.jpg)
.jpg)
인공지능과 인간지능의 조화 무엇보다 중요
[보안뉴스= 김유신 서울시립대학교 자유융합대학 객원교수] 4차 산업혁명이라는 패러다임 이동과 함께 빅데이터와 인공지능 AI는 더 이상 낯설고 신기한 용어가 아니다. 신문이며 TV뉴스, 온라인 어딜가나 빅데이터와 인공지능 AI가 차고 넘쳐 마치 지금 우리가 사는 세상이 이미 빅데이터와 인공지능으로 돌아가고 있는게 아닌가 착각이 들 정도이다.
신기술 투자에 적극적인 금융산업에서도 상품개발, 마케팅, 위험관리, 사후관리, 고객응대 등 모든 분야에 AI 빅데이터가 활용되고 있다는 기사들이 연일 쏟아지고 있지만 실제 체감 수준은 아직 높지 않아 보인다. 그도 그럴 것이 스위스 국제경영개발대학원의 2017년 조사결과에 따르면 한국의 빅데이터 활용·분석 수준은 63개국중 56위로 저조했고 기업들의 빅데이터 이용률도 7.5%에 불과하다. 기존의 데이터 마이닝, CRM에서 나온 산출물들이 각색되어 빅데이터 활용 사례가 되기도 하고, 룰 엔진 시스템이 자가학습 알고리즘을 가진 인공지능으로 확대해석 된 것일 수도 있지만 이 또한 진화해 가는 과정으로 여겨진다.
좀더 정확한 현실을 파악해보고자 최근 종료되었거나 발주된 금융 빅데이터 AI 구축 사업을 살펴보면, 금융권 특히 은행들의 빅데이터 AI 도입 수준은 인프라를 구축하는 초기 단계를 이제 막 넘어서고 있음을 알 수 있다. 빅데이터 AI가 시장에 회자된 지 수년이 지났지만, 이제서야 빅데이터분석 플랫폼들이 갖춰지기 시작했고 전담 인력과 센터가 조직화되고 있다.
KB국민은행은 2017년 8월 발주한 KB데이터분석플랫폼 사업을 통해 데이터 수집 및 적재 서버 등의 인프라 구축과 요구불 적요분석, 고객 세그먼트와 상품추천 고도화, 영업점 혼잡도 분석 등의 일부 과제를 추진했다. 비슷한 시기에 비슷한 사업을 추진한 IBK은행도 2018년 5월 IBK빅데이터플랫폼 구축을 완료하고 적요분석과 비대면채널 이용 행태 분석을 통해 개인고객을 16가지 유형으로 세분화하고 이를 기반으로 선호 상품 추천을 시도하고 있음을 언론을 통해 발표했다.
최근 빅데이터 플랫폼 구축사업을 발주한 하나은행은 올 초 신설된 빅데이터구축센터에서 시범과제를 선정해 자체 파일럿 검증을 거친 후, 지난 10월 빅데이터 플랫폼 구축 사업자를 SK로 선정해 내년 하반기 오픈을 목표로 프로젝트에 착수한 상태이다. 이러한 프로젝트들의 사업규모가 40억원도 채 되지 않는 것으로 보아 아직은 본격적인 투자 이전의 파일럿 수준임에도 경영진과 고객의 눈높이는 만능 AI를 기대하고 있어 이제 막 걸음마를 뗀 실무 부서의 현실과 상당한 괴리가 존재하는 것 같다.
그럼에도 불구하고 금융 빅데이터 AI 시스템 구축을 성공적으로 추진하기 위해 많은 논의가 이루어지고 있고, 엔터프라이즈 측면에서 빅데이터 AI의 거버넌스와 확산 방안을 모색하기 시작하는 것은 바람직한 현상이라고 볼 수 있다. 이런 측면에서 필자가 그간 직간접으로 참여한 금융 프로젝트 수행 경험을 바탕으로 금융 빅데이터 AI 구축 시 고려해야 할 성공전략을 다음과 같이 제시해보고자 한다.
성공적인 금융 빅데이터 AI 도입 전략 프레임은 크게 “준비-실행-주의” 3가지 영역으로 나누어볼 수 있다. 먼저 준비단계에서는 주력 아이템 선점, 본질적 문제 이해, 워킹 그룹 확보가 이루어져야 한다.
