추가 적립 안내

디지털 변혁 시대를 사는 현대인의 필수 교양 지식
비즈니스 영역에서 인공지능을 어떻게 적용할 수 있는가?

코로나19 바이러스의 세계적인 대유행으로 비즈니스 환경과 일상이 매우 빠른 속도로 바뀌고 있다. 자의 반 타의 반으로 우리는 인공지능과 디지털 변혁의 시대 한가운데로 들어섰다. 언택트 사회로 이동하는 뉴 노멀 시대가 도래하여 신기술의 영향이 급속히 증가하고 있다.
책《교양으로서의 인공지능》의 저자이자 한국표준협회 회장인 이상진은 2019년, 중국 상해에 있는 인공지능 기업을 방문하고 굉장한 충격에 휩싸였다. 상해 지사의 직원 2,800명 중 2,500명이 인공지능 솔루션 개발 엔지니어인 것도 놀라웠지만 그게 전부는 아니었다. 더 놀라웠던 점은 중국은 인공지능 프로그래밍 언어인 파이썬(python)과 인공지능의 핵심 개념들을 각각 중학생용, 고등학생용 교과서로 만들어 상해에 있는 중학교 및 20개 고등학교에서 가르치고 있다는 점이었다. 상해에서만 매년 2,000명에 가까운 고교생들이 현재 한국 석사과정 정도의 인공지능 지식을 갖춘 채 졸업한다. 그러나 이와 대조적으로 우리나라의 산업, 비즈니스 분야의 경영자와 실무자, 교육자들 중 인공지능의 개념을 알고 있는 사람은 그리 많지 않았다. 많은 기업과 리더들이 인공지능이 너무 전문적이라는 선입관을 가진 채 자신이 이해하려 하지 않고, 엔지니어에게 맡겨 추진하면 되는 것으로 치부하고 있는 것이 지금 우리의 현실이다.
책《교양으로서의 인공지능》에서 저자는 직장, 기업 등 비즈니스 영역에서 인공지능을 어떻게 적용할 수 있는지에 대해 말한다. 기업은 인공지능을 활용하여 제품 개발과 생산, 서비스 제공 과정의 효율성을 높일 수 있다. 또한 조직의 운영 과정을 개선할 수 있다. 경영 과정의 개선에 인공지능을 내재화하는 것은 효율성을 높이고, 비용을 절감하고, 새로운 사업 기회를 얻기 위한 것이다.
저자는 ‘21세기의 교양’이라고 불리는 인공지능의 개념을 일반인과 비즈니스 업계에 있는 분들을 위해 쉽게 정리하고 알리는 데 주력했다. 저자도 비엔지니어지만, 인공지능을 모르면 반드시 한계에 부딪힌다는 절박감을 가지고 인공지능을 공부했다. 그래서 비엔지니어의 눈높이로 인공지능을 쉽게 풀어낸다. 책 역시 프로그래밍이나 수학적 지식이 없는, 엔지니어가 아닌 일반 독자들에게 현시점의 전반적인 인공지능 모습과 인공지능의 개념, 기초 원리와 응용 사례 등을 너무 기술적이지 않은 용어로 소개하고 있다.
이 책을 통해 독자는 자신과 관계있는 영역에서 인공지능을 어떻게 적용할 수 있는지 고려할 수 있을 만큼의 지식을 갖추는 데 도움을 받을 수 있다. 인공지능은 복잡하고 신비한 것으로 엔지니어가 알아서 하는 것이 아니다. 인공지능의 기초적인 원리와 적용 사례를 이해하는 것은 누구나 할 수 있다.

