더이상 뉴스를 발행하지 않습니다.
스웨덴 가구업체 이케아(IKEA)를 창업한 잉바르 캄프라드는 성냥을 방문판매하면서 사업 감각을 익혔습니다. 그는 이후 방문 판매보다 통신 판매가 대세인 것을 느끼고 이케아를 창업했습니다. 온갖 잡화를 취급하다 가구에 눈을 돌린 것은 1950년께였습니다. 이때 그가 먼저 만든 게 카탈로그였습니다. 통신 판매 형태의 상품 카탈로그와 가구 전시장의 결합이 그의 비즈니스 모델이었습니다. 이케아의 상품 카탈로그는 매우 강력한 마케팅 도구였습니다. 32개 언어로 인쇄된 카탈로그는 성경보다 3배 많은 2억 부가 매년 배포됐습니다. 하지만 이케아는 지난해 이런 70년 전통의 카탈로그를 과감히 버렸습니다. 물론 비용 때문은 아닙니다. 지난 20년 동안 웹 쇼핑이 늘어나면서 이케아는 카탈로그를 사용하는 사람이 줄어든 걸 발견한 겁니다. 이케아는 지금 아이콘인 카탈로그를 없앨 만큼 기업 경영의 모든 것을 바꾸고 있습니다. 그 중심에는 AI가 있습니다. 이케아 AI에서 소비자들로부터 가장 주목받는 건 증강현실(AR)앱입니다.이케아는 2018년부터 스마트폰에서 작동하는 AR 앱인 '이케아 플레이스'를 만들어 소비자들에게 가상으로 원하는 장소에 가구를 배치해 볼 수 있도록 했습니다. 가구를 배치할 공간에 카메라를 비추면, 가구 크기가 계산돼 실제 비율에 맞도록 조절되는 기능이 있습니다. 기존 가구를 스마트폰으로 스캔하면 이케아 관련 제품 목록을 확인할 수도 있습니다.반품된 물품을 다시 판매할지 아니면 할인 판매할지 등을 구분하는 AI도 구축했습니다. 이케아는 옵토로사와 협력해 반품을 수거하고 이를 물류창고에 보관하면서 벌크닷컴 등 자체 쇼핑몰에서 판매하기도 합니다.
1. 인공지능과 인간 미래의 문명은 인공지능이 없으면 오지 않는다. 이 전망은 이 시대의 가장 확실한 통념으로 자리잡고 있다. 이런 시대 상황에서 최고 성능의 인공지능을 개발하기 위한 과학기술자들의 매진은 진정 찬사를 받을 만하다. 인공지능은 2차세계 대전 이후 개발이 본격화되었고 또 오늘에 이르기까지 몇번의 좌절을 겪었다. 초기 규칙기반 기호처리 패러다임을 따라 발전하던 인공지능은 70년대 들어 한계에 봉착했다. 그러나 두뇌의 작동원리에 착안한 신경망 패러다임으로 전환한 이후 과학기술자들의 지난한 노력으로 최근 놀라운 학습능력을 보여주는 경이로운 성능의 인공지능 GPT3를 성취하였다. 하지만 이 성능 증강에 매진하는 눈물겨운 노력에서 정말 물어져야 할 근본적인 질문들이 묻혀버리는 경우가 있다. 그것은 어쩌면 가장 중요한 질문, 즉 인공지능과 인간이 어떤 관계를 맺어야 하는가에 관한 것이다. 이 질문은 사실 인공지능은 인간과 구별되는가 또 구별된다면 어떻게 구별되는가 등의 문제를 내포한다. 그리고 나아가 최근 관심이 되고 있는 자율자동차의 경우는 자율자동차가 사고를 일으
로봇이라는 단어는 100년전(1921년) 체코 극작가 카렐 차펙(Karel Capek)이 쓴 희곡에서 강제노동을 ‘로보타(Robota)’로 지칭하면서 사용하게 되었다. 하지만 이와 비슷한 인조인간에 대한 개념은 그보다 훨씬 이전부터 있었는데, 그리스 신화에는 ‘탈로스(Talos)’, 중세 시대에는 ‘골렘(Golem)’이라는 이름으로 존재했다. 이처럼 인류역사와 함께 오랜 기간 동안 로봇의 개념이 공존 했지만 현재까지도 우리 일상에서 쉽게 접하지 못하는 이유는 무엇일까? 바로 다양한 기계장치에 ‘지능’을 부여하는 것은 매우 어려운 일이기 때문이다. 하지만 최근 AI기술이 급격히 발전함에 따라서 로봇에 지능이 부여되고 이를 활용한 상품과 서비스가 속속 개발되고 있다. [꿀벌과 개미처럼 다중로봇이 합심해서 일해]2018년 평창동계올림픽 개막식 하늘에는 1,218개 드론들이 오륜기와 마스코트 ‘수호랑’을 자유자재로 수놓으며 많은 이의 감탄을 자아 냈다. 여러 대의 로봇을 한꺼번에 제어하는 기술인 군집지능(Swarm Intelligence)이 있기에 가능한 모습들 이었다. 군집지능은 ‘Swarm’이라는 단어에서 알 수 있듯이 곤충 같이 집단 상호작용에 기반한 인공지능 기술이다. 군집로봇(Swarm Robotics)분야 권위자인 ‘제임스 맥러킨(James Mclurkin)’ 박사는 흔히 로봇이 3D(Dangerous, Dirty, Dull)와 관련된 일을 한다고 알려졌지만 네 번째 D가 있다고 주장한다. 바로 ‘Distribution(분배)’을 의미하며 로봇 단독으로 할 수 없었던 일들이 다수의 로봇에 분배되고, 로봇들은 하나의 목적으로 서로 협력해 임무를 수행한다는 것이다. 영국의 온라인 식품유통업체 ‘오카도’의 물류현장은
오랜만에 인공지능의 선구자 중 한 명인 미국 버클리 대학의 스튜어트 러셀 교수의 신간이 번역되어 나왔다. 원제는 ‘Human Compatible’로 2019년 8월에 출간된 것을 김영사에서 2021년 6월에 번역서를 내놓았다.스튜어트 러셀은 전 세계 1500개 학교에서 인공지능 교재로 사용하는 ‘인공지능: 현대적 접근 방법’을 피터 노빅과 같이 쓴 교수이며, BAIR라는 ‘버클리 인공지능 연구소’와 ‘인지와 뇌과학 연구소’의 주요 멤버이다. 그는 또한 확률적 모델과 강화학습 외에도 지능의 기반이나 인공지능의 미래에 대한 여러 연구를 수행하는 최고 전문가 중 한 명이다.그는 이 책에서 현재 인공지능 기술이 빠르게 발전했지만 아직 해결해야 할 많은 문제가 있음을 제시하고 있으며 개념적 돌파구로 언어와 상식, 개념과 이론의 누적 학습, 행동 발견하기, 정신 활동 관리하기 등 좀 더 도전적인 영역을 어떻게 개척할 것인가를 설명하고 있다. 초지능의 출현에 대해서 말을 아끼지만 많은 시간이 지나서 구현할 수 있을 것이라는 태도를 취하고 있다. 특히 일반 인공지능을 구현하고 이를 현명하게 통제해 인간 지능을 강화할 수 있다면 우리가 접하고 있는 가난, 질병, 사회 문제를 해결할 수 있어 인류에게 큰 이익이 될 것이라고 얘기한다.그러나 그냥 긍정적인 입장이 아니라 인간 사회에서 발생할 수 있는 오용의 문제, 인간을 능가하는 경우에 겪을 수 있는 실존의 문제(고릴라 문제), 불완전한 문제와 가치 정렬 실패(미다스 왕 문제), 도구적 목표와 인간 선호 간의 충돌 등 그가 여러 에세이에서 거론했던 문제를 이 책에서 다시 정리해서 설명하고 있다.현재 표준 모델로 볼 수 있는 인공
