한권으로 끝내는 AI비즈니스 모델

   알파고의 등장이후 인공지능은 이미 다가와 있는 미래다. 금융권의 챗봇이나, 휴대폰의 음성인식 등 이미 실생활에서 인공지능이 활용되고 있다.
   AI와 관련된 수많은 서적들이 출간되고 있지만, 주로 너무 기술적이어서 일반인들이 접근하기 어렵거나, 아니면 AI의 활용측면에 초점을 맞추다 보니 신문기사나 잡지를 스크랩해 놓은 듯한 책들이 대다수였다. 기업에서 늘 새로운 트렌드와 이를 통한 새로운 사업기회를 모색해야 하는 입장에서 이번 '한권으로 끝내는 AI 비즈니스 모델'은 AI를 통해서 새로운 사업기회를 찾고자 하는 기획관련 업무 종사자들에게 가뭄에 단비와 같은 책이라 할 수 있다.
   책의 구성도 무척 논리적이다. 일단 아래와 같은 7가지 핵심 질문(AI 이노베이션 프로세스)을 통해서 각각의 질문에 대한 답을 찾아가는 구성을 취하고 있다.
(1) 혁신을 이뤄낼 공간은 어디에 있는가?
(2) 어떤 AI 기능을 사용할 것인가?
(3) AI기능을 어떻게 구현할 것인가?
(4) 어떤 가치를 창출할 것인가?
(5) AI 역량을 어떻게 확보할 것인가?
(6) 수익을 어떻게 창출할 것인가?
(7) 한 장으로 만드는 AI 비즈니스 모델 캔버스

   앞으로 AI의 활용 및 비즈니스 가능성은 무궁무진하게 확장될 것이다. 그리고 AI 관련 기술 보유자 혹은 이를 비즈니스로 전환할 수 있는 기획자의 역할이 더욱 증대될 것이다. 이 책은 AI를 활용한 비즈니스 기획자에게 바이블과 같은 책으로 활용될 것으로 기대된다.

 

 

1장. 혁신을 이뤄낼 공간은 어디에 있는가
1. AI혁신의 종류부터 이해하라
- 많은 경우 사람들은 원하는 것을 보여주기 전까지는 자신이 무엇을 원하는지 모른다. (스티브 잡스)
- AI 혁신은 인공지능 기술을 이용해 고도화된 기능의 제품을 구현하고, 새로운 가치를 창출하여, 사용자경험을 향상시키는 과정을 의미한다. AI 혁신의 핵심요소는 알고리즘, 데이터, 애플리케이션 그리고 비즈니스 모델이다. AI를 통해 혁신적 비즈니스를 개발한다는 것은 구체적으로 이 네 가지를 개발하는 것과 같다. AI 혁신은 테크놀로지 푸시 형태를 띠며, 제품 사 용량이 많아질수록 고도화되는 특징이 있다. 또한 적용범위가 넓기 때문에 창조적 응용능력이 중요하다.
2. 엔지니어의 눈으로 문제를 통찰하라
- AI 혁신은 인공지능 지식을 가진 엔지니어의 시각으로 AI의 가능성을 펼쳐낼 거대한 기회를 찾는 것이다. 엔지니어의 눈으로 문제를 통찰하는 예는 다 음과 같다.
* AI 기술로 아무도 시도하지 못한 어떤 기능을 만들어낼 수 있을까?
* AI 기술로 할 수 있는 일과 할 수 없는 일은 무엇인가?
* AI 기술을 새롭게 적용해볼 만한 영역은 어디인가?
* AI 기술이 사용자에게 어떠한 가치를 제공할 수 있을까?
* AI가 아니면 해결할 수 없는 문제는 어떤 것들인가?
* AI가 창출할 수 있는 새로운 시장은 무엇인가?
- 문제의 정확한 파악이 AI 혁신의 첫걸음이다. 문제를 파악하면 인공지능의 어떠한 기능을 특화할지, 어떠한 기회를 획득할지에 대한 방향성이 생긴다. 문제를 정의하려면 먼저 사용자를 정확히 파악해야 한다. 사용자가 누구냐에 따라 문제가 달라지기 때문이다. 이 사용자에게 해결이 필요한 문제를 문장으로 기술해본다. 우리 회사가 왜 이 문제를 해결해야 하는지 명분을 따져본다. 이와 함께, 문제해결에 있어서 내외부 제약을 따져보고, 문제해결로 얻는 이점을 명확히 확인한다.

