맛을 보완해주는 설탕과 같이 둘을 함께 소비할 때 효용이 증가하는 재화를 말한다. 여기서 생각해보자. 인간의 노동력이 AI가 지닌 노동력의 대체재라면 경쟁 관계가 생긴다. 그러나 보완재가 될 수 있다면 상호 간에 협력 관계가 싹튼다. 보완재가 되는 방법은 AI가 가질 수 없는 가치를 우리 인간이 가지는 것과 다름없다.
AI 도입을 성공적으로 적용한 그룹인 ‘선구자’는 최적화된 인프라로 AI 기술을 통해 현재 생산성 및 성능 향상을 경험하고 있는 기업을 의미한다. AI 선구자 그룹의 대표주자인 알리바바(Alibaba)는 2017년 광군절(독신자의 날, 11월 11일) 이벤트 매출 증진을 위해 AI와 자동화 기술을 활용했고, 하루 만에 250억 달러라는 기록적인 매출을 달성했다. 이렇듯 AI 도입은 기업이 어떤 단계에 있는지 상관없이 기업이 경쟁우위를 확보하고 효율성을 개선할 수 있는 좋은 기회를 제공한다.
마지막으로 AI 적용의 성과분석 및 성공사례의 타 부문 확산, 전사 AI 전략과 연계한 차기 프로젝트를 설계해야 한다. 이는 개별 프로젝트를 통해 창출된 AI 적용 성과를 전사로 확산할 필요가 있다는 것이다. AI 도입을 부정적으로 인식하던 이해관계자 및 내부 구성원을 대상으로 AI 도입 과정과 현재까지의 성과, 향후 목표 등을 공유하여 향후 전사 AI 전략 추진의 동력을 확보해야 한다. 프로젝트 추적 과정의 알고리즘, 솔루션 등 기술적 성과 분석과 향후 활용 및 개선 방안 등에 대한 아이디어 수집을 통한 전사 AI 전략도 업데이트해야 한다.
일부 기업들이 AI 도입에 실패하는 주된 이유는 프로젝트 결과를 연계·활용하지 못하고, 또 다른 새로운 연구에 몰두했기 때문이다. 때문에 머신 러닝을 비롯한 AI 기술들은 학습을 할수록 더 나은 퍼포먼스를 창출할 수 있다는 점을 명심해야 하고 따라서 성공/실패의 결과를 차기 프로젝트의 설계로 연결시키는 단계가 매우 중요하다. AI는 사업 전략과 조직문화, 인재 발굴 등 기업 경영의 모든 영역에서 패러다임을 바꿔 놓을 것이기에 미래 AI로 인한 변화의 빅 픽처가 필요한 시점이다.
이철영 대기자 [email protected]
<저작권자 © 시사뉴스앤, 무단 전재 및 재배포 금지>
[오민용의 지능경영] 7. 머신러닝은 인류의 지능을 높이는가?
먼저 핵심 질문을 통해서 머신러닝과 인류지능의 관계를 탐색해 보자. 이 질문은 ‘머신러닝은 인류의 지능을 높이는가?’이다. 머신러닝이 인류의 지능을 낮춘다면 머신러닝은 인류에게 유의미하지 않을 것이다. 그러나 머신러닝이 인류의 지능을 높인다면, 머신러닝은 인류에게 매우 중요하고 가치있는 기술이 될 것이기 때문이다. 이 질문에 답을 하려면 먼저 머신러닝(Machine Learning)과 지능 무엇인지를 간단히 짚고 넘어갈 필요가 있다. 먼저 머신러닝이라는 용어의 유래부터 알아보자. 머신러닝은 IMB 인공지능 연구원이었던 아서 사무엘(Arthur Samuel)이 쓴 1959년 논문 “Studies in Machine Learning Using the Game of Checkers”에 처음으로 등장하였다. 이 논문은 컴퓨터가 체커(Checkers)라는 보드게임을 강화학습 방식으로 배워하는 방법을 연구한 것이다. 현재 인공지능의 연구가 가장 활발 이루어지고 있는 구글에 의하면 머신러닝을 다음과 같이 정의하고 있다. “머신러닝은 인공지능의 하위 집합으로, 많은 양의 데이터를 제공하여 명시적으로 프로그래밍하지 않고 신경망과 딥 러닝을 사용하여 시스템이 자율적으로 학습하고 개선할 수 있게 해는 것”이다. 머신러닝은 데이터가 많을수록 컴퓨터 시스템이 더 많은 ‘경험’을 만들며 스스로 지속적인 조정과 향상을 수행하기 때문에 더 정확한 결과를 얻을 수 있다.