첫 번째 주력 아이템 선점은 대내적으로는 조직의 Pain Point를 해소할 수 있으면서 대외적으로는 선도기업으로 시장을 리드할 수 있는 아이템을 선정하는 것이다. 실제 은행 내부의 빅데이터 AI 과제 발굴 단계에서 논의되는 아이템은 현업 부서들로부터 수십 개 이상 도출된다. 하지만 이를 모두 할 수도 없을 뿐더러 그 성과를 장담하기 어려운게 사실이다. 게다가 이미 경쟁사가 선점하고 있는 아이템이라면 프로젝트가 성공했다고 해도 홍보효과는 미미할 수 있다. 그러므로 조직의 핵심역량을 집중해서 그 성과를 대내외에 두드러지게 표출할 수 있는 주력 아이템을 선점해야 한다.
다음은 문제의 본질을 정확히 이해하는 것이다. 상품 추천을 예로 들면 금융기관도 예금/적금/보험/펀드 등 수많은 금융상품들을 다루고 있다. 그렇다고 해서 넷플릭스에서 사용하는 상품추천 알고리즘, 가령 협업 필터링과 같은 알고리즘을 활용한 금융상품 추천이 성과를 낼 수 있을까? 2시간을 소비하기 위한 VOD 서비스의 콘텐츠 추천과 장기적이며 고관여 상품인 금융 서비스는 분명 상품의 본질도 다르고 고객 세그먼트나 그에 따른 추천 알고리즘도 분명 다를 것이다. 결국 빅데이터 AI를 적용하고자하는 아이템이 가진 근본적인 속성과 문제점을 비즈니스 도메인 전문지식을 바탕으로 데이터 탐색과 함께 파악해 나가야 한다.
그렇기 위해서라도 준비 단계의 세번째는 워킹그룹을 구성하는 것이다. 워킹그룹 안에서 선정 과제의 현업부서 담당자는 물론이고, 도메인 지식이 풍부한 업무 전문가, IT 부서의 시스템 개발자, 데이터 과학자와 프로젝트를 지원해 줄 수는 스폰서까지 포함하여 구성해야 한다.
실행단계에서는 좀더 과업 중심적인 수행 전략이 요구된다. 기존의 레거시를 뛰어넘는 새로운 데이터와 새로운 접근법이 모색되어야 하고, 이를 통해 현업과 IT가 상호 윈윈하는 성공모델이 개발되어야 하며, 지속적인 학습과 진화의 틀이 갖추어져야 한다.
먼저 새로운 데이터와 새로운 접근법은 왜 빅데이터 AI 시스템을 구축해야 하는지에 대한 원천적 질문이라고 할 수 있다. 지금까지 기업여신심사 시스템이 없었던 것도 아닌데 굳이 AI를 접목해야 하는 목적은 무엇이고 어떻게 활용할 것인지가 명확히 식별해야 한다. 이는 다음 단계인 현업과 IT가 상호 윈윈하는 성공모델의 개발과도 밀접히 연관되어 있다. 흔히들 AI가 도입되면 인간의 노동이 AI로 대체되어 업무담당자의 영향력이 줄어들거나 일자리를 잃게 될 거라는 불안감이 팽배한 게 사실이다. 이 때문에 본인들의 업무 지식을 공유하지 않거나 배척하는 등 부정적 태도를 보이는 경우가 발생한다.
그러나 기업여신심사를 담당자의 검토와 승인없이 AI만으로 모두 자동화 처리할 수는 없다. 개인의 신용등급 강등을 아무런 근거와 설명없이 블랙박스 기계학습 알고리즘에게만 맡길 수도 없다. 결국 업무 담당자와 AI가 공조해야 하고, AI는 인간이 놓칠 수 있는 요소들을 찾아내고 실수를 줄이도록 지원하는 서포터가 되어야 하며, 업무담당자는 이런 AI를 잘 활용하는 파워 AI 유저가 되어야 한다. 금융 비즈니스는 어떻게든 바둑 게임을 이기기만 하면 되는 알파고가 아니기 때문이다. 결국 이런 상호 협력의 구조 안에서 빅데이터 AI 시스템은 지속적인 학습과 진화가 이루어질 수 있는 순환 시스템을 갖추어야 한다.
마지막으로 금융 빅데이터 AI 시스템 구축 시 도입할 때 다음의 3가지 주의사항을 당부하고자 한다. 먼저 금전적 거래라는 비즈니스의 특성 상 금융거래와 정보보호의 안정성이 담보되어야 한다. 고객에게 경제적 손실이 발생하거나 금융정보가 보호되지 않는다면 금융업의 본질가치가 크게 훼손될 것이다.