인공지능으로 경영하라
엔지니어에게 맡기면 되는 것으로 치부하지 말라

책《교양으로서의 인공지능》은 이제는 기존의 방법론으로 비즈니스 현장이 일부 개선되는 것만으로는 4차 산업혁명이 가져오는 새로운 혁신, 업종의 단절적 변화 등에 대처하기에는 너무나도 미흡하다는 강력한 위기감에서 출발했다. 저자는 인공지능을 알려 하지 않는다면, 경영·산업·정책·교육 분야에 종사하는 그 누구를 막론하고 경쟁력을 잃고 한계 상황에 부딪힐 것이라고 확언한다. 인공지능의 효용과 이에 대한 학습은 교육자에게만 한정되어서는 안 되며, 기업의 간부나 임원, 중앙과 지방정부의 공무원, 언론인, 정치인 등 비엔지니어들에게도 반드시 필요하다.
엔지니어가 아닌 일반 독자들은 인공지능의 내부구조는 모르더라도 개념만 알고 이를 활용하는 것이 가능하다. 마치 자동차의 엔진이나 내부 구조를 몰라도 운전을 잘할 수 있는 것과 같다. 인공지능 솔루션을 그저 호출해서 사용만 하기 보다는 인공지능의 개념 및 구성요소, 체계와 원리, 적용 사례 등 기초적인 이해를 해야 한다. 그럼 보다 명확하게 인공지능 솔루션을 이용하고 실효성을 평가할 수 있을 것이다. 또한 비즈니스에서의 적용 기준, 정책적 경영적인 함의 등 더 나아간 논의가 가능할 것이다.
인공지능 시대를 맞이하여 기업과 노동은 큰 변화를 겪을 것이다. 예측 가능하고 반복적인 업무들은 인공지능으로 대체될 것이기 때문이다. 기업의 전문성에 의존하여 특화된 분야를 추구하던 비즈니스 모델은 데이터를 수집, 처리, 분석하는 플랫폼을 구축하는 방향으로 변경되고 있다. 특정 산업에 특화된 경영의 리더보다 디지털과 네트워크 기반의 비즈니스 리더가 부각되고 있다. 이를 실증적으로 보여주는 업체가 바로 아마존, 구글, 알리바바다. 유통이나 검색엔진 업체를 넘어 클라우드 서비스, 금융 서비스, 자율주행차 제조, 음성인식 스피커 제조 등 비즈니스 영역을 무한대로 넓혀 가고 있다. 또한 조직의 인력 운영 방식에 있어서도 중간관리자들의 역할이 대폭 축소되고, 새로운 신기술을 따라 가지 못하는 문제가 발생하고 있다. 이러한 중간관리자들을 재교육시키고 조직의 구조를 좀 더 평평하게 하는 변화가 필요하다.
책《교양으로서의 인공지능》을 통해 독자들은 데이터 구축·정비·관리, 기계학습의 알고리듬, 인공지능 산업의 특성에 대해 이해하고 그 개념이나 기술이 어떻게 활용되고 현대인의 삶에 영향을 미치는지 알게 될 것이다. 각각의 독자분들이 이 책을 통해 자신의 자리에서 사업과 투자, 정책 개발에 있어 깨달음의 순간(eureka moment)을 만날 수 있기를 바란다.

저자의 글 | 누구나 쉽게 이해하는 인공지능

제1장. 뉴 노멀, 인공지능이 온다
코로나19로 인한 거대한 변화
왜 인공지능을 이해해야 하는가?
인공지능 시대, 기업의 적자생존

제2장. 인공지능이란 무엇인가?
인공지능의 탄생
인공지능의 역사, 빙하기를 넘어서

제3장. 어떻게 기계학습으로 인공지능이 가능할까?
데이터를 습득, 예측하고 문제를 해결한다
지도학습, 답을 안다
비지도학습, 답을 모른다
강화학습, 보상을 통해 답을 찾는다

제4장. 인공지능 알고리듬 쉽게 이해하기
최적의 회귀선을 추적한다
오차를 최소한으로 줄이는 경사하강법
분류 방식의 기계학습
질문을 통해 예측치를 찾는 의사결정트리
중첩된 필터로 연산하여 정확도를 높이는 합성곱 신경망

제5장. 센서 데이터를 이용한 인공지능
외부 환경의 다양한 정보를 활용한 상황 예측
엄청난 양의 데이터를 단순하게 구분한다

제6장. 텍스트 언어처리 인공지능
텍스트를 활용한 자연어 처리 학습
텍스트 자연어 처리는 어느 분야에 쓰일까?

