본문 바로가기

[기고] 공개SW 생태계와 성장하는 AI 기술 트렌드

OSS관리자 게시글 작성 시각 2019-08-22 15:18:24 게시글 조회수 2882

2019년 8월 30일

 

ⓒ 공개SW역량프라자

 

AI/ML이 세상을 바꾸고 있다.

 

인공지능(이하 AI)과 머신러닝(이하 ML)으로 세상이 바뀌고 있다. 2016년 딥마인드의 AI 기술인 알파고가 대중들의 예상과 달리 이세돌을 4승 1패라는 압도적인 결과로 이겼다. AI/ML 기술 자체가 2016년에 새롭게 등장한 것은 아니지만, 알파고 사건으로 큰 마케팅 효과를 거두며 사람들에게 급속하게 알려지기 시작했다. 당시 IT업계에 오래 있었던 사람들마저도 충격을 받고, 인공지능이 인간의 능력을 넘어서는 기술적 특이점(singularity)에 언제쯤 도달할 것인가 논쟁을 벌이기도 했다. 

 

3년이 지난 지금, AI는 이제 일상생활에 녹아들며 삶의 질을 향상시키는 요소로 자리매김 하고있다. 가령, Deep Learning ML 기술을 도입한 구글 번역기는 최근에 쓰임새가 많이 늘었다. 과거 규칙 기반 방식에 의존하던 때와는 다른 수준의 자연스러운 번역을 제공할 수 있게 되었기 때문이다. 스마트폰의 네비게이션 앱에서도 AI를 만날 수 있다. 이제는 택시를 타고 목적지를 말하면, “역삼역 2번 출구”라고 음성으로 네비게이션 경로를 찾는 기사님의 모습이 낯설지 않다. 네비게이션 앱에 도입된 음성인식 AI 기술 덕분이다. 

 

음성인식의 또다른 놀라운 결과물로는 유튜브 영상자막을 꼽을 수 있다. 영상에 스크립트를 입힌 것이 아닌, 인공지능으로 음성을 감지해 자막을 제공해 주는 것인데, 영어 영상을 시청하며 자동 자막을 활성화하면 거의 90% 정도의 정확한 인식률을 볼 수 있다. 사실 이것은 음성만을 인식하는 것이 아니라 영상 내용도 같이 분석하기 때문에 정확도가 더 높은 것이긴 하지만, 유튜브 영상자막은 음성인식 기술이 Deep Learning 기반의 ML 기술을 통해 놀라운 수준에 이르렀음을 보여주는 예다.

 

앞서 언급한 번역(NLP. Natural Language Processing)이나 음성인식(ASR. Automatic Speech Recognition) 기술이 일상생활에 소소한 편리함을 주는 기술이라면, 자율주행자동차는 우리 사회 자체에 근본적인 변화를 줄 수 있는 분야로 꼽힌다. 자율주행차로 유명한 회사는 웨이모와 GM, 포드, 볼보 등의 완성차 업체가 있으며, 그 밖에도 우버, 리프트, 삼성전자, 노키아 같은 IT 기업 다수가 자율주행차 분야에 뛰어들어 경쟁을 하고있다.

 

자율주행차는 AI/ML 기술을 포함한 최첨단 IT 기술의 집약체로서 단지 운전이 편해지는 것 이상의 혁신적인 변화를 가져올 것으로 예상된다. 먼저 공간의 효율성을 높일 수 있다. 도로 인프라 활용도가 높아져 도로 건설이 줄어들 것이고, 자동차가 반드시 운전자와 가까운 곳에 있을 필요가 없기 때문에 주차 공간도 비용이 저렴한 지역을 지정해 효율적으로 만들 수 있기 때문이다. 차량 자체를 구입할 필요가 없어질 수도 있기 때문에, 자동차의 공공 운송 수단화도 가능할 것으로 생각된다. 나아가서는, 고속도로 휴게소와 같은 연관 상품 및 서비스나, 에너지 산업에도 변화가 올 수 있다. 가히 상상할 수 없을 정도의 혁명적인 변화를 가져올 수 있는 AI/ML 기술이 바로 자율주행차인 것이다.