마케팅에서 데이터는 핵심 자산입니다. 고객의 모든 행동이 디지털로 바뀌면서 데이터의 가치는 더욱 빛을 발합니다. 하지만 데이터는 갈수록 늘어나고 소비자의 선택에서도 제품 가치나 충성도를 찾기가 더욱 어려워졌습니다. 코로나 시대에는 더욱 더 그렇습니다. 소비자 행동의 불확실성이 커지면서 미래 행동을 예측하려는 합리적 시도는 무의미해지고 있습니다. 마케터가 데이터를 기반으로 건전한 결정을 내릴 수 있는 열쇠를 찾는 게 중요합니다. 포브스가 뽑은 마케팅에 도움이 되는 데이터 활용법 세 가지를 소개합니다. ① 데이터 시각화가 우선 = 기업이 데이터를 기반으로 올바른 마케팅 결정을 내리기 위해서는 더 많은 데이터를 수집하는 것보다 기존 데이터를 시각화하는 데 우선순위를 둬야 합니다. 데이터를 처리하는 현장에 있는 사람들에게 데이터의 양보다 데이터의 사용량과 품질에 대해 생각하도록 가르쳐야 합니다. 데이터를 더 많이 모으기 전에 의미 있는 방식으로 가지고 있는 데이터를 표현하고 있는지 확인하는 게 필요합니다. ② 비판적 사고가 중요 = 데이터를 다룰 때 수학이나 통계를 잘 하는 것보다 "왜"라는 데 초점을 맞춰야 하는 능력이 필요합니다. 물론 비즈니스에서는 숫자가 정확해야 하지만 이 숫자의 오류는 언제든지 확인할 수 있습니다. 훌륭한 마케팅 리더는 모든 직원이 비판적 사고력을 훈련할 수 있도록 지원을 아끼지 말아야 합니다. 그리고 어떤 데이터 해석이라도 수용할 자세가 필요합니다.③제한된 정보만으로 의사결정하는 문화 조성 = 마케팅이 모든 답을 가지고 있지 않습니다. 고객의 모든 욕구를 알아내는
덴쓰는 일본의 대표적 광고기업입니다. 직원이 과로사한 기업으로 한 때 악명을 날리기도 했습니다. 덴쓰는 이후 RPA(로봇프로세스자동화)를 도입해 '일인일봇체제'를 구축해 성공적인 성과를 낸 걸로도 유명합니다. 반복적이고 정형화된 업무를 처리하는 게 RPA입니다. 자동화 수준이 가장 낮은 단계이기도 합니다. 하지만 덴쓰는 이를 도입한 뒤 뚜렷한 업무 성과를 올렸습니다. 덴쓰가 성과를 올린 데엔 무엇보다 '시민 개발자(Citizen Developer)'의 역할이 컸습니다. 시민개발자는 IT 비전공자인 사내 직원을 말합니다. 시스템 전문가가 아닌 영업과 총무 등 일반 업무 부문의 직원들이 단기 훈련으로 RPA 봇을 만들 수가 있었습니다. 이들을 활용해 훌륭한 성과를 낸 것입니다. 일인일봇체제 구축 …반복적이고 정형화된 업무 자동 봇에 맡겨 덴쓰가 전사적 RPA를 구현하기 위해 자동화 전문가 조직을 만든 건 2018년이었습니다. 먼저 구조화된 노동 집약적 작업을 선별하기 위한 작업에 착수했습니다. 개인이 수행하는 미세 작업에 노동 집약적인 요소들이 많다는 사실을 알았습니다. 덴쓰가 이 작업을 로봇에 맡기기 위해 수행한 전략이 바로 소규모 자동화 솔루션을 개발하는 시민개발자 모집이었습니다. 덴쓰의 일반 직원이 직접 자신의 업무에 쓸 도구를 만들면 덴쓰에 만연한 관료주의도 없앨 수 있다고 생각했습니다. 사내에 시민개발자 공모를 한다고 알린 뒤 50명의 직원에게서 신청을 받았습니다. 이들에게 12시간의 기본 교육을 한 후 전문 프로그래머와 협력을 통해 약 60개의 RPA 솔루션을 개발했습니다. 개발된 자동화 솔루션은 모두 덴쓰 직원들이 사용할 수 있도록 했습
‘인공지능(AI) 반도체’는 반도체업계의 핵심 키워드다. 일반 반도체는 보통 하나의 연산만 처리할 수 있지만, AI 반도체는 한 번에 수천 개의 연산도 동시 처리할 수 있다. 기존 반도체의 하드웨어 한계를 소프트웨어(AI)를 통해 극복한 것이다. 시장조사 업체 가트너는 글로벌 AI 반도체 시장 규모를 2019년 123억달러(약 14조 1081억원)에서 오는 2024년 439억달러(약 50조 3533억 원)로 크게 성장할 것이라고 전망했다. 리벨리온은 국내에 드문 AI 반도체 설계 전문 스타트업이다. 지난해 9월에 설립됐다. 제품은 아직 나오지 않았다. 하지만 설립 2개월 만에 55억원의 시드 투자를 받았다. 카카오벤처스, 신한캐피탈, 서울대학교 기술지주 등이 투자했다. 이들은 개발자들의 경력과 실력만 보고 투자에 나섰다. 대표를 맡은 박성현 최고경영자(CEO)는 미국의 스페이스X와 모건스탠리에서 개발자로 일했다. 오진욱 최고기술책임자(CTO)는 IBM 왓슨연구소에서 AI 반도체 설계를 맡았다. 김효은 최고제품책임자(CPO)는 폐질환 진단 AI 의료기기업체 루닛에서 딥러닝 기술 개발을 담당했다. 오 CTO는 세계적인 반도체 학술대회인 VSLI에서 AI 반도체 칩 설계와 관련해 제1 저자로 논문을 발표하기도 했다. 리벨리온은 소프트웨어 역량을 높이기 위해 삼성 시스템LSI사업부에서 컴파일러를 개발한 김현숙 수석연구원 등도 영입했다. AI 반도체의 성능을 높이기 위해선 하드웨어를 잘 만드는 것뿐만 아니라 소프트트웨어 설계도 중요하기 때문이다. SK하이닉스 등에서 15년 이상의 경험을 쌓은 베테랑 개발자과 서울대, 포항공대에서 AI 관련 연구로 박사 과정을 마친 신진 연구자들도 리벨리온에 모였다. 업계
AI가 필수적으로 익혀야 하는 내용으로 위치 지능시스템(LI· Location Intelligence)이 갈수록 중요해지고 있습니다. GIS(지리정보체계) 기반으로 시공간의 좌표를 익혀 비즈니스와 연결하는 작업입니다. 부동산이나 건설 등 각종 비즈니스의 동향과 사람들의 유동성, 각종 이벤트 등이 모두 LI와 관련이 있습니다. 국내에서도 배달 앱은 물론 약국 마스크 검색, 백신 접종 등 코로나 시대에 접하는 많은 사안들을 위치 지능시스템이 해결하고 있습니다. 위치 지능으로 전개될 비즈니스는 무궁무진합니다. 포브스가 뽑은 네 가지 유망 LI 관련 비즈니스들을 살펴봅니다. ①더욱 정교한 추천 비즈니스 = 젠슨 황 엔비디아 CEO는 앞으로 AI를 활용하는 비즈니스는 식품 생산과 물류, 헬스 케어라고 했습니다. 그는 이런 분야에서 습관과 선호도를 기반으로 소비자의 선택을 예측해 아이템을 추천하는 추천 알고리즘이 가장 중요한 AI라고 했습니다. AI가 추천 시스템에 위치 기반을 학습한다면 앞으로 소비자들이 선택하는 상품을 시간과 장소까지 정확하게 예측할 수 있습니다. ② 소비 트렌드 포착 = AI에 LI를 활용하면 소비 트렌드를 쉽게 찾아낼 수 있습니다. 예를 들어 은행은 LI가 내장된 AI를 이용해 기존 지점들의 수익을 분석하고 잠재적인 새 지점을 물색할 수 있습니다. 태양광 패널 기업도 날씨 데이터와 LI 시스템, 이미징 기술을 결합해 옥상 태양광 설치 최적의 후보를 선택할 수 있습니다. 공간 스캔으로 미래 상권 파악도…신규 사업 진출에 필수 아이템③ 온라인과 오프라인 결합 = 성장 기업들이 수요 급증을 예측하고 더 높은 수익을 올릴 수 있는 곳을 예측하는 데도 위치 지능