2장. 어떤 AI 기능을 사용할 것인가
3. AI의 핵심기능을 선택하라
- 일을 잘하는 방법은 두가지다.
첫째는, 목표가 뭔지를 이해하는 것,
둘째는 이를 쉽게 이뤄줄 도구가 무엇인지를 찾는 것. (피터 드러커)
- AI 혁신은 인공지능이라는 새로운 도구를 이용하는 혁신이다. 도구가 어
떤 일을 할 수 있는지 알아야 효과적으로 이용할 수 있는 법이다. AI의 주요 기능은 인식, 예측, 자동화, 소통, 생성 등 다섯 가지다. 문제해결을 위해 어떤 AI 기능을 적용할지를 정하고 이 기능이 문제해결에 어떻게 사용될 수 있을지를 점진적으로 구체화한다.
4. AI의 적용방법을 채택하라
- 좋은 도구가 있어도 사용법을 모른다면 그것은 당신에게 도구가 아니다.
- AI 핵심기능과 구체적 알고리즘까지 선택했다면 이제 이를 어떻게 제품 및 서비스에 적용할지 구체적으로 설계해야 한다. AI 기술을 적용하는 방식은 새로운 기능 또는 제품의 창출, 기존 제품 및 서비스에 새로운 기능을 더하는 결합, 기능의 확장, 기존 기능의 대체로 구성된다. 다섯 가지 AI 기 능과 네 가지의 적용 방식을 토대로 총 스무 가지의 혁신모델이 도출될 수 있는데 이 가운데 어떤 모델을 채택할지 분명히 정의 내린다.

3장. AI 기능을 어떻게 구현할 것인가
5. 최적의 알고리즘을 마련하라
- 어떤 알고리즘을 쓸지 알고 있다면 문제의 절반은 이미 해결되었다. (페드로 도밍고스, 워싱턴주립대 교수, 마스터 알고리즘 저자)
- 딥러닝은 성능이 뛰어나지만, 일반적인 머신러닝 알고리즘 에 비해 많은 연산능력이 요구된다. 그렇기 때문에 하드웨어적인 기반이 갖춰졌을 때 딥러닝 알고리즘을 활용하는 게 적절하다. 소프트웨어도 중요 한 역할을 한다. 구글이 공개한 텐서플로(TensorFlow 같은 딥러닝 패키지와 연동되면 이용이 수월해진다. 고성능의 하드웨어와 방대한 데이터가 확보돼 있다면 딥러닝을, 학습 과정에서 수많은 등급 분류를 사용해야 하거나 최적의 답을 빠르게 도출할 목적이라면 다른 머신러닝 알고리즘을 선택하는 편이 적절하다. 또 다른 예로, 수요예측기능을 구현하기 위해서는 회귀 테크닉을 활용할 수 있다. 이를 구현할 수 있는 알고리즘은 다양한데, 속도가 중요한지 아니면 정확도가 중요한지에 따라 적절한 알고리즘의 종류가 달라진다. 만일 대량의 데이터를 빠르게 처리해야 하는 작업이라면 선형회귀inear regression 분석이나 의사결정 트리를 고려해보는 게 좋다. 속도보다는 정확 성이 중요하다면 랜덤 포레스트random forest, 신경망 등이 더욱 적절하다. 알고리즘마다 특성과 장단점이 다르기 때문에 비슷한 테크닉을 수행할 수 있다 해도 작업속성에 잘 맞는 알고리즘을 선택하는 것이 중요하다.
- 인공지능 알고리즘은 종류가 매우 많고 각각 기능과 장단점이 다르기 때문에, 최고의 성과를 내기 위해서는 문제의 성격에 잘 맞는 최적의 알고리즘 을 선택해야 한다. 이를 위해 문제해결을 위한 AI 핵심기능을 구현할 수 있 는 테크닉이 무엇인지 파악해야 하고, 데이터 크기, 긴급성, 정확성 등 작업 속성을 파악해서 이러한 요건에 가장 잘 맞는 알고리즘을 선택해야 한다.