하워드 가드너에 의하면 지능은 다음과 같다( http://www.sbr.ai/news/articleView.html?idxno=792). “지능은 하나의 혹은 여러 문화적 환경 안에서 가치 있는 문제를 해결하거나 무엇인가를 생산해내는 능력이다.” 또한 가드너는 지능이라는 용어를 다음과 같이 사용한다. (1) 모든 인간의 잠재력: 여덟 개 또는 아홉 개의 지능을 갖는다. (2) 인간 능력의 범위: 쌍둥이조차 동일한 능력을 갖는 않는다. (3) 개인의 목표에 맞게 과제를 제시하는 방법이다. 모든 인간의 잠재력은 인간의 동일성을 나타내고, 인간 능력의 범위는 인간의 상이성 또는 개별성을 이야기한다. 마지막으로 목표에 맞게 과제를 제시하는 방법은 문제해결능력을 이야기한다. 가드너는 여덟 개 또는 아홉 개의 지능을 다중지능(Multiple Intelligence)이라고 부르며, 다음과 같은 지능을 제시하고 있다. (1) 언어 지능, (2) 논리수학 지능, (3) 공간지능, (4) 신체운동 지능, (5) 공간 지능, (6) 인간친화 지능. (7) 자기성찰 지능, (8) 자연친화 지능, (9) 실존적 지능이다. 이 중 (9)실존적 지능은 주로 훌륭한 종교인에게 나타나는 것으로서 삶의 큰 물음을 던질 수 있는 능력이며, 마더 테레사같은 분이 이 능력을 지닌 자라고 이해할 수 있다. 하지만 아직 연구가 더 필요한 분야이기 때문에 가드너는 8과 1/2이라고 표현한다. 중요한 것은 이 지능 사이에는 위계 질서가 없으며, 지능의 목록이 증가하거나 지능 사이의 경계가 변경될 수도 있다는 점이다. 따라서 지능은 다중지능의 복합적 구성물인 것이다.
머신러닝이 다중지능 중 하나 또는 그 이상의 지능을 강화하여 문화적 환경 안에서 가치 있는 문제를 해결하거나 무엇인가를 생산해낸다면 머신러닝은 인류의 지능을 높인다고 할 수 있고 그렇지 않으면 높이지 않는다고 답할 수 있다. 결론을 먼저 말하면 머신러닝은 인류의 지능을 높인다고 판단된다. 이 주장을 몇 가지 예시를 통해서 밝혀보고자 한다. 이 예시에 등장하는 인공지능은 인간이 접근하기 쉽고, 대부분 무료로 사용해 볼 수 있는 것들이다.
먼저 언어지능을 살펴보자. 2020년 OpenAI는 GPT-3(Generative Pre-trained Transformer 3)를 발표하였다( http://www.sbr.ai/news/articleView.html?idxno=926). GPT-3는 언어 모델로서 텍스트 생성 및 예측에서 상당한 발전을 보여 준다. 가드너의 언어 지능 관점에서 GPT-3를 이해한다면, 정보 지능과 설명 지능은 매우 높고, 수사 지능은 낮고, 메타 언어 지능은 매우 낮다고 판단된다. 또한 언어 능력의 발달에 필요한 구문론 능력은 매우 높고, 음운론 능력은 매우 낮으며, 의미론 능력은 보통, 화용론 능력은 낮다고 판단된다. 또한 문화와의 연관성 속에서 이루어지는 언어 지능은 높다고 판단된다. GPT-3를 활용하여 작문을 한다면, 전문적인 작문을 배우지 않은 사람도 작문활동을 쉽게 할 수 있다. 따라서 인간의 언어지능을 높여 준다.
