페이스북은 내가 우울증인 걸 알고 있다

- 기업이 인공지능을 활용하는 사례는 크게 세 가지로 나뉘는데, 이 세 가 지는 어느 정도 서로 중첩되지만 어떤 기회를 제공하는지 구분하는 데 도움이 된다. 기업은 인공지능을 이용해
첫째, 고객들을 이해하고 응대 하는 방법을 바꾸고
둘째, 더욱 똑똑한 상품과 서비스를 제공하며
셋째, 기업활동 절차를 개선하고 자동화한다.
* 고객 : 인공지능은 기업이 자사의 고객이 누군지에 대한 이해를 높 이고, 고객들이 원하는 상품이나 서비스가 무엇인지 파악하고, 시장의 추세와 수요를 예측하고 특정 고객에 알맞게 맞춤형으로 응대하도록 해 준다. 이 책에서는 인공지능으로 자사의 고객들을 정말 제대로 파악하는 스티치 픽스와 페이스북 같은 기업들을 살펴보겠다.
* 상품과 서비스 : 인공지능을 통해 기업은 훨씬 똑똑한 상품과 서비 스를 고객들에게 제공하게 된다. 고객은 점점 더 똑똑한 스마트폰, 스마트자동차, 스마트가전제품을 원한다. 이 책에서는 애플, 삼성, 그리고 테슬라와 볼보 같은 자동차업체들이 인공지능을 이용해 더욱 똑똑 한 상품을 제조하고 스포티파이, 디즈니, 우버 같은 기업들이 고객에게 더욱 똑똑한 서비스를 제공하는 방식을 살펴보겠다.
* 자동화 절차 : 인공지능은 사업 절차를 자동화하고 개선한다. 이 책에서는 제이디닷컴같은 사례들을 살펴보겠다. 이 기업은 자동 드론, 자동화된 주문처리 센터와 배달 로봇을 이용해 소매업의 지형을 변 모시키고 있다. 또한 인퍼비전과 엘즈비어가 인공지능을 이용해 의료진단을 어떻게 자동화했고, 심지어 도미노피자가 인공지능으로 어떻게 피자의 품질을 점검하는지도 살펴보겠다.
- 애플은 휴대용 기기에 장착된 감지기들을 통해 수집된 데이터 세트를 바탕으로 자사의 머신러닝 기술을 구동시키는 역량을 갖춘 막강한 휴대용 기기를 구상하고 있다. 이는 다른 기술기업들이 주창하곤 하는 클라 우드 컴퓨팅과 비교적 동력이 덜 드는 단말기가 지배할 미래와는 분명히 상충된다. 이는 자사의 전화기, 워치, 스피커에 장착된 막강한 중앙처리장치 CPU 또는 그래픽스 처리 칩을 이용하는 기기들에 직접 머신러닝 알고리듬을 깔겠다는 뜻이다. 이를 보여주는 한 사례는 가장 최근에 선보인 '아이폰 X' 모델에 장착 된 신경엔진이다. 이는 딥러닝에 필요한 신경망 연산을 수행하기 위해 특별히 설계된 맞춤형 칩이다. 이를 이용하면 안면인식 로그인, 사용자가 더 선명한 사진을 찍도록 해주거나 우스꽝스러운 효과를 추가하도록 해주는 카메라 사양, 증강 현실과 배터리 수명 관리 등과 같은 기능들을 더 신속하게 처리하도록 해준다. 기기에 머신러닝을 직접 구동시키면 클라우드로부터 데이터를 받아 서 단서를 추출해 그 단서를 토대로 작동하는 데 걸리는 시간보다 훨씬 빠르다. 그러나 단점이 없지는 않다. 오직 하나의 기기에서 수집된 데이 터를 바탕으로 알고리듬을 훈련시킬 수 있기 때문에 알고리듬이 클라우 드 머신러닝이 이용할 수 있는 방대한 크라우드 소스 데이터 세트를 통해 학습하는 이점을 누리지 못한다. 이는 사용자의 개인정보를 보호하는 데 집중하는 애플의 전략과 연결 된다. 단말기에는 민감한 개인정보뿐만 아니라 머신러닝 기술도 장착되 어 있다. 따라서 단말기에 담긴 민감한 개인정보가 머신러닝 기술에 의 해 처리되기 전에 단말기를 벗어날 필요가 없게 만듦으로써 소비자는 다른 기업들보다 애플사가 자신의 개인정보 데이터를 훨씬 안전하게 관리하리라는 믿음을 갖게 된다. 애플이 원천기술을 보유한 인공지능 생태계는 핵심적인 머신러닝 프레임워크를 중심으로 돌아간다. 핵심 머신러닝을 이용하면 개발자들이 딥러닝, 컴퓨터 비전, 자연어를 비롯해 머신러닝 알고리듬을 상품에 장 착할 수 있다. 핵심 머신러닝 기술은 애플의 음성인식 비서 시리뿐만 아니라 아이폰 카메라와 스마트 키보드인 퀵타이프의 인공지능 기능까지 구동시킨다.
