“인공지능(AI) 프로젝트에 성공하려면 AI 자체의 도입에만 집중할 것이 아니라 그 이면의 다른 부분에 대해서도 집중해야 한다. 매스웍스는 인사이트, 구현능력, 통합 등 3가지에 중점을 두고 AI 프로젝트를 진행해 그 성공 가능성을 높이고 있다.”

◆AI 프로젝트가 실패하는 이유는? = 매스웍스가 23일 개최한 ‘매트랩 엑스포 2019’에서 기조연설을 한 크리스 헤이허스트(Chris Hayhurst) 컨설팅 서비스 이사가 던진 핵심 메시지이다.

▲ 크리스 헤이허스트 매스웍스 컨설팅 서비스 이사(사진출처: 매스웍스)

크리스 헤이허스트 이사는 ‘인공지능의 인텔리전스를 넘어서’라는 주제의 기조연설에서 매킨지 보고서를 인용해 “AI가 증기 기관보다 전 세계에 훨씬 더 큰 영향을 줄 것이다. 2030년까지 AI와 관련된 제품의 경제적 효과가 13조원에 이를 것이라는 분석이 있다. AI는 증기 기관이 세계에 미친 영향의 4배, IT 시스템이 미친 영향의 3배의 영향을 미칠 것으로 예상된다”면서 “하지만 이 AI를 적용하려는 회사들은 어려움에 봉착하고 있다”고 밝혔다.

그가 지적한 AI 프로젝트의 실패 이유는 ▲프로그래밍하는 사람이나 데이터 사이언티스트가 없다는 인력의 문제 ▲분석할 만한 데이터가 충분하지 않거나 혹은 너무 많은 데이터의 문제 ▲잘못된 툴의 사용과 너무 많은 툴의 통합이 어려운 툴의 문제 그리고 ▲비즈니스 자체의 문제로 해당 비즈니스가 AI로 해결할 만한 일이 아니거나, 해결하더라도 너무 공수가 많아 ROI가 맞지 않는 문제 등이었다.

크리스 헤이허스트 이사는 “AI 프로젝트에 성공하려면 AI에만 집중할 것이 아니라 다른 것에도 집중해야 하는데, 매스웍스는 인사이트, 구현능력, 통합 등 3가지에 중점을 두고 있다”고 강조했다.

◆AI 모델에 공학자의 인사이트 결합돼야 = 먼저 인사이트라는 것은 회사 내에 있는 엔지니어나 공학자의 지식과 경험을 AI 기술에 활용해야 한다는 것으로, 이렇게 해야만 AI 프로젝트의 성공 가능성을 높일 수 있다는 게 그의 설명이다.

크리스 헤이허스트 이사는 “AI 모델에 과학적이며, 공학적인 인사이트가 결합돼야 한다. 엔지니어나 공학자가 인사이트를 통해 다양한 데이터 가운데 활용할 만한 적절한 데이터를 선택하고, 그 결과를 평가할 수 있으면 더 나은 AI 모델을 만들 수 있는 가능성이 커진다”고 말했다.

크리스 헤이허스트 이사는 그 일례로 뉴질랜드 낙농업 공장 사례를 소개했다.

이 공장은 AI 솔루션을 활용해 원유와 플랜트, 분유 등의 데이터를 AI 모델 안에 넣고, 실시간으로 품질을 예측할 수 있도록 설계했다. 하지만 데이터가 너무 많아서 예측이 잘못되었고, 각 공장별로 공정 프로세스가 다르기 때문에 각 공장별로 다른 모델을 설계해야 한다는 인사이트를 얻게 됐다.

또 품질이나 결과가 좋은 데이터 즉 편향된 데이터를 활용한 탓에 제대로된 결과를 얻을 수 없었던 것도 새로 얻은 인사이트였다.

◆AI 기술 외 최종 제품 구현 능력 모두 갖춰야 = 두번째, 구현 능력이라는 것은 AI 기술 외에 최종 제품의 구현에 필요한 능력을 모두 갖춰야 한다는 것이다. 그 능력이란 테스팅, 데이터 분석, 리포팅을 비롯해 콘셉트 개발, 프로토타이핑, 그리고 모델링, 시뮬레이션 등이다.