음악지능을 살펴보자(http://www.sbr.ai/news/articleView.html?idxno=1125). Hoene Wronsky에 따르면 “음악은 소리 안에 있는 지능을 체화/구현한 것.”이라고 하였다. AIVA 테크놀로지스에 따르면 AIVA(Artificial Intelligence Virtual Artist)라는 제품은 다양한 장르와 스타일로 음악을 작곡하고 생산할 수 있는 인공 지능이다. AIVA가 작곡한 음악을 들어보면 심미적 체험을 가능하게 해준다. 이 창의적인 기술은 인간의 고유한 창의성을 증진시켜 준다. AIVA를 통해 개인화된 사운드트랙을 창조함으로써 작곡을 전문적으로 배우지 않은 사람도 작곡활동을 할 수 있다. 따라서 인간의 음악지능을 높여 준다.
예술지능을 살펴보자(http://www.sbr.ai/news/articleView.html?idxno=1307). 누구든 무료로 사용할 수 있는 Hotpot이라는 AI Art Maker가 있다. 이 인공지능은 간단한 단어나 문장의 입력만으로 그림을 생성해 준다. 가드너의 다중 지능에 따르면 예술 지능에 부합하는 지능은 공간 지능이다. 이 공간 지능은 시각적, 공간적 사유 지능으로서 과학이나 예술에 기여한다. 이것은 심상(mental imagery)으로 나타나기도 한다.이것은 정확한 시각적 기억력을 요구하기도 하며, 보편적 추상적 주제를 도식화하지 않고, 다양한 경험을 고도의 복합적 형태에 반영하여 창작형태로 나타나기도 한다. 이것은 인간이 자기 밖의 세계와 더 많이, 그리고 끊임없이 관련되는 능력이기도하다. Hotpot에서 보여준 그림은 예술지능이 있다고 판단된다. Hotpot을 활용하여 그림을 그린다면, 그림을 배우지 않은 사람도 자신의 생각과 감정을 그림으로 좀 더 잘 표현할 수 있게 된다. 따라서 인간의 예술지능을 높여 준다고 할 수 있다.
마지막으로 신체운동지능을 살펴보자(http://www.sbr.ai/news/articleView.html?idxno=1378). 이 부분은 테슬라의 자율주행자동차를 통해서 살펴볼 것이다. 테슬라의 자율주행 프로그램 인공지능은 FSD(Full Self Driving Capability)라고 한다. 물론 FSD는 차량이 완전하게 자율적으로 운행하는 것은 아니라는 점을 기억할 필요가 있다. 운전자를 대신하는 것이 아니라, 보조해 준다는 것이다. 인간은 자신의 정념과 욕망에 쉽게 휩싸이며, 주행 역시 바로 그 인격을 반영하곤 한다. 그러나 자동주행은 이러한 정념과 욕망으로부터 자유롭고, 준수해야 할 규범을 준수하면서도 동시에 최적화된 주행활동을 창조해낸다. 운전에 미숙하거나, 노인이나 환자 등 신체반응능력이 떨어지는 인간이 자율주행의 인공지능의 도움을 받는다면 더 잘 운전할 수 있게 된다. 따라서 인간의 신체운동지능을 높여 준다고 할 수 있다.
종합해보면 머신러닝은 인류의 지능을 높인다고 판단된다. 그러나 인류의 지능을 높이 것보다 더 중요한 것은, 이 높아진 지능으로 무엇을 할 것인가 또는 어떻게 활용할 것 인가에 대한 윤리적 차원의 문제이다. 이 지능을 인간과 공동체의 완성와 더 많은 선한 기회를 창조를 향해서 사용할 것인가? 아니면 인류의 탐욕을 위해서 사용할 것인가? 이 문제는 인류가 선택할 내일의 모습에 대한 응답에 달려 있다. 그러나 이 선택의 방향과 미래의 모습을 기업이 먼저 제시해 줄 수 있을 것이다. 왜냐하면 새로운 기술의 보편화와 구체화 및 이용은 모두 기업을 통해서 제공되기 때문이다. 이것을 다른 말로는 ‘상품화’라고 한다.