 

우리는 어디로 가고 있는가? 

 

AI/ML 기술의 특징은 인간의 역할을 보조하거나 대체하는 기술로 우리 생활과 밀접하게 관련이 있고, 삶에 많은 변화를 가져온다. 인류는 학습 능력을 통해 문명을 ‘점진적’으로 발전시켰다. 그런데 학습 능력이 남다르게 빠른 AI/ML 기술은 그동안 인류가 변화시켰던 모든 것들을 단 몇 년 사이에 바꿔버릴 정도로 강력하다. 이세돌을 이겼던 알파고의 경우, 첫 판을 이기는 로봇이 되기까지는 꽤 오랜 기간이 걸렸지만, 알파고의 후속 모델로 만들어진 알파고 제로(알파고의 가장 최근 모델이자 최종모델)는 단 4개의 TPU(Tensor Flow Unit. 일반적으로 사용하는 GPU보다 훨씬 성능이 좋은 구글이 자체 개발한 칩)만으로 기본적인 학습데이터(바둑에서는 기보)도 없이 스스로 학습을 시작하여 72시간 만에 자신의 이전 모델인 알파고 리에 100전 100승을 달성해냈다.  

 

이 속도는 매우 중요한 요소이다. 예전에는 새로운 기술이 개발되어도 그것을 발전시키고 대량 생산해서 경쟁 우위를 점하는데 오랜 시간이 걸렸다. 하지만, AI/ML 시대에서는 한 가지 기술이 우위를 점하면 그것만으로 경쟁자들을 빠르게 패배시킬 수 있다. 주식 시장에 프로그램 매매를 하는 인공지능이 다른 것들보다 우수하다면 순식간에 시장 전체를 장악할 수도 있다. 학습속도가 워낙 빠르기 때문에 바로 선점 또는 기술우위로 인한 독과점의 효과도 극대화되는 것이다. 

 

아래는 알파고 충격 당시 회자되었던 기술적 특이점을 나타내는 그래프이다. 인류의 발전이 선형적(완만한)이었다면, 인공지능의 발전은 지수적(exponential. 폭발적) 발전의 양상을 띈다.

[출처: https://hpluspedia.org/wiki/The_Singularity]

 

사실 이러한 지수적(폭발적) 기술발전은 이미 우리 생활에서 목격하고 있다. 먼저 아래는 반도체의 발전 속도를 나타내는 무어의 법칙(선형 그래프로 보이지만 왼쪽의 Y 좌표가 10배 단위로 증가함)이다.

 

[출처: 위키피디아]

 

다음은 오늘날의 스마트폰과 이전 시대의 혁신이었던 전화기, 라디오, TV 등의 보급 속도를 비교한 것이다. 컴퓨터 시장이 성숙하는데는 10년이 넘게 걸렸지만, 스마트폰은 단 3~4년 만에 성숙기에 접어들었다. 속도는 더욱 빨라지고 있으며, AI/ML 기술은 속도를 가속화하는 요소 중 하나가 될 것이다.

[출처: 조선비즈]

 

AI/ML을 통한 경쟁력 확보 

 

이러한 속도와 혁신의 경쟁에서 뒤쳐지지 않기 위해 기업과 국가들의 노력이 거듭되고 있다. 대표적으로 구글은 방대한 데이터의 힘을 바탕으로 자연어 처리, 음성인식, 추천엔진, 챗봇, 이미지 인식, 자율주행차 등 AI/ML 분야 다수에서 선두권을 유지하고 있다. 특히 GPU(인공지능 학습에 주로 사용) 대비 10배 이상의 성능을 낼 수 있는 TPU(Tensor Flow Unit)를 만들었으며, 구글 클라우드(https://cloud.google.com/tpu/)를 통해 이를 외부(B2B)에도 제공하고 있다. ML 분야의 사실상 표준 프레임워크라 할 수 있는 텐서플로우(Tensorflow) 역시 구글이 만든 오픈소스이며, 어려운 ML 모델 제작을 자동화 할 수 있는 AutoML 기술도 가장 먼저 상용화하여 클라우드(https://cloud.google.com/automl/) 형태로 제공했다. 아래 그림은 구글 내부적으로 사용하고 있는 ML 모델의 개수를 차트로 나타낸 것이다. 재미있게도 이것 역시 지수적(폭발적) 증가를 보이고 있다.

