Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

2020 인공지능(AI) 전망

2020년은 흥미로운 해다. 다방면에서 ‘미래’의 상징이었다. 지난 수십 년 간 많은 전문가들이 엄청난 일이 일어나거나 예기치 못한 위기에 봉착할 분기점으로 2020년을 꼽아왔다.

올해 그 ‘미래’가 현재가 되어 우리 앞에 와 있다. 아직 하늘을 나는 비행자동차가 세상에 나온 것도 아니고 심지어 자율주행차도 광범위하게 도입되지 못하고 있지만, 최근 수십 년 사이 많은 기술 발전과 도약이 있었던 것은 사실이다. 컴퓨팅 성능이 계속 향상되고 있어 이와 같은 기술 발전의 모멘텀은 더욱 가속화될 것이다.

지속적으로 발전하고 있는 기술 중의 하나가 인공지능(AI)이다. 최근 10년 간 AI 기술은 비즈니스와 사회 전반, 가령 의료 진단과 같은 분야에 획기적인 발전을 가져왔다. 이외에 2020년 AI로 인해 우리가 겪게 될 변화에 대해 살펴보자.

한층 전략적일 아니라 자유 의지로 행동할 있는 AI

지금까지 AI는 데이터를 분석하여 예측하는 데 뛰어난 성능을 보여왔다. AI가 예측하면 사람인 의사결정자들이 그 결과를 취하고 진행 방향을 결정해왔다. 그러나 앞으로는 AI가 다음에 일어날 상황을 예측할 뿐만 아니라 그 정보를 기반으로 행동까지 할 수 있을 것으로 기대된다. 이것은 데이터를 매우 효율적으로 사용할 수 있는 능력과 함께 적은 양의 데이터에서도 학습할 수 있는 능력을 요구한다.

디지털 마케팅 분야에서 예를 찾아볼 수 있다. 소비자의 과거 행동을 분석하면 이들이 온라인으로 구매를 진행할지 예측이 가능하다. 그렇다고 해도 웹사이트 상에서 자주 구매하는 사람의 행동 데이터는 드물게 구매하거나 또는 한 번도 구매하지 않는 사람의 행동 데이터와는 사뭇 다를 것이다.

AI는 바로 그 차이점을 훨씬 더 명확하게 구분하고 학습한 내용에 따라 행동하는 데 더욱 능숙해질 것이다. 나아가 AI는 반복 구매자의 다음 행동을 예측하는 것과 같은 비교적 간단한 작업을 넘어 망설이거나 드물게 구매하는 소비자들과 같은 불규칙적인 사용자들의 고유 행동 패턴도 감지해내고 따라서 이들의 참여를 유도할 액션을 제안할 수도 있게 될 전망이다.

여러 목표를 한번에 고려할 있는 AI

인간지능과 인공지능 사이의 큰 차이점 중 하나는 인간은 보통 목표가 여러 가지여도 그 사이의 균형을 맞추고 목표를 향해 나아가면서 지속적으로 밸런스를 조정해갈 수 있는 데 반해, 대부분의 AI 프로그램은 하나의 목표 달성을 위한 최적화에만 능하다는 점이다.

가령 A지점에서 B지점으로 운전해서 이동하기는 하나의 단일 목표가 될 수 있다. 하지만 인간은 운전 중에 어떤 속도를 유지할지, 어떤 수준의 안전 운전을 추구할지, 승차감은 어디까지 포기할지와 같은 여러 다른 목표들도 암묵적으로 생각한다. 앞으로는 AI도 이처럼 다수의 목표들을 한 번에 고려할 수 있을 것으로 기대된다.

전통적으로 AI는 하나의 정량화 가능한 목표 또는 여러 목표를 수동으로 결합하는 것을 목표로 훈련되어 왔다. 그러나 최근의 AI는 여러 목표를 최적화하고 목표 간의 균형점을 찾을 수 있도록 훈련할 수 있다. 이렇게 훈련된 AI은 인간에 의해 특정 균형지점에서 작동하도록 제어될 수 있다.

예를 들어, AI 운전자로 하여금 A지점에서 B지점으로 최대한의 승차감을 보장하면서 동시에 30분 이내에 도착하도록 사람이 제어할 수 있다. 또 다른 사람은 AI 운전자를 제어하여 A지점에서 B지점까지 10분 이내에 최대의 승차감으로 이동하도록 설정할 수 있다. 이것은 사용자인 인간 중심 AI로 한층 더 나아간 것으로, 인간이 훨씬 더 쉽게 AI를 제어할 수 있게 됨을 의미한다.