오민용은 스마투스 디지털 경제연구원의 연구위원이다. 고려대학교에서 법철학으로 법학박사를 취득하였다. 고려대학교 법학연구원 전임연구원, 서울대학교 법학연구소 선임연구원을 역임 하였으며, 현재 서울대학교 법학연구소의 객원연구원을 겸하고 있다. 연구관심사는 지능경영이다
[경영칼럼] AI 혁명시대의 경영전략
문승권 다산경영정보연구원 원장
AI 시장은 동시 다발적으로 급속도로 진화하고 있다. 새로운 비즈니스로 물류, 콜센터 상담, 보험 심사, 음식 주문 등 인간의 감정적 요소와 다른 분야일수록 대체 속도는 빨라지고 있다. 인간의 지능을 대체하여 휴머노이드로 인간 형태의 로봇 외에 의사, 변호사, 번역사, AI 탑재 스피커와 자동차 등에서 대체하게 될 것이다. 이에 우리나라에서도 AI 육성 및 인력양성 정책을 추진하고 있으나 기술력과 역량이 부족한 실정에 있으며, AI 전문인력 부족에 대기업은 부족한 인력을 확보하기 위해 선진국에 연구센터를 설립하고 있다.
AI를 통해 데이터를 축적하고 데이터 과학의 발전, 딥러닝 등 알고리즘으로 발달하고 있다. 온라인 쇼핑몰의 추천시스템과 같은 기계학습된 AI에서 자연어 처리와 영상 인식의 대규모의 데이터를 기반으로 자동적으로 학습하고, 문제해결형 AI로 발전됐다. 특히 영상 진단과 신약 개발 등 헬스케어 분야에 미치는 영향도 크다. 즉 헬스케어 AI를 통해 질변의 조기 진단 및 정밀 진단, 의료비 절감, 건강증진 등 사회경제적 효과가 클 것이다.
글로벌 AI 기업들은 AI 플랫폼의 공개 및 스타트업의 적극적인 인수를 통해 시장점유율 확대를 추구하고 있다. 유통 분야에서도 글로벌네트웍스는 축산물 유동 직거래 플랫폼으로 24시간 고객이 키오크스(자판기호)로 육류를 구매할 수 있게 하였다. 문화 콘텐츠로 동양온라인은 바둑포털인 타이젬을 운영 중인데, AI와 결합하여 AI 바둑코치가 등장해 승률분석, 기보분석 서비스도 제공하기 시작했다. AI 법률로서는 사건 판례와 법령을 신속하게 찾아 관련 자료를 분석해 설명을 추가하는 지능형 검색기를 개발한 업체도 있다. 구글, 아마존, 페이스북은 범용 AI 플랫폼을 중심으로 개발하고 있으며, IBM은 Watson과 같은 의료산업 전문 AI 플랫폼 중심으로 개발하고 있다.
중국의 Bytedance는 AI 추진엔진을 활용해 뉴스 시장 플랫폼으로서 큐레이션 서비스로 7억명의 가입자 수를 확보해 2018년 기준으로 310억 달러의 기업가치를 창출하고 있다. 중국의 BAT(Baidu, Alibaba, Tencent)는 대규모 AI 인력 양성계획을 발표하고 중국, 미국에 수 백명의 AI 연구 조직을 운영하고 있다. 미국은 AI의 기초인 STEM(과학, 기술, 공학, 수학) 교육으로 컴퓨터과학까지 포함하여 유치원에서부터 전 교육과정에서 적용하고 있다. 미국기업들은 컴퓨터 S/W, 의학 분야의 인재 모집에 국적을 가리지 않고 선발하고 있다.
이에 따라 AI 혁명시대의 경영전략을 제시하고자 한다.
첫째, 1차적으로 인재 육성에 집중해야 한다. 교육과정에 컴퓨터과학 교육시 수리·통계·데이터 과학 등 기초 학문 역량을 높이도록 한다. 여기에 컴퓨팅적 사고방식 코스의 제공, 교수나 교사의 전문성 개발 프로그램 개발과 지원, 인턴교육을 확대하도록 한다. AI 박사과정의 경우 전공 전환도 포함해 AI 장학금을 지원하도록 한다. 공학과 이학의 융합을 포함해, 컴퓨터과학 전공에서 보건의료학부, 응용생물학부, 문화예술학부 등 다른 전공과 교차연구를 통해 융복합형 AI 인재를 양성하도록 한다.
