비즈니스 전략을 위한 AI 인사이트

Point 1: AI 탄생과 진화의 역사를 생생한 국내외 비즈니스 전략과 연결.

AI 분야 국가 경쟁력에 대해 영국의 데이터 분석기관 '토터스인텔리전스Tortois Intelligence' 가 전 세계 62개국을 대상으로 분석한 '글로벌 AI 지수 보고서'에 따르면 2021년 한국의 AI 종합평가는 세계 7위에 랭크되었다. 그러나 디테일을 보면 씁쓸하다. 연구개발 수준은 세계 3위에 랭크되었지만 AI 기반 창업활동, 투자 및 비즈니스 이니셔티브를 포함하는 '상용화'는 15위에, AI 솔루션 제공을 위한 AI 엔지니어의 가용성 지표인 '인력'은 더 열악해서 28위에 랭크되었다. AI를 제대로 사용하는지 알아보는 데 중요한 지표인 운영 환경은 32위에 그치고 있다. 국내에서 AI를 활용하는 기업의 비율은 불과 2.5퍼센트에 불과하다. 모두가 AI 시대를 외치고 있지만 AI 연구로부터 상용화, 사업화에 이르는 연결은 겨우 걸음마 수준임을 알 수 있다.
이 책은 초반의 많은 분량을 AI의 탄생과 진화 과정을 살펴보는 데 할애하고 있다. 그러나 그 연결점은 AI가 기업과 산업 현장에서 어떤 형태로 쓰이고 있는지를 살펴보는 것이다. 온갖 찬사와 장밋빛 기대에도 불구하고 AI가 밟아온 역사는 대부분 실망과 실패의 역사였다. AI에 대한 과대포장과 오해가 넘쳐났고 기술적 성공과 사업적 성공은 그 의미가 완전히 다름에도 올바른 판단을 하지 못한 탓이다. IBM, 삼성전자, SK 텔레콤 등에서 기술 혁신을 주도하고 비즈니스와의 시너지를 고민해온 저자는 지난 70여 년 AI 역사에 대한 통찰을 바탕으로 비즈니스 현장에서 체험한 좌절과 성공의 사례를 꼼꼼하게 분석하고 대안들을 정리했다.

Point 2: 성공한 비즈니스 전략의 핵심은 'AI와 인간의 절묘한 협업'이었다.

현존하는 AI는 아직 인간의 지능에 미치지 못한다. 이것은 분명한 현실이다. 그러나 많은 사람들은 AI가 인간보다 훨씬 더 유능하다고 생각한다. 문구점에서 파는 저렴한 계산기도 복잡한 연산을 인간보다 훨씬 빠른 속도로 하기 때문이다. 이와 비슷한 논점으로 구글이 개발한 프로그램 알파고의 놀라운 능력에 찬사를 보내며 인간 두뇌의 시대는 끝났다고 단언하기까지 한다. 그러나 스탠퍼드대학 인간중심 AI 연구소장인 페이페이 리Fei-Fei Li의 말처럼 "자동차가 가장 빠른 인간보다 빨리 달린다는 것이 놀랄 만한 일은 아니다." 페이스북 수석 AI 과학자인 얀 르쿤Yann LeCun은"범용 AI(똑똑한 AI)는 존재하지 않습니다"라고 단언했으며 스탠퍼드대학의 제리 카플란 교수는 2018년 KAIST에서 행한 연설에서 "AI가 비약적으로 발전해 인간 지능을 뛰어넘는 특이점(Singularity)이 곧 올 것이라는 일부 미래학자들의 의견은 과장된 주장"이라고 했다. 자주 언급되는 알파고의 승리는 방대한 양의 데이터를 처리할 수 있는 능력을 갖춘 머신러닝 알고리듬과 강력한 병렬 컴퓨팅 기계에 기인한 것이지 '지능'이 뛰어나서가 아니다. 속도가 빠른 계산기를 한꺼번에 사용한다고 지능이 생가는 것은 아닌 것과 같은 이치다. 결국 똑똑한 AI를 만드는 것은 똑똑한 인간이다.
이 책에서는 모두 8개 국내외 기업과 산업의 AI 비즈니스 사례를 소개하고 있다. 서로 다른 시장 환경과 고객을 상대하고 있어 단순 비교는 어렵다. 그러나 8개의 사례를 묶는 공통점은 바로 'AI와 인간의 협업'이다. 저자는 인간의 지능이 AI보다 뛰어날 수밖에 없는 것은 인간의 두뇌는 '암묵지' 형태의 정보를 자연스럽게 인식하고 사고할 수 있기 때문이라고 말한다. 그러므로 인간과 AI의 협업은 단점의 보완이 아니라 장점과 장점의 시너지여야 한다. 현재 AI를 이용한 비즈니스에 성공한 기업들은 모두 이러한 관점에서 AI의 속성과 활용성의 범위를 명확히 인식한 곳들이다.
"어떻게?하면?신뢰할?수 있는?AI를?만들?수?있을까??답은?인간에게?있다.?성공한?AI?기업들은?AI의?잠재적?능력을?최대한?이용하는?동시에,?AI가?해결할?수?없는?영역은?인간?전문가가?담당하는?'협업?AI'?패러다임으로?문제를?해결하고?있다."?-저자의 말 중에서-