6. 외부 API를 아웃소싱 하라
- 도미노피자는 고객 광고의 적중률을 높이기 위해 아마존 퍼스널라이즈 Amazon Personalize 를 활용했다. 그동안 도미노피자가 고객에게 일방적으 로 광고를 보내왔던 방식이 더이상 통하지 않고, 사람들이 자신과 관련성 높은 메시지에 반응한다는 점을 고려해서다. 고객의 거주지, 주문 패턴, 이 전에 적용받았던 할인가격 등을 아마존 퍼스널라이즈를 통해 학습해 개별 소비자에게 시기적절하게 상품소개와 할인정보 등을 제공해서 구매전환 율을 높였다. 물론 선진기업의 API를 활용하는 데에는 장단점이 있기 때문에 상황에 맞춰 전략적으로 활용하는 게 좋다. AI의 고급기능이 이미 구현돼 있는 형태이기 때문에 개발자로서는 알고리즘 구현 시간을 단축할 수 있다. 선진기업이 개발해놓은 고도화된 AI 기술을 활용할 수 있다는 장점이 크다. 인공지능 가상비서가 구현된 냉장고를 직접 만들려면 고급 머신러닝 개발자를 보유해야 하고 알고리즘을 개발하는 데에도 시간이 많이 소요된다. 투자해야 할 비용도 만만치 않을 것이다. 하지만 아마존과 제휴하여 알렉사를 도입한다면 비교적 적은 수수료를 지불하고 고급 AI 기능을 냉장고에 탑재할 수 있다. 일반적인 웹사이트에서 고객응대 서비스를 구현하기 위해 챗봇 API를 가져와 구동하는 것도 비슷한 이유에서다.
- 반면, 외부에서 개발된 알고리즘은 나의 비즈니스를 위해 개발된 것 이 아니기 때문에, 내가 구상하는 제품 및 서비스 기능에 최적화돼 있지 않 을 가능성이 높다. 완벽하게 호환이 되지 않아서 추가적인 응용개발이 필요할 수 있다. 또한 상당수의 API는 데이터 양 혹은 사용자 수에 근거해 유료로 제공되는데, 장기간 지속적으로 API를 활용해야 한다면 비용이 적지 않을 수 있으므로 투자가치를 잘 고려해야 한다. 한편 외부 API를 사용할 때 자사가 보유한 데이터를 클라우드를 통해 구동하는 경우가 있는데 개인정보 유출 혹은 도용의 문제도 발생할 수 있다. 데이터를 공유하는 플랫폼에 비즈니스가 종속되거나 고객의 데이터를 공유해야 하는 제약이 있을 수도 있다. 더불어, 자사 제품과 서비스의 핵심 기능을 외부 API에 의존해 구현하면, 동일한 API를 쓰는 경쟁사와 차별성 이 없어진다는 단점도 있다. 따라서 핵심역량 및 핵심기능을 외부에 의존하는 것에 대해서는 신중해야 함
- 선진기업은 주요 AI 기능을 간편하게 사용할 수 있도록 API를 제공한다. AI 역량이 없는 기업 및 개발자가 쉽게 AI 기능을 자사 제품 및 서비스 에 구현할 수 있는 것은 장점이다. 그러나 호환성, 데이터 공유 이슈, 비용 등의 문제가 있기 때문에 전략적, 선별적으로 활용해야 한다. 아마존이나 마이크로소프트, 구글 등이 제공하는 지원서비스의 종류를 충분히 숙지하고, 자사의 핵심 경쟁력을 보완해줄 수 있는 서비스를 전략적으로 도입하 는 것은 AI 혁신에 필요한 역량을 확보하는 중요한 방법이다.
7. 핵심 데이터를 확보하라
- 지도학습의 경우에는 AI 시스템을 잘 구현하기 위해 데이터의 레이블링에 신경을 많이 쓸 수밖에 없다. 레이블링은 옷에 붙은 라벨이 그 옷의 핵심적인 속성을 말해주듯, 데 이터의 속성을 지정해주는 작업이다. 레이블링은 데이터 학습 및 분류의 기초이다. 문제는 이것이 알고리즘의 성능, 특히 정확도에 영향을 준다는 점이다. 속성과 종류를 100%의 정확도로 분류한 데이터를 사용하는 것이 이상적이지만 일반적으로는 그렇지 못하다. 데이터에 레이블이 없거나 애매하게 지정되기도 하고, 잘못 지정되기도 한다. 이른바 지저분한 데이터 dirty data 라 불리는데 이런 데이터는 머신러닝 엔지니어를 힘들게 하며 AI 제품 의 성능을 떨어뜨린다.