앞서 언급한 바와 같이 인간은 일반적으로 여러 작업과 결과들의 우선 순위를 관리하고 비교를 통해 상대적인 중요성을 부여할 수 있다. AI는 이것을 더 빠른 속도로, 그리고 더 큰 규모로 수행할 수 있게 될 것이다. 대체로 모든 AI 시스템은 최종 사용자인 인간을 염두에 두고 설계되어 인간과 AI 사이의 최적의 협업이 가능해질 것이다.

분산 학습(Distributed Learning)발전

데이터가 중요하다. 실제 비즈니스 세계에서 데이터를 효과적으로 활용할 수 있으려면 최적의 데이터 수집, 관리, 접근성 및 통합이 반드시 필요하다. 처리해야 할 데이터의 양이 계속 증가하고, 텍스트, 비디오, 이미지, 오디오 등과 같이 다루어야 할 데이터의 형식도 점점 다양해짐에 따라 산업계, 기업 및 정부가 협업을 통해 정보를 효과적으로 공유할 수 있는 데이터 생태계를 개발하는 것이 더욱 중요해지고 있다.

즉, AI 시스템이 데이터를 재배치하거나 다시 획득할 필요 없이 이미 공유되어 있는 광범위한 데이터 세트를 토대로 학습함으로써 문제를 해결할 수 있는 능력을 뜻하는 분산 학습(distributed learning)이 점점 더 중요해질 것이다. 스마트 시티와 같은 국가적인 계획에서 정책 입안자들이 교통 패턴이나 도로 안전 등의 세부 사항들을 파악하기 위해 데이터를 여기 저기 옮기는 것을 원치 않을 것은 자명한 데서 알 수 있다.

전반적으로 AI가 더 많은 것을 할 수 있는 능력을 갖게 되면 비즈니스와 사회에는 도움이 된다. 우리 인간은 작업을 보다 빠르고 정확하게 수행할 수 있도록 도와주는 도구를 확보하게 됨으로써 효율성을 한층 높일 수 있다. 또한, 이를 통해 확보한 시간을 인간이 더 잘 수행할 수 있는 작업, 즉 창의력을 요하는 개발, 공감과 배려에 기반한 커뮤니케이션에 집중할 수 있게 되어 인간과 AI의 협업을 통해 시너지가 더욱 극대화될 수 있을 것이다.

AI를 적용할 수 있는 분야가 무궁무진해지고 AI의 기능이 점점 더 강력해지면서 전세계 AI 관련 전문가 또는 연구원들이 우리가 살아가고 일하고 휴식을 취하는 방식을 개선하는 데 도움되는 보다 획기적인 AI 활용법을 찾아낼 것이 기대된다.

* CDO Trends에 게재된 기고글입니다.

 

애피어에 문의하세요!

문의를 남겨주시면 마케팅 전략을 개선할 수 있는 방법을 찾을 수 있도록 안내해드리겠습니다.

다른 최신 포스트도 둘러보세요!

금융 기업의 주도적인 고객 참여 유도 방법

금융 서비스 기업이라면 아시아태평양(APAC) 지역 고객 참여를 향상시키기 위해 할 수 있는 것들이 많다. 이들 기업의 상당수가 주도적인 고객 관리 방식이 아닌 대응적인 방식에 의존하고 있는데, 그로 인한 폐해가 생각 보다 크기 때문이다. 사후 대응적인 고객 관리 방식은 고객 참여와 고객 경험 수준 모두의 저하를 불러 결국 고객을 경쟁사에 잃는 결과로 이어진다. 이런 상황을 방지할 방법은 있다. 적절한 인공지능(AI) 도구를 사용하면 금융 서비스 기업도 고객 참여 전략을 사후 대응적 방식에서 주도적인 사전 대응적 방식으로 전환하여 좋은 성과를 낼 수 있다. 현 상황의 문제점: 사후 대응적 전략 아태지역 금융 서비스 기업들이 고객 참여 부문에서 취약성을 보이고 있다는 것은 널리 알려진 사실이다. IDC 파이낸셜 인사이트에 따르면 아태지역 은행의 80%가 여전히 일관성과 예측가능성이 결여된 고객 경험을 제공하고 있으며, 절반(46.4%)에 가까운 은행이 옴니 채널 전략에 대한 임시방편식 접근만을 고수하고 있어, 고객 경험의 깊이 역시 피상적인 수준에 그치고 있다고 언급하고 있다. 해당 보고서는 또한 은행의 고객 참여 유도 방식이 실시간 기반, 조정 가능하고 자립적인 방식으로 이루어져야 한다고 주장한다. 하지만 이와 같은 현실이 역설적으로 아태지역의 금융 서비스 기업들에게는 커다란 기회를 의미하기 때문에, 보고서는 전체적으로 낙관적인 전망을 유지하고 있다. 고객의 기대에 부응하거나 초과 달성할 수 있는 기업은 충성도가 높은 고객 뿐만 아니라 최고의 직원들과 사업 파트너들을 유치할 수 있는 가능성을 확보하게 된다. 금융 서비스 기업들의 당면 과제