인공지능(AI)이 비즈니스의 미래를 지배할 것이라고 합니다. 많은 기업이 AI 도입에 집중하고 있습니다. 하지만 AI 프로젝트를 수행한 기업들의 28%가 실패했다는 보고서도 있습니다. AI 프로젝트가 실패한 이유는 AI 전략이 충분하지 않기 때문일 것입니다. 준비를 철저하게 하고 목표가 명확해야 하며 강력한 프로젝트 관리 그룹이 필요한 건 당연합니다. 미국 애널리틱스 인사이트가 제시한 AI 프로젝트가 실패한 여섯 가지 원인을 살펴봅니다. ① 잘못된 알고리즘 전개 AI 알고리즘 전개 과정에서 여러 가지 사안들이 잘못될 수 있습니다. 프로그램 개발자는 일부 데이터를 제거하거나 삽입하려는 강력한 유혹에 빠지기 일쑤입니다. 이런 과정은 데이터를 엉망으로 만들고 잘못된 결론을 도출할 수 있습니다. ② 데이터 전략의 부실 AI 프로젝트를 꾸려가는 과정에서 가장 큰 문제로 부상하는 게 부실한 데이터 전략입니다. 프로젝트를 본격 운영하기 전에 신뢰할 수 있는 데이터 전략을 수립하는 것이 중요합니다. 보유한 데이터를 파악하고, 서로 다른 리소스의 데이터들을 통합하는 방법에 대한 전략을 수립해야 합니다. 아울러 필요한 데이터 양을 예측하며 데이터를 선택하고 수정하는 방법까지 계획에 넣어야 합니다. 이런 데이터 전략이 불충분하거나 데이터가 부족하면 결국 AI 프로젝트의 실패를 낳습니다. 충분한 투자 확보되지 않으면 우수한 프로젝트도 무용지물 ③ 투자의 부족 AI 프로젝트를 개발하고 생산하는 데 막대한 비용이 들기 때문에 대다수 회사들은 필요한 소프트웨어에 투자하기를 꺼립니다. 데이터 전문가들이 처음부터 막히는 걸림돌이 될 수 있습니
한 시대의 패러다임이 전환될 때, 기존 강자는 몰락하기도 하고 신생 기업들이 부상하기도 한다. 가장 흔히 언급되는 사례 중 하나는 ‘범선과 증기선’의 사례이다. 15세기 중반부터 18세기까지 대항해 시대에는 바람을 타고 항해하는 범선들의 시대였다. 그러던 중 산업혁명으로 증기기관이 발명되고 이를 활용한 증기선이 19세기 초반에 출현하였다. 분명 증기선은 범선에 비해 효율적인 항해방식이었다. 상식적으로 기존 범선 회사들이 앞 다투어 기술적으로 우월한 증기기관을 도입하여 더 긴 항해를 이어 나갔을 것만 같았으나, 결과적으로는 기존 범선 회사는 증기기관을 채택하지 않고 몰락한 경우가 빈번했다. 기존 범선에 맞는 조직, 인력, 예산 구조로 운영되기엔 증기기관이라는 신기술을 전격적으로 수용하기 어려웠기 때문이다. 그 결과 시대를 주름잡던 범선들은 20세기 초반 사라졌고, 증기기관과 함께 시작하여 태생적으로 모든 것이 새롭게 설계된 신생 회사들이 그 자리를 물려받았다.200년이 지난 지금, 새로운 형태의 범선과 증기선이 존재한다. 증기기관처럼 우리는 AI라는 혁신 기술을 맞이하고 있다. AI를 통하여 기업들은 기존 방식을 탈피한 ‘디지털혁신(DX, Digital Transformation)’ 시대로 진입하고 있는 것이다. 더욱이 코로나 팬데믹으로 재택근무, 원격수업, 비대면 구매 등 온라인방식이 확산되면서 기업들의 디지털혁신은 더욱 가속화될 것이라고 많은 전문가들은 전망하고 있다. 디지털혁신을 수용하는 방식은 과거 범선과 증기선처럼 기업의 상황에 따라 크게 두 가지 유형으로 나눌 수 있다.먼저 아예 처음부터 디지털혁신으로 탄생한 기업들이다. 이들 기업들은
대한민국 헌법 제12조 2항의 ‘진술거부권(묵비권)’은 ‘모든 국민은 형사상 자기에게 불리한 진술을 강요당하지 아니한다’라고 보장하고 있습니다. 이는 누군가 형사상 불법적인 일(의도적이든 아니든)을 저질렀을 경우 불리한 진술은 거부할 수 있다는 것을 의미합니다. “왜 그런 행동을 하였나?”라는 질문에 “잘 모르겠습니다” 또는 “기억이 나지 않습니다”라고 답해도 그 대답 자체로는 벌을 받지 않는다는 의미이기도 합니다.최근 더욱 발전하고 있는 인공지능 기술은 다양한 분야에서 사람에 버금가는 능력을 확보한 것으로 평가받고 있습니다. 특히 국내외 인터넷 기업들의 서비스에 활발하게 적용되어, 정확하고 빠른 검색을 위한 키워드 및 이미지 검색 서비스를 제공하고, 상품을 구매할 때 더 정확한 후속 구매 상품을 추천하고 있습니다. 이러한 이유로 한 유명작가는 인공지능을 “제3의 인류”라고 부르기도 하였습니다. 인공지능의 자동화된 서비스는 우리의 삶을 더 윤택하게 만들어 주고 있으며, 우리는 자연스럽게 일상의 중요한 부분들을 인공지능에 의지하고 있습니다. 그리고 최근에는 인공지능 시스템이 의료, 국방, 채용, 운송 등 중요한 작업을 자동화하는데도 활발하게 활용되고 있습니다.우리는 여기서 이렇게 활발하게 활용되는 인공지능 기술에 대해 질문해 볼 수 있을 것 같습니다. 만약 인공지능의 내부적인 문제로 인해 인공지능이 제공하는 서비스를 받은 사람이 신체적, 재산적 피해를 받았다면, 그 인공지능 서비스의 잘못된 결정에 대한 책임은 어떻게 물을 수 있는가? 만약 인공지능 알고리즘의 자동화된 의사결정 때문에 의
