.jpg)
인공지능 도입하고 싶다면 먼저 해결해야 할 과제들
무조건적인 칭송보다 작은 규모에서부터 천천히 입증하는 것이 중요
[보안뉴스 문가용 기자] 인공지능에 대한 기업들의 관심이 점점 고조되고 있다. 하지만 실제로 도입을 하려니 그 과정이 만만치 않다. 최근 기술의 발전이 눈부시게 이뤄진 것도 사실이지만, 광고성 멘트들이 아직은 더 현란한 것도 사실이다. 인공지능이란 말에 눈길이 가곤 하지만, 그걸 ‘내 것’으로 만들려니 그 동안 보이지 않았던 장애물들이 많다.
최근 시장 조사 기관인 밴슨 본(Vanson Bourne)이 실시한 조사에 의하면 IT 및 사업 관련 결정권자들 중 80%가 “현재 회사 내에서 인공지능이 사용되고 있다”고 답했다고 한다. 사업의 핵심이 되는 부분에 인공지능을 도입한 곳부터 주변부에 살짝 곁들인 정도에 그친 곳까지가 기업의 80%라는 것이다. 하지만 이보다 더 많은 91%는 “중대한 장애물을 경험할 것으로 예상하고 있다”고 답하기도 했다.
또 다른 시장 분석 회사인 가트너(Gartner)도 비슷한 주제를 놓고 시장 조사를 해 발표했다. 수치가 조금 다르긴 하지만 인공지능에 대한 기업들의 관심이 뜨거운 건 마찬가지였다. 특히 인공지능과 관련해 진척을 보이는 게 2018년 CIO들의 주요 과제 중 하나이기도 한 것으로 나타났다.
“2018년, 기업들은 인공지능으로 가장 잘 할 수 있는 일이 무엇인지 이해하기 위한 노력을 이어갈 것입니다.” 가트너의 연구 책임자인 치락 데카테(Chirag Dekate)의 설명이다. “2020년까지는 CIO들의 85%가 인공지능과 관련된 파일럿 프로그램을 실시할 것으로 보이고요. 외부 프로그램을 구매하거나, 스스로 인공지능 관련 프로그램을 구축하거나, 외주 인력을 구하는 등의 노력을 할 것입니다.”
그렇다는 건 CIO들이 인공지능 도입을 위한 장애물들을 치워야 한다는 의미도 된다고 데카테는 지적한다. 인공지능에 대한 이해도만 높이는 것이 아니라, 성공을 가로막는 여러 요인들도 제거하는 노력을 해야 할 것이라는 것이다. 그렇다면 그 장애물들이란 무엇일까? 기업들이 인공지능의 성공적인 도입을 위해 해야 할 일들 중 장애물 제거에 초점을 맞춰 이번 주 주말판을 준비했다.
1. 공포
인공지능에 관한 각종 공상과학 장르가 수십 년 동안 발전해온 덕분에 대부분의 사람들은 인공지능에 대해 막연한 두려움 혹은 거부감을 가지고 있다. 게다가 IT와 과학 분야에서 두각을 나타낸 인물들인 엘론 머스크(Elon Musk), 마크 쿠반(Mark Cuban), 스티븐 호킹(Steven Hawking) 등도 인공지능이 인류에 심각한 위협을 초래할 수 있다고 경고까지 한 바 있다. 2018년 갤럽에서 조사한 바에 의하면 미국인의 73%가 인공지능 때문에 실직할 것으로 예상하고 있었다.
그렇기 때문에 인공지능 기술을 도입하고자 하는 IT 전문가들은 일부 임직원의 부정적인 반응을 경험하게 될 것이다. 심지어 구글의 직원들도 인공지능 도입이나 개발을 반대한 바 있는데 심지어 일부는 회사를 그만두기도 했다. 그러니 이런 반응이 자연스러운 것이라고 봐도 무방하다.