Point 3: AI는 왜 과장되었는가? 무엇이 AI에 대한 정확한 이해인가?

오늘날 대중에게 AI가 잘못 오해되고 있는 이유는 대략 다음과 같다. 첫째 과학적 사실에 근거하지 않은 영화나 드라마 광고 등 엔터테인먼트 산업의 무차별 공세, 둘째, 사실에 대한 확인 절차가 생략된 일부 언론의 흥미 위주 기사, 셋째 연구 자금을 따내기 위한 일부 연구자들의 과장된 포장 등이다. 인간 지능과 맞먹는 AI가 곧 실현될 것이라는 주장이 난무하지만 이러한 범용 AI가 달성될 수 있다고 정말 믿는 전문가는 정말 극소수다. 잘못된 환상과 오해과 진실을 가리고 있는 것이다.
이 책에서 저자는 AI가 이러한 과대포장과 헛된 기대에 발목이 잡혀 있는 한 진정한 발전은 어렵다고 말한다. 무엇보다 근거 없는 장밋빛 전망들이 AI에 대한 신뢰도를 떨어뜨려 기업 현장에서 필요한 투자와 전략 실행을 방해한다고 지적한다. AI가 무슨 도깨비 방망이나 되는 것처럼 생각했는데 현실은 그렇지 못하니 불신만 쌓였다는 것이다. 투명성과 공정성이 확보된 신뢰할 수 있는 AI를 만들어가는 것이 시급하다. 이를 위해서는 AI가 무엇인지에 대한 정확한 인사이트를 갖춰야 하며 전지전능한 기술에 대한 무조건적인 환상에서 깨어나야 한다. 저자는 국내 최고의 AI 전문가이다. 기술의 진보를 통한 AI의 미래에 결코 부정적이지 않다. 다만 긍정적인 미래를 기대하기 위해서는 AI에 대한 무지와 오해, 그리고 환상에서 벗어나야 함을 강조하고 있다.

프롤로그
PART 1 - AI 탄생과 진화의 역사

1장 AI의 진화
1. AI란 무엇인가?
2. 인공지능의 아버지, 앨런 튜링
3. AI를 향한 첫걸음마
4. AI 연구의 두 접근 방식: 기호주의와 연결주의

2장 기호주의 AI 기술의 가능성과 한계
1. 기호를 기반으로 한 솔루션, GPS
2. 기호주의 AI의 하이라이트, 전문가 시스템
3. 한계에 봉착한 기호주의 AI