다음은 금융기관 자체의 민감정보와 노하우가 외부에 유출되지 않도록 해야 한다. 어떤 금융사는 자사의 금융상품 정보와 상품개발 노하우가 노출될 것을 우려하여 AI 챗봇 도입에 부정적인 견해를 보인 적도 있는데, 이제와서 보면 지나친 우려일 수 있으나 금융산업의 특성상 이를 좀더 명확히 짚고 갈 필요도 있다.
한편, 인공지능을 만능 해결사로 여기고 AI가 스스로 모든걸 판단하고 처리할 것이라 사람의 손이 불필요하다고 생각하는 경우도 있다. 하지만 불과 얼마전 MS의 AI 챗봇 TAY 사례를 되새겨볼 때, 인간지능의 적절한 개입 없이 AI에게만 맡겨둔다면 학습편향으로 인해 극단에 치우치는 바이어스를 쉽게 발견하게 될 것이다.
그러므로 AI가 올바로 잘 학습하고 진화하도록 지속적이고 적절한 인간지능의 개입은 필요 불급한 요소라고 할 수 있다. 이외에도 고려해야할 수많은 이슈와 성공 노하우가 있겠지만 AI가 학습을 통해 진화해 가듯이 이를 구축하고 운영하는 조직도 계속해서 학습하고 성장해갈 때 빅데이터 AI를 통한 조직의 경쟁 우위 확보가 가능할 것이다.
[글_ 김유신 서울시립대 자유융합대학 빅데이터분석학 전공 객원교수/한국인터넷정보학회 운영이사
(yoosin25@uos.ac.kr)]
필자 소개_ 김유신 교수는 SKC&C, 액센츄어코리아, IT벤처 등에서 10여년간 빅데이터 컨설팅과 정보시스템 구축을 수행했고, 텍사스주립대와 충북대학교에서 빅데이터전공 연구교수로 재직했다. 현재는 한국인터넷정보학회 운영이사로서 데이터사이언스연구회를 이끌고 있으며, 서울시립대 빅데이터분석학 전공 객원교수로 재직하고 있다.
[보안뉴스= 김유신 서울시립대학교 자유융합대학 객원교수] 4차 산업혁명이라는 패러다임 이동과 함께 빅데이터와 인공지능 AI는 더 이상 낯설고 신기한 용어가 아니다. 신문이며 TV뉴스, 온라인 어딜가나 빅데이터와 인공지능 AI가 차고 넘쳐 마치 지금 우리가 사는 세상이 이미 빅데이터와 인공지능으로 돌아가고 있는게 아닌가 착각이 들 정도이다.
[이미지=iclickart]
신기술 투자에 적극적인 금융산업에서도 상품개발, 마케팅, 위험관리, 사후관리, 고객응대 등 모든 분야에 AI 빅데이터가 활용되고 있다는 기사들이 연일 쏟아지고 있지만 실제 체감 수준은 아직 높지 않아 보인다. 그도 그럴 것이 스위스 국제경영개발대학원의 2017년 조사결과에 따르면 한국의 빅데이터 활용·분석 수준은 63개국중 56위로 저조했고 기업들의 빅데이터 이용률도 7.5%에 불과하다. 기존의 데이터 마이닝, CRM에서 나온 산출물들이 각색되어 빅데이터 활용 사례가 되기도 하고, 룰 엔진 시스템이 자가학습 알고리즘을 가진 인공지능으로 확대해석 된 것일 수도 있지만 이 또한 진화해 가는 과정으로 여겨진다.
좀더 정확한 현실을 파악해보고자 최근 종료되었거나 발주된 금융 빅데이터 AI 구축 사업을 살펴보면, 금융권 특히 은행들의 빅데이터 AI 도입 수준은 인프라를 구축하는 초기 단계를 이제 막 넘어서고 있음을 알 수 있다. 빅데이터 AI가 시장에 회자된 지 수년이 지났지만, 이제서야 빅데이터분석 플랫폼들이 갖춰지기 시작했고 전담 인력과 센터가 조직화되고 있다.