최근 기술 분야의 지도자들은 인공지능을 탑재한 무기 개발을 하지 않겠다는 성명을 발표한 바 있다. 이런 소식들은 인공지능에 대한 거부감을 꺾는 데에 어느 정도 일조할 수 있다. 그렇다고 해도 분명 인공지능에 대한 반대 의견에 부딪히는 것은 어쩔 수 없는 일일 것이다. 그럴 때는 인공지능의 장점을 찬양하기보다, 도입하려는 기술이 어떤 기능을 가지고 있고, 회사의 운영 전략에 있어서 왜 필요한지를 투명하고 여유롭게 알려주는 노력이 필요하다. 확실하다면 ‘당신은 해고되지 않을 것’이라는 약속을 해주는 것도 중요하다.
2. 결정권자들의 거리낌
공포에서부터 발로한 또 다른 장애물은 결정권자들조차도 인공지능에 대한 관심이 부족하다는 것이다. 인공지능 기술을 잘 모르고 있거나, 인공지능을 도입했을 때의 변화를 이해하지 못하기 때문인데, 최근 IDC가 조사한 바에 의하면 인공지능 기술을 도입한 기업의 49%가 실제로 경영진의 지원이 없다는 것을 두 번째로 큰 장애물로 꼽았다.
이를 해결하는 방법 중 하나는 잠재적인 이점을 강조해 설명하는 것이다. 이 이점에는 1) 직원들의 생산력 증가, 2) 자동화의 효율적인 적용, 3) 새로운 산물과 통찰에 대한 기대 등이 있다. 특히 다량의 데이터를 필요로 하는 프로세스나 규격이 명확하게 정립된 사업에서부터 천천히 인공지능을 적용해가며 그 효용성을 증명해가는 것도 좋은 방법이다.
3. 예산 부족
운영진의 관심이 부족하다고 했을 때 나타나는 현상은 투자가 충분히 이뤄지지 않는다는 것이다. 관심이 없는 경영진이 예산을 인공지능에 충분히 배정해줄 리가 없다. 이는 실제로 많은 회사들에서 일어나고 있는 현상이기도 하다. 왜냐하면 밴슨 본 연구 조사에 의하면 기업들의 30%가 “현재 인공지능에 대한 투자가 없다”고 답했으며, 37%가 “투자가 충분치 않다”고 답했기 때문이다.
하지만 이 장애는 그리 오래 가지 않을 전망이다. 왜냐하면 시장 경쟁의 원리에 의해 어느 순간부터 싫더라도 인공지능을 생각하지 않을 수 없기 때문이다. 경쟁자들이 인공지능의 맛을 하나 둘 보기 시작하면, 따라가지 않을 수 없게 된다. 위 밴슨 본 연구에서 30%의 응답자가 “36개월 이내에 인공지능에 대한 투자가 늘어날 전망”이라고 답하기도 했다.
4. 데이터 문제
이건 기술적인 문제 중 하나인데, 모든 인공지능 프로젝트의 가장 큰 난관은 양질의 데이터를 확보하는 것이다. 물론 데이터의 양은 기하급수적으로 늘어나고 있다. 그러나 인공지능을 훈련시키는 데 필요한, ‘적절한 데이터’는 아직 부족한 실정이다. 많은 IT 전문가들이 인공지능 도입에 필요한 데이터가 충분치 않다는 어려움을 토로하고 있다. IDC의 설문에서는 57%의 전문가들이 데이터 부족을 가장 큰 장애물로 꼽았고, 밴슨 본 조사에서는 23%의 전문가들이 데이터 부족을 문제 삼았다.
여기서 핵심은 데이터의 질이다. 가트너는 “많은 CIO들이 확보하고 있는 데이터 중에서 쓸 만한 걸 찾는 데에 어려움을 겪고 있다”고 설명한다. 인공지능을 구매하고 구축하기 전에 선행되어야 하는 건 데이터 과학자들의 데이터 정리 작업이다. 엑셀표에 잘 정리해서 담으라는 게 아니라, 과학자들의 전문 지식을 이용해 데이터를 양질의 것으로 분류하고 다듬으라는 것인데, 이는 매우 긴 시간이 필요하다. 이 과정이 없다면, 인공지능이 내는 결과들은 그리 만족스럽지 않을 것이다.