- AI 혁신을 위한 데이터를 관리할 때는 데이터의 확보, 데이터 품질관리, 데 이터 활용에 이르기까지 모든 과정을 시스템으로 갖추는 데 가장 신경을 써야 한다. 충분한 데이터를 확보하고, 필요한 핵심 데이터를 꾸준히 생성하며, 확인되지 않은 데이터나 왜곡된 데이터는 사용하지 않고, 의사결정 단계에 서 데이터의 왜곡을 탐지할 수 있는 관리체계를 갖춰야 한다. 그래야 데이 터 생성 및 소비(사용)의 선순환이 이뤄진다. 데이터를 잘못 사용할 경우 이를 복구하는 비용, 신뢰 손실로 인한 비 용, 그리고 잘못된 결정으로 인한 2차 손실이 생길 수 있다. 데이터 선순환 체계가 잘 잡혀 있을수록 데이터의 품질과 비즈니스의 성과가 지속적으로 향상된다.
- AI 혁신모델이 실질적으로 기능을 발휘하기 위해서는 데이터가 중요하다. 인공지능 혁신모델의 성과는 적절한 데이터의 확보 여부에 달렸다. 먼저 학습에 필요한 핵심 데이터는 무엇인지 정의를 내려야 한다. 그다음은 사 용 가능한 데이터 소스가 어디에 있는지 전방위적으로 파악한 후 혁신모델에 가장 중요한 데이터 소스를 추려낸다. 데이터는 무분별하게 확보할 게 아니라 '좋은' 데이터를 확보해 품질이 유지될 수 있도록 해야 한다. 이 를 위한 데이터 확보 및 관리체계를 갖출 필요가 있다.
8. 품질을 평가하라
- AI 제품 및 서비스가 우수한 성능을 유지하도록 하려면 품질관리 체계를 갖춰야 한다. AI 혁신모델의 품질관리를 위해 먼저 평가지표를 설정해야 하며, 상시적으로 평가해야 한다. 또한 지속적으로 보완해 품질을 유지해 야 한다. 시장에 상용화하는 과정에서 개념증명, 벤치마킹 테스트, 파일럿 테스트 등의 평가를 한다. 프로젝트 초기부터 자체적인 품질평가 체계를 갖춰서 AI 제품 및 서비스의 시장성을 높이기를 권장한다.

4장. 어떤 가치를 창출할 것인가
9. AI의 가치경로를 그려라.
- 혁신의 성과는 대부분 탁월한 기술에서 창출된다. 그러나 수많은 혁신 실패는 기술의 탁월성에 대한 맹신에서 비롯된다. (윌리엄 밀러, 스탠퍼드대 교수)
- AI 혁신모델이 포함하는 가치는 세 종류다. 바로 기술적 가치, 기능적 가 치, 경험적 가치다. 이 모든 가치가 선순환 작용을 할 때 AI 혁신모델이 성 공적으로 발전한다. 많은 개발자가 기술적 가치에 머무르곤 한다. 사용자 에게 선택을 받기 위해서는 한 발 더 나아가 탁월한 기능적 가치와 함께 특별한 경험적 가치를 창출해야 한다.
10. 기능적 가치를 구체화하라
- AI 혁신을 이루려면 AI의 기술적 · 기능적 가치를 보고 경험적 가치를 통찰 해내는 능력이 필요하다. AI의 기술적 이점을 정확히 인지하고 이를 통해 사용자의 경험적 가치를 디자인해야 한다. 정확한 식별능력, 지능적 탐색
력, 빠른 처리속도, 효율성, 자율성 등 AI의 기술적 이점이 만들어내는 가
치를 분명히 정의 내려야 한다.
11. 경험적 가치를 구체화하라
- AI 혁신은 기술에 대한 이해로 시작되고, 인간에 대한 이해로 완성된다
- 기술수용모델은 인간의 행동을 이끄는 인지적·심리적 요인과 밀접한 연관이 있다. 기술수용모델은 인지된 사용 용이성과 인지된 유용 성을 중심으로 사용자의 혁신기술 수용에 영향을 미치는 요인을 밝혀 내는 도구로 활용된다. 초기 기술수용모델은 지나치게 이들 두 가지 신념변수만 강조하여 기술수용에 영향을 미치는 다른 핵심변수의 발굴 을 제한했다는 비판을 받아왔다. 최근에는 기술수용을 다루는 두세 가지 모델을 결합하여 사용하기도 한다. 새로운 정보기술을 다양하게 수 용하고 사용하면서 인지된 유용성, 인지된 용이성뿐 아니라 산업에 맞 는 변수를 개인의 인지변수에 추가하여 확장할 때 모델의 타당성이 높아지기 때문이다. 이 책에서는 인지된 용이성과 인지된 유용성 외에 인공지능 기술분야에서 자주 거론되는 인지된 유희성을 추가했다. 그 밖에 혁신 저항의 관점에서 인지된 위험성, 인지된 복잡성 등의 변수를 고려할 수 있으나 여기서는 저항요인보다는 수용요인에 집중하기 위해 이 변수들은 포함시키지 않았다.
