[IT運營管理] 8. AI와 디지털轉換.. 왜 생각만큼 發展이 없을까?

東亞닷컴
入力 2022年 5月 19日 21時 04分

코멘트: 個

좋아요: 個

코멘트: 個

“最近韓國에선 投資를 誘致하든 政府事業課題를 受注하든 重要한 건 人工知能이다. 政府의 事業을 受注할 땐 人工知能이 없으면 힘들다고 볼 수 있다. 最新 트렌드인 메타버스, NFT, 人工知能 없이 事業하기는 쉽지 않은 雰圍氣”

多樣한 業界의 關係者를 만나면서 자주 接하게 되는 話題다. 요즘, 여러 業界에선 人工知能(以下 AI) 技術을 쓰지 않으면 政府事業을 受注하지 못하거나, 投資를 받지 못한다는 雰圍氣가 剛하다. 人工知能自動化, 빅 데이터 分析等의 必要性이 社會全般에 걸쳐 確認되고 있고, 이 技術이 널리 擴散하고 있다는 걸 傍證하는 셈이다. 自然스레 드는 質問 하나.

“그래서, AI가 빠르게 普及되는 만큼 잘 活用되고 있는 거야?”

AI 分野에서 일하는 關係者들의 答은 “그렇지 않다”이다. AI 基盤의 비즈니스 모델과 顧客接點(HCI/UX) 革新, 소셜 임팩트 革新을 硏究하는 高麗大學校人工知能硏究所(Human-inspired AI硏究所)의 최병호 敎授에게 電話通話로 國內에서 AI 活用度가 떨어지는 理由를 물었다.

理由는 크게 두 가지다. 첫째, AI와 비즈니스 間結合段階에서부터 問題가 생기기 때문이다. 相當數의 企業이 AI의 必要性을 認知하고 技術을 導入하기 위해 硏究所門을 두드려도, 이를 비즈니스에 椄木하는 力量이 脆弱하다. 비즈니스에 AI를 適用할 아이디어 或은 이를 具現할 수 있는 人力이 不足해서 그렇다. AI를 다루는 엔지니어가 있더라도 비즈니스를 仔細히 알거나, 實際로 비즈니스를 改善할 方案까지 마련하는 力量을 갖춘 境遇는 드물다.

상당수의 기업이 비즈니스 모델을 잘못 설계해, AI를 도입할 때 이를 재설계하기도 한다, 출처=셔터스톡 — 相當數의 企業이 비즈니스 모델을 잘못 設計해, AI를 導入할 때 이를 再設計하기도 한다, 出處=셔터스톡

비즈니스 모델(以下 BM)을 잘못 設定해 AI를 導入하기 위해 BM 自體를 再設計하는 企業도 많다. 崔敎授는 “企業들을 만나보면 AI의 특정한 技術이 必要하다고 했지만 뚜껑을 열어보니 다른 AI技術이 必要하거나, AI뿐 아니라 連鎖的으로 다른 技術까지 複合的으로 要求되는 일이 많았다”고 傳했다. 事實上, 많은 企業이 “AI를 비즈니스에 結合하면 좋다”는 漠然한 생각만으로 導入에 나선다고 할 수 있다.

둘째, 結局費用의 問題다. 明確한 BM을 갖추고 必要한 AI 技術까지 念頭에 두더라도, 體系的計劃 없이 AI를 導入하면 費用이 豫想範圍를 超過할 수 있다. AI를 導入하는 理由는 비즈니스 費用을 낮추면서 顧客의 價値를 革新하기 위해서다. 그런데, 時間이 지날수록 關聯費用이 늘어나고 顧客價値革新은 어려운 逆說的인 狀況에 逢着하게 되는 것이다. 企業立場에선 프로젝트를 進行時 ROI(投資對比效果)를 算出할 수 있어야 하는데, 豫算이 繼續超過하면 ROI를 豫測할 수가 없다.

디지털 轉換을 하겠단 건 디지털 技術로 비즈니스를 改善하겠다는 뜻이다. IoT(事物인터넷), 클라우드, AI 等의 全方位的技術이 必要하다. 當然히 큰 費用이 發生한다. 費用의 大部分을 차지하는 게 人件費다. AI를 다룰 줄 아는 人力을 求하려면 年俸 1億 원 程度는 들어간다고 한다. 中小企業에선 專門人力을 且置하더라도 初級水準或은 이제 막 碩博士를 卒業한 사람을 採用하는 것도 어렵다.

그렇다면, 企業들이 技術內在化보단 SaaS(서비스型소프트웨어)를 利用하거나 API 이코노미를 積極的으로 活用하는 게 바람직한 걸까? 自動車産業에서 한 企業이 部品製造와 完製品生産, 流通을 모두 擔當하지 않듯, 소프트웨어 市場도 企業間專門分業體系가 나타나고 있다. 모든 서비스를 企業이 開發하는 것 代身 API를 活用하는 것이 效率的이기 때문이다. 최병호 敎授는 “市場에 進入한 時點이나 投資를 誘致한 段階에선 API나 SaaS를 쓰는 것이 도움이 된다. 데이터만 하더라도 政府主導의 바우처 事業을 통해서 必要한 데이터를 소싱하는 게 더 便해졌다”고 말했다.