5. 편향성
데이터 질과 비슷한 문제인데, 아무리 데이터를 고르고 골라 인공지능을 훈련시킨다 하더라도 어느 정도 편향성이 인공지능에 흘러들어가는 걸 막기 힘들 수 있다. 물론 개발자들과 데이터 과학자들이 의도적으로 나쁜 데이터를 교묘하게 입력하지는 않을 것이다. 그러나 이들이 사용하는 데이터란 대부분 사람과 사회가 만든 것이고, 개발자와 과학자 본인들도 사람이기 때문에 모든 사안에 있어서 완전히 가치중립적일 수가 없다. 실제로 구글의 이미지 검색 엔진은 흑인과 고릴라를 혼동하기도 하고, 인공지능 기반의 채용 엔진은 백인 남성을 선호하기도 했다.
인공지능 시스템이 아무리 최첨단이라고 하더라도 지금 인공지능이 흡수하는 데이터는 이전 역사들 속에서 만들어진 것들이다. 그러므로 사회적으로 형성되어 온 편견과 편향성들이 존재한다. 기술의 발전만으로 해결이 어려운 문제라는 것이다. 구글은 근본적인 해결을 하지 못해 고릴라라는 태그를 이미지 검색에서 없애버렸다. ‘편향성’은 아직 해결법이 알려지지 않은 문제로, 지금은 “인공지능도 편향성을 가질 수 있다”는 걸 인지하는 것이 최선이다. 그러므로 인공지능의 결정을 무조건 믿는 게 아니라 면밀히 검토할 필요가 있다.
6. 전문가 부족
기업들에게 있어 현재 가장 큰 문제 중 하나는 인공지능을 제대로 할 수 있는 전문가를 구하는 것이다. 인공지능이 활성화되기 시작한 건 비교적 최근의 일이기 때문에 전문가들이 충분히 육성되지 않았다는 것이 이 문제의 요인이다. 밴슨 본의 연구에 의하면 응답자의 34%가 인공지능 도입을 위한 전문가가 없다는 게 가장 큰 문제라고 꼽았다. 한 발표에 의하면 전 세계에 인공지능 전문가라고 할 만한 사람은 2만 2천명 정도뿐이라고 한다. 이 중 공석을 채울 수 있을만한 사람은 3천명인데, 미국에만 공석이 1만 개다.
리서치 업체인 오렐리(O'Reilly)는 최근 발간한 보고서를 통해 “인공지능 전문가는 매우 드문데 인공지능 프로젝트는 갈수록 늘어가고 있다”고 설명한다. ‘인재 부족 현상’이 갈수록 심화될 것이라는 뜻이다. “현재 기업들이 이 부분을 해결하기 위해 할 수 있는 현실적인 방법은 소프트웨어 개발 능력이 출중한 개발자들을 고용해 인공지능을 현장에서 가르치는 것”이라고 오렐리는 권장한다.
7. IT 인프라의 부족
IT 인재만큼 현재 인프라의 적절성도 문제로 꼽히고 있다. 인공지능을 개발하거나 도입하는 것 모두 엄청난 양의 데이터를 필요로 하는 일이다. 게다가 시스템 파워도 강력하고 빨라야 한다. 슈퍼컴퓨터 수준이 되어야 한다는 것인데, 이는 고가의 장비다. 인공지능을 돌릴 인프라 마련만 하더라도 과감한 투자가 필요하다. 실제로 밴슨 본 연구에서 40%의 응답자가 IT 인프라가 부족한 것을 큰 문제라고 지적했다.
이 문제의 가장 간단한 해결책은 클라우드 기반의 인공지능 솔루션을 사용하는 것이다. 시장에서 손 꼽히는 ‘메이저’ 클라우드 제공업체는 전부 인공지능에 기반을 둔 서비스를 제공한다. 그리고 가격도 슈퍼컴퓨터 구매보다 훨씬 저렴하다. 하지만 클라우드에 주요 데이터를 저장하는 게 정책적으로 불가능한 곳도 있어서, 이 해결책이 누구에게나 적용 가능한 건 아니다.