데이터의 중요성은 갈수록 커지고 있다. 많은 기업들이 막대한 비용을 들여 개발한 제품과 서비스를 선뜻 무료로 제공하는 것도 고객 데이터를 확보하기 위해서인 경우가 많다. 양질의 고객 데이터를 다수 확보해 이를 사업으로 치환함으로써 기업의 경쟁력을 강화할 수 있어서다. 이러한 상황에서 데이터를 처리하는 방법에도 관심이 커지고 있다. 데이터를 확보하는 것 자체도 어렵지만, 이를 제대로 활용하는 것도 중요하기 때문이다. 다만 이런 과정에 막대한 비용과 시간, 인력이 투입된다는 게 문제다. 데이터 내 세부 정보를 구분한 가공데이터를 재생산해 인공지능(AI) 학습 데이터의 품질을 높이는 ‘데이터 레이블링(분류)’ 기업이 주목받는 이유도 여기에 있다. KAIST 학부생들이 창업한 AI 학습데이터 플랫폼 셀렉트스타는 이 부분에 착안해 색다른 방법론으로 해외 진출까지 이뤄낸 스타트업이다. 기업과 대중을 ‘크라우드 소싱’ 방식으로 연결해 고객 데이터를 수집한 후, 이를 유의미한 자료로 가공해주는 셀렉트스타의 애플리케이션(앱) ‘캐시미션’이 그 주인공이다. 데이터의 수집 가공 작업을 ‘리워드(보상)앱’과 결합한 비즈니스 모델이다. 데이터가 필요한 AI 기업이 데이터 생산 프로젝트를 셀렉트스타에 맡기면, 10만 명에 달하는 캐시미션 사용자들은 이와 관련된 미션을 수행하게 된다. 데이터를 업로드·가공한 사용자에게는 양과 정확도에 따라 환전 가능한 캐시가 차등적으로 지급된다. 김세엽 셀렉트스타 공동대표는 “사용자들이 수행한 프로젝트는 자체 개발한 수학적 알고리즘과 전수 검수를 통해 최종적으로 완성된다”며 &ld
펩시콜라의 기세가 만만찮습니다. 이 회사의 1분기 매출액은 전년 동기대비 6.8% 성장했습니다. 코로나 기간이었던 지난해에도 전년 대비 매출이 4.7% 상승했습니다. 올해도 사상 최고의 매출을 올릴 것으로 기대합니다. 이처럼 좋은 실적을 올린 데에는 여러 이유가 있을 겁니다. 무엇보다 콜라와 스낵류가 동반 상승했습니다. 미국인들이 콜라를 마시면서 스낵을 먹는 습관이 코로나 기간 동안 지속됐다는 걸 보여줍니다. 이런 조합을 꾸려나가는 역할을 펩시의 인공지능(AI)이 맡고 있습니다. 펩시콜라는 일찌감치 AI 알고리즘으로 소비자 트렌드를 파악해 신제품을 내놓고 마케팅에 뛰어들었습니다. 이른바 '소셜 예측(Social Prediction)기법'을 일찍 활용했습니다. 2015년 봄 펩시는 서구 각국이 설탕세를 도입하면서 실적에 큰 타격을 받았습니다. 이때부터 이들은 AI에 눈을 돌렸습니다. 소비자들의 대화를 대규모로 분석해 차세대 제품 개발을 시작했습니다. 이들은 온라인 데이터 소스에서 1억5700만 건의 실시간 음료 대화를 수집해 가치 있는 대화를 선별해냈습니다. 여기서 펩시가 찾아낸 단어는 크게 세 가지였습니다. 스파클링과 투명성 그리고 기능성이었습니다. 이들 단어를 기반으로 만든 게 스파클링 버블리입니다. 펩시는 버블리가 칼로리가 없고 감미료도 넣지 않은 탄산수이며 8가지 맛을 낸다고 광고했습니다. 1년도 안 돼 버블리 매출이 1억달러를 넘어섰습니다. '소셜 예측' 기법이 성공한 겁니다. 이 기법은 트위터와 레딧 등 온라인 커뮤니티는 물론 블로그 리뷰 게시판 등에서 음식에 대한 소셜 대화의 데이터를 분석합니다. 특정 대화의 양만이 아니라 키워드들
일본 NEDO(신에너지·산업기술종합개발기구)가 지난 주 인공지능(AI)신기술 개발을 위한 행동 계획(액션 플랜)을 발표했습니다. NEDO는 일본의 대표적인 국책 연구 기관입니다. AI 기술 개발의 방향성을 대학 등 연구기관과 기업에 알리는 게 목적입니다. 액션 플랜에 포함되는 기술은 모두 12가지입니다. NEDO는 디지털 AI 사회 구현을 위한 기술들을 우선적으로 꼽았다고 합니다. 제조 생산과 생활·도시, 모빌리티, 교육, 건강 등 AI를 적극적으로 활용할 수 있는 5개 부문에서 중점적으로 선정했습니다. 디지털에선 뒤졌지만 AI 사회 실현에서는 다른 나라보다 앞서겠다는 일본의 의도가 엿보입니다. 이 계획들을 소개합니다. 日, 디지털에선 뒤졌지만 AI는 앞서겠다는 의지 엿보여 ①의미 이해 AI = 현재 심층학습에 의한 대규모 언어 모델은 숨어있는 의미를 이해하지 못하는 한계를 보이고 있습니다. 의미를 이해하는 AI를 구축하려면 인간의 뇌활동과 비슷한 AI가 필요합니다. 심층학습 기능에 뇌 활동의 주요 속성인 메타인지 기법을 갖춘 AI 개발이 필요합니다. 기호 추론과 심층학습을 결합할 수 있는 기술적 돌파가 이뤄지면 의미 이해 AI가 구현될 것으로 전문가들은 관측합니다. ②심층 강화학습 = 현재 AI는 서로 대화할 수 있는 기능이 많이 약합니다. 심층 강화학습은 일반 언어로 세상을 연결하는 모델을 생성하는 기술입니다. 기존 AI가 할 수 없는 언어처리를 가능하게 하는 게 주 목적입니다. 사물의 이름을 바꾸기도 하고 인간의 기호를 이해하는 '심볼 그라운딩'문제도 해결합니다.③시뮬레이션 X 기계학습 = 인간 지식에 기반을 둔 연역적 사고와 데이터에 기반을 둔 추론적 사고를 조합해 예측하고 추론
중국 첨단기술 도시의 대명사 선전. 지난해 8월 이 곳의 대표적 쇼핑몰인 믹스씨(MIXC)에 버버리 매장이 들어섰습니다. 버버리가 온라인과 오프라인의 경계를 허물겠다고 강조하면서 세운 '소셜 매장(Social retail store)'입니다. 들어가는 입구에서부터 디지털 분위기가 물씬 느껴집니다. 모바일로 등록하면 10개의 방에 들어갈 수 있는 권한이 생깁니다. 각 방에선 버버리 전통 의류에서부터 최신 패션까지 다양한 상품들이 배치돼 있습니다. 모바일로 제품에 부착된 QR코드를 스캔하면 각 제품의 스토리를 버버리의 위챗(중국의 대표적 메신저)에서 얘기해줍니다. 좋아하는 음악도 흘러나오고 카페도 있습니다. 매장에서 시간을 보내며 쇼핑을 한 만큼 많은 혜택이 주어집니다. 쇼핑객들의 가게 내 활동은 버버리의 훌륭한 데이터가 됩니다. 버버리가 지난해 8월 이곳에 소셜 매장을 지은 뒤 매출액이 급등한 건 물론입니다. 버버리가 이 가게를 세우면서 역점을 둔 건 개성을 강조하는 중국의 젊은 명품 고객들입니다. AR로 제품 시뮬레이션, QR 코드 스캔하면 제품 스토리가 앱에서 흘러나와 버버리는 패션업계에서 디지털 혁신으로 유명한 기업입니다. 디지털 비스포크(맞춤생산)의 원조라고 불릴 만큼 일찌감치 개별 취향을 반영하는 상품을 만드는 데 공을 들였습니다. 온라인에서 '버버리 비스포크'를 시작한 게 2011년이었습니다. 재질과 색상 단추 디자인을 고르면 디지털 모델이 나와 옷의 형태를 보여주는 맞춤 제작 시스템이었습니다. 해리포터로 유명한 엠마 왓슨이 비스포크 트렌치코트를 입고 런던 히드로 공항에서 찍은 사진이 힛트를 치기도 했습니다. 버버리 비
