AI가 노동 인력에 미치는 영향: 업계 임원의 통찰

산업과 제조 분야가 생산성과 품질 향상을 위해 인공지능(AI)을 점점 더 많이 도입하고 있습니다. 하지만 한 임원은 AI를 신중하게 배치해야 한다고 말합니다.

도미닉 갈레로(Dominic Gallello)는 산업용 사물인터넷과 기업 AI 기업인 Symphony AzimaAI의 CEO입니다. 그는 지난 16년간 3개의 상장 및 비상장 소프트웨어 기업을 이끌었으며, Autodesk에서의 경력도 있습니다.

갈레로는 이메일 인터뷰에 응했습니다.

질문: 인공지능(AI)이 근로자를 소진시킬 수 있나요? 일을 더 쉽게 만들어주지 않나요? 무슨 일이 있었던 겁니까?

갈레로: 올바르게 구현하면 아니요, 근로자를 소진시키지 않습니다. 하지만 제어실 운영자를 소진시키고 싶다면, 발생한 문제들을 의미 있는 권고안으로 요약하지 않은 채 산더미 같은 알람과 권고사항을 제공하세요.

이것이 AI가 개입해 엄청난 도움을 줄 수 있는 지점입니다. 컴퓨터는 방대한 정보를 처리하고 상관관계를 분석해 인간의 머리로는 추론할 수 없는 통찰을 도출할 수 있습니다.

하지만 잘못 구현하면 그렇습니다. 우리는 AI가 오경보를 울리는 경우를 반복해서 봐왔습니다. 컴퓨터는 문제가 없다고 하는데 문제가 있다고 합니다. 이는 헛수고로 이어집니다. 하루 종일 거짓 양성(false positive)을 걸러내는 일은 대부분에게 정신을 갉아먹는 작업입니다.

질문: 가스 서비스 회사가 많은 오경보를 겪은 일화를 보고하셨는데, 배경과 상황을 조금 더 설명해 주실 수 있나요?

갈레로: 그들은 2세대 AI, 소위 패턴 인식 기반 시스템을 사용했는데, 이는 최대 60%까지 오경보를 내는 것으로 악명이 높습니다. 이를 추적해 실제 문제가 아님을 확인하는 과정은 시간과 비용이 많이 들고, 무엇이 진짜이고 가짜인지 파악하는 것 자체가 큰 걱정거리였습니다.

AI는 필요하지만 충분하지 않습니다. 레거시 2세대 AI 시스템은 알려진 기계 고장 데이터로 모델을 학습시키므로 동일한 고장이 발생하면 포착합니다. 하지만 어떤 고장의 이력도 없는데 고장이 발생하면? 모델은 이를 포착하지 못합니다.

3세대 AI는 패러다임을 뒤집습니다. '정상' 운전 행동을 학습시키고, 비지도 학습을 사용해 정상에서 벗어난 이상 행동을 포착합니다. 이제 막 시작 단계입니다.

중요한 단계는 AI를 고장 모드 영향 분석(FMEA) 라이브러리와 연결해, 기계 내 문제 부품을 정확히 찾아내고 유지보수 엔지니어에게 취할 조치를 권고하는 것입니다.

질문: 기업들이 AI를 만능약으로 보기 시작했나요?

갈레로: 오래가진 않습니다. 캐즘 이론(chasm theory) 관점에서 우리는 비전가와 얼리 어답터 단계를 지나고 있습니다. 얼리 매조리티는 AI가 작동해 특정 문제를 해결하고 재무적 결과를 내길 원합니다. 이들은 '증명해 보라'는 까다로운 집단입니다.

질문: AI에 의도치 않은 결과가 있나요? 있다면 무엇인가요?

갈레로: AI는 다른 기술 변화와 같습니다. 저는 이를 객체 지향 프로그래밍으로의 전환에 비유합니다. 큰 러시가 있었고, 형편없는 구현도 많았지만 결국 표준이 되었습니다. AI도 같은 여정을 겪고 있습니다.

질문: 기업들이 AI 배치 방식에서 어떤 조정을 해야 할까요?

갈레로: 순수 데이터 사이언티스트와 도메인 전문가 엔지니어 사이에 장벽을 두기보다, 엔지니어가 AI를 배우는 편이 낫습니다. 주제 전문가가 AI의 힘을 이해하고 활용할 때 훨씬 더 빠르고 성공적인 구현으로 이어집니다.