3장 학습하는 기계, 머신러닝
1. 머신러닝의 탄생
2. 전통적 프로그래밍 vs 머신러닝
3. 머신러닝의 학습 모델
4. 일상 속으로 깊이 파고든 머신러닝 활용

4장 연결주의 AI의 대세, 인공신경망과 딥러닝
1. 뉴런을 모델링하다
2. 인공신경망의 원조, 퍼셉트론
3. 한계에 부딪힌 퍼셉트론
4. 밀려나는 기호주의 AI, 각광받는 연결주의 AI
5. 인공신경망과 딥러닝
6. 역전파와 컴퓨팅으로 날개 단 딥러닝
7. 이미지넷 경진대회와 딥러닝의 급속 확산
8. 딥러닝 확산으로 다시 찾은 AI 여름

5장 과장과 실망이 초래한 AI 겨울
1. 두 번의 AI 겨울
2. 첫 번째 AI 겨울(1974년~80년)
3. 두 번째 AI 겨울(1987년~97년)
4. 세 번째 AI 겨울, 과연 올까?

6장 월드 지식 모델이 없는 AI
1. 머신러닝 학습의 한계
2. 수학 문제보다 '쉬운 일' 푸는 게 더 어려운 AI
3. 세상이 꿈꾸는 '범용 AI'는 요원하다


PART 2 - AI를 활용한 경영 혁신 스토리

1장 넷플릭스 - AI 기반의 전사적 혁신으로 글로벌 거인이 되다
1. 넷플릭스가 AI를 전사적으로 활용하게 된 배경
2. 넷플릭스의 AI 활용 전략
3. 넷플릭스 콘텐츠 추천 시스템의 진화
4. 넷플릭스의 콘텐츠 추천 알고리듬
5. 고객 취향과 시청 이력을 활용한 개인 홈페이지 구성
6. 넷플릭스가 AI 활용에 뛰어난 이유

2장 블루리버테크놀로지 - AI와 머신러닝으로 농업 혁신을 이루다
1. 정밀농업에 AI를 적용하게 된 배경
2. 문제 해결을 위한 AI 시스템 구축
3. AI 기반 시스템 적용 결과
4. 정밀농업 확산을 위한 이슈들

3장 아메리칸익스프레스 - AI 기반 사기거래 탐지시스템
1. 사기거래 탐지시스템은 무엇인가?
2. 사기거래 탐지에 AI를 적용하게 된 배경
3. 접근 방법: 사기거래 탐지시스템에 인공지능 적용
4. 사기거래 탐지를 위한 인공지능 학습 모델
5. 아메리칸익스프레스의 최저 사기 거래율 유지 비법
6. 사기거래 탐지시스템의 남은 과제

4장 스티치픽스 - AI 기반 퍼스널 스타일링 서비스의 선두주자
1. 스타치픽스가 AI를 적용하게 된 배경
2. 전략1: AI와 데이터를 활용한 고도의 개인 스타일링
3. 전략2: AI와 스타일리스트의 협업
4. AI 전략 수행의 결과
5. 맞춤형 서비스의 경쟁력은 '협업 AI' 패러다임에 있다

5장 통신회사를 괴롭히는 최대 트라우마 - AI를 이용한 가입자 이탈 조기 발견
1. 이탈 가입자 예측에 AI를 적용하게 된 배경
2. 이탈 가입자 예측을 위한 방법
3. AI와 머신러닝을 이용한 가입자 이탈 예측 결과
4. 가입자 이탈 예측 시스템 활용

6장 유니레버 - AI를 이용한 채용 패러다임 혁신
1. 유니레버가 채용 AI를 도입한 배경
2. AI 채용의 장단점
3. 유니레버의 AI 채용 프로세스
4. 유니레버의 AI 채용 효과
5. 기업 경쟁력, 이제는 AI 활용 능력이다