- 애플은 고객들이 자신의 모바일 서비스 계약이 만료될 때 계속해서 자사와 서비스를 갱신하게 만든다는 사실을 인식하고 개발자들에게 인공지능을 제3자가 제작한 앱에도 통합시키라고 밀어붙였다. 이 전술을 쓴 이유는 다른 모바일 플랫폼에는 없는 막강한 기능들을 계속해서 제 공하도록 하기 위해서였다. 이 목표를 달성하기 위해 애플은 개발자들 에게 크리에이트 머신러닝 Create ML 같은 도구들을 제공해왔다. 이 도구를 쓰면 개발자들은 자신들이 개발한 앱을 사용자의 기기에서 구동되는 머 신러닝을 통해 작동시킬 수 있다. 이를 보여주는 아주 좋은 사례가 홈코트라 불리는 앱인데, 아마 추어 농구 게임의 심판 판정에 도움을 주도록 설계되었다. 사용자는 진행중인 경기에 카메라의 초점을 맞추기만 하면 된다. 그러면 머신러닝이 경기에 참가하고 있는 선수들에게 태그를 달고 패스나 슛을 할 때마 다 입력하고 경기장에서 선수들의 위치를 기록한다. 이 모두가 단말기 자체에 구동되는 컴퓨터 비전 기술을 통해 이루어진다. 폴리워드로 불리는 또 다른 앱은 컴퓨터 비전과 머신러닝을 이 용해 사용자들이 카메라를 들이대는 어떤 사물이든지 그 이름을 30개 언어 가운데 한 가지로 알려준다.다른 사양들을 이용하면 사용자가 찍으려는 사진을 면밀히 살펴보고 실시간으로 어떻게 하면 더 좋은 사진이 될지 제안해주며, 고지 사항을 관리해서 사용자가 제때에 중요한 정보를 받아볼 수 있도록 해준다.
- 페이스북이 인공지능 연구 경쟁에서 한참 앞서가고 있는 분야가 안면인식 기술이라는 점은 하나도 놀라울 게 없다. 페이스북 서버에 얼마나 많 은 사람들의 얼굴 사진이 저장되어 있는지 생각해보면 말이다. 딥페이스 라 일컫는 기술은 사용자가 사진을 업로드하는 순간 작동하기 시작하고 페이스북은 그 사진 속의 사람이 누군지 추측하기 시작한다. 이 기술은 신경망을 이용해 분석 대상 얼굴에서 68개의 데이터 포인트를 집어내고 얼굴의 다양한 부위, 피부색과 비율 등을 측정한다. 400만 건의 안면 이미지를 이 기술에 입력해 개별적인 얼굴 요소들을 인식하고 안면 특징들이 어떻게 사람마다 독특한 인상을 만들어내는지 이해하도록 훈련시킨다. 이 기술이 분석하는 또 다른 얼굴 이미지가 이 미 저장된 독특한 패턴과 일치하거나 흡사한 경우 두 사진 속의 사람이 동일 인물일 가능성이 높다는 사실을 인식하게 된다. | 페이스북은 이 기술로 사용자의 사진에 등장하는 인물들에 태그를 달 뿐만 아니라 사용자들이 자신의 사진이 페이스북 사이트 어디서 등장하 는지 추적하도록 해주고 시각장애인들에게는 사진을 묘사하는 청각서 비스를 제공한다. 페이스북에 따르면, 안면인식 알고리듬은 공개적으로 이용 가능한 시험 데이터 세트를 대상으로 사용하면 97.35퍼센트의 성공률을 보인 다. 인간과 거의 같은 수준으로 안면을 인식한다는 뜻이다.