8. 아직 증거 자료가 부족하다
인공지능 기술을 좋은 쪽으로 보자면 끝도 없지만, 나쁘게 봐도 끝이 없긴 마찬가지다. 아직 인공지능에 대해 꺼림칙하게 생각하는 사람들의 주된 주장 중 하나는 “아직 그 성능이 충분히 입증되지 않았다”는 것이다. 최근 한 매체에서는 IBM의 인공지능인 왓슨(Watson)을 종양학에 접목하는 것에 대해 회의적인 보도를 한 바 있다. 근거 자료는 IBM 내부 문건이었는데, 이 문서에는 왓슨이 올바르지 않고 위험한 치료법을 제안했다는 내용을 담고 있었다. 밴슨 본 연구에서도 응답자의 1/3이 “인공지능은 아직 태생 단계에 있고, 충분히 입증되지 않았다”고 답했다.
물론 맞는 말이다. 인공지능은 충분히 입증되지 않았다. 그러나 인공지능이 완전히 활개 치기 시작할 때까지 기다렸다가 도입을 시도하는 건 너무 늦을 것이 분명한 것도 사실이다. 인공지능에 투자를 하고 싶은 기업이라면 이런 부분에 대한 균형성을 고민해야 할 것이다. 얼리 어댑터의 위험을 감수할 것인가, 아니면 뒤로 쳐질 것인가, 적정선은 어디쯤인가? 애석하게도 분명한 답은 존재하지 않는다.
9. 아직 부족한 퍼포먼스
‘입증되지 않았다’는 지적과 일맥상통한 문제인데, 인공지능을 시도했다가 실패할까봐 두려워하는 것도 큰 장애물이다. 실제로 프로젝트 실패는 모든 기업들에 있어 큰 리스크다. 시장 조사 기관 포레스터는 2018년을 전망하며 “인공지능 프로젝트의 75%가 기대 이하의 성과를 낼 것”이라고 발표하기도 했다. 왜냐하면 인공지능 도입으로 인한 기대치가 모두 다르기 때문이다. 그리고 이는 앞으로 경영진의 인공지능 분야 투자에 영향을 미칠 것이라고 내다보기도 했다.
이는 사실상 큰 장애물이다. 실패한 프로젝트에 다시 한 번 투자를 결단하는 경영진인 많지 않기 때문이다. 그러므로 첫 인공지능 프로젝트를 조심스럽게 선택해야 한다. 의미 있는 성과가 나올만한 것으로 고르되, 사업의 진행 방향에 있어 맥락을 같이 할 수 있는 것이어야 한다. 동시에 인공지능에 대한 기대치 관리도 해야 한다. 인공지능이 빠른 시간 안에 놀라운 성과를 내는 기술이 아니라는 걸 주지시켜야 한다.
10. 규제
인공지능 프로젝트를 선택할 때 반드시 다뤄야 할 것은 산업 내, 혹은 국가적인 규제 사항들이다. 유럽 클라이언트를 두고 있다면 GDPR과 같은 새로운 규정들도 숙지해야 한다. 인공지능에는 다양한 데이터를 주입시켜야 하는데 여기에는 민감한 정보도 포함될 수 있기 때문이다. 민감한 정보는 의외로 많은 법적 제약을 받는다.
실제로 많은 산업과 나라에서 인공지능과 관련된 규정과 법을 어떤 식으로 마련해야 할지 고민 중에 있다. 많은 논의가 나오고 있으며 기조를 분명하게 정한 곳은 거의 없다고 봐야 한다. 이러한 논의가 어떤 식으로 흘러가는지도 IT 전문가들이 면밀히 지켜봐야 한다. 애써 성공시킨 프로젝트가 규정에 의해 무산될 수도 있기 때문이다.
3줄 요약
1. 인공지능의 도입이 앞으로 늘어날 것은 분명함. 하지만 충분히 입증되지 않은 것도 분명함.
2. 규정 내에서, 작은 규모로 서서히 시작해보는 것이 가장 안전한 방법.
3. 공포, 편향성, 거부감, 지나친 기대치 등 관리해야 할 인적 요소도 의외로 많음.