제7장. 음성인식을 활용한 인공지능
말하는 의미를 파악하고 결과를 예측한다
다양한 모드를 이용한 언어 처리
사람의 목소리로 출력한다

제8장. 거래 데이터를 활용한 인공지능
거래에서 발생한 데이터로 학습한다
금융 분야에서 더 활발한 인공지능
성공과 실패, 관계 데이터를 기반으로 분류한다
소비자 선호의 역동성을 탐지한다
사회와 자연재해 위험을 조기 경보한다

제9장. 인공지능에게 데이터란?
빅데이터와의 상관관계
가치 창출 메커니즘
학습에 사용되는 데이터
확장성, 역동성, 설명력을 갖춘 데이터 관리
데이터를 확보할 때 고려해야 할 사항

제10장. 인공지능으로 경영하라
인공지능을 활용한 제품 개발과 조직 운영
어떻게 실제 업무개선에 적용할 수 있을까?

제11장. 인공지능과 인간이 만드는 미래
설명력이 더해진 인공지능의 등장
알고리듬의 편향성
개인정보를 침해하거나 무단으로 도용한다면?
인공지능이 인류의 종언을 가져올까?
통제 불가능한 디지털 독점
고용은 줄고 직업이 사라진다?

부록
미주

나는 2019년 10월 22일, 세계적인 안면인식 인공지능 업체인 센스타임(Sense Time) 상해 지사에서 충격적인 현실을 목도했다. 상해 지사에 근무하는 2,800명 직원 중 2,500명이 인공지능 솔루션 개발 엔지니어인 점도 놀라웠지만, 파이썬(python) 프로그래밍을 기술한 중학생용 《인공지능입문》과 인공지능의 핵심 개념들을 수학적으로 기술한 고등학생용 《인공지능기초》를 출간하고 이것을 상해에 있는 중학교 및 20개 고등학교에서 교과서로 채택하고 있어 매년 2,000명에 가까운 고교생들이 현재 한국 석사과정 정도에서 배우는 인공지능 지식을 갖춘 채 졸업한다는 것이다. 이와는 대조적으로, 2019년 11월에 제조업 품질개선을 지도하는 경영학과 및 산업공학과 교수님 180명을 대상으로 품질토크쇼를 진행하면서 ‘경사하강법’이나 ‘서포트 벡터 머신’의 개념을 알고 있는 분들을 현장에서 파악했더니 5명 정도에 불과했다. _6쪽 ㆍ 〈저자의 글〉 중에서

기계학습은 인공지능의 부분 집합으로 간주되고 있다. 기계학습은 더 많은 데이터나 경험을 바탕으로 주어진 과제의 수행성과를
개선하는 시스템이다. 기계학습 알고리듬의 과업은 입력 데이터를 기반으로 패턴이나 데이터 간의 상호관계를 파악하는 모델을 구축하여 예측을 하거나 현상을 설명하는 것이다. 인간의 경우 어린 시절부터 반복적인 학습을 하면서 인지를 활용하여 같은 사물의 형체나 패턴이 변하더라도 동일한 것으로 인지할 수 있다. 기계학습/머신러닝은 데이터의 패턴이나 기저에 내재한 속성을 구분하는 데 있다. 훈련데이터를 특정 알고리듬에 반복하여 학습시킨 후 새로운 모델을 만든다. 다음 단계로 이 모델에 과거에 전혀 보지 못했던 새로운 데이터를 입력하면 어떤 패턴이 나올 것인지 예측하게 된다. 이것이 결과값이다. 이러한 결과값을 바탕으로 행동 대안을 선택하고 문제를 해결할 수 있다. _49쪽 ㆍ 〈제3장. 어떻게 기계학습으로 인공지능이 가능할까?〉 중에서