 

[출처: https://medium.com/eliza-effect/procedural-thinking-how-procedurally-literate-are-you-241b50728eaa]

 

구글 외에도 다수 클라우드 업체들이 AI/ML 기술에 투자중인데, 이는 AI/ML 기술이 워낙 대규모 인프라를 필요로 해서 자체적으로 구축하기에는 비용이 많이 들기 때문이다. 아마존 AWS의 경우 아마존 쇼핑몰을 통해서 습득한 AI/ML 기술을 역시 클라우드를 통해서 외부에서 사용할 수 있도록 제공하고 있다. AI/ML 학습하는 대표 프레임워크인 SageMaker를 통해 여러 가지 도구들을 하나로 모아서 활용하는 형식이다. 또 자연어 처리, 음성인식 등의 기능을 클라우드 상의 API로 제공하고 있으며, 챗봇 서비스인 Amazon Lex도 내놓았다. 마지막으로 이러한 여러 서비스들을 묶어 콜센터 또는 컨택센터를 자동화 할 수 있는 Amazon Connect로 제공한다. 

 

한편 마이크로소프트는 2014년 취임한 새로운 CEO, 사티야 나델라(Satya Nadella)의 리더십 아래 회사를 윈도우, 오피스 회사에서 클라우드, 인공지능 회사로 변화시켰다. 이들의 클라우드 서비스인 MS Azure 안에는 구글의 ML 플랫폼이나 AWS의 SageMaker에 대응하는 ML 서비스가 있다. Visual Studio 같이 개발도구를 잘 만들던 회사답게 AI/ML 역시 Azure ML Studio를 통해서 쉽게 개발할 수 있도록 만들었으며, LUIS라는 인공지능 챗봇 서비스 역시 제공하고 있다.

 

우리나라에서는 삼성전자가 자사의 안드로이드폰 갤럭시 시리즈에 빅스비(bixby)라는 인공지능 서비스를 탑재해 제공중이다. 음성인식 전문 기업 비브랩스를 인수해 기존에 가지고 있던 서비스와 결합했으며, 사진인식, 리마인더 등 다양한 기능을 탑재했다.(단, 클라우드 형태의 B2B 서비스는 제공하지 않는다.) 

 

그 외에도 네이버, 다음카카오, SKT가 인공지능 스피커를 출시하고, 현대자동차가 자율주행차 관련 기술을 보유하고 있다. 또한 배달 서비스 플랫폼 배달의민족, 글로벌 채팅 서비스 Azar의 하이퍼커넥트와 같은 스타트업 기업들도 아이디어 구현을 위해 AI/ML 서비스를 적극적으로 활용하고 있으며 쿠팡, 위메프, SSG 등과 같은 이커머스 업체들은 AI/ML 기반 추천 엔진이 전체 매출의 30% 이상을 차지할 정도로 경쟁력의 중추와 같은 역할로 자리잡은 지 오래다. 

 

국가별 경쟁도 치열하다. 미국의 경우 구글, AWS, MS와 같은 첨단 IT 기업들과 실리콘밸리의 스타트업들이 끊임없이 AI/ML 기술을 통해 기술을 발전시키고 있다. 차량 공유 플랫폼인 우버는 AI/ML 기술로 차량 배차 서비스를 제공함과 동시에 미래의 자율주행차 시장을 선점하기 위한 노력도 기울이고 있다. 

 

미국에 기술이 있다면 중국에는 인구(데이터)가 있다. AI/ML 기술은 사실 데이터가 없다면 무용지물이다. 그런 면에서 인구라는 자원을 앞세워 데이터를 착실하게 쌓아가는 중국은 기술발전에 좋은 환경을 지녔다고 볼 수 있다. 알리바바, 텐센트, 위챗 등으로 대표되는 IT 유니콘 기업들이 선진국보다 한발 앞서 모바일 서비스들을 제공하면서 플랫폼과 데이터라는 AI/ML의 토대를 만들어 왔다. 