- AI 혁신의 최종적인 성과는 사용자의 경험적 가치를 극대화했느냐로 평가된다. 사용자의 경험적 가치를 구체화하기 위해서는 “사용자가 제품을 사야 할 새로운 이유를 제공하는가?”라는 질문에 명확한 답을 제시할 수 있어야 한다. 이를 위해 두 가지 질문을 던져본다. 첫째, 사용자가 이 제품 을 사용하는 경험의 여정이 어떠한가? 둘째, 사용자가 혁신제품을 수용하게 만드는 인지적 요인은 무엇인가? 이를 토대로 경험가치지도를 작성해본다.
12. 가치의 선순환 구조를 만들어라
- AI 혁신은 사용자의 경험 속에서 데이터를 가져와 학습하고 이를 바탕으 로 특별한 경험을 만들어내며, 특별한 경험 속에서 다시 학습 데이터를 가 져와 혁신모델에 반영하는 학습루프를 갖춰야 한다. AI 혁신을 위한 아키텍처는 모든 구성요소가 사용자의 특별한 경험을 창출하고 지속적으로 더 나은 경험을 제공하기 위한 학습이 이뤄지도록 설계돼야 한다.
13. 가치를 확장하라
- 나는 ‘3년 후 AI 초격차 시대가 온다’에서 강력한 플랫폼을 구축하려면 개방성과 차별성이 중요한 조건이라는 점을 강조했다. 개방성은 자사가 개발한 기술을 타 기업이나 일반대중이 자유롭게 이용할 수 있도록 개방 하는 정책이다. 앞서 선진기업은 정교하게 개발해놓은 AI 기능을 API 형 태로 외부에 제공한다고 제시한 바 있다. 이러한 정책은 강력한 플랫폼 구 축과 무관하지 않다. 일반기업 및 개발자는 이러한 API를 이용하거나 제휴를 통해 고급 AI 기능을 사용할 수 있다. 예를 들어, 아마존은 2016년부터 자사의 인공지능 비서 알고리즘인 알렉사를 외부 기업이 이용할 수 있는 '알렉사 파트너 프로그램'을 펼쳤다. AWS 파트너기업이 알렉사를 냉장고, 자동차, TV 등 자사 제품에 탑재하거나 응용 개발할 수 있도록 한 것이다. 이로써 제휴기업을 대폭 늘린 것은 물론 아마존 제품뿐 아니라 다른 제품의 고객들까지 포섭해 사용자 기반 을 기하급수적으로 늘려나갔다. 차별적인 가치를 제공하는 것도 중요하다. 예를 들어, 세일즈포스는 인공지능 기반의 마케팅 지원 툴을 제공하는 플랫폼 기업이다. AI의 고도 화된 고객관계관리 기능을 아인슈타인 클라우드 서비스를 통해 제공한다. 음성으로 고객의 요구사항이나 불만을 듣고 다시 음성으로 해법이나 상품 을 제안하는 기능도 제공한다. 즉 아인슈타인을 이용하는 렌터카 회사가 렌터카 이용기간을 연장하려는 고객의 전화에 응대해 다양한 차량 선택지 를 제시하고 연장 계약을 끝마칠 수 있도록 돕는다. 고객사 입장에서는 손 쉽게 고객관리를 할 수 있기 때문에 매우 유용하다. 아마존, IBM, 애플, 메리어트 호텔, 루이비통 등 글로벌기업은 물론 국내에서도 삼성전자와 대한 항공, 쿠팡 등이 세일즈포스의 아인슈타인을 이용하고 있다. 전 세계 고객 기업이 17만 개가 넘는다. 이렇게 사용자 기반을 확대할수록 AI 제품의 성능은 더욱 고도화된다.
- AI 혁신의 성공을 위해서는 AI 기능의 고도화, AI 기능의 적용 분야 확장, 다양한 AI 기능 개발 등을 통해 창출되는 가치를 확장해야 한다. 사용자 친 화적 판매방식을 적용하는 것도 AI 혁신의 가치를 확장하기 위한 중요한 요건이다. 한편, AI 제품과 서비스를 이용하는 사용자가 많아지면 더 많은 데이터 축적을 통해 학습을 더 많이 할 수 있으므로 제품의 성능이 향상된다. 이는 더 많은 사람을 끌어들이는 요인이 된다. 이러한 선순환적 학습 프가 만들어지도록 혁신모델을 설계해야 한다.