이러닝(e-Learning) 기업의 마케팅 성공 전략

개인 및 기업들이 역량을 향상시키려는 노력을 점점 더 온라인으로 확대하면서 이러닝(e-learning)에 대한 수요가 지난 10년 사이 크게 증가했다. 비즈니스와이어(Business Wire)에 따르면 전 세계 기업 이러닝 시장의 가치는 2026년 490억 8천7백만 달러에 이를 것으로 예상된다. 미국과 유럽이 70% 이상을 차지하는 한편, 아시아태평양(APAC)은 매년 20%에 달하는 성장률로 가장 빠르게 성장하는 지역이 될 것이다. 이러닝 부문 주요 기업으로는 유데미(Udemy), 스킬셰어(SkillShare), 그리고 코세라(Coursera)가 있다. 시장 전망이 긍정적인 가운데 이러닝 기업이 장기적으로 성공을 거두려면 스마트한 전략과 인공지능(AI) 및 딥러닝(DL) 같은 앞선 기술이 반드시 필요하다 이러닝의 부상 이와 같은 이러닝 시장의 성장은 여러 요인에서 기인한다. 새로운 이러닝 관련 기술의 충분한 공급, 인력 자원의 역량 향상 및 유지에 대한 필요성, 보다 편리하고 비용효율적인 학습 방법에 대한 수요 등이 해당된다. 코로나19 팬데믹으로 사람들이 더 많은 시간을 온라인에서 보내게 됨으로써 이러닝 성장을 더욱 가속화했다. 업계 경쟁도 그만큼 치열해져 이러닝 제공 기업이 앞서나가기 위해서는 몇 가지 과제를 극복해야 한다. 고정관념이 그 중 하나이다. 이러닝은 여전히 비교적 새로운 개념이며 아직도 대면 학습을 더 낫다고 생각하는 비즈니스 리더들이 있다. 또한, 스스로 기술을 익히는 것에 대한 충분치 못한 동기부여, 그리고 미래에 어떤 역량이 필요할지 알지 못하는 것 등이 해결해야 할 과제들에 포함된다. 이러닝 비즈니스에서 장기적으로 성공을 달성하기 위한 필수 전략 효과가 이미 검증된 매력적인 과정을 작은 모듈 형태로 쪼개어 다양한 수업을 제공하거나 최신

최적의 여행 잠재고객 찾기

여행 소비자의 행동 패턴은 점점 더 세분화되고 있으며, 이로 인해 마케터가 감당하기 힘들 정도의 데이터 쓰나미가 몰려오고 있다. 인공지능(AI)을 활용함으로써 기존의 변수를 뛰어넘어 타겟 고객 집단을 더욱 세분화하고 좀 더 정확한 개인별 행동 패턴을 추적하고 어떤 사용자 집단이 기업의 궁극적 목표 달성에 가장 도움이 되는지도 파악할 수 있다. 목적에 부합하는 최적의 잠재고객 찾기 인공지능(AI)은 마케터가 미리 설정한 최종 목표를 달성하는 데 긍정적 또는 부정적 영향을 미칠 수 있는 숨겨진 사용자 패턴을 발견해낼 수 있다. 즉, 구매 가능성이 높은 잠재고객 집단을 찾아 매출 상승을 도모할 수도, 또는 기존 고객들에게는 그들의 관심사에 좀 더 부합하는 개인 맞춤형 투어 패키지 상품을 추천할 수도 있다. 이를 위해 과거에는 세 가지 측면을 고려하는 방식을 사용했다. 즉, 고객의 인구통계적 분류 정보, 자체 보유 채널상에서 고객이 보인 과거 행동 패턴, 그리고 고객의 관심사를 고려하는 것이다. 이렇게 하면 정확도가 꽤 높을 수 있지만, 상당 부분 추측에 의존해야 한다. 또한 구매 의사를 가지고 있는 제한된 수의 고객에게만 접근할 수 있다. 반면, 인공지능을 사용하면 구매 또는 뉴스레터 구독 동의와 같은 마케터의 목표를 달성하는 데 도움될 모든 잠재고객을 찾아낼 수 있다. 인공지능을 이용하면 더 이상 추측에 기댈 필요도 없다. 인공지능은 훨씬 더 많은 요인을 고려하여 무수한 조합을 만들어 낸다. 그 복잡성은 사람이 처리하기에는 무리가 있고, 시간과 능력의 제한으로 제대로 해석할 수

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다