- 페이스북은 1분마다 페이스북에 올라오는 50만 건의 댓글에서 단서를 추출하는 데도 인공지능을 사용한다. 맥락 분석을 이용해 사용자가 무 슨 말을 하려는지 심층적으로 이해하고 사용자가 요청하기도 전에 사용 자가 유용하다고 여길 만한 정보나 서비스를 제공하는 게 그 목적이다. 페이스북이 보여주는 사례는 다음과 같다. 머신러닝 알고리듬은 친구들 간에 향후 여행에 대해 나누는 대화를 엿듣고 여행지에서 제공하는 공공 서비스들에 대한 링크를 자동으로 생성해낸다. 현재 탐색되고 있는 더욱 진전된 응용 사례는 다음과 같다. 사용자가 자전거를 팔고 싶다는 포스트를 만들면 광고 형태의 포스트를 자동으로 만들어내고 사용자가 묘사해놓은 자전거 사양을 바탕으로 정확한 판매 가를 식별하고, 구매자를 찾아낼 만한 판매 페이지로 안내한다. 이 시스템은 딥텍스트라고 불린다. 딥러닝 신경망을 이용해 문 장을 분석하고 단순히 단어의 뜻을 이해할 뿐만 아니라 한 단어의 의 미가 포스트 내에서 놓인 위치와 그 단어와 함께 사용되는 다른 단어들 을 바탕으로 그 단어의 의미를 파악하기도 한다. 이는 부분적으로 자율 적인 학습 형태다. 사전이나 문법 책 같은 규정에 의존하지 않고 단어에 귀를 기울임으로써 그 단어가 어떻게 쓰이는지를 스스로 터득하기 때 문이다. 인간처럼 말이다.
- 상식적으로 볼 때 인공지능이 아직 할 수 없다고 생각되는 한 가지 과 업이 있다면 바로 향수를 제조하는 일이다. 그러나 세계적인 향수 제조 거대 기업인 에스테 로더, 에이본, 도나 캐런 등의 업체에게 향수를 납품 하는 심라이즈는 생각이 달랐다. 향수 개발은 보통 오랜 세월 동안 훈련받은 인간 전문가들만이 할 수 있는 일이었다. 그럼에도 심라이즈 는 IBM과 협력해 필리라라는 인공지능을 제작했고 이 시스템이 개 발한 향수들은 곧 브라질의 4,000여 개 화장품 매장에서 판매된다. 필리라는 향을 구성하는 요소들을 분류한다. 향수마다 독특한 향을 더하는 데 사용되는 기름, 화학물질, 자연추출물들이 바로 이러한 요소들인데 모두 170만 가지에 달한다. 그러고 나면 필리라는 판매 데이터 와 고객서비스 데이터를 읽어서 어떤 조합의 향이 서로 다른 인구 집단 들에게 호소력이 있을지 추측해낸다.이 알고리듬으로 개발된 두 가지 향은 포커스 집단 테스트에서 '눈부신' 결과를 낳았다. 과거 대상 고객층인 브라질 밀레니얼 세대에게 성공 적으로 팔렸던 다른 향수들보다 훨씬 인기가 있었다. 왓슨은 〈제퍼디!〉에서 왕좌에 오른 이후로 IBM이 이룬 획기적인 성공 사례로 자리매김해왔다. 이러한 응용 사례들 외에도 왓슨은 세계 10대 자동차회사 가운데 7개사, 세계 10대 석유가스회사 가운데 8개사가 사 용하고 있다.
