무엇보다 우리 기업에 필요한 AI 전문가를 양성하는 일도 필요하다. 외부 인력을 통해서는 문제 해결에 한계가 있기 때문에 내부 직원을 시티즌 데이터 사이언티스트로 키워야 한다. 사진 셔터스톡
무엇보다 우리 기업에 필요한 AI 전문가를 양성하는 일도 필요하다. 외부 인력을 통해서는 문제 해결에 한계가 있기 때문에 내부 직원을 시티즌 데이터 사이언티스트로 키워야 한다. 사진 셔터스톡
안미현 IGM 세계경영 연구원 디지털인재혁신본부 주임교수
안미현 IGM 세계경영 연구원 디지털인재혁신본부 주임교수

구글 딥마인드가 개발한 인공지능(AI) ‘알파고’가 이세돌 9단과 바둑 대결에서 압승한 지 5년이 지났다. ‘AI가 세상을 삼킬 것이다’라며 전 세계인은 AI가 변화시킬 삶을 기대 반 두려움 반으로 지켜보고 있다. 우리는 이미 온갖 기업이 내놓은 AI 서비스를 누리고 있다.

전기가 발명된 후 문명이 바뀐 것처럼, 머신러닝(기계학습)과 딥러닝 기술은 AI 기반 사회를 만들고 있다. 전기·전자와 금융 분야는 물론, 항공과 철강, 조선 등 주요 산업에 AI 기술이 활용돼 제조 공정 속도를 빠르게 하거나 품질을 높이고 있다. 생산량을 조절하거나 생산 라인을 예측해 유연성을 가미하기도 한다. 특히 제조업에서는 생산 능력 관리나 비용 상승, 공급망 병목현상과 에너지 낭비 등 문제를 획기적으로 해결하는 데 AI가 기여하고 있다.

이런 AI발(發) 혁신을 위해 많은 기업이 AI 기술 개발에 사활을 걸었다. 2017년 삼성리서치는 사내에 AI센터를 뒀고 SK그룹은 가우스랩스를, 현대차그룹은 에어랩을 만들었다. LG그룹은 2020년 12월 계열사별로 흩어져 있던 AI 역량을 한곳으로 모은 AI 연구소를 만들어 AI와 빅데이터 기술 역량을 강조하며 그룹 차원에서 경쟁력을 강화하겠다고 선언했다. 그야말로 각 기업은 AI 주도(AI-driven)의 기업이 되기 위해 자체 AI 연구소를 설립하거나 AI팀을 신설해 선행적 연구에 박차를 가하고 있다.

그렇다면 진정으로 AI를 주도하는 회사는 어떤 회사인가. 구글을 면밀히 살펴보자. 구글은 회사 솔루션과 서비스부터 조직, 일하는 방법, 내부 의사결정에 이르기까지 AI가 관여하지 않는 곳이 없다. 구글은 심지어 회사 인수합병(M&A) 전략도 데이터와 연결한다.

현시점에서 다른 기업들도 구글처럼 전략적으로 데이터를 적극적으로 인수해야 한다. 데이터 창고(data warehouse)를 두고, 회사 엔지니어와 직원이 회사 내 모든 데이터에 접근할 수 있어야 한다. 막상 막대한 예산을 써 만들어 둔 데이터 창고는 데이터 사일로(silo·격납고)로 그 활용률이 낮아 고심에 빠져 있다. 이것을 통합할 수 있어야 한다.


시티즌 데이터 사이언티스트 양성을 위해서는 이론과 프로그래밍은 기본적인 내용만 다루고 실제 문제를 해결하면서 필요한 만큼만 이론을 설명하는 ‘문제 해결형 교육’이 적합하다. 사진 셔터스톡
시티즌 데이터 사이언티스트 양성을 위해서는 이론과 프로그래밍은 기본적인 내용만 다루고 실제 문제를 해결하면서 필요한 만큼만 이론을 설명하는 ‘문제 해결형 교육’이 적합하다. 사진 셔터스톡

AI는 비즈니스 혁신과 연결해야

일반적으로 IT 기술을 필두로 한 ‘자동화’와 머신러닝을 합쳐 ‘DT(디지털 전환) 혁신’이라고 말한다. 이러한 DT 혁신이 자동차 엔진이라면, 비즈니스 혁신은 핸들이다. 엔진과 핸들이 조화를 이루지 못하면 움직일 수 없는 자동차인 것처럼, DT 혁신과 비즈니스 혁신이 조화를 이루지 못하면 기업은 결코 혁신할 수 없다.

어떻게 하면 이 둘을 잘 어우러지게 할 수 있을까. 이를 위해서는 AI를 올바르게 이해할 필요가 있다. 혹자는 ‘AI를 잘 개발하면 모든 문제가 해결될 것’이라며 AI를 과대평가하고, 혹자는 반대로 ‘AI 없이도 우리는 잘 되고 있다’고 AI를 과소평가한다. 결론적으로 말하자면 두 가지 관점 모두 위험한 관점이다. 이런 두 측면을 피하기 위해서는 AI를 정확히 알고 우리 비즈니스 혁신의 목적과 연결된 기술이 적정한지부터 먼저 제대로 진단해야 한다.