[자료=김유신 교수]
KB국민은행은 2017년 8월 발주한 KB데이터분석플랫폼 사업을 통해 데이터 수집 및 적재 서버 등의 인프라 구축과 요구불 적요분석, 고객 세그먼트와 상품추천 고도화, 영업점 혼잡도 분석 등의 일부 과제를 추진했다. 비슷한 시기에 비슷한 사업을 추진한 IBK은행도 2018년 5월 IBK빅데이터플랫폼 구축을 완료하고 적요분석과 비대면채널 이용 행태 분석을 통해 개인고객을 16가지 유형으로 세분화하고 이를 기반으로 선호 상품 추천을 시도하고 있음을 언론을 통해 발표했다.
최근 빅데이터 플랫폼 구축사업을 발주한 하나은행은 올 초 신설된 빅데이터구축센터에서 시범과제를 선정해 자체 파일럿 검증을 거친 후, 지난 10월 빅데이터 플랫폼 구축 사업자를 SK로 선정해 내년 하반기 오픈을 목표로 프로젝트에 착수한 상태이다. 이러한 프로젝트들의 사업규모가 40억원도 채 되지 않는 것으로 보아 아직은 본격적인 투자 이전의 파일럿 수준임에도 경영진과 고객의 눈높이는 만능 AI를 기대하고 있어 이제 막 걸음마를 뗀 실무 부서의 현실과 상당한 괴리가 존재하는 것 같다.
그럼에도 불구하고 금융 빅데이터 AI 시스템 구축을 성공적으로 추진하기 위해 많은 논의가 이루어지고 있고, 엔터프라이즈 측면에서 빅데이터 AI의 거버넌스와 확산 방안을 모색하기 시작하는 것은 바람직한 현상이라고 볼 수 있다. 이런 측면에서 필자가 그간 직간접으로 참여한 금융 프로젝트 수행 경험을 바탕으로 금융 빅데이터 AI 구축 시 고려해야 할 성공전략을 다음과 같이 제시해보고자 한다.
[자료=김유신 교수]
성공적인 금융 빅데이터 AI 도입 전략 프레임은 크게 “준비-실행-주의” 3가지 영역으로 나누어볼 수 있다. 먼저 준비단계에서는 주력 아이템 선점, 본질적 문제 이해, 워킹 그룹 확보가 이루어져야 한다.
첫 번째 주력 아이템 선점은 대내적으로는 조직의 Pain Point를 해소할 수 있으면서 대외적으로는 선도기업으로 시장을 리드할 수 있는 아이템을 선정하는 것이다. 실제 은행 내부의 빅데이터 AI 과제 발굴 단계에서 논의되는 아이템은 현업 부서들로부터 수십 개 이상 도출된다. 하지만 이를 모두 할 수도 없을 뿐더러 그 성과를 장담하기 어려운게 사실이다. 게다가 이미 경쟁사가 선점하고 있는 아이템이라면 프로젝트가 성공했다고 해도 홍보효과는 미미할 수 있다. 그러므로 조직의 핵심역량을 집중해서 그 성과를 대내외에 두드러지게 표출할 수 있는 주력 아이템을 선점해야 한다.
다음은 문제의 본질을 정확히 이해하는 것이다. 상품 추천을 예로 들면 금융기관도 예금/적금/보험/펀드 등 수많은 금융상품들을 다루고 있다. 그렇다고 해서 넷플릭스에서 사용하는 상품추천 알고리즘, 가령 협업 필터링과 같은 알고리즘을 활용한 금융상품 추천이 성과를 낼 수 있을까? 2시간을 소비하기 위한 VOD 서비스의 콘텐츠 추천과 장기적이며 고관여 상품인 금융 서비스는 분명 상품의 본질도 다르고 고객 세그먼트나 그에 따른 추천 알고리즘도 분명 다를 것이다. 결국 빅데이터 AI를 적용하고자하는 아이템이 가진 근본적인 속성과 문제점을 비즈니스 도메인 전문지식을 바탕으로 데이터 탐색과 함께 파악해 나가야 한다.
그렇기 위해서라도 준비 단계의 세번째는 워킹그룹을 구성하는 것이다. 워킹그룹 안에서 선정 과제의 현업부서 담당자는 물론이고, 도메인 지식이 풍부한 업무 전문가, IT 부서의 시스템 개발자, 데이터 과학자와 프로젝트를 지원해 줄 수는 스폰서까지 포함하여 구성해야 한다.
실행단계에서는 좀더 과업 중심적인 수행 전략이 요구된다. 기존의 레거시를 뛰어넘는 새로운 데이터와 새로운 접근법이 모색되어야 하고, 이를 통해 현업과 IT가 상호 윈윈하는 성공모델이 개발되어야 하며, 지속적인 학습과 진화의 틀이 갖추어져야 한다.
