서문 | 인공지능 in 비즈니스
인공지능보다 더 중요한 것
관점의 변화가 반드시 필요하다
인공지능의 진짜 의미
인공지능 시대에 나는 어떻게 해야 하나
인공지능 활용에 필요한 세 가지
1부 | 도구의 이해
1장. 인공지능이란 무엇인가
명확한 정의가 없는 인공지능
어떻게 받아들여야 하나
인공지능의 구성 요소
데이터 드리븐 비즈니스
핵심은 머신러닝
2장. 머신러닝이란 무엇인가
머신러닝이 바꾼 컴퓨터 사용법
스스로 학습한다는 의미에 대한 오해
지도 학습으로 예측하기
비지도 학습으로 이해하기
강화 학습으로 원하는 대로 만들기
콘텐츠 생성으로 발전 중인 머신러닝
머신러닝 알고리즘과 딥러닝
3장. 도구로서의 인공지능
머신러닝이 하는 데이터 분석
분석을 프로세스 안으로
어디에나 쓸 수 있는 예측
예측으로 하는 진정한 개인화
시각 인지력의 활용
콘텐츠 생성에 활용
인간의 말로 일하게 하기
미래 예측
머신러닝의 활용처
4장. 오해 속의 빅데이터
빅데이터는 SNS 분석이 아니다
불필요하고 해로운 빅데이터
대상이 아닌 수단으로서의 빅데이터
2부 | 경영의 변화
5장. 왜 변화가 필요한가
뒤에 숨겨진 과정들
두뇌 한계를 뛰어넘기 위한 도구
결국은 변화 관리
인공지능 시대의 인간의 역할
6장. 경영의 변화
충돌하는 이해관계의 조정
조직 구조와 프로세스의 변경
구체적인 계획은 오히려 방해가 된다
다른 것을 시도할 여유
원활한 협업을 위한 조건
근본적 변화는 하향식으로만 가능하다
GE의 트랜스포메이션 사례
7장. 일하는 방식의 변화
기회는 일상 속에 있다
이벤트가 아닌 일상으로
기술이 선두에서 이끌어야 한다
공부하고 따라 해서 역량 키우기
실패, 시행착오, 갈등은 좋은 신호
3부 | 실질적 실행
8장. 데이터 활용의 단계
데이터는 분석하는 것이 아니라 활용하는 것
반드시 거쳐야 하는 단계
1단계 데이터 파악: 구체적으로
2단계 파일럿 프로젝트: 데이터 분석하면 실패
3단계 데이터 수집과 저장: 원시 데이터를 한곳에
4단계 본격적 데이터 활용 및 성숙
5단계 비즈니스 확장 및 신규 비즈니스 개발
9장. 현실적인 이슈
데이터 전문 조직의 구성
데이터 활용의 현실
IT 조직의 일이 아니다
데이터 관련 직종
데이터 전문가 채용과 취업
머신러닝 운영의 새로운 문제들
10장. 데이터 분석
데이터 분석이 뒤처진 이유
모호한 데이터 분석
기술적 분석
탐색적 분석
진정한 데이터 활용
감사의 글
미래의 트렌드 아닌, 기업이 지금 당면한 과제가 된 인공지능
세계 최대 전자산업 전시회인 CES 2018, 올해의 화두는 단연 인공지능이었다. 내로라하는 글로벌 기업들이 일상으로 파고든 인공지능 기술을 자랑했다. 4차 산업혁명을 둘러싼 가장 현실적이고도 임박한 키워드가 인공지능임을 실감케 했다. 그런가 하면 국내 대기업들은 최근 조직개편에서 앞다퉈 인공지능 사업팀을 신설하거나 강화하고 있다. 인공지능이 시범 단계를 넘어 본격 사업 단계로 접어든 것만은 분명한 듯하다. 그러나 정작 현장은 혼란스럽다. 인공지능의 진정한 가치는 뭔지, 어떻게 활용해야 하는지, 어디에 투자해야 하는지 제대로 알지 못한 채 조급하다.
인공지능에 대한 관심이 막 시작됐을 무렵 경제전망서나 트렌드서로서 몇몇 해외서적들이 이 분야의 관심을 끌었다면, 이제는 한 걸음 더 들어가 ‘하우투How to’를 얘기할 시점이다. 이 책은 사람들에게 기술의 컨셉을 쉽게 전달하고, 오해를 바로잡으며, 기업 임직원들에게는 기술을 어떻게 활용해야 사업에 실질적인 도움이 될지를 구체적으로 이야기한다. 저자는 인공지능 관련 기술들을 현업에 적용하는 것을 일상 업무로 하고 있는 국내 최고의 전문가다. 그의 가장 큰 장점은 사업 현장과 기술 연구 양쪽 모두에서 일한 매우 드문 경험을 갖고 있다는 것. 인공지능을 현업에 적용해온 과정의 수많은 시행착오와 성공 노하우를 이 책에 모두 담았다.