- 2016년 아마존이 무인 비행기를 이용해 최초로 배달 시범 운행을 하고 있을 때, 제이디닷컴은 이미 드론 배달망을 본격적으로 가동하고 있었 다. 그 후로 중국에서는 드론 배송이 현실이 되었고, 현재까지 제이디닷 컴의 배송 비행단은 30만 분 이상의 비행시간을 기록했다. 제이디닷컴은 최대 5톤까지 화물을 배송할 수 있는 드론을 개발하고 있다. 현재 이 드론 서비스는 드론 정거장과 아주 가까이 위치한 지역들 로 물건을 배송하는 데 주로 사용되고 있다. 가장 멀리까지 배송한 거리 는 15킬로미터 정도다. 그러나 머지않은 장래에, 특히 배터리의 수명이 개선되면, 트럭이 접근하기 어려운 오지에까지 배송함으로써 배송에 드 는 비용을 대폭 줄이게 되기를 바라고 있다. 이 드론은 고객에게 상품을 배송할 뿐만 아니라 상품을 창고에서 창고로 옮기는 작업도 하게 된다. 현재 이 업무는 주로 트럭이 담당하고 있다. 트럭 얘기가 나왔으니 말인데, 제이디닷컴은 물론 트럭도 자동화하 고 있다. 이 회사가 투입한 자율주행 트럭은 1만 7,000시간에 달하는 도 로 주행 경험을 축적했고 경우에 따라서 배송에 이미 사용되고 있다. 현 재로서는 이 트럭이 개방형 도로에서의 주행은 수월하게 해내지만, 도 시에 진입하면 인간 운전자에게 운전대를 넘겨야 한다. 이 회사의 X-비 즈니스 부서장인 샤오 준은 다음과 같이 말했다. “우리 기술로 운전사를 세 명에서 두 명이나 한 명으로 줄이는 데 그친다면 큰 가치가 없다. 이 트럭이 무인 운행되도록 하는 게 목표다.”
- 코카콜라는 12만 건 이 상의 소셜 콘텐츠를 분석해 인구구조와 고객과 자사 제품들을 거론하는 이들의 취향을 파악한다. 인공지능의 또 다른 응용 사례는 회사에 대한 충성도를 확인하고 보 상하기 위해서 구매 인증을 확보하는 방법에서 볼 수 있다. 고객에게 병 마개에 인쇄된 14자릿수 상품코드를 웹사이트와 앱에 입력해 구매를 인 증하라고 요청하면 융통성 없는 운영방식의 속성상 실제로 입력하는 고 객의 수는 저조하기 마련이다. 보다 많은 고객들이 이러한 기획에 동참하도록 권장하기 위해서 코카 콜라는 이미지 인식 기술을 개발해 스마트폰으로 사진 한 장만 찍으면 구매인증이 되도록 했다.
- 2017년 초 맥도널드는 인공지능을 비롯한 디지털 기술을 이용해 성장을 추진하는 새로운 전략을 공개했다. 맥도널드가 무인판매기를 설치 한 매장을 점점 늘리면서 인간 직원을 기계로 대체하는 추세로 나아가는 두드러진 징후로 여겨지기도 했다. 그러나 맥도널드가 직접 한 말을 인용하자면, 무인판매기를 설치한 주요 동기는 기술을 이용해 “고객이 매장에서 먹든 포장하는 자동차를 탄 채로 주문하는 배달주문을 하든 상관없이 고객을 상대하는 방식을 재구성하는 것이다.