먼저 새로운 데이터와 새로운 접근법은 왜 빅데이터 AI 시스템을 구축해야 하는지에 대한 원천적 질문이라고 할 수 있다. 지금까지 기업여신심사 시스템이 없었던 것도 아닌데 굳이 AI를 접목해야 하는 목적은 무엇이고 어떻게 활용할 것인지가 명확히 식별해야 한다. 이는 다음 단계인 현업과 IT가 상호 윈윈하는 성공모델의 개발과도 밀접히 연관되어 있다. 흔히들 AI가 도입되면 인간의 노동이 AI로 대체되어 업무담당자의 영향력이 줄어들거나 일자리를 잃게 될 거라는 불안감이 팽배한 게 사실이다. 이 때문에 본인들의 업무 지식을 공유하지 않거나 배척하는 등 부정적 태도를 보이는 경우가 발생한다.
그러나 기업여신심사를 담당자의 검토와 승인없이 AI만으로 모두 자동화 처리할 수는 없다. 개인의 신용등급 강등을 아무런 근거와 설명없이 블랙박스 기계학습 알고리즘에게만 맡길 수도 없다. 결국 업무 담당자와 AI가 공조해야 하고, AI는 인간이 놓칠 수 있는 요소들을 찾아내고 실수를 줄이도록 지원하는 서포터가 되어야 하며, 업무담당자는 이런 AI를 잘 활용하는 파워 AI 유저가 되어야 한다. 금융 비즈니스는 어떻게든 바둑 게임을 이기기만 하면 되는 알파고가 아니기 때문이다. 결국 이런 상호 협력의 구조 안에서 빅데이터 AI 시스템은 지속적인 학습과 진화가 이루어질 수 있는 순환 시스템을 갖추어야 한다.
마지막으로 금융 빅데이터 AI 시스템 구축 시 도입할 때 다음의 3가지 주의사항을 당부하고자 한다. 먼저 금전적 거래라는 비즈니스의 특성 상 금융거래와 정보보호의 안정성이 담보되어야 한다. 고객에게 경제적 손실이 발생하거나 금융정보가 보호되지 않는다면 금융업의 본질가치가 크게 훼손될 것이다.
다음은 금융기관 자체의 민감정보와 노하우가 외부에 유출되지 않도록 해야 한다. 어떤 금융사는 자사의 금융상품 정보와 상품개발 노하우가 노출될 것을 우려하여 AI 챗봇 도입에 부정적인 견해를 보인 적도 있는데, 이제와서 보면 지나친 우려일 수 있으나 금융산업의 특성상 이를 좀더 명확히 짚고 갈 필요도 있다.
한편, 인공지능을 만능 해결사로 여기고 AI가 스스로 모든걸 판단하고 처리할 것이라 사람의 손이 불필요하다고 생각하는 경우도 있다. 하지만 불과 얼마전 MS의 AI 챗봇 TAY 사례를 되새겨볼 때, 인간지능의 적절한 개입 없이 AI에게만 맡겨둔다면 학습편향으로 인해 극단에 치우치는 바이어스를 쉽게 발견하게 될 것이다.
그러므로 AI가 올바로 잘 학습하고 진화하도록 지속적이고 적절한 인간지능의 개입은 필요 불급한 요소라고 할 수 있다. 이외에도 고려해야할 수많은 이슈와 성공 노하우가 있겠지만 AI가 학습을 통해 진화해 가듯이 이를 구축하고 운영하는 조직도 계속해서 학습하고 성장해갈 때 빅데이터 AI를 통한 조직의 경쟁 우위 확보가 가능할 것이다.
[글_ 김유신 서울시립대 자유융합대학 빅데이터분석학 전공 객원교수/한국인터넷정보학회 운영이사
(yoosin25@uos.ac.kr)]
필자 소개_ 김유신 교수는 SKC&C, 액센츄어코리아, IT벤처 등에서 10여년간 빅데이터 컨설팅과 정보시스템 구축을 수행했고, 텍사스주립대와 충북대학교에서 빅데이터전공 연구교수로 재직했다. 현재는 한국인터넷정보학회 운영이사로서 데이터사이언스연구회를 이끌고 있으며, 서울시립대 빅데이터분석학 전공 객원교수로 재직하고 있다.
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
김경애기자 기사보기
[2024-11-01] 