2019년 5월 뉴욕증권시장에 인공지능(AI) 기반의 ETF 2종이 상장했다. AI가 스스로 알아서 종목을 사고파는 ETF로 시장 수익률보다 높은 수익을 낼 것이라는 기대로 세간의 관심이 집중됐다. 주인공은 크래프트테크놀로지스의 AI ETF 'QRFT'와 'AMOM'이었다.크래프트테크놀로지스는 2016년 설립된 AI 핀테크 스타트업이다. QRFT, AMOM는 지난해 말 각각 시가 대비 3.85%, 5.21%의 분배금을 지급했다. 그만큼 수익률이 좋았단 얘기다. 이 외에도 HDIV, NVQ 등 꾸준한 ETF 상품을 만들어내고 있다.김형식 크래프트테크놀로지스 대표(사진)는 서울대 전자공학부를 졸업하고 동 대학원 경제학과를 마쳤다. 대학원 졸업 직전 마지막 학기에 친구들과 알고리즘 트레이딩 프로그램을 만들어 주식 자금 운영을 했다. 전자공학과 경제학이라는 두 학문이 맞닿는 지점에서 새로운 경험을 한 것이다. 김 대표는 이러한 경험을 기반으로 창업을 결심했다. 물론 알고리즘 트레이딩 프로그래밍은 한계가 있었다. 주식시장이 비교적 단순했던 2000년대 초중반까지는 좋은 성과를 얻었지만 날이 갈 수록 주식 시장의 복잡도가 높아지자 대안이 필요했다. 딥러닝 매매 프로그램을 생각해 낸 계기다. 주가, 환율, 경기지수 등 과거 시장 데이터를 입력해 학습시킨 AI를 만들었다. 스스로 학습하는 딥러닝을 접목해 새로운 시장상황에서도 새롭게 학습해 유연하게 대응할 수도 있다. 감정에 휘둘리지 않고 논리적 계산으로 수익률을 높이기도 한다.실제 AMOM ETF는 지난해 9월 테슬라 주식을 8% 넘게 투자하고 있었는데 시장이 과열된 것을 파악했다. 이에 테슬라 주식이 급락하기 직전 주식을 전량 매도하는 결정을 내리기도 했다.크래프트
인공지능(AI) 기술이 발전하면서 여러 영역에서 연구와 활용도가 높아지고 있다. 관심과 열기가 뜨거운 영역 중 하나로 의료 영역이 빈번하게 언급된다. 엑스레이에 대한 판독을 포함한 영상의학 영역은 일찍부터 AI 기술에 대한 관심이 집중되기 시작한 영역에 속한다. 근래에는 병리학을 포함한 다양한 기초 의학 영역은 물론 대다수의 임상의학 영역에서 매우 활발하게 연구가 활발하다. 또한 전자의무기록의 작성과 관리를 위해 AI 기술의 활용이 모색되는 등 의료현장에서의 실질적인 필요성을 고려한 다양한 시도가 진행되고 있다.의료 AI 기술이 발전하면서, 어떻게 이를 의료 시스템에 접목할 수 있을지 그리고 건강보험 시스템에 어떻게 반영할 수 있을지에 관한 논의가 계속 이루어지고 있다. 그와 함께 최근에 관심이 크게 늘어난 AI 윤리 특히 공정한 AI와 관련된 논의가 의료 영역에 주는 함의는 무엇인지에 대한 논의도 나타나고 있다.공정한 의료 AI는 무엇을 의미하는가? AI와 관련해서는 공정성은 차별금지를 의미하는 것으로 해석되는 경우가 많다. 의료 맥락에서 생각해 보면, 이는 AI를 활용한 다양한 의료 의사결정이 사회경제적으로 그리고 인구통계학적으로 서로 다른 집단 사이에 부당한 차별적 결과를 가져오지 않을지에 관한 논의로 이어진다.예를 들어보자. AI 기술을 활용한 신약개발 과정에서 여성의 임상시험 참여가 적은 경우가 종종 나타난다. 그 경우 여성의 생리학적 특징이 신약개발에 적절히 반영되지 못할 가능성이 있다. 인종에 따른 문제 가능성도 여러가지 형태로 나타나고 있다. 피부과에서는 백인의 피부에 기초하여 이루어진 AI 연구가 유색인종에 대해서는 정확도가 떨
슈퍼컴퓨터는 컴퓨터의 본질적인 기능인 빠른 계산에 특화된 기계장치다. 컴퓨터의 계산 성능과 발전 방향을 파악할 수 있는 가늠자로 활용되고 있다. 슈퍼컴퓨터는 18개월 마다 연산처리장치의 성능이 두 배 향상된다는 무어의 법칙 아래 지속적으로 발전해 왔다. 그러나 최근 10년 사이 트랜지스터 생산 공정의 물리적인 한계로 인해 이제는 더 이상 무어의 법칙이 통용되지 않는 상황에 직면했다. 그럼에도 슈퍼컴퓨터의 성능 향상은 지금까지 무어의 법칙보다 더 빠른 13개월 정도에 성능이 두 배가 되는 초성장을 기록했다. 그래픽연산처리장치(GPU)의 부상과 AI무어의 법칙이 더 이상 유효하지 않은 상황에서 슈퍼컴퓨터 업계가 주목한 것은 계산을 전용으로 담당하는 가속기이다. 2008년 대표적인 가속기로 부상한 그래픽연산처리장치(GPU)는 가격 대비 높은 연산 능력을 바탕으로 슈퍼컴퓨터의 새로운 시대를 열었다. 그러나 이후 GPU는 구조적 특성으로 기인한 좁은 활용 가능성으로 인해 특정 분야에서 명맥을 이어가 슈퍼컴퓨터의 주류에는 다소 거리가 멀어졌다. 이러한 상황에서 부상한 AI는 GPU의 가능성을 새롭게 조명하는 계기가 되었다.현대 AI의 붐을 이끈 딥러닝은 2012년 이미지에서 물체를 인식하는 경진대회에서부터 출발한다. 당시 가장 좋은 예측 성능을 달성한 토론토대학의 제프리 힌튼 교수 연구진은 알렉스넷(AlexNet)으로 명명된 합성곱신경망에 GPU를 활용했다. 이 사건을 계기로 딥러닝이라는 분야가 GPU를 십분 활용할 수 있는 것으로 판명되자, 딥러닝과 GPU는 서로 뗄 수 없는 관계를 맺게 된다. 이후 2016년 알파고, 2017년 트랜스포머, 2018년 BERT, 2019년 알파스타, 2020년 GPT-3 등 AI 학계를
인류 역사를 살펴보면 도구를 만드는 새로운 기술의 시작은 산업과 사회의 변화와 혁신의 시작이었고 인류를 지속적으로 발전시키는 원동력이었습니다. 이러한 기술 중에 최근 가장 주목받고 있는 건 AI 기술입니다. 빅데이터, 컴퓨팅기술, 알고리즘 발전의 도움으로 특정 분야에서는 사람이 수행하는 능력을 능가하기 시작하면서 기업과 정부의 많은 투자와 주목을 받기 시작했습니다. 금융분야도 이러한 AI 기술이 미래 은행, 카드, 증권, 보험 등 금융산업의 경쟁력의 핵심으로 부각됐고 지속적인 투자와 시도를 통해서 디지털 혁신을 추진하는 핵심 기술이 되어 왔습니다.이러한 금융분야의 변화를 안정적으로 가속화하기 위해서 올해 4월 금융위는 제7차 디지털금융협회에서 금융분야 AI 가이드라인 연구용역에 대한 주요 내용과 방향성을 발표하였습니다. 관련 결과를 바탕으로 2분기 중 금융분야 AI 가이드라인을 준비하고 올해 안에 금융업권별 실무지침 등도 단계적으로 마련할 방침을 발표하였습니다. 현재 준비하고 있는 AI 가이드라인의 핵심 방향은 미래 가장 큰 성장 동력인 AI의 금융분야 적용 활성화를 촉진하기 위한 기