[국제부 문가용 기자(globoan@boannews.com)]
무조건적인 칭송보다 작은 규모에서부터 천천히 입증하는 것이 중요
[보안뉴스 문가용 기자] 인공지능에 대한 기업들의 관심이 점점 고조되고 있다. 하지만 실제로 도입을 하려니 그 과정이 만만치 않다. 최근 기술의 발전이 눈부시게 이뤄진 것도 사실이지만, 광고성 멘트들이 아직은 더 현란한 것도 사실이다. 인공지능이란 말에 눈길이 가곤 하지만, 그걸 ‘내 것’으로 만들려니 그 동안 보이지 않았던 장애물들이 많다.
[이미지 = iclickart]
최근 시장 조사 기관인 밴슨 본(Vanson Bourne)이 실시한 조사에 의하면 IT 및 사업 관련 결정권자들 중 80%가 “현재 회사 내에서 인공지능이 사용되고 있다”고 답했다고 한다. 사업의 핵심이 되는 부분에 인공지능을 도입한 곳부터 주변부에 살짝 곁들인 정도에 그친 곳까지가 기업의 80%라는 것이다. 하지만 이보다 더 많은 91%는 “중대한 장애물을 경험할 것으로 예상하고 있다”고 답하기도 했다.
또 다른 시장 분석 회사인 가트너(Gartner)도 비슷한 주제를 놓고 시장 조사를 해 발표했다. 수치가 조금 다르긴 하지만 인공지능에 대한 기업들의 관심이 뜨거운 건 마찬가지였다. 특히 인공지능과 관련해 진척을 보이는 게 2018년 CIO들의 주요 과제 중 하나이기도 한 것으로 나타났다.
“2018년, 기업들은 인공지능으로 가장 잘 할 수 있는 일이 무엇인지 이해하기 위한 노력을 이어갈 것입니다.” 가트너의 연구 책임자인 치락 데카테(Chirag Dekate)의 설명이다. “2020년까지는 CIO들의 85%가 인공지능과 관련된 파일럿 프로그램을 실시할 것으로 보이고요. 외부 프로그램을 구매하거나, 스스로 인공지능 관련 프로그램을 구축하거나, 외주 인력을 구하는 등의 노력을 할 것입니다.”
그렇다는 건 CIO들이 인공지능 도입을 위한 장애물들을 치워야 한다는 의미도 된다고 데카테는 지적한다. 인공지능에 대한 이해도만 높이는 것이 아니라, 성공을 가로막는 여러 요인들도 제거하는 노력을 해야 할 것이라는 것이다. 그렇다면 그 장애물들이란 무엇일까? 기업들이 인공지능의 성공적인 도입을 위해 해야 할 일들 중 장애물 제거에 초점을 맞춰 이번 주 주말판을 준비했다.
1. 공포
인공지능에 관한 각종 공상과학 장르가 수십 년 동안 발전해온 덕분에 대부분의 사람들은 인공지능에 대해 막연한 두려움 혹은 거부감을 가지고 있다. 게다가 IT와 과학 분야에서 두각을 나타낸 인물들인 엘론 머스크(Elon Musk), 마크 쿠반(Mark Cuban), 스티븐 호킹(Steven Hawking) 등도 인공지능이 인류에 심각한 위협을 초래할 수 있다고 경고까지 한 바 있다. 2018년 갤럽에서 조사한 바에 의하면 미국인의 73%가 인공지능 때문에 실직할 것으로 예상하고 있었다.
그렇기 때문에 인공지능 기술을 도입하고자 하는 IT 전문가들은 일부 임직원의 부정적인 반응을 경험하게 될 것이다. 심지어 구글의 직원들도 인공지능 도입이나 개발을 반대한 바 있는데 심지어 일부는 회사를 그만두기도 했다. 그러니 이런 반응이 자연스러운 것이라고 봐도 무방하다.