- 최근 전 세계적으로 맥도널드 매장에 등장한 무인판매기와 매장에 비치 된 디지털 메뉴판은 단순한 단말기가 아니다. 거기에는 스마트 분석기 술이 장착되어 있다. 어떤 제품을 고객에게 선전하고 판매할지 매장 차원에서 자율적으로 판단을 내릴 수 있다는 뜻이다. 매장이 위치한 해당 지역의 주문 상황, 날씨, 재고 중 유통기한이 끝나기 전에 처리해야 할 재료 목록 등 여러 요인들을 토대로 이러한 판단을 내린다. 메뉴도 똑똑하게 상황에 적응할 수 있다. 예컨대, 기온이 떨어지면 훨 씬 속을 든든하게 해줄 메뉴를 제시하기 시작한다. 화창한 날에는 샐러 드와 아이스크림이 메뉴판에서 눈에 띄게 만들 수도 있다. 맥도널드는 고객들이 자기 휴대폰으로 계정을 만들고 직접 주문할 수있는 앱도 제공한다. 이 방법을 통해 맥도널드는 어떤 고객에게 한정판매 메뉴를 보여주면 흥미를 보일지 예측하는 데 사용할 데이터를 확보할 수 있다. 이를 통해 맥도널드는 서로 다른 지역에서 서로 다른 부류의 고객집단에게 가장 인기 있는 품목이 무엇인지 보여주는 통합된 데이터 세트를 구축할 수도 있다.
- 실시간으로 확인하는 정도에 근접하지 않고는 상품이 운송 판매되는 과정을 정확히 모니터하기란 쉽지 않다. 서로 다른 여러 부서들이 서로 다른 재고 시스템을 이용하는 일이 종종 있다. 꼭 필요한 순간에 재고 데이터를 입수하지 못할지도 모르고, 데이터 자체도 인간이 직접 수집 하고 업데이트하기 때문에 오류가 날 가능성이 있다. 월마트가 고객중심 기업임을 보여주는 한 사례는 매장 내에서 사용하는 앱이다. 이 앱을 사용하는 쇼핑객은 매장 내의 진열대에서 특정 품목 의 위치를 찾을 수 있다. 이는 사용된 지 꽤 된 앱인데, 사용해본 사람이 라면 누구나 알겠지만 정확도는 복불복이다. 상품이 진열대에 진열되는 때와 그 상품이 스캔되는 때, 즉 계산대에서 상품 바코드가 읽힐 때 사이에 무수히 많은 일이 일어날 수 있기 때문이다. 계산대에서 스캔하는 순간 데이터가 업로드되지만 앱은 여전히 재고가 업데이트되지 않은 상태에 머문다.
- 거대한 소매업체들은 저렴한 가격을 유지하는 일과 고객에게 편의를 제공하는 일 사이에서 아슬아슬하게 외줄타기를 해야 한다. 이 외줄에서 조금만 기우뚱해도 경쟁사들에게 점유율을 빼앗긴다. 한 가지 매우 흥미로운 구상을 소개한다. 자율적으로 스캐닝하는 로봇을 배치해 매장에서 실시간으로 비디오 분석을 하는 방법이다. 이 로봇은 미국 내의 일부 매장에서 시범적으로 설치되었는데, 통로 를 오가면서 진열대 위의 상품들을 비디오로 찍는다. 매장 내 재고 수준 이 시간마다 어떻게 오르내리는지 보여주는 데이터를 사실상 실시간으로 수집한다는 뜻이다. 그 결과 하루 중 특정한 시간에 어떤 품목이 팔릴지 더 잘 예측함으로써 고객 행동을 더욱 정확하게 보여주는 모델을 구축할 수 있다. 이 데 이터는 다시 공급사슬과 재고 시스템에 입력되고 그 결과 미래 수요를 더욱 정확하게 예측하게 된다. 위에서 소개한, 고객이 매장에서 사용하는 앱의 경우, 로봇의 센서가 실시간으로 전달하는 데이터를 통해 앱 사용자는 자신이 찾는 품목이 진열된 위치를 정확히 파악한다. 별도의 데이터베이스에 따라서 대충 그 위치를 짐작하지 않아도 된다는 뜻이다. 자동화가 인력에 미치는 장기적인 영향에 대한 관심이 높아지고 있는 때에 월마트 로봇은 인간을 대체하려는 의도로 제작되지는 않았다는 점 을 주목해야 한다. 이 로봇은 매우 반복적이고 따분한 업무를 지원하기위해 설계되었다. 그 덕분에 매장의 직원들은 고객을 돕는 데 더 많은 시간을 할애할 수 있다.