데이터 처리는 기업에서 보편적인 업무로 변했습니다. 빅데이터보다 베스트데이터를 찾는 작업이 오히려 기업의 과제가 됐습니다. 미국 포브스는 데이터를 기업에서 가치있게 쓰기 위해 필요한 다섯 가지를 소개하고 있습니다. 이들을 살펴봅니다. ①신속성 = 데이터는 신속하게 수집돼야 하며 빨리 검색할 수 있어야 합니다. 특히 고객들에게 제공되는 데이터는 더욱 빨라야 합니다. 고객과 데이터간 대기 시간을 최소화하는 네트워킹 기술이 필요합니다. 데이터 시스템 관련 인프라도 중요하지만 관련 인재 확보가 더 중요합니다. ②신뢰성= 데이터는 언제 어디서나 사용할 수있도록 해야 합니다. 특히 컴퓨터 오작동으로 데이터를 활용할 수 없다면 기업으로선 상당한 리스크가 됩니다. 미국 조사기업 가트너는 갑작스런 다운타임(Down Time: 작동불능시간)의 기업 영향을 분당 평균 5600달러로 추산합니다. 신뢰할 수 있는 애플리케이션과 네트워크가 중요한 이유입니다. 향후 3년간 데이터 소비, 지난 30년간 소비보다 많을 듯 ③사용가능성 = IDC(인터넷데이터센터) 전문가들이 지난해 전 세계 데이터 풋프린트(흔적)가 59제타바이트(590억테라바이트)에 이른다고 설명합니다. 전문가들은 향후 3년간 생산하고 소비할 데이터의 양이 지난 30년간 생산되고 소비됐던 데이터보다 많을 것이라고 추산합니다. 하지만 정보로 전환하고 의미 있게 활용하는 능력은 데이터 증가의 속도만큼 따라가지를 못합니다. 기업에서 데이터를 잘 다룰 수 있는 환경을 만드는 게 무엇보다 필요합니다. ④안전성 = 데이터는 파워입니다. 사이버 범죄자들은 데이터를 인질로 잡으려 혈안
세계 대기업들이 AI와 자율주행 등 첨단 기술에 투자하는 이유는 경쟁 기업에 뒤처지는 걸 두려워하기 때문이라는 설문 결과가 나왔습니다. 미국 조사기업 시큐씨(Seeqc)가 글로벌 대기업 임원 200명을 대상으로 설문 조사한 결과에 따르면 기술 투자 이유로 응답자의 37%가 경쟁자들이 이 분야에 뛰어들고 있어 그들에 뒤처지는 게 두렵기 때문이라고 답했습니다. 응답자의 28%는 그들이 기존 비즈니스 시스템으로 감당하기 어려운 비즈니스 문제가 확인됐기 때문이라고 응답했고, 20%는 비즈니스 문제를 해결하기 위한 혁신의 최첨단을 달리고 싶어서라고 했습니다. 장기 비즈니스 관점에서 이 같은 첨단 기술을 접해야 한다고 생각했기 때문이라는 답을 한 임원들은 15%에 불과했습니다. AI를 조사하고 도입하려 할 때 가장 많이 찾는 파트너가 누구인지 묻는 설문에서는 응답자의 29%가 기존에 이미 알려진 기업을 택한다고 했으며 25%는 스타트업과 벤처기업, 24%는 기업 내부의 자원을 이용한다고 했습니다. 대학과 연구기관, 정부 기구 등을 찾는 응답은 21%였습니다. 시큐씨는 기업들이 아직 AI 파트너로 찾는 기업들은 쏠림현상 없이 대학과 스타트업 전문 기업 등으로 골고루 분포된 게 특징적이라고 설명했습니다. AI투자 5년 내 성과 기대 58% 한편, 응답자의 82%는 첨단 기술을 투자하고 조정하는 것에 대해 두려움과 근심을 갖고 있다고 답했으며 74%는 잘못된 투자를 해서 자원을 낭비하는 것을 우려하고 있다고 밝혔습니다. 71%는 그들의 비즈니스나 일자리를 쓸모 없게 만들 것을 걱정하는 목소리를 냈습니다. 투자로부터 ROI(투자수익)를 언제쯤 거둘 수 있을 것으로 예상하느냐는 질문에
1967년 체스 프로그램을 시작으로 2011년 IBM 슈퍼컴 왓슨과의 퀴즈 대결, 장기 대결 등이 이어졌다. 2011년 IBM 슈퍼컴 왓슨과 퀴즈 챔피언 켄 제닝스, 브래드 루터와의 대결은 왓슨의 우승으로 끝났다. 그리고 2016년 3월. 드디어 대한민국 국민의 머릿속에 ‘인공지능’, ‘알파고’를 심어 넣는 빅 이벤트가 등장한다. 구글 딥마인드의 인공지능 바둑 프로그램과 이세돌 9단의 대국이다. 서울에서 열린 총 5회 대국의 결과는 4승 1패, 인공지능 알파고의 완승이라는 충격의 역사다. 인공지능이 인간과 대결할 수 있는 존재라고 대중들의 머릿속에 강하게 기억되기 시작한 시점이 이때였을 것이다. 그런데 이 모든 대회가 인간과 인공지능의 대결이라고 할 수 있을까. 마치 세계계산대회에서 주판을 주느냐, 계산기를 주느냐, 암산으로 하느냐와 같이 도구의 문제처럼 보인다. 해당 분야 선수들과 인공지능 개발자 즉, 인간과 인간의 대결 같은데 말이다. 언어지능으로 잘 상품화된 인공지능 스피커 2015년 세계적인 온라인 쇼핑몰 업체인 아마존이 사람의 말을 알아듣는, 즉 언어지능을 갖춘 ‘아마존 에코’를 판매하기 시작했다. 기존 애플과 구글처럼 스마트폰에서 음성을 인식하는 인공지능을 탑재한 것이 아니라 스피커에 인공지능을 적용한 것이다. 날씨나 뉴스, 일반 상식에 대한 답변이 가능하고, 집 안의 전등을 켜고 끄는 등의 가전제품 조작도 할 수 있다. 인간을 넘어서는 능력으로 이목을 집중시켰던 체스, 퀴즈, 바둑, 포커 경기 등 인공지능 대상이 어느덧 거실과 주방의 스피커같은 일상의 사물로까지 빠르게 스며든 것이다. 왜 인공지능 중에서도 음성
소셜미디어 링크트인이 조사한 바에 따르면 지난해 미국에서 가장 주목받은 직업은 빅데이터 엔지니어와 인공지능(AI) 엔지니어였습니다. 이 두 가지 직업은 겹치는 기술들이 많아 종종 같은 직업으로 분류가 됩니다. 하지만 실제로는 전혀 같지가 않습니다. 미국의 애널리틱스 인사이트가 꼽은 이들의 차이점이 뭔지 찾아봅니다. 데이터 엔지니어링은 데이터 분석과 수집의 실제 응용을 다루는 데이터 과학의 한 분야입니다. 빅데이터 엔지니어는 데이터 생산에서 활용까지 전 과정을 담당하는 기술자입니다. 이들은 비즈니스 의사 결정에 직접 연관되지는 않지만, 정보와 데이터를 누구나 더 쉽게 접근할 수 있도록 하는 시스템 개발에 중점을 둡니다.데이터 엔지니어들은 기본적으로 방대한 데이터 볼륨을 저장하고 구성, 관리해야 하므로 데이터베이스의 설계와 아키텍처에 대한 깊은 이해가 필요합니다. 일반적으로 사용하는 두 가지 유형의 데이터베이스 SQL과 NoSQL을 알아야 하는 건 기본입니다. 원시 형식으로 존재하는 데이터를 가공해 활용할 수 있는 형태로 변환시키는 데이터 변환 작업도 엔지니어들의 중요한 임무입니다. 히보 데이타, 마틸리언, 탈렌드 등 관련한 도구도 숙지해야 합니다. 하나 이상의 소스에서 분석할 수 있는 대상으로 데이터를 이동하는 데이터 수집도 중요한 프로세스입니다. 이밖에 데이터 마이닝 작업과 실시간 프레임 워크 등도 엔지니어들이 해야 하는 작업입니다. 데이터 엔지니어는 본인의 적성이 필요한 분야이기도 합니다. 하지만 데이터를 관리하고 처리하는 경험이 축적돼야 훌륭한 데이터 엔지니어로 거듭날 수 있습니다. 데이터 기반이 든든해