[출처: https://medium.com/@spokutta/ai-race-between-the-us-russia-and-china-and-where-is-germany-ce2e8cd782ed]

 

AI/ML을 방해하는 것들

 

웬만한 수준의 AI/ML 기술은 이제 공개되어 있다고 봐도 무방하다. 폭넓게 사용되고 있는 AI 기술인 이미지 인식이나 자연어 처리에 관한 머신러닝 모델들은 오픈소스 공유 싸이트인 github.com에서 쉽게 찾을 수 있고, 그 품질도 대단히 높은 편이다. 

 

그럼에도 불구하고 AI/ML 기술을 적용하는데 아직도 많은 방해 요소가 존재한다는 지적이다. 국내에서 주로 보이는 문제이기도 하지만, 단지 우리나라에 국한된 문제라고는 할 수 없는, 주요 걸림돌에 대해서 알아보자.

 

데이터
데이터의 부족 또는 품질 문제를 말한다. 전문가들이 이구동성으로 지적하는 방해물이다. 데이터 문제의 발생 원인은 다양하지만, 가장 근본적으로는 인식부족에 대한 문제가 있다. 데이터는 하루아침에 쌓이는 것이 아님에도 불구하고, 아직 데이터 축적의 중요성에 대한 인식이 부족하다. 이는 절대적인 DB 부족으로 이어지며 AI/ML 적용이 느려지는 결과에 이르게 된다. 비용적인 문제가 발생하겠지만, AI/ML 기술개발을 위해서는 데이터 축적에 대한 비용과 시간적 노력을 아끼지 말라고 권고하고 싶다. 저장 스토리지의 가격이 저렴해졌기 때문에 여건도 허락이 된다. 일단 데이터를 많이(가능하면 원본 형태로) 축적하면 거기서부터 데이터 분석과 AI/ML을 시작할 수 있다.

 

전문가
AI/ML 분야에 대한 데이터를 다룰 수 있는 전문가가 부족한 것은 우리나라에서 특히 자주 보이는 문제다. 수학 등 기초과학에 대한 투자가 적고 제조업 중심의 산업과 단기 실적 위주로 조성되는 기업 문화가 주를 이루기 때문이다. 데이터 분석이나 AI/ML 기술은 필연적으로 초기 시행착오를 동반할 수 밖에 없는데, 실패를 용인하지 않거나 단기간 내에 빠른 실적을 기대하는 문화에서는 제대로 된 전문가 양성이 어려울 수밖에 없다. 현재도 데이터 전문가의 급여나 일자리 조건은 톱 랭킹에 해당된다.

 

[출처: Indeed]

[출처: Glassdoor]

 

사회적 합의 
AI/ML은 우리의 생활과 사회를 바꾸는 기술인만큼 사회 구성원 간 합의도 대단히 중요하다. 아무리 데이터가 충분하고 기술이 발전해도 구성원 간의 충돌로 인해 서비스를 만들 수 있는 환경이 만들어지지 못한다면 지수적 발전 속도의 시대에서 뒤처질 수밖에 없다. 제조업은 기반 기술이 부족해도 자본과 시간이 소요되는 설비투자에서 따라잡을 수 있었다. 하지만, AI/ML 시장은 한 번 뒤처지면 뒤집기 매우 어렵다. 

 

기술적 완성도
앤 해서웨이(Anne Hathaway)라는 유명한 배우가 있다. 특이하게도 그녀가 기사에 등장하면 투자계의 전설 워렌버핏 자산이 올라가는 이상한 일이 있었다. 이유는 재미있게도 워렌버핏의 투자회사 이름이 버크셔 해서웨이(Berkshire Hathaway)의 이름이 같았기 때문이다. 해서웨이의 검색어량이 증가하면 주식 자동매매 시스템에서 버크셔의 주식을 사들이는 바람에 주가가 상승한 것이다. 지금은 발생하지 않을 일이지만, AI/ML 기술 초창기에는 알고리즘의 한계로 이러한 일이 발생하곤 했다. 이러한 작은 틈새는 AI/ML 기술을 비즈니스에 적용할 때 큰 리스크를 초래할 수 있다. 완성도가 일정 수준 이상 올라오지 않으면 아무리 훌륭한 기술도 비즈니스에 적용하기 어렵다는 의미다. AI/ML 기술을 적용할 때 현재의 수준을 파악해서 알맞게 적용하는 것도 하나의 전략이 되겠다. 