- 인스타그램의 괴롭힘 방지 여과 장치는 페이스북이 개발한 딥텍스트라는 자연어 처리 기술을 사용한다. 이 기술은 사용자의 댓글을 구성하는 텍스트를 살펴보고 과거에 괴롭 히는 댓글로 경고딱지가 붙은 다른 댓글들과 비슷한 패턴을 보이는지 분석한다. 딥텍스트는 신경망과 연관된 딥러닝 기술을 이용해 업로드되는 텍스 트를 분류하고 텍스트가 업로드된 맥락을 이해한다. 딥러닝 시스템은 훈련을 거듭할수록 정확도가 개선되므로 온라인상에서 친구들끼리 장 난으로 욕설을 주고받을 때와 의도적으로 누군가를 겨냥해 집중적으로 괴롭힐 때 쓰는 욕설을 구분하는 능력이 점점 개선된다. 자연어를 기본으로 하는 다른 딥러닝 시스템과 마찬가지로 딥텍스트 도 인간들끼리 서로 문자를 주고받는 방식을 배우고 이에 적응하면서 속어, 말하는 패턴, 사투리, 어법 등을 이해하는 능력이 점점 개선된다.페이스북은 딥텍스트를 통해 새로운 장을 개척하고 있다고 말하는데, 이는 이 기술이 분석을 실행하는 과정에서 각 단어에 지정하는 의미에 여러 층이 추가된다는 뜻이다. 각 단어에 의미를 규정하는 태그를 부착할 뿐만 아니라, 이를 이용해 단어의 빈도와 텍스트 안에서의 맥락을 추적하고 각 단어가 여러 의미 의 관계망에서 차지하는 위치를 지정해준다. 이러한 기능을 통해 인공지능은 단어들 간의 공통적인 관계와 서로 다른 단어들이 똑같은 의미로 쓰이는 상황들을 학습하게 된다. 이 기술의 비결은 이러한 기능을 매우 신속하게 실시간으로 수행할 수 있으므로 매우 효과적이라는 점이다. 1초당 업로드되는 1,000건의 인스타그램을 분석하고 이해하고 판단을 내릴 정도다.
- 서비스로서 인공지능을 제공하는 다른 기업들과 마찬가지로 세일즈 포스도 자기학습 컴퓨팅 기술을 크고 작은 기업들의 손에 쥐어주는 게 목적이다. 세일즈포스는 이 목표를 추진하다가 한 가지 특별히 까다로운 난관에 봉착했다. 당연한 얘기지만 기업들은 자사의 고객 데이터 보안유지에 매우 민감하다. 인공지능은 첨단 기능의 혜택을 누리도록 해 주지만 클라우드는 해당 고객사만 독점 사용하는 것도 아니고 고객사가 통제하지도 못한다. 그렇다면 클라우드에 고객사의 데이터를 업로드하도록 기업고객을 설득할 수 있을까? 세일즈포스의 데이터 과학자와 엔지니어들은 고객들을 설득할 필요 가 없도록 해주는 솔루션을 개발했다. 그들은 실제 데이터 자체가 아니 라 메타데이터로 작동하는 머신러닝 알고리듬을 설계했다.