김팀장은 오늘도 혼란스럽다. AI가 기업 경영 환경을 혁신한다고 하는데 우리 기업은 예전과 달라진 것이 없기 때문이다. 주먹구구식 의사결정은 여전하고, 상명하달식 업무지시에도 변화가 없다.눈 앞의 실적 관리에 급급한 것도 마찬가지다. 무엇이 문제일까? 한국개발연구원(KDI)은 국내 기업의 AI 도입률이 3.6%에 불과하다는 점을 지적한다. 하지만 같은 조사에서 AI 도입으로 긍정적인 효과를 경험했다는 응답은 78%에 달하는 것으로 나타났다. AI를 업무에 도입하면 가시적인 성과로 이어질 수 있다는 것이다. 글로벌 컨설팅 기업인 맥킨지는 AI 도입으로 긍정적인 효과를 기대할 수 있음에도 불구하고 기업이 이를 주저하는 주된 이유로 리더의 의지 부족을 꼽는다. 리더가 변화하고 혁신하려는 의지를 갖지 않으면, AI 기반 디지털 트랜스포메이션은 요원할 수 밖에 없다. 데이터 기반 의사결정 일상화 해야첫 화면에 노출된 콘텐츠가 90초 내에 이용자의 시선을 끌어야 한다는 것을 인지한 넷플릭스는 최적의 영화 포스터를 제시하기 위해 A/B 테스트를 활용하고 있다. 넷플릭스는 A/B 테스트를 위해 플랫폼에 들어온 고객 중 동질성이 높은 고객군을 통제집단과 실험집단으로 나눈다. 이후 두 집단에게 같은 영화의 다른 버전 포스터를 노출하여 그 반응을 관찰한다. 만약 A와 B라는 포스터를 노출하였는데 A의 클릭률이 B에 비해 높았다면, 이 영화에 대한 최적의 포스터는 A라는 결론을 얻을 수 있다. 이러한 실험은 플랫폼에 들어온 고객의 행동을 추적한 데이터를 활용한다. 넷플릭스를 비롯해 구글, 아마존 등 선도적인 IT기업은 데이터 기반 의사 결정을 기업문화로 정착시켰다. 이들은 모바일 앱 버튼
치매는 기억을 지배하는 질환이다. 뇌의 인지 기능을 손상시켜 과거를 잊게 하고, 판단을 흐리게 해 인격의 변화까지도 부른다. 환자는 점차 일상을 잃는 공포에 노출된다. 진단에는 뇌 영상 검사를 포함한 복잡한 과정이 수반되며, 완치율도 10%대에 머무르는 수준이다. 뇌혈관 손상으로 뇌 기능이 저하되는 뇌졸중 병력과 합쳐지면 회복도 쉽지 않다. 스타트업 ‘뉴로핏’은 이런 뇌질환에 정면으로 맞선다. 인공지능(AI)기술이 이들의 무기다. AI 기반 뇌 영상 분석을 기반으로 신속한 진단을 내리고 치료를 돕는다. 빈준길 뉴로핏 대표는 “앞으로 대부분의 의료 데이터 분석에는 AI 기술이 필수적으로 들어갈 것”이라며 “오로지 ‘뇌’에만 집중해 고통받는 환자들에게 힘이 되겠다”고 밝혔다. 뉴로핏은 지난 2016년 3월 설립됐다. 광주과학기술원(GIST) 석사과정에 재학 중이던 빈 대표가 할머니의 치매를 계기로 연구팀을 꾸렸던 것이 계기였다. 뇌질환 AI 솔루션에서 빠른 성과를 내면서, 지난해 1월 신한은행, 코오롱인베스트먼트 등으로부터 시리즈A를 마무리하고 106억원의 누적투자금을 모았다. 오는 8월까지는 200억원 규모의 시리즈B 투자를 받고 있다. 뉴로핏의 솔루션들은 핵심 기술 ‘세그엔진’이 원천이다. 세그엔진은 AI기반 뇌 MRI 영상 분할 기술이다. 1분 만에 97개 뇌 영역을 구획화한다. AI가 각 영역별 구조를 분석해 부피나 두께를 1mm 단위로 측정할 수 있다. 퇴행성 뇌질환과 관련된 비정상적 위축이나 뇌 구조 변화는 모두 잡아낸다는 설명이다. ‘뉴로핏 테스랩’ ‘뉴로핏 아쿠아’ 등 주력 솔루션들이 모두 이를 기반으로 탄생했다
미국 사우스캐롤라이나주 찰스턴에 있는 독일 부품업체 보쉬(Bosch) 공장. 전 세계 240개 있는 공장에서 가장 큰 공장입니다. GM 포드 등 미국 자동차 기업에 부품을 공급하는 핵심 지역입니다. 이 공장에선 새로운 실험이 전개되고 있습니다. 보쉬가 8000만 달러(900억2000만원)를 투자해 파워 트레인(동력전달장치)을 생산하고 있습니다. 전기자동차 시대에 대비하기 위해서입니다. 이런 파워트레인 생산에서 AI 구축은 핵심 과제입니다. 공장에는 20개의 조립 라인이 갖춰져 있고 40~50개의 제조 장비가 설치돼 있습니다. AI는 생산 과정에서 부품의 결함과 조립 공정의 오작동을 정확히 집어내는 역할을 합니다. 구체적으로 AI는 기계에서 수집되는 많은 양의 데이터를 분석해 결함의 근본 원인을 쉽게 찾을 수 있도록 도와줍니다. 결함을 찾으면 공장 작업자에게 문제가 있음을 알리고 실패 원인을 대시 보드로 전송해 직원이 상황을 신속하게 해결할 수 있도록 합니다. 이 공장에서 테스트해본 결과 매년 240만 달러의 비용을 절감할 것으로 계산됩니다. 보쉬는 전 세계 240개 공장에 AI를 모두 설치하면 매년 최대 5억 달러의 비용을 절감할 것으로 예상합니다. 전기차 시대 AI가 생산 공정 지배가장 큰 장점은 물론 실시간 보고입니다. 결함의 원인을 빨리 찾을 수 있다면 최대한 빨리 수정할 수 있는 겁니다. 일본 자동차 업체 도요타는 전 종업원이 불량품을 찾기 위한 감시자가 되는 도요타 생산 방식으로 유명해졌습니다. 도요타 생산 방식은 자동차 업계에서 생산 효율을 높이기위한 기법으로 알려져 왔습니다. 현장에서 품질이 좋은지 안좋은지 여부를 확인하기 위해 담당 직원이 라인을 정지시키기도