 

조직, 문화, 스폰서쉽
위의 모든 문제를 덮고난 후에도 남아있는 방해물은 바로 조직과 문화이다. 앞서 제조업 중심의 우리나라 산업을 언급한 바 있는데, 설비투자 같은 대규모 장치 산업에 익숙한 기업에서 데이터 중심의 AI/ML 비즈니스를 하는 것은 결코 쉬운 일은 아니다. 데이터로 성공한 기업중에 문화적으로 유연한 스타트업의 비율이 많은 것은 우연이 아니다. 데이터를 중요하게 바라보는 문화, 실패에서 레슨런을 하는 문화, 그리고 리스크와 시간을 기다려 줄 수 있는 기업 리더십의 스폰서쉽 지원은 너무나 중요하다. 데이터를 기반으로 AI/ML 기술 적용을 위해 전반적인 조직을 변경하는 용기는 기업문화가 바뀌지 않으면 쉽지 않은 일이다.

 

폐쇄성
위에서 언급된 사회적 합의나 조직, 문화와도 일맥상통하는 얘기이다.데이터는 개방성에서 나온다. 때문에 데이터의 소유자나 접근자를 엄격히 제한하는 환경에서는 새로운 아이디어가 나오기 어렵다. 어려서부터 공을 달고 사는 브라질의 축구 선수들이 세계적으로 성공하는 이유는 그들이 어려서부터 공을 쉽게 만질 수 있기 때문이다. 데이터도 자꾸 보고, 만져볼 수 있어야 하는데 데이터를 폐쇄적으로 닫아 놓으면 빠른 발전을 기대하기 어렵다.

 

결론

 

지금까지, AI/ML 관련 비즈니스에 대한 배경 설명부터 트렌드, 기술까지 여러 관점에서 조망해 보았다. 마지막으로 기술의 성숙도까지 감안해 AI/ML 기술을 적용하기 좋은 유망한 비즈니스 분야들을 살펴보고자 한다. 

 

먼저 경쟁이 치열하고 민첩성이 생명인 이커머스 분야가 있다. 이커머스 분야는 고객의 로열티가 그리 높지 않다. 내가 원하는 상품을 빨리 찾아 편하게 살 수 있고, 특히 가격이 저렴하다면 바로 매장을 바꾸는게 온라인 이커머스 시장이다. 이 분야에서는 더 많은 고객 유치를 위한 요소, 즉 매력적인 서비스나 상품을 부각시키는 능력이 매우 중요하다. AI/ML 기반의 추천 시스템이나 스마트 배송, 수요 예측 등이 그러한 능력이 될 수 있다. 웬만한 IT 전문 기업을 능가하는 아마존, 쿠팡 등은 물론이고 신선식품에 AI/ML을 적용하여 성공을 거두고 있는 마켓컬리(한국), 오카도(영국)는 이를 나타내는 좋은 사례라 하겠다.

 

광고 시장 역시 경쟁이 매우 치열한 산업 중 하나이다. 실시간으로 광고를 사고, 팔고, 게재하는 환경에서 AI/ML 기반의 빠른 의사판단과 가격, 추천 최적화는 매우 중요하다. 향후 광고 시장은 AI/ML 기반의 스마트 광고 시스템, 또는 프로그래머틱 바잉 형태로 개편될 것이다. 타겟 고객에 대한 집중적인 프로모션을 통해 구매를 유도하거나 이탈을 방지하는 스마트 마케팅 플랫폼도 유사한 형태라고 보면 된다. 넷플릭스로 대표되는 미디어, 엔터테인먼트 시장도 AI/ML 기반의 알고리즘이 너무나 중요한 분야로 꼽힌다.