최근 기술 분야의 지도자들은 인공지능을 탑재한 무기 개발을 하지 않겠다는 성명을 발표한 바 있다. 이런 소식들은 인공지능에 대한 거부감을 꺾는 데에 어느 정도 일조할 수 있다. 그렇다고 해도 분명 인공지능에 대한 반대 의견에 부딪히는 것은 어쩔 수 없는 일일 것이다. 그럴 때는 인공지능의 장점을 찬양하기보다, 도입하려는 기술이 어떤 기능을 가지고 있고, 회사의 운영 전략에 있어서 왜 필요한지를 투명하고 여유롭게 알려주는 노력이 필요하다. 확실하다면 ‘당신은 해고되지 않을 것’이라는 약속을 해주는 것도 중요하다.
2. 결정권자들의 거리낌
공포에서부터 발로한 또 다른 장애물은 결정권자들조차도 인공지능에 대한 관심이 부족하다는 것이다. 인공지능 기술을 잘 모르고 있거나, 인공지능을 도입했을 때의 변화를 이해하지 못하기 때문인데, 최근 IDC가 조사한 바에 의하면 인공지능 기술을 도입한 기업의 49%가 실제로 경영진의 지원이 없다는 것을 두 번째로 큰 장애물로 꼽았다.
이를 해결하는 방법 중 하나는 잠재적인 이점을 강조해 설명하는 것이다. 이 이점에는 1) 직원들의 생산력 증가, 2) 자동화의 효율적인 적용, 3) 새로운 산물과 통찰에 대한 기대 등이 있다. 특히 다량의 데이터를 필요로 하는 프로세스나 규격이 명확하게 정립된 사업에서부터 천천히 인공지능을 적용해가며 그 효용성을 증명해가는 것도 좋은 방법이다.
3. 예산 부족
운영진의 관심이 부족하다고 했을 때 나타나는 현상은 투자가 충분히 이뤄지지 않는다는 것이다. 관심이 없는 경영진이 예산을 인공지능에 충분히 배정해줄 리가 없다. 이는 실제로 많은 회사들에서 일어나고 있는 현상이기도 하다. 왜냐하면 밴슨 본 연구 조사에 의하면 기업들의 30%가 “현재 인공지능에 대한 투자가 없다”고 답했으며, 37%가 “투자가 충분치 않다”고 답했기 때문이다.
하지만 이 장애는 그리 오래 가지 않을 전망이다. 왜냐하면 시장 경쟁의 원리에 의해 어느 순간부터 싫더라도 인공지능을 생각하지 않을 수 없기 때문이다. 경쟁자들이 인공지능의 맛을 하나 둘 보기 시작하면, 따라가지 않을 수 없게 된다. 위 밴슨 본 연구에서 30%의 응답자가 “36개월 이내에 인공지능에 대한 투자가 늘어날 전망”이라고 답하기도 했다.
4. 데이터 문제
이건 기술적인 문제 중 하나인데, 모든 인공지능 프로젝트의 가장 큰 난관은 양질의 데이터를 확보하는 것이다. 물론 데이터의 양은 기하급수적으로 늘어나고 있다. 그러나 인공지능을 훈련시키는 데 필요한, ‘적절한 데이터’는 아직 부족한 실정이다. 많은 IT 전문가들이 인공지능 도입에 필요한 데이터가 충분치 않다는 어려움을 토로하고 있다. IDC의 설문에서는 57%의 전문가들이 데이터 부족을 가장 큰 장애물로 꼽았고, 밴슨 본 조사에서는 23%의 전문가들이 데이터 부족을 문제 삼았다.
여기서 핵심은 데이터의 질이다. 가트너는 “많은 CIO들이 확보하고 있는 데이터 중에서 쓸 만한 걸 찾는 데에 어려움을 겪고 있다”고 설명한다. 인공지능을 구매하고 구축하기 전에 선행되어야 하는 건 데이터 과학자들의 데이터 정리 작업이다. 엑셀표에 잘 정리해서 담으라는 게 아니라, 과학자들의 전문 지식을 이용해 데이터를 양질의 것으로 분류하고 다듬으라는 것인데, 이는 매우 긴 시간이 필요하다. 이 과정이 없다면, 인공지능이 내는 결과들은 그리 만족스럽지 않을 것이다.