직장인이나 자영업자들에게 전화 녹취는 가끔 수백만~수천억어치 ‘보험수단’이 된다. 사업 계약 등 중요한 대화에서 오간 내용을 확실히 해둬야 상대방과의 혼선을 막고, 책임소재도 분명히 할 수 있어서다. 하지만 녹취는 번거롭다. 매번 녹음을 글로 옮기는 일은 지루하고 시간도 많이 든다. 아틀라스랩스는 음성인식 인공지능(AI) 기술을 이용해 음성을 문자로 바꿔준다. 통화 내용을 실시간으로 텍스트화해 기록하고 저장하는 앱 ‘스위치’를 운영한다. 미국 펜실베이니아대에서 경제·정치학을 전공한 뒤 투자은행(IB) UBS 등에서 근무한 류로빈 아틀라스랩스 대표가 2016년 창업했다. 류 대표는 “금융은 자본을 통해 회사나 개인의 활동에 도움을 주는 업”이라며 “반면 나는 옆에서 도움을 주는 코치보다 직접 경기장에서 발로 뛰는 선수가 되고 싶었다”고 설명했다. 통화를 실시간 텍스트로…"따로 메모 안해도 됩니다"스위치는 실시간으로 통화 내용을 글로 기록해준다. 통화 도중 메모를 할 필요가 없다. 상대방과의 전화가 끝난 뒤 바로 문자로 기록된 통화 내용을 확인할 수 있다. 누가 언제 어떤 말을 했는지 쉽게 알아볼 수 있도록 대화를 메신저앱 형태로 보여준다. 메시지 말풍선을 선택해 그 부분의 음성만 들을 수도 있다. 전화를 수신했을 때와 발신했을 때 모두 기록을 제공한다. 통화 녹음 기능이 따로 없는 아이폰에서도 앱을 쓸 수 있다. 자체 앱의 인터넷전화 기능을 기반으로 한 앱이라서다.전화 내용이나 전화 이력을 분류·관리하기도 쉽다. 자주 전화하는 연락처와의 기록만 필터링해 보거나, 태그로 전화 기록을 관리할 수
다국적 생활용품 기업 유니레버는 인공지능(AI)을 도입해 생산성을 높이는 기업으로 유명합니다. 채용 면접을 AI로 하고 있으며 현실 세계의 상황을 컴퓨터 세계에 그대로 옮기는 디지털 트윈도 일찌감치 구축했습니다. 중국 허페이 공장은 코로나 위기에 집에서도 생산설비를 지켜보는 시스템을 도입하는 혁신을 일궜습니다. 유니레버는 올해들어 또 다른 AI 실험을 시작했습니다. 바로 AI가 구축하는 '나노 공장(Nano factory)'입니다. 유연한 생산 체제로 현지 제조·소비에 최적화 유니레버는 69개국에서 300개 이상의 공장을 운영하고 있습니다. 이 공장들은 대부분 대량 생산 라인을 구축하고 있습니다. 하지만 회사가 본격적으로 신제품 테스트를 하기 위해 소량을 생산하는 경우에는 대량 생산 설비가 필요 없습니다. 코로나 감염증 이후 수요가 갑자기 줄어들거나 빠르게 늘어나는 상황에서도 생산설비를 줄이거나 늘리는 건 쉽지 않습니다.이런 점을 고려해 유니레버가 고안해 낸 공장이 바로 나노 공장입니다. 이 공장은 40피트(12ｍ)의 선적 컨테이너에 들어가는 미니생산 설비를 갖추고 있습니다. 원료가 한쪽 끝에서 들어가는 지점에서 제품이 완료돼 나오는 지점까지 생산에 필요한 모든 기능이 다 있습니다. 바깥에서 유입되는 기자재는 전력기 케이블과 파이프뿐입니다. 공장 직원은 현재 2~3명이 투입됩니다만, 앞으로는 이마저도 없앨 계획입니다. 공장 라인에서 센서를 통해 읽히는 각종 생산 공정의 데이터들은 원격으로 유니레버의 중앙플랫폼에코시스템(EPS)에 직접 전송됩니다. EPS에선 AI가 생산과정을 모니터링하면서 문제가 있으면 자동으로 신속하게 수정합니다. &nbs
기계학습과 데이터 처리에 뛰어난 AI 인재를 찾기란 어느 기업을 막론하더라도 하늘의 별 따기입니다. 한국도 2030년경에는 수십만 명의 AI 인재가 부족할 것이라는 관측도 있습니다. 기업들이 이런 인재 부족을 해결하려는 방법으로 전문가들을 찾기보다 사내에서 인재들을 키워야 한다는 소리가 높습니다. 이런 가운데 기업 내 직원들은 AI 분야로 자리 전환을 희망하고 있다는 보고서가 이웃 일본에서 나왔습니다.일본 정보처리추진기구가 일본 1500개 기업의 직원 2100명을 대상으로 '디지털 시대의 기술변혁'에 대해 설문 조사를 한 결과 현재 업무가 비 AI 분야라고 회답한 사람 중 41.8%가 전환을 원했다고 밝혔습니다. 구체적으로 IT 기업에서 약 40%, 비 IT 기업에서 60%가 AI 분야로 전환하고 싶다고 답했습니다. 이 보고서는 이런 전환 지향적 인재가 AI 인재의 예비군이 될 수 있다고 지적했습니다. 전환하고 싶어 하는 인재에서 27.9%는 새로운 기술 습득의 필요성에 대해 '확실히 필요하다'라고 답했으며 '약간 필요하다'라고 한 사람은 54%였습니다. 전환 희망자들의 가장 큰 걸림돌은 '기술을 습득할 자신이 없다'(48.8%· 복수 응답)로 나타났습니다. 이어 '재교육에서 시간적 부하가 크다'(43.9%), '생활의 균형이 깨질 우려가 있다'(20.6%)로 조사됐습니다. AI 채용해 성과 거둔 기업, 전년보다 10%포인트 증가한 41.7% 하지만 현실에서는 전환 희망을 하더라도 자발적 전환은 적고 대개 보직의 이동 명령과 조직 개편을 계기로 전환하는 수동 전환이 압도적으로 많은(전환자의 87%) 것으로 밝혀졌습니다. AI를 도입하는 기업은 전체의 53.2%로 2019년 조사의 41.2%
글로벌 조사업체인 가트너가 앞으로 3년 뒤인 2024년에는 프로그램 전문가가 아닌 일반인들이 프로그램 제품과 서비스의 80%를 개발할 것이라는 보고서를 내놓았습니다. 코딩을 최소화하는 로코드와 아예 코딩하지 않은 노코드 프로그램이 급속히 확산하고 있기 때문입니다. 이 보고서는 코로나 19 이후 비 IT 분야 인력들도 기술기반 솔루션을 만들 수 있는 환경이 급격하게 조성되고 있다고 지적했습니다. 가트너는 당장 소프트웨어 개발을 자동화하는 AI를 주목합니다. 최근 마이크로소프트는 말만으로 코딩할 수 있는 프로그래밍 언어 파워FX를 발표했습니다. 이런 기술을 통해 프로그래밍을 배우지 않은 사람도 개발에 참여하고 전문 개발자도 번거로운 코딩 작업에서 해방할 수 있습니다. 이러한 도구는 초기 단계에 있지만 정교함이 갈수록 향상돼 유용한 기술 제품 및 서비스를 개발하는데 전문기술이 없는 사용자의 장벽을 줄이는 데에도 도움이 될 것이라고 가트너는 설명합니다. 가트너의 연구 담당 부사장 라제시 칸드워미는 "로코드와 노코드 개발 도구로 인해 기술 생산자가 되기 위한 장벽이 급속히 붕괴하고 있다"며 이런 장벽의 해체 현상은 모든 제품과 서비스에 영향을 미친다"고 밝혔습니다. 그는 "이제 기업은 디지털 비즈니스를 IT 부서의 유일한 영역이 아닌 하나의 팀 스포츠로 인식하고 있다"고 말했습니다. 이제 AI 개발에는 기술전문가 대신 일반 개발자와 데이터 과학자 및 소프트웨어를 생성하는 AI 시스템이 포함된다고 설명했습니다. 한편 가트너는 기술 업체가 금융서비스업및 소매분야를 포함해 비기술 업체와 관련되거나 경쟁하는 시
기자를 구독하려면
로그인하세요.
오춘호 기자를 더 이상
구독하지 않으시겠습니까?