둘째, 대학과 기업 간 산학협력 연구 시스템을 강화하도록 한다. 이를 통해 각자의 참여 기회를 확대하고, 기업에서는 OJT, 대학과 협력, 국내외 연수교육 지원을 통해 AI 전문가를 양성하도록 한다. AI R&D에 예산을 확대하고 AI 플랫폼과 국내외 로봇기업의 투자와 협업을 강화하도록 한다. 게임산업에서는 AI를 융합해 AI PC방처럼수학, 통계학 등과 같이 학습용과 즐길거리를 만들어 확산하도록 한다. 기업과 대학에서는 신경인지, 머신러닝, 지능형 로봇 분야와 같은 국제 전문가를 인센티브 보상조건으로 영입하도록 한다.
셋째, 데이터 기반의 AI는 데이터 품질 수준이 경쟁력을 좌우하게 된다. 산업별로 다소 차이가 있지만, AI를 적용시 데이터를 모으고 통합하는 과정에 평균 1/3 이상의 시간이 소요될 정도로 데이터의 비중이 크므로 데이터 품질의 경쟁력을 강화할 필요가 있다.
넷째, AI 기반으로 프로세스 혁신을 추구하도록 한다. 제조, 금융 등 산업 영역에서 업무와 생산 프로세스 자동화로 생산성 향상을 통한 이윤극대화를 추구하도록 한다. 이에 따라 정확한 수요예측으로 재고비용 절감과 매출 증가에 영향을 미칠 수 있다. AI를 통해 현행 업무 프로세스의 단순하고 반복적인 일상업무를 줄여주고 고객 응대 기법에서 빅데이터 기반으로 보완하여 업무 효율성과 비용 등의 경감이 이루어질 수 있다.
다섯째, 인간의 의사결정을 지원해 인간의 오류(의학 영상 오판독, 법률상 오심, 스포츠에서 오심 등)를 최소화해 인간의 지식을 증강시킬 수 있다.
여섯째, 데이터 접근성을 높이도록 R&D 용도의 경우 일정부분을 정보 공유할 수 있도록 한다. 일반적으로 개인정보보호와 기술 유출시 벌칙 조항을 병행해 강화하도록 한다.
일곱째, H/W 측면에서 AI 인프라를 구축해 특정지역에 AI 도시를 조성하도록 한다. 스마트시티와 연계하여 AI 기능을 연계하고, 자방자치단체, 공기업, 국내외 글로벌기업을 유치, 투자할 수 있는 여건을 만들어 집적화한다. 이에 따라 AI 연구원, 데이터센터 등 AI 융합 클러스터 조성으로 기업가치 증대와 고용창출을 높이도록 한다.
여덟째, 데이터 3법을 보완해 속도감 있게 AI 산업화를 촉진하도록 지원한다. 아홉째, AI 인재육성 펀드를 조성하도록 한다. 이를 통해 AI의 기초분야(아이디어, 인재, 인프라, 비즈니스 환경 및 지역)에 자금을 정부와 산업체간 투자하는 금융조합에 의한 펀드를 조성해 연구환경을 개선하도록 한다.
저작권자 © 천지일보 – 새 시대 희망언론 무단전재 및 재배포 금지 기사제보 지면구독신청
키워드에 대한 정보 인공 지능 경영
다음은 Bing에서 인공 지능 경영 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 화제의 ESG 경영 총.정.리! AI로 해결이 가능하다고?
- ESG
- esg ai
- 지속가능경영
- 기후변화
- 인공지능
- ai
- environment
- social
- blackrock
- 투자
- 블랙락
- 환경
화제의 #ESG #경영 #총.정.리! #AI로 #해결이 #가능하다고?
YouTube에서 인공 지능 경영 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 화제의 ESG 경영 총.정.리! AI로 해결이 가능하다고? | 인공 지능 경영, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.