5. 편향성
데이터 질과 비슷한 문제인데, 아무리 데이터를 고르고 골라 인공지능을 훈련시킨다 하더라도 어느 정도 편향성이 인공지능에 흘러들어가는 걸 막기 힘들 수 있다. 물론 개발자들과 데이터 과학자들이 의도적으로 나쁜 데이터를 교묘하게 입력하지는 않을 것이다. 그러나 이들이 사용하는 데이터란 대부분 사람과 사회가 만든 것이고, 개발자와 과학자 본인들도 사람이기 때문에 모든 사안에 있어서 완전히 가치중립적일 수가 없다. 실제로 구글의 이미지 검색 엔진은 흑인과 고릴라를 혼동하기도 하고, 인공지능 기반의 채용 엔진은 백인 남성을 선호하기도 했다.
인공지능 시스템이 아무리 최첨단이라고 하더라도 지금 인공지능이 흡수하는 데이터는 이전 역사들 속에서 만들어진 것들이다. 그러므로 사회적으로 형성되어 온 편견과 편향성들이 존재한다. 기술의 발전만으로 해결이 어려운 문제라는 것이다. 구글은 근본적인 해결을 하지 못해 고릴라라는 태그를 이미지 검색에서 없애버렸다. ‘편향성’은 아직 해결법이 알려지지 않은 문제로, 지금은 “인공지능도 편향성을 가질 수 있다”는 걸 인지하는 것이 최선이다. 그러므로 인공지능의 결정을 무조건 믿는 게 아니라 면밀히 검토할 필요가 있다.
6. 전문가 부족
기업들에게 있어 현재 가장 큰 문제 중 하나는 인공지능을 제대로 할 수 있는 전문가를 구하는 것이다. 인공지능이 활성화되기 시작한 건 비교적 최근의 일이기 때문에 전문가들이 충분히 육성되지 않았다는 것이 이 문제의 요인이다. 밴슨 본의 연구에 의하면 응답자의 34%가 인공지능 도입을 위한 전문가가 없다는 게 가장 큰 문제라고 꼽았다. 한 발표에 의하면 전 세계에 인공지능 전문가라고 할 만한 사람은 2만 2천명 정도뿐이라고 한다. 이 중 공석을 채울 수 있을만한 사람은 3천명인데, 미국에만 공석이 1만 개다.
리서치 업체인 오렐리(O'Reilly)는 최근 발간한 보고서를 통해 “인공지능 전문가는 매우 드문데 인공지능 프로젝트는 갈수록 늘어가고 있다”고 설명한다. ‘인재 부족 현상’이 갈수록 심화될 것이라는 뜻이다. “현재 기업들이 이 부분을 해결하기 위해 할 수 있는 현실적인 방법은 소프트웨어 개발 능력이 출중한 개발자들을 고용해 인공지능을 현장에서 가르치는 것”이라고 오렐리는 권장한다.
7. IT 인프라의 부족
IT 인재만큼 현재 인프라의 적절성도 문제로 꼽히고 있다. 인공지능을 개발하거나 도입하는 것 모두 엄청난 양의 데이터를 필요로 하는 일이다. 게다가 시스템 파워도 강력하고 빨라야 한다. 슈퍼컴퓨터 수준이 되어야 한다는 것인데, 이는 고가의 장비다. 인공지능을 돌릴 인프라 마련만 하더라도 과감한 투자가 필요하다. 실제로 밴슨 본 연구에서 40%의 응답자가 IT 인프라가 부족한 것을 큰 문제라고 지적했다.
이 문제의 가장 간단한 해결책은 클라우드 기반의 인공지능 솔루션을 사용하는 것이다. 시장에서 손 꼽히는 ‘메이저’ 클라우드 제공업체는 전부 인공지능에 기반을 둔 서비스를 제공한다. 그리고 가격도 슈퍼컴퓨터 구매보다 훨씬 저렴하다. 하지만 클라우드에 주요 데이터를 저장하는 게 정책적으로 불가능한 곳도 있어서, 이 해결책이 누구에게나 적용 가능한 건 아니다.