인공지능의 비즈니스 가치, 정말 제대로 알고 활용하는가?!
“우리는 인공지능과 경쟁하지 않는다. 우리는 오직 인공지능을 선제적으로 잘 활용하는 다른 인간들과 경쟁할 뿐이다.” 서문의 한 대목이다. 인공지능으로 인한 새로운 시대는 이미 시작됐다. 이 흐름은 바꿀 수도 없고, 그렇게 가지 않겠다고 저항할 수도 없다. 이럴 때는 상황을 먼저 제대로 이해하고 잘 활용하는 쪽이 살아남을 뿐이다. 현재 많은 기업들이 취하고 있는 지켜보기 전략은 그래서 위험하다. 인공지능을 먼저 활용할 경쟁자들에게 뒤처질 것이기 때문이다.
이 전쟁터에 먼저 뛰어든 경험으로 저자가 다른 이들의 문제 해결에 도움을 주고자 가장 먼저 강조한 것은 바로 문제를 제대로 정의하는 것이다. 즉, 인공지능의 진짜 의미가 무엇인지부터 짚고 간다. “인공지능을 활용한다는 것은 곧 데이터를 통한 변화 관리에 다름 아니”라고 말한다. 인공지능을 얘기할 때 무슨 인격체나 로봇을 떠올린다면 제대로 된 활용법을 찾기 힘들뿐더러 필요 이상의 불안감만 갖기 쉽다. ‘인공지능의 활용’라는 말을 즉각 ‘데이터의 활용’이라고 인식해야 비즈니스 활용의 실마리를 찾을 수 있다.
현장에서 겪는 대표적인 시행착오
인공지능을 비즈니스에 활용하고자 할 때 현장에서 겪는 대표적인 오해나 시행착오를 떠올려보자.
✔ 빅데이터 하면 가장 먼저 떠오르는 것은? SNS 텍스트 분석?
빅데이터라는 말을 들으면 크고 작은 키워드들이 둥둥 떠 있는 클라우드 워드를 떠올리는 이들이 많다. 사실은 우리 회사의 판매 데이터나 혹은 생산 설비에서 나오는 로그 데이터 등과 같이 기업이 갖고 있는 데이터가 먼저 떠올라야 맞다. 우리에게 익숙한 말, 예컨대 “빅데이터 분석에 따르면…” 식으로 빅데이터를 ‘분석’해야 할 대상으로 삼지 말고, ‘기술’ 그 자체로 이해하는 것이 중요하다. 예전에는 다루기 힘들었던 아주 큰 데이터도 쉽고 빠르게 처리할 수 있게 해주는 기술의 집합이자 수단으로 인식하는 것이야말로 시작이다. ‘빅’이라는 단어조차 사족이다.
✔ 구글 · 아마존 등 해외 유명 기업들의 AI 제품과 서비스만 떠올라 남의 일 같다?
위의 기업들은 자사 제품을 많이 팔기 위해, 그리고 자신들의 서비스에 우리를 더 많은 시간 동안 묶어놓기 위한 수단으로 인공지능을 이용하는 것뿐이다. 그들은 그들의 게임을 하게 놔두고, 그보다 더 많은 대다수 기업들은 ‘인공지능을 활용하여 기존의 내 일과 사업을 효율화하는 방법’을 고민해야 한다. 지금까지 계속 해온 나의 일들을 인공지능 기술을 써서 더 효율적으로 바꾸는 것이 바로 진정한 인공지능의 활용이다.
둘 다 대표적인 개념 오해다. 1부 ‘도구의 이해’는 대중의 눈높이에서 인공지능 관련 주요 개념들을 하나하나 따져본다. 함께 일하는 관계자 모두가 같은 이해와 목표를 같게 하기 위함이다. 인공지능, 머신러닝, 빅데이터…. 이런 말들을 많이 들어본 것과 활용을 위해 제대로 이해하는 것은 다르다.
최근 많은 기업들이 ‘딥러닝으로 뭔가 해보자’거나 ‘빅데이터를 기반으로 신규 사업을 만들자’ 같은 말들을 자주 한다. 이는 마치 건물을 지으려는데 어떤 건물을 지을 것인가는 별로 생각지 않고, 새로 나온 망치와 톱에 대해서만 열심히 얘기하는 것과 같다. 심지어 새로 나온 망치와 톱이 어떤 기능을 갖고 있는지 도구의 성질도 제대로 알지 못하면서 그저 요즘 유행하니 한번 써보려는 경우도 많다. 그러다 보니 일이 잘 진척되지 않기 십상인데, 보통은 기술이 문제라고 생각해 버린다.