- 머신러닝을 이용해 고객 데이터를 구성하는 요소들에 표지를 부착함으로써 데이터 준비 절차를 자동화했다는 뜻이다. 예를 들면, 고객관리 데이터베이스 내의 한 영역이 이메일이나 마케팅 목적이 포함되어 있는 지 여부를 인식함으로써 표지를 부착할 수 있다. 이는 사실상 알고리듬이 고객의 데이터를 보지 않고도, 고객들로 하 여금 자사의 데이터를 아인슈타인의 예측 머신러닝 알고리듬으로 처리 하도록 해주었다. 그러나 기업이 자사의 데이터를 면밀히 분석해 얻은 이득을 다른 기 업들도 기꺼이 활용하도록 하겠다면 이러한 사양을 쓰지 않겠다는 선택 을 해제할 수도 있다. 즉, 익명 처리된 데이터가 여러 자료에서 수집한 데이터를 사용하는 알고리듬 실행 서비스에 입력된다는 뜻이다. 아인슈타인 실행 서비스는 판매와 마케팅, 청구서 발송과 재정기획, 공동체 관리와 고객서비스를 비롯해 수없이 다양한 영업업무를 처리함으로써 기업고객에게 도움을 준다.
- GE의 에너지 인터넷은 산업 인터넷 플랫폼 프리딕스를 중심으로 구축되었다. 이를 이용해서 GE는 석탄, 가스, 원자력에서 풍력과 태양광 발전에 이르기까지 고객의 세계 발전소 망에서의 에너지 생산을 세계적 인 관점에서 개관할 수 있다. 평균적으로 발전소에는 1만 개의 센서가 장착되어 있는데, 이러한 센서가 발전소 운영의 모든 면을 모니터하면서 센서 하나당 하루에 2테라 바이트의 데이터를 생성해낸다. 프리딕스 플랫폼은 발전소에 설치된, GE가 제조하고 판매한 기계뿐만 아니라 발전소 내의 모든 기기에서 수 집된 센서 데이터를 읽도록 설계되었다. GE는 이 데이터를 이용해 '디지털 트윈'이라는 개념을 개척하고 있다. 사업의 어떤 부문이든지 컴퓨터로 복사본을 만들어서 수요증가와 기상변화 같은 현실 세계의 요인들이 어떤 영향을 미치는지 정확 히 보여주는 기술이다. 이 기술 덕분에 미국 전역에 있는 자사의 발전소망에 프리딕스 시스템을 설치한 엑슬론같은 발전소 운영자들은 운영 여건에 영향을 미칠 만한 요인들을 더욱 정확히 예측할 수 있다. 예컨대, 기상 여건을 더욱 정확하게 예측함으로써 태양광 패널이 가장 효과적이지 않은 시기 를 파악하고 가스를 연료로 쓰는 발전소의 발전량을 늘릴 필요가 있는지 판단한다. GE 파워는 '에너지 인터넷' 프로그램의 이러한 측면들을 '자산 실적 관리'로 분류한다.
- 이와 더불어 인공지능을 사업 최적화에 사용한다. 정확한 최신 데이 터를 통합, 자동화해주는 기업 탐르가 제작한 소프트웨어를 이용해 머신러닝을 방대한 조달 업무 관리에 응용한다. GE의 수많은 부서들은 세계적인 공급망을 갖춘 수많은 공급자들로부터 수십만 가지의 품목을 구매하는데, 과거에는 중앙에서 이를 조율하지 않았다. 이 시스템에 청 구서와 구매내역 기록들을 입력, 훈련시켜 다양한 부서들이 수많은 공 급자들로부터 동일한 품목을 조달하는 상황에서 과잉 주문을 피하고 비용 효율성을 높일 수 있다.
- 탐르 플랫폼을 통해 3년 동안 8,000달러 절약 : GE 파워의 최고 디지털 책임자 가네시 벨anesh Bell은 다음과 같이 말한다. “계획에 없던 비 가동 시간을 5퍼센트 줄이고, 가동되지 않는데 가동되고 있다는 긍정 오류(오탐지)는 75퍼센트 줄었으며, 운영과 관리 비용은 25퍼센트 줄이는 결과를 얻었다. 이 모든 성과를 더하면 상당한 가치에달한다.” 탐르 플랫폼을 이용해 물품 조달과 재고 처리를 관리함으로써 3년에 걸쳐 8,000만 달러를 절약했다고 GE 디지털 스레드의 기술상품관리 부사장 에밀리 걸트는 말한다.