또 무엇보다 우리 기업에 필요한 AI 전문가를 양성하는 일도 필요하다. 이런 전문가를 ‘시티즌 데이터 사이언티스트(Citizen Data Scientist)’라고 한다. 처음 빅데이터를 도입했던 기업들은 주로 그동안 모아 놓은 데이터를 전문 기업에 준 다음 대신 분석하도록 했다. 그러나 모두 실패했다. 외부 인력을 통해서는 문제 해결에 한계가 있기 때문이다. 그렇다고 이를 담당할 인력을 채용하려고 해도 적합자를 찾기가 쉽지 않다. 결국 내부 직원을 빠르게 시티즌 데이터 사이언티스트로 양성하는 것이 답이다.

글로벌 리서치 업체 가트너에 따르면 시티즌 데이터 사이언티스트는 데이터 분석을 통해 예측모델을 만들지만, 이들은 통계나 분석을 전담하는 부서가 아닌 본인 업무를 수행하면서 이런 분석 업무를 하는 전문가로 정의된다. 한마디로 도메인 지식(Domain Knowledge)이 있는 회사 임직원을 데이터를 분석할 수 있는 AI 전문가로 만들자는 것이다.


시티즌 데이터 사이언티스트로 거듭나기 위한 세 가지

시티즌 데이터 사이언티스트 양성을 위해서는 크게 세 가지에 집중해야 한다. 먼저 AI 문제해결에 꼭 필요한 내용을 교육해야 한다. 족집게 커리큘럼을 추천한다. 사내 시티즌 데이터 사이언티스트를 양성한다는 이유로 통계학, 선형대수, 빅데이터, 클라우드 기술 등 기본 이론과 프로그래밍 기술을 배우는 것부터 교육을 시작하는 기업이 종종 있다. 이런 방식은 너무 방대한 지식을 배워야 하므로 본교육을 시작하기도 전에 직원의 에너지가 금세 소진된다. 그러다가 결국엔 포기로 이어지는 일도 많다. 따라서 이론과 프로그래밍은 기본적인 내용만 다루고 실제 문제를 해결하면서 필요한 만큼만 이론을 설명하는 ‘문제해결형 교육’이 적합하다. 이는 교육생이 성취감까지 들게 해 두 마리 토끼를 모두 잡는 방법이다.

둘째, 코딩을 이해해야 한다. 데이터 수집, 처리부터 최종 서비스까지의 전 과정이 코딩으로 이뤄지기 때문에 시티즌 데이터 사이언티스트를 꿈꾼다면 프로그래밍 언어를 알아야 한다. 마치 영어나 수학처럼 말이다. 코딩을 너무 두려워하지 않았으면 한다. 문과 출신이어서 또는 나이가 많아서 프로그래밍 언어를 배우기 어려우리라 생각하는 이들이 많은데, 파이선 같은 프로그래밍 언어는 초등학생들도 배울 수 있을 만큼 어렵지 않다. 또 코딩을 배워야 현업에서 코딩과 관련한 얘기를 할 때 이해할 수 있다. 고난도 기술을 배우는 것이 아니라 문제를 푸는 데 필요한 몇 가지 코딩만 배우는 것이기 때문에 일단 부딪혀봤으면 한다. 자전거 타는 방법을 책으로만 배우면 절대 자전거를 탈 수 없는 것과 같은 이치다.

셋째, AI 교육은 직원의 DT 수준에 대한 명확한 목표가 있어야 한다. 한때 기업이 정보화 시대를 맞아 액셀 교육을 대대적으로 시켰던 것처럼 요즘은 파이선으로 데이터 분석 교육을 신입사원 때부터 시키고 있다. 이제 어느 정도 DT에 관한 이해도가 높아진 기업은 무작정 열심히 하기보다는 우리 기업의 객관적이고 종합적이며, 정량적으로 측정할 수 있는 DT 목표와 직원 수준을 고려해야 한다.

또한 AI 교육은 업무나 생산성의 효율을 높였는지, 단순 작업 자동화로 창의적 활동 시간을 확보할 수 있는지, 고객 경험을 어떻게 개선할 수 있는지, 새로운 상품이나 서비스 개발이 가능한지 등을 성공 지표로 삼아야 한다. 기업마다 받아들이는 문화나 인적 자원 수준, 보유하고 있는 데이터, IT 자원이 매우 다르다. 그래서 똑같은 솔루션으로는 각 기업 문제를 해결할 수 없다. 치열한 DT 경쟁에서 승리하기 위해서는 개발자만 교육해서는 안 된다. 세상이 바뀌는 걸 이해하고 적용하려면 의사결정자를 꼭 참여시켜야 한다. 기획자든 관리자든 AI를 제대로 알아야 한다는 얘기다.