가트너가 몇 가지 초기 AI 프로젝트 도입 사례들을 통해 인공지능(AI) 도입 방향 4가지를 제시했다.

◆기대치를 낮추고 시작하라 = AI 프로젝트로 실적 향상과 같은 큰 성과는 기대해서는 안된다. 절차 개선, 소비자 만족, 재무 벤치마킹 등 비정량적 성과를 목표로 소규모 AI 프로젝트를 시작하는 것이 적절하다. AI 프로젝트는 대규모 실험이나 시범 프로젝트 등을 실시할 때 참고하는 수준으로 여겨야 한다.

AI 프로젝트를 시작하기 전에 우선 재정적 목표치부터 설정해야 하며, 가능한 한 목표치를 낮게 설정해야 한다. 우선 몇 천 또는 몇 만 달러 수준의 작은 목표를 달성해 프로젝트로 이루고자 하는 바를 이해하고 난 뒤에 비로소 더 큰 이익을 추구해야 한다.

◆인력 대체가 아닌 지원에 집중하라 = 기술의 대대적인 혁신은 대체적으로 인원 감축으로 이어지는 경우가 많았다. 경영진에게 인건비 절감은 매력적인 요소이지만, 일자리를 빼앗길 위험에 당면한 직원들은 이에 반발할 가능성이 높다. 따라서 인건비 절감 측면에만 초점을 둘 경우 신기술을 효과적으로 사용할 수 있는 기회를 놓칠 수 있다.

가트너는 2020년까지 20%의 기업들이 신경망을 모니터링하고 안내하는 작업에 직원들을 활용하게 될 것으로 전망한다.

무한으로 복제가 가능한 AI 일꾼만으로 이뤄진 대규모 팀을 편성해 직원들처럼 업무를 수행하게 하는 것보다는, 업무 일선에서 직원들과 AI가 함께 일하도록 하는 것이 더욱 생산적일 것이다. AI에 기반한 의사결정 지원이 일상적 업무를 더욱 개선하고 향상시킬 수 있다는 점을 명심해야 한다.

◆내부 역량 구축 계획을 마련하라 = 현재 대다수 기업들의 AI 도입을 위한 준비는 매우 미비하다. 특히 데이터 사이언스를 내부적으로 소화할 기술이 부족하며, 그 간극을 메우기 위해 외부 업체에 의존하는 비중이 높은 상태이다.

기업의 53%는 데이터 마이닝과 데이터 활용 능력 부분을 가장 낮은 ‘제한적(limited)’ 등급으로 평가하고 있다.

2022년까지 85%에 달하는 AI 프로젝트들이 데이터, 알고리즘 혹은 이를 관리하는 팀의 편향적인 판단으로 인해 잘못된 결과를 도출할 것으로 전망된다.

데이터는 AI 프로젝트의 원유와 같으며, 기업들은 AI 이니셔티브를 위해 되도록 많은 양의 데이터를 저장하고 관리할 준비를 해야 한다. 이 같은 기술들을 외부 업체에만 의존하는 것은 장기적 관점에서 바람직하지 못하다. 그러므로 초기 AI 프로젝트 과정에서 내부 직원들이 외부 전문가의 지식을 습득하도록 하고, 대규모 프로젝트에 착수하기 전 내부 역량을 쌓아야 한다.

◆AI 솔루션을 가시화하라 = AI 프로젝트는 외부 서비스 업체의 소프트웨어나 시스템을 활용하는 경우가 많다. 이 경우 AI가 의사결정에 도달하는 방법이 서비스 계약에 구체적으로 기술돼야 한다.

AI 시스템의 해답 도출 가능 여부만 중요한 것은 아니다. 경영진들은 AI 시스템이 왜 효과적인지 이해해야 하며, 그렇지 않은 경우 그 이유에 대한 인사이트를 제공할 수 있어야 한다.

심층 신경망과 같은 고급 분석 모델의 세부적인 내용을 서비스 계약서에 상세히 기술하기는 어렵겠지만, 적어도 고객에게 주어진 선택지를 가시화할 필요성이 있다. 실제로 AI 프로젝트 시행이 규제나 감사의 대상이 되는 경우, 법적으로 이 같은 구체적인 사항을 요구할 수 있다.

한편 가트너가 실시한 ‘2018 CIO 아젠다 조사(CIO Agenda Survey)’에 따르면 4%는 AI를 이미 도입했으며, AI 도입 계획을 세운 곳은 46%였다.

가트너는 “AI에 대한 높은 관심에도 불구하고 기업들의 실질적인 기술 도입률은 아직 낮은 수준이다. CIO들이 최근 시범적으로 AI 프로그램의 시행에 나서고 있어 향후 성장 가능성이 매우 높다”고 밝혔다.

또 “대부분의 새롭거나 익숙하지 않은 기술들과 마찬가지로 AI 기술의 초기 사용자들은 조직 내에 기술을 도입을 추진하는 과정에서 어려움을 겪고 있다”고 덧붙였다.

<박시현 기자> pcsw@bikorea.net