- 지멘스는 센서와 카메라를 이용해 운송 시스템의 모든 부분이 어떻게 움직이고 운영되는지 측정한다.이를 통해 철도 시스템의 '디지털 트윈’ 모델을 구축하고 언제 연착이 나 비효율성으로 이어질 요인들이 나타나는지 예측한다. 문제에 신속히 대처하거나 애초에 이러한 일이 발생하지 않도록 방지하려면 어떤 조치를 취해야 하는지 판단할 수 있다. 이렇게 하는 이유는 크게 세 가지 목적을 달성하기 위해서다.
첫째, 열 차가 제때에 있어야 할 장소에 있는지 확인하고, 더욱 효율적인 서비스 와 수리 작업을 통해 결함과 고장을 훨씬 신속히 바로 잡을 수 있다. 그럼으로써 필요한 때에 자산을 이용할 수 있도록 한다.
둘째, 운송망 전체에 걸쳐서 에너지 효율성을 최적화한다. 에너지 사용을 측정하고 언제 어디서 동력이 필요할지 예측할 수 있다는 뜻이다. 열차가 다른 교통수단에 비해 상대적으로 환경친화적이라고 간주되긴 하지만, 이를 통해 열차가 야기하는 환경영향을 더욱 줄일 수 있다. 열차가 운행되는 동안 에너지 절약도 최적화될 수 있다. 철도망 내 거 시적인 차원에서 운행 상황을 더 잘 파악함으로써 열차가 브레이크를 이용하는 빈도를 줄이고 열차를 앞으로 밀어내는 데 필요한 에너지를 절약할 수 있다. 또한 더욱 빠른 속도로 열차가 달리도록 해서 목적지까 지 도착하는 데 걸리는 운행 시간을 줄일 수 있다.
셋째, 자산을 더욱 효율적으로 이용할 수 있다. 특정 시간대에 목적지와 목적지 사이에 운송될 승객 수나 화물의 양을 더욱 정확하게 예측하 게 된다는 뜻이다. 승객이나 화물을 운송하는 데 필요한 열차 운행이 줄어들수록 환경에 미치는 영향뿐만 아니라 운영자가 치러야 하는 비용도 줄어든다.
- 지멘스의 서로 연결된 예측 인공지능 플랫폼 레일리전트는 다시 마인드 스피어라는 자사의 사물인터넷 운영체계에 연결된다. 이 시스템은 모바일 데이터망을 이용해 실시간으로 열차로부터 데이 터가 전송되거나 네트워크 연결이 부실한 지역에서 열차가 목적지에 도 착하면 데이터가 업로드되도록 설계되었다. 열차에 장착된 센서는 엔진 온도에서부터 열차 진동 빈도, 열차 출입 문의 개폐 상태까지 샅샅이 포착하고 외부 카메라에서 수집한 이미지 데이터를 처리해서 연착을 야기할 요인들을 규명한다. 영국에서 실시된 한 시범 운행 사례에서는 300개 센서가 사용되었는데, 1년 동안 100만 건의 센서 판독기록을 생성했다. 센서에서 수집된 데이터는 고장 및 운영중지 데이터와 서로 연관해서 분석된다. 열차 자체에서 수집한 내부 데이터뿐만 아니라 카메라 피드에서 수집 된 외부 데이터도 사용된다. 그 덕분에 열차는 전방의 철도 이미지를 포착해 하자가 있는지 자동으로 인식하고 미래에 결함이 발생할 위치를 더욱 정확하게 예측할 수 있다. 인간이 직접 열차가 운행 중인 철도를 점검할 필요성을 줄여주기 때문에 근로자의 안전도 개선된다. 지멘스는 테라데이터의 애스터 디스커버리 플랫폼과 손잡고 센서가 생성한 데이터에서 유용한 정보를 뽑아낸다. 데이터는 전용 보고 및 시각화 플랫폼을 통해 조종실로 전달되거나 이미 사용 중인 도구에 통 합될 수 있다. 중요한 보고 내용이나 사건들은 SMS를 통해서도 전송할 수 있다.