의사결정트리의 단점은 훈련데이터에 너무 잘 맞는 과적합이 되는 경향이 있다. 여러 개의 의사결정트리를 통해 랜덤 포레스트(random forest[무작위의 숲])를 만들면 과적합의 단점을 해결할 수 있다. 예를 들면, 어떤 사람의 암 발병률을 예측하는 데 있어서 수많은 속성을-성별, 나이, 몸무게, 근육량, 운동 정도, 스트레스 정도, 가족력, 과거 유사질병을 앓은 경험, 항체 보유 여부, 설탕 섭취량, 수면 시간, 근무 환경, 건강검진 주기 등 13가지-감안하여 배깅을 한다면 거의 100퍼센트에 가깝게 예측을 할 수 있다. 과적합이 일어나서 데이터 포인트를 분류하는 선이 지그재그하거나 구불구불하게 그려져서 훈련데이터(training data)의 특성은 잘 반영하지만 검증 데이터(test data)를 사용하는 경우, 훈련된 모델이 맞지 않아 의사결정이나 예측을 하기가 오히려 어려워져서 쓸모가 낮아진다. 특히 기계학습에서 수많은 구분 규칙(rule)을 적용하는 경우 과적합이 일어나기 쉽다. 너무 제한적이거나 너무 유연한 학습 모델을 사용하지 않는 것이 데이터 사이언스의 핵심 중 하나다. _88쪽 ㆍ 〈제4장. 인공지능 알고리듬 쉽게 이해하기〉 중에서

언어를 이해하는 데 단순히 발성된 대화나 음성만으로 파악하기보다는 몸짓(gesture)을 인식하고 눈을 따라 가거나 표정을 확인하는 등 다양한 모드를 동시에 결합하여 사용하면 화자의 발언 내용과 주제, 감정, 중요성 등을 이해하기가 더욱 용이하다(multi modal language processing). 사람들이 말을 할 때 특정한 상황에 맞는 몸짓을 하는 경우 의미를 명확히 하거나 단순화시킬 수 있고, 심지어는 “의견에 동의한다”라고 발언하는 것보다 크게 고개를 끄덕이는 것이 때론 훨씬 더 효과적이다. 또한 기계학습의 경우에는 수많은 유튜브 동영상 자료에서 화자가 요청하는 질문에 대해 정확히 답변하는 동영상의 특정한 부분과 연관시키거나, 마이크 위치와 카메라 위치를 통해 화자의 위치를 추정하거나, 화자의 입술 모양 변화를 통해 단어를 추정할 수 있다. _156쪽 ㆍ 〈제7장. 음성인식을 활용한 인공지능〉 중에서

인공지능은 신비의 마법약이 아니고 이러한 한계를 가지고 있으므로 어떻게 업무에 적용하여 효율을 확보하느냐가 중요하며, 다음과 같이 단계적인 점검이 필요하다. 첫째, 어떤 사용례(use case)가 적정한지를 선택하고 과녁을 정확히 하는 것이다. 컴퓨터에게 어떤 인공지능 솔루션이나 활용 방안이 적정한지 선택하게 할 수 없다. 때문에 관리자가 컴퓨터로 하여금 양질의 데이터를 기반으로 조직의 운영이나 서비스 제공에서 기계가 하기 적당한 업무가 무엇이고, 어떤 업무가 인간이 학습하고 수행하는 것보다 효과적인지를 명확히 기술해야 한다. 즉, 얻고자 하는 결과물이 무엇인지 아주 구체적으로 기술하고, 어떤 형태로 출력되어야 하는지를 분명히 설정해야 한다. _207쪽 ㆍ 〈제10장. 인공지능으로 경영하라〉 중에서