✔ 기술 전문성이 중요하다? ‘우리도 구글의 딥러닝 기술만 있다면’, ‘넷플릭스의 추천 솔루션만 있다면….’
인공지능 기술을 도입하고 전문가를 들이면 새로운 비즈니스 모델이 만들어질 거라 착각한다. 기술이 중요하다고 생각하는 것이다. 하지만 절대 그렇지 않다. 그보다는 조직의 목표와 문화를 바꾸는 “하향식top-down 변화”가 선행돼야 한다. 인공지능 활용으로 뭘 이루고자 하는지 합의된 목표, 그에 따른 의사소통 및 평가 방식의 변화, 조직 간 조율, 전체 최적화 등이 중요하다.
일례로, 2012년 이후 많은 대기업이 빅데이터 센터 등의 이름으로 데이터 전문 조직을 만들었다. 기대만큼 성공한 곳은 없었는데, 그 가장 큰 이유는 설립 목적부터 잘못됐기 때문이다. 그러한 조직들이 부여받은 목표라는 게 데이터 기반의 신규 사업모델 개발 및 수익 창출이었다. 반드시 거쳐야 할 단계들을 무시하고 데이터로 새로운 사업을 만들어 매출부터 일으키려고 했으니 실패할 수밖에 없다. 새로운 비즈니스를 하는 것은 사업 개발과 의사결정의 영역이지, 데이터의 영역이 아니다.
✔ IT 조직의 일이다?
기업들이 흔히 하는 실수로, 데이터 활용 주관 부서를 IT개발 부서로 지정하거나 IT 담당자에게 과제를 부여하는 것이다. 그러나, IT 조직과 데이터 조직은 비슷한 듯 실은 매우 상반된 조직이다. 기업에서 IT의 역할은 각종 IT 시스템의 구축과 운영이며, 이때 이들의 주요 가치는 ‘안정성’이다. 반면, 데이터 조직의 역할은 그 전에는 알지 못했던 어떤 것을 찾고, 없던 것을 만들어서 기업을 변화시키는 것이다. 주요 가치가 ‘변화’인 셈이다. 전사적으로 자기 파괴적이고 적극적인 변화 추진이 필요한 일을 IT 부서에만 책임을 지우면 안 되는 이유다.
이상은 전략 수립과 실행의 시행착오에 관한 이야기다. 이런 기업들에게 설사 내일부터 당장 구글의 모든 기술을 다 쓸 수 있게 해준들, 최고의 머신러닝 전문가들을 데려다놓은들 달라지는 것은 없다. 기업 문화와 일하는 방식을 근본적으로 바꾸지 않는다면 말이다. 인공지능과 데이터를 잘 활용하려면 그동안 당연하게 여겼던 일하는 방식과 생각부터 바꿔야 한다. 이 책의 핵심인 2,3부의 ‘변화’ ‘실행’ 파트에서 이 같은 문제를 다룬다. 특히 조직 내 의사결정권자라면 2부부터 읽기를 권한다. 방향 제시, 기술의 도입과 적용, 변화 관리, 프로세스 관리, 성과 관리, 인적자원 관리, 조직 간 이해관계 관리, 예산 관리 등이 모두 당신 손에 달렸다.
4차 산업혁명 시대의 인공지능 ‧ 머신러닝 ‧ 데이터 활용법
이 책은 순서대로 읽지 않아도 된다. 예를 들어, 인공지능에 대한 기본적인 지식은 갖고 있으니 그보다는 당장 어디서부터 일을 시작해야 할지 실질적인 내용이 궁금하다면 8장 ‘데이터 활용 단계’부터 읽으면 된다.
그렇다면 인공지능 개발이나 데이터 엔지니어링 같이 기술 영역의 전문가가 아니어도, 기업의 리더가 아니어도, 이런 책이 필요할까? 그렇다. 내가 기술 분야는 전혀 모르고 지금 제조업체에서 생산 분야 경력 10년 차라면, 또는 마케팅 분야에서 일한 지 오래고 앞으로도 계속 이 일을 하고 싶다면? 현실적으로 훨씬 더 많은 사람들이 이 경우에 해당할 텐데, 그런 대중 직장인이야말로 인공지능을 활용하여 기존의 내 일을 효율적으로 바꿀 방법을 고민해야 한다. 그 길은 무궁무진하며 반드시 전문지식을 요하는 것도 아니다. 한계도 없고 더 많은 기회가 있음을 책 속 다양한 활용사례에서 확인할 수 있을 것이다.
중고단행본
멀티플라이어