5장. AI 역량을 어떻게 확보할 것인가
14. AI 필수역량을 파악하라
- AI 혁신을 추진하기 위해서는 혁신 총괄 관리, 기술개발, AI 응용 및 사업화 등 핵심역량이 마련돼야 한다. 세부적으로는 프로젝트 관리, 소프트웨 어 개발, 데이터 분석 및 관리, AI 제품기획, UX 디자인, 기술 마케팅 등을 들 수 있다. 한 명의 개발자가 여러 역할을 수행하는 경우도 있고, 각각의 직군을 개별 전문가로 확보하기도 한다. 우리 회사에서 AI 혁신을 진행하기 위해서는 먼저 필요한 필수역량을 파악해야 한다.
15. 전담인력을 확보하라
- AI 혁신을 위해서는 풍부한 AI 기술 지식을 갖추고 자사의 비즈니스 혁신에 기여할 수 있는 인재를 확보하는 것이 중요하다. 인재는 양성과 채용이라는 두 가지 카드로 확보할 수 있다. 적정성, 긴급성, 비용, 내부화 등을 고려해 두 카드를 적절히 써야 한다. 조직 전체가 AI 혁신에 대한 이니셔티브 를 갖고, 지속적인 AI 경쟁력을 확보하려면 전사적인 교육 및 훈련이 이뤄 져야 한다.
16. 역량을 통합하라
- AI 혁신의 효과를 극대화하기 위해서는 AI와 관련한 역량이 조직 전체적 으로 통합돼야 한다. 그러기 위해 AI 기술을 통해 창출하는 성과의 목적이 기업 본연의 비즈니스 전략에 잘 통합돼야 하며, AI 기술을 이용해 혁신을 추진할 때 모든 과정이 원활하게 이뤄질 수 있도록 비즈니스 전반에 조정 이 이뤄져야 한다. 또한 전 부서 차원의 협력체계와 원활한 데이터 활용을 위한 데이터 거버넌스 체계를 갖춰야 한다.
17. AI 협업체계를 구축하라
- 하버드 비즈니스 리뷰HBR가 1,075개 기업을 대상으로 조사한 연구에 따르면, 회사 내에 인간과 AI의 협업체계를 많이 갖출수록 높은 성과가 나오는 것으로 드러났다. AI와의 협업체계가 체계적으로 수립되면 혁신의 속도, 비용절감, 수익창출 측면에서 유리하다. HBR은 기존 인력을 대체하는 단순 인건비 절감 목적으로 AI를 도입하면 단기 효율성은 향상되지만 장기적으로는 생산성 향상에 한계가 크다는 점을 강조했다. AI의 속도, 효율성, 통찰력 등 기술적 이점이 사람의 리더십, 팀워크, 창의성 및 관계 기술과 잘 결합될 때 시너지가 창출되고 비즈니스 경쟁력을 높일 수 있다.
- AI 혁신의 성과를 극대화하기 위해서는 AI 기술과 인재가 서로의 강점을 효과적으로 발휘할 수 있는 협업체계가 구축돼야 한다. AI와 인간이 협업 하는 방법은 AI가 인간을 돕는 협업모델(증폭, 상호작용, 구현 등)'과 '인간이 AI의 활동을 지원하는 협업모델(훈련, 설명, 유지 등)로 구분된다. AI 기술과 인력이 유기체처럼 상호작용하면서 끊임없는 학습을 통해 점점 발전해나가도록 설계해야 한다.

6장. 수익을 어떻게 창출할 것인가
18. 혁신의 ROI를 측정하라
- AI 혁신을 수월하게 추진하기 위해서는 AI 혁신에 들어간 투자 대비 수익을 얼마나 거뒀는지에 대한 수익률을 의미하는 ROI를 잘 따져봐야 한다. 추진하는 혁신의 경제적 가치를 확인하기 위해서, 의사결정자나 투자자에게 이 혁신이 왜 가치 있는지를 입증하기 위해서, 그리고 이해관계자들에 게 지속적인 지원을 받으면서 혁신을 지속하기 위해 ROI는 중요한 역할 을 한다. AI 혁신에 투입되는 비용이 어느 정도인지 파악하고 이를 통해 얻을 수 있는 수익이 얼마나 되는지 상세히 파악하고, 이를 기반으로 ROI를 측정한다.
