비즈니스 AI: 초기 도입부터 오늘날의 혁신까지

오늘 아침 이메일을 열자 예전에 보낸 메시지에 대한 알림이 떴습니다. "10일 전 발송됨; 후속 조치하시겠습니까?" 과연 동료에게 답장을 독촉해야 했습니다. 이 경험은 인공지능(AI)이 비즈니스에서 얼마나 멀리 왔는지, 앞으로 무엇이 기다리고 있는지 되돌아보게 했습니다.

저는 버클리에서 앨리스 아고기노(Alice Agogino) 교수 밑에서 학부생이던 거의 40년 전 이 분야에 매료되었습니다. 아고기노 교수는 칠판에 이 간단한 다이어그램을 그렸습니다.

당시 AI 시스템은 전문가 시스템이라 불렸습니다. 더 많은 사람이 대부분의 작업을 전문가 수준으로 완료할 수 있게 했습니다. 사용자 잠재력을 향상시키고 비즈니스 전체의 성과 곡선을 이동시켰습니다. 이 시스템으로 전문가들은 오직 그들만이 해결할 수 있는 가장 어려운 작업에 집중할 수 있었습니다.

세월이 흐르며 '기술이 대규모로 우리 성과를 확장할 수 있다'는 이 매력적인 아이디어는 제게 남아 열정을 형성했고, 제 전문적 여정도 AI 자체의 궤적을 따라왔습니다.

하지만 그 과정에서 여러 도전도 있었습니다. 우리 시스템의 모델은 비즈니스 변화를 따라가기 버거웠습니다. 어제의 문제를 최적으로 풀더라도 점차 시대에 뒤떨어졌습니다. 전담 팀이 사용과 유지보수 양쪽에 모두 필요했습니다.

오늘날 우리가 서 있는 위치

오늘날의 AI 시스템은 초기 전문가 시스템과 전통적 비즈니스 솔루션과 세 가지 면에서 근본적으로 다릅니다.

• 사용 방식이 다릅니다.
• 지능의 강조점이 자동화에서 증강(augmentation)으로 이동했습니다.
• AI 시스템은 사용으로부터 학습하고 비즈니스 변화에 적응합니다.

사용 방식의 차이

전통적 비즈니스 솔루션은 종종 파편화되어 있습니다. 한 시스템 세트는 비즈니스가 현재 어떻게 돌아가고 있는지 알려줍니다(전통적 BI). 또 다른 세트는 비즈니스를 어떻게 운영할지 결정하는 데 도움을 줍니다. 또 다른 세트는 비즈니스를 운영하기 위해 무엇을 했는지 기록합니다(ERP).

사용자는 기술·진단 분석에서 예측 분석과 디지털 트윈 모델을 활용한 최적화까지 지루하고 단절된 경로를 따라야 합니다. 결정이 내려지면 다시 ERP에 그 결정을 기록해야 합니다.

반면 AI를 사용하면 추천에서 바로 시작하고 예측·진단·기술적 통찰을 설명으로 탐색할 수 있습니다. AI는 추천과 다른 결정을 내릴 때조차 단계별 행동 지침을 제공합니다.

강조점의 이동: 자동화에서 증강으로

전통적 전문가 시스템은 자동화에 과도하게 초점을 맞췄습니다. 오늘날 AI 시스템은 비즈니스 프로세스를 탐색하고 오케스트레이션하는 데 도움을 줍니다. 제 생각에 AI를 '인공지능'보다는 증강 지능(augmented intelligence)으로 생각하는 것이 더 낫습니다. 오늘날 우리는 AI를 우리 니즈에 맞게 훈련하고 적응시킬 수 있는 것으로 봅니다.

학습과 적응

전통적 비즈니스 시스템은 정적이라 시간이 지나면 시대에 뒤떨어집니다. 피드백이나 비즈니스 변화를 반영하려면 개선과 수정이 필요합니다. 반면 AI 시스템은 역동적입니다. 변화하는 비즈니스 니즈에 학습하고 적응합니다. 더 많이 사용할수록 시간이 지날수록 더 똑똑하고 효과적이 됩니다.

앞으로의 길

강력하지만 AI 역량은 몇 가지 도전도 안겨줍니다.

첫째, AI에서 최대 가치를 얻으려면 행동과 기술에 대한 태도 양쪽에서 철저한 변화 관리가 필요합니다. 사람들이 기술을 위협이나 성과 목표 확장의 수단으로 보면 그 성공을 방해하려 할 것입니다. 또한 AI 채택이 고객·공급업체와의 통제권 상실이나 개인적 접촉 상실, 교차 기능적 사고 방해를 의미한다면 실패할 것입니다.

반면 사람들이 AI를 삶을 더 쉽게 만들고, 더 똑똑하게 하며, 조직 간 협업을 가능하게 하고, 더 많은 것을 달성하게 하는 새로운 도구 세트로 보면 성공시키려 노력할 것입니다.

둘째는 AI 윤리 문제입니다. AI를 더 투명하고 윤리적으로 만들어야 합니다. 머신러닝 모델은 가르치고 노출시킨 것을 학습합니다. 데이터가 편향되면 AI도 편향됩니다. 또한 아무도 블랙박스에서 나온 추천을 따르려 하지 않습니다. AI 모델은 어떤 가정을 했는지, 어떤 패턴을 감지했는지, 어떤 옵션을 탐색했는지 투명하게 설명해야 합니다.

마지막으로, 우리가 AI로 해결하려는 문제가 애초에 해결할 올바른 문제인지 자문해야 합니다. 우리는 인간을 통제하는 것이 아니라 인간의 도달 범위를 확장하고 삶을 개선하기 위해 AI를 활용해야 합니다.

지금까지 AI의 변혁은 한마디로 '혁명적'이었습니다. 이 기술을 더 포용하고, 활용하고, 개선할수록 우리 비즈니스는 더 나아질 것입니다.

Adeel Najmi는 LevaData의 최고제품책임자입니다.