 

그런가 하면, 최근 음성인식, 자연어처리, 음성합성 기술의 발전과 함께 기대치가 높아지고 있는 분야로 콜센터 또는 컨택센터 분야가 있다. 상담원 연결 후, 매뉴얼대로 대응하는 시스템은 인공지능 기술을 바탕으로 발전하기 쉽다. 상담원의 불필요하고 단순 반복적인 작업만 줄여도 효율성을 큰 폭으로 향상시킬 수 있기 때문이다. 특히, 콜센터의 전화 한 통에 지불되는 단가는 매우 높은 편이므로 ROI 측면에서 AI/ML 기반의 컨택센터 솔루션은 많은 기업의 관심을 받고 있다. 현재 음성 상담까지는 아니어도 텍스트 기반의 챗봇을 병행해서 운영하는 곳은 꽤 많은 편이다.

[출처: 신한카드 공식블로그]

 

기술적으로는 AI/ML 모델을 만드는 작업이 시간과 전문 인력을 많이 필요로 하는 분야이므로, AI/ML을 보다 쉽게 적용할 수 있는 옵션이 인기를 얻는 추세다. 예를 들어 데이터 사이언티스트가 만드는 머신러닝 모델과 유사하거나 조금 떨어지는 정도의 모델을 자동 생성해주는 AutoML 기술에 대한 관심이 높다. 이미지, 영상에 대한 인식 기술은 AutoML이 많이 발전했는데 이를 통해 미디어 서비스에서 아이디어 기반의 부가서비스를 추가할 수도 있을 것이다. 

 

[출처: SKT 홈페이지]

 

다양한 옵션 중에서 최적의 선택을 했을 때 가격과 만족감 모두를 잡았다는 행복감을 느끼기 마련이다. AI/ML 기술도 다양한 메뉴와 가격대 옵션들이 있다. 최적의 옵션을 찾아 경쟁력 향상이라는 성과를 고민해 보면 어떨까?

 

※본 내용은 공개SW역량프라자 기술컨설턴트의 주관적인 의견이며 공식적인 입장이 아님을 밝힙니다.

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 저작자표시-비영리-변경금지 4.0 국제 라이선스에 따라 이용할 수 있습니다.

 

 

2019년 8월 23일
없음
2019
공개SW 가이드/보고서 - 번호, 제목, 작성자, 조회수, 작성
번호 제목 작성자 조회수 작성
공지 [2024년] 오픈소스SW 라이선스 가이드 개정판 발간 file support 4332 2024-01-03
공지 [2024년] 기업 오픈소스SW 거버넌스 가이드 개정판 발간 file support 3492 2024-01-03
공지 [2024년] 공공 오픈소스SW 거버넌스 가이드 개정판 발간 file support 3466 2024-01-03
공지 공개 소프트웨어 연구개발(R&D) 실무 가이드라인 배포 file support 15905 2022-07-28
공지 공개소프트웨어 연구개발 수행 가이드라인 file OSS 15758 2018-04-26
348 [기고]오픈소스 소프트웨어 교육에 관한 접근법 file OSS관리자2 2933 2019-11-25
347 국내외 공개SW 교육 현황 file OSS관리자2 3646 2019-11-25
346 [공개SW 월간브리핑] 한국의 개방형 OS, 리눅스 생태계 살아날까 OSS관리자 2496 2019-10-25
345 보안성을 강화한 ‘구름OS’ file OSS관리자 5913 2019-10-25
344 사용자 친화적인 ‘하모니카OS’ file OSS관리자 2827 2019-10-25
343 [공개SW 월간브리핑]오픈소스 컴플라이언스 준수와 OpenChain file OSS관리자 1951 2019-09-26
342 오픈소스 컴플라이언스 관리와 LG전자 사례 file OSS관리자 4340 2019-09-26
341 “오픈소스 컴플라이언스? 공유와 협업으로 모두 함께 달성할 수 있다!” file OSS관리자 4237 2019-09-26
340 [기고] 공개SW 컴플라이언스 준수를 위한 오픈소스 관리 전략 (OpenChain) file OSS관리자 2245 2019-09-26
339 [기고] 공개SW 생태계와 성장하는 AI 기술 트렌드 file OSS관리자 2882 2019-08-22
맨 위로
맨 위로