19. 보이지 않는 수익을 파악하라
- AI 혁신의 경제적 가치를 조금 더 확실히 이해하기 위해서는 전체적, 장기적, 종합적으로 고려할 필요가 있다. 즉 AI 혁신 자체의 수익뿐 아니라 AI 혁신으로 인한 기존 비즈니스의 잠식비용을 포함해 전체적 수익성을 따져 볼 필요가 있다. 또한 혁신이 가져오는 단기적 수익뿐 아니라 장기적 수익 을 동시에 고려해야 한다. 측정 가능한 비용 및 수익 항목과 더불어 그 가 치를 계량화하기 어려운 무형의 수익과 비용도 고려해야 한다.

7장. 한장으로 만드는 AI 비즈니스 모델 캔버스
20. 모든 아이디어를 한 장에 정리하라

기타
- 지도학습은 사람이 주입하는 사례를 학습해 이미지인식이나 예측 등 다양 한 일을 수행한다. 동물 이미지 인식의 경우, 사람이 동물별로 특징을 입력해서 labeling 동물을 구분할 수 있도록 시스템에 학습시키고, 이후 새로운 동물 이미 지를 입력하면 학습을 통해 이해한 패턴에 비춰 답을 추론한다. 과거의 제품 판 매 이력 데이터를 학습해서 미래의 수요를 예측하기도 한다.
지도학습에서 수행하는 테크닉은 분류, 회귀분석, 예측, 특이사항 감지 등 이다. 분류는 말 그대로 섞여 있는 것을 종류별로 나누는 것을 말한다. 회귀는 주 어진 데이터에서 변수 간의 관계를 기반으로 숫자 값 또는 연속 값을 예측하는데 사용된다. 과거의 데이터를 토대로 미래를 예측하는 것이다. 특이사항도 감지한다. 금융거래에서 비정상적인 카드 지출 패턴을 식별하는 데 활용되기도 한다.
- 비지도학습은 일명 자율학습이다. 선생이 하던 지도작업이 생략된다. 문제와 정답을 알려주지 않고 데이터를 그대로 주면, 시스템이 알아서 문제를 분석한 후 답을 내도록 하는 방식이다. 수집된 데이터 간의 유사성을 기계가 스스로 찾아 입력 데이터를 파악해내고 시스템이 스스로 학습하여 결론을 도출한다. 비지도학습의 시스템은 분류되지 않은 데이터를 제공받지만 클러스터링 구조clustering structure, 저차원 다양체low-dimensional manifold, 희소 트리 및 그래프a sparse tree and graph 와 같은 데이터의 기저를 이루는 고유 패턴을 발견해서 일을 처리한다. 예를 들어 옷을 구분하는 경우를 생각해볼 때, 지도학습은 각각의 옷에 대 한 속성을 사람이 미리 설정해놓기 때문에 설정된 속성에 따라 시스템이 옷을 구분해낸다. 그런데 사전에 레이블된 속성만으로 구분하기 어려울 때가 있을 수 있다. 빨래 바구니에 옷이 여러 벌 겹쳐 있는 경우다. 옷의 형태를 구분하기조차 어렵다. 이런 상황에서 지도학습의 알고리즘은 옷을 구분해내기 어렵다. 하지만 비지도학습의 경우에는 사물이 겹쳐져 있는 복잡한 사진도 이해한다. 옷의 속성 이 입력되지 않은 이미지를 그대로 제시하면 이 이미지를 자기 나름대로 분류해 서 구분해내는 것이다. 즉 지도학습에서는 옷의 색깔, 모양, 표면의 재질 등 개별 적인 특징을 제공해야 하지만 비지도학습은 여러 장의 사진 데이터를 제공하면 이를 검토해 여러 특징을 스스로 이해함으로써 사진 내용을 독자적으로 예측하고 구분한다.
이러한 비지도학습에서 주로 사용되는 테크닉은 클러스터링과 차원축소다. 클러스터링은 특정 기준에 따라 유사한 데이터를 그룹화하는 작업이다. 이는 동 일한 그룹cluster의 개체가 다른 그룹의 개체보다 서로 비슷하도록 개체 집합을 그룹화하는 작업이다. 이는 전체 데이터를 하위 그룹으로 세분화해서 분류하고 구분하는 데 활용된다.