하지만, “一定水準에 다다를 땐 競爭優位를 爲해서 自體的인 技術開發이 必要하다”고 그는 말했다. API는 소스를 變更할 수 없다고 봐도 좋고, 커스터마이징을 하더라도 費用이 豫想範圍를 뛰어넘는다. 때문에, 必要에 따라 獨自的인 技術을 開發해야 할 狀況이 온다. API를 쓰더라도 데이터가 發生하지만, API가 데이터 諸般處理까진 하지 못한다. 스몰 데이터는 AI가 아니더라도 사람이 一一이 비즈니스를 改善하는 데 活用할 수 있다. 實時間으로 發生하는 빅 데이터는 個人이 特定 툴로 分析하기가 어렵다 보니 알고리즘이 要求된다. 여기서 딜레마가 發生한다. 알고리즘을 開發하거나 分析에 活用할 빅 데이터를 需給하는 것 모두 費用과 맞물린다. SaaS의 境遇에도 使用量에 따라 費用을 내기 때문에 企業의 비즈니스가 擴張하면서 費用이 漸漸增加하는 構造다.

RPA를 活用한 IT運營管理 솔루션 ‘아이톰스'를 提供하는 人포플라의 최인묵 代表는 “디지털轉換과 關聯된 汎用的인 AI 關聯製品或은 特定成功모델이 不足한 것도 그 要因이 될 듯하다. 例를 들면, 그룹웨어, ERP, CRM 等과 같이 産業現場의 特定業務나 비즈니스 範圍를 디지털化해주는 汎用的인 AI 製品이나 AI와 關聯된 槪念設定이 不足하다”고 말했다. 이어, “大部分의 企業은 AI가 革命的인 有益함을 가져다줄 것이라는 不明確한 期待感을 갖고 있다. 그러나, 現在의 AI 技術은 硏究나 實驗的인 水準에 머물러 있는 게 大部分이다. RPA(로봇프로세스自動化)가 若干의 AI 機能을 使用하면서도 더욱 實用的으로 느껴지는 理由이기도 하다”고 했다.

남은 選擇肢는 ‘디지털 플랫폼’.. 다만, ‘플랫폼 從屬’은 憂慮돼..

네이버, 카카오, 쿠팡, 당근마켓, 配達의民族, 페이스북 等의 디지털 플랫폼 企業은 데이터가 비즈니스의 核心이다. 이커머스, 메신저, 檢索 모두 利用者 데이터를 確保한 뒤 이를 통해 顧客經驗을 改善하는 것이 競爭力 그 自體다.

그러한 力量이 없는 企業이나 오프라인 業體들은 이들과 競爭相對가 되지 못한다. 치킨집을 運營하는 事業者는 注文이 發生할 때마다 利用者情報가 생기지만, 이를 데이터로 만들고 活用하는 일은 프랜차이즈를 除外하곤 거의 없다. 勿論, 規模가 있는 業體나 企業은 이런 狀況에서 SaaS를 導入할 수 있다.

다시, 치킨집 얘기로 돌아가 보자. 이들은 配達의 民族 같은 플랫폼을 利用하지 않으면 生存이 어려운 狀況에 到達했다. 플랫폼에 從屬되는 構造가 생긴 것이다. 딜리버리 서비스에 依存하면 結果的으로 顧客情報를 모을 수 없고, 手數料와 配達料는 漸漸 높아져 運營할수록 赤字라는 말이 나온다. 플랫폼에 從屬되면 데이터를 얻을 수 없어 業體나 企業의 競爭力도 높아지지 않는다. 플랫폼 從屬問題를 解決하기 위해서 各체적으로 自嘲集團을 만드는 事例도 있다. 自體 플랫폼을 만드는 것처럼 말이다. 다만, 組織運營을 위한 豫算이 적고 專門人力도 不足해 시스템이 擴張되기엔 어려움이 있다.

최병호 敎授는 “政府에서 小商工人이나 다양한 벤처를 育成하기 위해서 많은 政策을 施行하고 있다. 宇宙科學水準으로 아젠다가 設定됐을 程度로 前防衛에 걸쳐 産業을 先制的으로 育成하고 있다. 데이터 事業이나 中小企業을 위한 人材養成 프로그램, 工場賃貸를 위한 支援等事實上政府가 손을 안 대는 건 없다. 半導體, 原資材輸出을 規制한 日本처럼 原資材가 武器로 쓰이는 흐름이 最近에 보이고 있다. 戰爭發로 原資材流通도 잘 안 되는데, 이로 인해 物價가 繼續 뛰면 中小企業이 살아남기 어렵다. 政府主導의 先制的인 硏究와 支援은 앞으로 더 重要해질 것”이라고 말했다.