7장 리걸테크 - AI를 활용한 법률 서비스 시대
1. 법률 업무에 AI를 도입한 배경
2. 리걸테크 시장의 가파른 성장
3. AI 변호사의 흥미로운 사례
4. 리걸테크, 어떤 분야에서 활용하나
5. 한국 법률 시장에 부는 리걸데크 바람
6. 리걸테크, 국내에서 속도 못 내는 이유
7. 법률 AI의 한계와 전망

8장 LG AI연구원 - 패션 디자인의 새로운 지평을 연 초거대 AI
1. 패션 디자인이 AI와 협업한 배경
2. 초거대 AI '엑사원'이 바꾸는 세상
3. 인간과 디자인을 협업하는 AI
4. 초거대 AI는 어떤 미래를 보여줄까

PART 3 - AI 시대와 인간의 경영

1장 냉혹한 현실과 교훈
1. AI의 발전과 확산
2. AI, 과대 포장 유혹을 떨쳐야 한다
3. 성공적인 AI는 모두 '좁은 AI'였다
4. AI, '경험'하지 못하면 '이해'하지 못한다
5. 자율주행차에서 얻은 교훈
6. AI 실체에 대한 냉정한 시각
7. 신경망과 딥러닝의 한계점 노출
8. '하이브리드 AI' 필요 대두
9. 현실 문제를 해결하지 못하는 AI의 한계
10. 신뢰도 높여줄 설명 가능한 인공지능

2장 AI가 가진 편견과 신뢰성 문제
1. AI는 편견이 심하다?
2. 진위 구별이 어려운 딥페이크
3. 신뢰할 수 있는 AI와 사용자의 신뢰

3장 AI 발전을 위한 산학 협력
1. 학계와 산업계의 역할 변화
2. AI 전문가들의 산업계 쏠림 현상
3. 기업으로 이동하는 연구실의 혁신 기술
4. 프로젝트의 목표와 추진 방법이 다르다
5. 국내 기업의 AI 도입률
6. 기업에 필요한 AI는 무엇인가?

부록 / AI 기반 '디지털 플랫폼 정부'에 대한 소고
참고문헌
그림출처

이호수 IBM 왓슨 연구소, 삼성전자, SK 텔레콤 등에서 기술과 비즈니스의 시너지를 통한 변화와 혁신을 주도한 한국의 1세대 AI 전문가
서울대학교 공대와 KAIST에서 전자공학을, 미국 노스웨스트대학에서 인공지능 연구로 박사 학위를 받았다. IBM 왓슨 연구소에서 1985년부터 2005년까지 AI 및 지식기반 시스템과 비즈니스 모델링 분야 연구 수행을 하면서 유수의 글로벌 기업들을 대상으로 이노베이션 컨설팅 서비스 활동을 했다.
2006년부터 삼성전자 소프트웨어 센터와 미디어솔루션 센터장(부사장)을 역임하면서 다양한 서비스 플랫폼 및 스마트폰(갤럭시)과 태블릿 등 다수의 디바이스에 탑재되는 소프트웨어와 글로벌 콘텐츠&서비스 사업을 이끌었다. 이론과 실무에 밝은 한국 1세대 AI 전문가로서 왕성한 활동을 펼친 시기이다. 2016년부터는 SK C&C IT 서비스 총괄 사장, SK텔레콤 ICT 사업 총괄 사장 등을 역임했으며, 2021년에는 SK텔레콤의 인공지능 서비스 '에이닷(A.)' 개발을 위한 조직 '아폴로 TF'를 만들고 초대 TF장을 맡았다.
최근에는 다양한 영역에서 AI를 이용해 새로운 비즈니스 아이디어를 창출하고 성공적 혁신을 이룩한 기업들의 비즈니스 모델을 연구하면서 강연 및 컨설팅 활동을 통해 그 성과를 공유하고 있다. 한국공학한림원 회원으로 활동했다. 저서로는 OTT 시장의 선두주자인 넷플릭스의 파괴적 혁신과 성공 비결을 다룬 〈넷플릭스 인사이트〉(2020)가 있다.