차원축소dimension reduction는 변수가 너무 많을 때 변수 수를 줄이고 중 요하고 의미 있는 변수를 가려내는 데 쓰이는 테크닉이다. 많은 경우, 로데이터 에는 변수가 지나치게 많다. 차원이 증가하면 그것을 표현하기 위한 데이터 양이 기하급수적으로 증가한다. 일부는 중복되기도 하고 일부는 학습과 관련이 없다. 그 결과 정확성이 오히려 떨어진다. 따라서 유의한 변수 위주로 추출하여 차원수dimensionality를 줄여 분석을 좀 더 효율적이고 정확하게 하도록 한다.
- 강화학습은 알고리즘이 스스로 다양한 시도를 하면서 최적의 결과를 낼 수 있는 방법을 찾아내는 방식이다. 지도학습은 인간이 제시해준 문제와 정답을 보고 배 우는 방식이다. 문제와 정답이 있는 수많은 연습문제를 풀어본 다음에 실전에 돌 입하는 것이다. 비지도학습은 문제와 정답이 없는 데이터가 주어지며 컴퓨터 스 스로 문제를 찾아내고 정답을 도출하는 방식이다. 지도학습과 비지도학습 둘 다 학습 데이터가 주어지는 데 반해, 강화학습은 아예 데이터가 주어지지 않는다. 핵심적인 규칙만 익힐 뿐 사전학습 없이 바로 실전에 들어간다. 백지상태에서의 학습이다. 예를 들어 아이에게 자전거 타는 법을 알려준다고 해보자. 지도학습 방식은 어느 경우에 넘어지고 어느 경우에 비틀거리고 어떻게 움직이면 잘 가는지 정답 을 다 알려주고 익히게 하는 방식이다. 비지도방식은 자전거를 타는 수많은 사례 를 보여주면서 넘어지는 경우와 안 넘어지는 경우를 알아서 구분해 학습하게 하 는 것이다. 하지만 강화학습은 사전학습 없이 기본적 요령만 가르쳐주고 바로 자전거를 타게 한다. 수차례 자전거를 타고 넘어지고 하면서 안 넘어지고 잘 나아가는 방법을 몸으로 익힌다. 이렇게 실전을 통해 스스로 학습하게 하는데 학습의 양이 천문학적으로 많다 보니 실력이 빠르게 향상된다.
- 딥러닝은 머신러닝을 구현하는 기술 중 하나다. 정리해보자면, 인공지능이 가장 광의의 개념이고 그 하위에 머신러닝이 포함돼 있으며, 그 하위에 딥러닝이 있다. 딥러닝 은 인공신경망을 기반으로 하는 머신러닝의 일종이다. 인공신경망은 말 그대로 인간의 신경을 흉내 낸 기법이다. 사람의 뇌에서 일어나는 일을 살펴보자면, 눈이나 귀 등 감각기관에서 받아들인 정보가 뉴런을 통해 뇌로 전달되고, 뇌는 이 정보를 토대로 판단하며 무엇을 할지 명령을 내린다. 뇌에는 여러 개의 뉴런이 연결돼 있는데 올바른 뉴런을 찾아가기 위해 복잡한 연산 등을 수행한다. 이러한 두뇌의 정보처리 과정을 모방한 것이 바로 인공신경망이다. 딥러닝에서 '딥deep'은 사람의 뇌세포를 모방한 인공신경망이 여러 개의 층으로 구성됐다는 의미다. 이 인공신경망의 프로세스를 본 떠 기계가 스스로 데이터를 분석하고 답을 낸다. 기존의 머신러닝 방법이 주로 전문가가 데이터 속에 존재하는 특징을 추출한 후 머신러닝을 통해 분류나 판단을 하는 식이었다면, 딥 러닝에서는 데이터만 넣어주면 깊은 망을 통해 스스로 데이터의 특징을 찾아낸 후 분류나 판단까지 수행한다. 딥러닝은 비지도학습인 경우가 많다. 분류되지 않은 데이터가 주어지면 시스템이 스스로 데이터 간의 유사성을 찾아 입력 데이터를 파악해낸다.구글은 알파고에 사용된 알고리즘을 자사 데이터센터의 전기 사용 조정 시스템에 적용했다. 그동안 똑똑한 구글 인재들이 이미 전기 사용량을 더 줄이기 어려울 정도로 최적화해놓은 곳이다. 하지만 딥마인드 알고리즘을 적용했더니 놀라운 일이 벌어졌다. 온도와 전력 데이터를 실시간으로 반영해 팬, 냉각 시스 템, 창문 등 약 120개의 변수를 조정하여 데이터센터의 전력 소모를 15%나 더 줄인 것이다. 이로써 데이터센터는 냉각비용의 40%를 절감했다.