그런데, 왜 AI를 비롯한 디지털 轉換이 活性化가 안 되고, 소商工人과 中小企業은 政府의 支援이 不足하다고 하는 걸까? 위에서 言及한 대로, 政府政策과 企業 니즈 間의 不一致나 企業이나 小商工人自體의 力量이 不足하기 때문이라는 게 崔敎授의 分析이다. 政策이 있어도 企業이 惠澤을 볼 準備가 안 돼 있다는 것이다. 支援을 하려고 해도 시스템이 不在해서 不可能한 境遇도 있다. 코로나19 팬데믹 동안 被害를 본 企業과 業體를 支援할 때, 被害規模를 調査하기 위한 賣出指標도 確認하지 못했다는 게 關係者들의 不滿이었다. 이들은 個人事業者라서 賣出, 營業利益等의 指標를 일일이 公開하지 않아도 된다.

勿論, 政府에선 小商工人들을 위해 ‘배드뱅크’를 設立해 債務를 再調整하는 支援을 하기도 한다. 배드뱅크란 金融機關에서 빌려준 돈을 돌려받지 못하는 ‘不實債券’을 사들여, 元金을 一部蕩減하거나 利子免除或은 長期的으로 分割償還할 수 있도록 해 自營業者의 安定的인 軟着陸을 支援하는 制度다. 하지만, 배드뱅크는 댐의 작은 구멍을 막는 程度지, 새로운 댐을 만드는 方案은 아니다. 이처럼, 産業의 競爭力을 育成하는 方案이 시스템的인 改善으로 이어지지 않고 있다는 게 專門家들의 診斷이다. 디지털 轉換도 “디지털 技術을 가진 企業에서 빌려 써라”라는 情緖가 剛하다.

崔敎授는 “政府의 役割은 競爭力을 確保하기 위한 인프라 構築이다. 企業이든 小商工人이든 連帶를 통해 問題를 解決하도록 도와야 한다. 只今도 特定地域에서 工場等이 規模의 經濟를 갖추게 하기 위해 地方自治團體, 中央政府, 企業聯合會에서 支援을 하는데 이는 限定的이고 偏向的이기도 하다. 이런 支援이 公正하게 維持될 수 있도록 하는 中間支援組織이 必要하다. 海外의 境遇엔 企業들이 賣出의 一部를 累積해서 自體 펀드를 形成하고, 이를 通해 市場開拓, R&D, 甚至於國家水準의 自體福祉시스템까지 갖추고 있기도 하다”고 말했다.

AI 倫理問題, 섣부른 憂慮일까? “只今當場苦悶이 必要한 問題”

RPA를 비롯한 AI 自動化는 人力을 代替한다는 不安感을 낳는다. 實際로 RPA를 導入하는 企業에선 採用人員을 줄이겠다는 意思를 비치기도 한다. 하지만, 只今段階에선 AI나 自動化를 통한 問題를 苦悶하는 것은 時機尙早가 아닐까. 專門家들의 答은 “아니다”이다. 알고리즘은 始作段階부터 倫理와 關係를 맺어야 한다. 配達 라이더의 ‘最適의 距離’ 問題를 생각해보자. AI가 GPS를 基準으로 最適의 距離만 豫測하면, 賣出과 營業利益은 强化된다. 이 過程에서 사람의 安全 이슈는 빠질 수 있다. AI는 별다른 介入이 없다면 點心時間, 出退勤等의 러시 아워(사람이나 交通手段이 大擧 몰려드는 時間) 때 라이더가 安全하면서 消費者까지 滿足할 수 있을지를 모두 考慮하지 않는다.

AI를 통한 完全自動化度倫理에 對한 苦悶이 必要하다. 自動化의 核心은 費用節減인데, 費用觀點에서 가장 비싼 건 人件費다. 崔敎授도 “사람을 빼고 생각할 게 아니라, 사람을 中心에 놓고 財務的價値와 소셜 價値를 同時에 追求하는 새로운 패러다임을 追求할 때이다. 그래서 完全自動化가 아니라 適應型自動化로 座標設定이 必要하다. 이것이 바로 國民을 위한 政治, 世上을 바꾸는 政治이다”라고 强調했다.

人포플라 최인묵 代表는 “技術發展은 늘 人力代替와 같은 倫理的인 憂慮를 同伴해왔다. AI와 自動化를 통해 企業은 生産性의 向上을 이룰 수 있게 됐으며, 專門人力은 單純反復的인 業務에서 벗어나 創意的인 業務에 좀 더 集中할 수 있게 됐다. 이 過程에서 疏外되는 人力은 AI 産業으로 創出되는 데이터 蒐集, 精製, 加工, 檢證等의 새로운 일자리에서 受容할 수 있도록 하는 것처럼 다양한 政策이 隨伴되어야 할 것”이라고 말했다.

東亞닷컴 IT專門 정연호 記者 (hoho@itdonga.com)