8. 아직 증거 자료가 부족하다
인공지능 기술을 좋은 쪽으로 보자면 끝도 없지만, 나쁘게 봐도 끝이 없긴 마찬가지다. 아직 인공지능에 대해 꺼림칙하게 생각하는 사람들의 주된 주장 중 하나는 “아직 그 성능이 충분히 입증되지 않았다”는 것이다. 최근 한 매체에서는 IBM의 인공지능인 왓슨(Watson)을 종양학에 접목하는 것에 대해 회의적인 보도를 한 바 있다. 근거 자료는 IBM 내부 문건이었는데, 이 문서에는 왓슨이 올바르지 않고 위험한 치료법을 제안했다는 내용을 담고 있었다. 밴슨 본 연구에서도 응답자의 1/3이 “인공지능은 아직 태생 단계에 있고, 충분히 입증되지 않았다”고 답했다.
물론 맞는 말이다. 인공지능은 충분히 입증되지 않았다. 그러나 인공지능이 완전히 활개 치기 시작할 때까지 기다렸다가 도입을 시도하는 건 너무 늦을 것이 분명한 것도 사실이다. 인공지능에 투자를 하고 싶은 기업이라면 이런 부분에 대한 균형성을 고민해야 할 것이다. 얼리 어댑터의 위험을 감수할 것인가, 아니면 뒤로 쳐질 것인가, 적정선은 어디쯤인가? 애석하게도 분명한 답은 존재하지 않는다.
9. 아직 부족한 퍼포먼스
‘입증되지 않았다’는 지적과 일맥상통한 문제인데, 인공지능을 시도했다가 실패할까봐 두려워하는 것도 큰 장애물이다. 실제로 프로젝트 실패는 모든 기업들에 있어 큰 리스크다. 시장 조사 기관 포레스터는 2018년을 전망하며 “인공지능 프로젝트의 75%가 기대 이하의 성과를 낼 것”이라고 발표하기도 했다. 왜냐하면 인공지능 도입으로 인한 기대치가 모두 다르기 때문이다. 그리고 이는 앞으로 경영진의 인공지능 분야 투자에 영향을 미칠 것이라고 내다보기도 했다.
이는 사실상 큰 장애물이다. 실패한 프로젝트에 다시 한 번 투자를 결단하는 경영진인 많지 않기 때문이다. 그러므로 첫 인공지능 프로젝트를 조심스럽게 선택해야 한다. 의미 있는 성과가 나올만한 것으로 고르되, 사업의 진행 방향에 있어 맥락을 같이 할 수 있는 것이어야 한다. 동시에 인공지능에 대한 기대치 관리도 해야 한다. 인공지능이 빠른 시간 안에 놀라운 성과를 내는 기술이 아니라는 걸 주지시켜야 한다.
10. 규제
인공지능 프로젝트를 선택할 때 반드시 다뤄야 할 것은 산업 내, 혹은 국가적인 규제 사항들이다. 유럽 클라이언트를 두고 있다면 GDPR과 같은 새로운 규정들도 숙지해야 한다. 인공지능에는 다양한 데이터를 주입시켜야 하는데 여기에는 민감한 정보도 포함될 수 있기 때문이다. 민감한 정보는 의외로 많은 법적 제약을 받는다.
실제로 많은 산업과 나라에서 인공지능과 관련된 규정과 법을 어떤 식으로 마련해야 할지 고민 중에 있다. 많은 논의가 나오고 있으며 기조를 분명하게 정한 곳은 거의 없다고 봐야 한다. 이러한 논의가 어떤 식으로 흘러가는지도 IT 전문가들이 면밀히 지켜봐야 한다. 애써 성공시킨 프로젝트가 규정에 의해 무산될 수도 있기 때문이다.
3줄 요약
1. 인공지능의 도입이 앞으로 늘어날 것은 분명함. 하지만 충분히 입증되지 않은 것도 분명함.
2. 규정 내에서, 작은 규모로 서서히 시작해보는 것이 가장 안전한 방법.
3. 공포, 편향성, 거부감, 지나친 기대치 등 관리해야 할 인적 요소도 의외로 많음.
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-11-22] 
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