크리스 헤이허스트 이사는 이 구현 능력이 AI 프로젝트에서 중요한 점을 입증한 예로 자율주행차 회사인 보야지(Voyage)를 소개했다.

보야지는 “자율차를 오늘 제공하겠다”는 것을 모토로 내걸고 자율 주행 차량이 활용될 수 있는 특정한 장소에 집중해 미국의 실버타운을 골랐다. 이 곳은 도로 시스템이 간단하지만 운전을 하기 힘든 노인들이 있었기 때문이다. 자율주행 차량을 신속하게 채택하기 좋은 환경이었던 셈이다.

보야지는 매스웍스 소프트웨어뿐 아니라 필요한 기술을 다양하게 활용했다. 우선 차량의 움직임을 컨트롤하기 위해 차량 지원 시스템, 제어 시스템, 그리고 주변의 환경을 분석하는 기능이 필요했다.

이렇게 AI 시스템을 만드는 과정에서 매스웍스 시뮬링크 소프트웨어를 활용했는데 시뮬링크는 자동차가 어떻게 장애물에 부딪히고, 움직이며 반응하는지 분석할 수 있는 조감 데이터를 제공했다.

이를 통해 AI 시스템을 훈련시키고 학습시키는 데에 많은 공수가 걸리는 문제를 해결했다.

또 실제 비디오를 찍어 라벨링 작업을 할 경우, 많은 시간이 걸리지만 시뮬레이션 데이터를 통해 가상 환경을 만들고, 테스트를 시행해 주행 상황에 대해 반응하는 데이터를 만들어 그 시간을 대폭 줄였다.

보야지는 매스웍스의 시뮬링크를 이용해 레벨3의 자율주행 프로세스를 3개월 안에 개발할 수 있었다.

◆AI 모델과 기존 시스템과의 통합은 필수 = 세번째, 통합(Integration)이라는 것은 다른 시스템과의 연결성을 말한다. 이를테면 실제 자율주행을 할 경우, 자동차는 도로 상황, 표지판, 지나가는 사람 및 다른 차량 등 다양한 차량 데이터를 통합해야만 한다.

크리스 헤이허스트 이사는 이 통합의 사례로 얼리센스(EarlySense)라는 환자 케어 회사를 소개했다.

얼리센스는 환자의 매트리스 아래에 센서를 두고, 환자에게 향후 몇 시간 내 어떤 증상이 일어날지 예측해 치료를 한다. 환자와의 물리적 연결 없이도 심장박동이나 움직임을 측정할 수 있는 센서를 만들었고, AI 모델링을 통해 환자 개인의 고유한 데이터를 얻었다.

얼리센스는 이를 통해 위독한 증상을 예측하고, 지속적인 모니터링으로 증상을 조기 감지하며 빠르게 치료를 할 수 있었다.

크리스 헤이허스트 이사는 “이 얼리센스 사례에서 중요한 사실은 의사, 간호사 등이 사용하는 기존의 병원 시스템과 AI 모델이 연결되어야 한다는 점이다. 예를 들면 환자가 일어나려고 하면 움직임을 포착하고, 간호사에게 메신저로 연락이 가서, 환자의 낙상을 미리 방지할 수 있어야 한다”라면서 “AI의 성공을 위해서는 이 시스템이 주변 시스템이나 환경과 어떻게 상호작용을 하고, 결합할 수 있을지를 고려해야 할 것”이라고 밝혔다.

크리스 헤이허스트 이사는 “AI는 앞으로도 혁신적인 기술이 될 것이지만 다양한 실패 사례에도 봉착할 것이다. 성공적인 AI 활용을 위해서는 인텔리전스 외에 인사이트, 적절한 툴을 통한 종합적인 구현 능력, 전체 워크플로우와 AI의 통합은 필수이다”라고 강조했다.

<박시현 기자> pcsw@bikorea.net