네덜란드 내각이 인공지능 때문에 총사퇴를 한 까닭은? -당신의 비즈니스를 뒤흔드는 인공지능 2021년 1월 네덜란드 내각이 인공지능 때문에 총사퇴를 단행하는 초유의 사태가 벌어졌다. 네덜란드 국세청에서 지난 몇 년 동안 약 2만 6,000명이 아동수당을 부정으로 지급받았다고 판단해 집중 조사에 벌였는데, 그 과정에서 그들이 타깃으로 삼은 부정 수급 의심자 명단이 AI 알고리즘에 의해 작성되었고, 그 알고리즘에 ‘국적’이 변수로 작용했다는 사실이 만천하에 드러나 전 국민의 공분을 샀던 것이다. 뿐만 아니다. ‘세계 최초의 로봇호텔’로 유명세를 떨쳤던 일본의 헨나 호텔은 한밤중에 고객을 깨우는 등 잦은 오작동으로 문을 열고 4년 만에 243개의 로봇 중 절반을 철수시켰고, 한때 인공지능의 대명사로 불리던 IBM의 왓슨(Watson)은 엉뚱한 진단 오류로 플로리다의 한 전문의가 내뱉은 말처럼 ‘그냥 쓰레기 수준’으로 전락하고 말았다. 대체 무엇이 문제일까? 현재 산업 전 분야에 걸쳐 적용되고 있는 AI는 알고리즘과 데이터 분석에 국한되어 있으며, 연구 방향 역시 인공지능과 인간의 대결에 초점을 두고 있다. 그 결과 나날이 AI의 성능이 향상되고 있음에도 불구하고 대다수의 조직이 성과는커녕 오히려 큰 손실을 보거나 AI를 사용하기 이전보다 더 도태된 모습을 보이고 있는 것이다. 2019년 실시된 MIT와 보스턴경영컨설팅그룹(BCG)의 공동 연구에 의하면 경영진의 70퍼센트 이상이 인공지능 투자로 얻은 것이 거의 없다고 대답했다고 한다. 그렇다면 비즈니스 상에서 성공적으로 인공지능을 활용하기 위해 우리는 무엇을 준비해야 할까? 리스크 없이 최고의 성과를 내기 위한 인공지능 활용법은 무엇인가? 구글, 테슬라, 넷플릭스… 앞서가는 비즈니스 리더들의 전략 - 필요한 것은 ‘실험정신’이다 ‘인공지능’과 ‘빅데이터’라는 용어가 일상화되기 전부터 데이터와 AI를 통한 경영 전략을 연구하며 국내 최고 디지털 전략 전문가로 활약해온 이준기 교수는 컴퓨터사이언스부터 심리학, 경영학까지 학문 전 영역을 아우르는 연구를 통해 기술과 인간을 종합적으로 이해하는 AI 권위자로 정평이 나 있다. 10년 전, ‘플랫폼 모델’이라는 새로운 형태의 비즈니스 모델이 도래하고 있음을 예견했던 그는 이 책 ≪AI로 경영하라≫를 통해 지금이야말로 인공지능의 제2막을 논의해야 할 때라고 말하며, 최고의 성과 창출을 위한 새로운 인공지능 활용법을 제시하고 나섰다. 그가 이 책에서 다루고 있는 인공지능은 철저히 ‘지금의 인공지능’이다. 지금의 인공지능이란 2010년대 중반 이후 다시 부활한 데이터 기반의 인공지능을 말한다. 과거 규칙 기반의 인공지능이나, 먼 미래 자의식을 갖고 ‘특이점(singularity)’을 지나 인간의 지능을 앞서는 소위 ‘강한 인공지능’이 아니다. 이 책에서 소개한 신 모델이 현재 인공지능을 다루고 있는 실무자 혹은 인공지능을 통해 의사결정을 해야 하는 리더들에게 특히 도움이 되는 이유다. 최근의 비즈니스가 어떤 방식으로 인공지능을 활용해 성과를 창출하고 있는지, 리스크 없이 인공지능을 적재적소에 도입하려면 무엇을 갖춰야 하는지, 최신 기업 사례를 통해 가감 없이 보여주고 있다. 대표적인 기업이 구글이다. 창의적인 채용 인터뷰로 유명한 구글이 최근 인간 면접관 대신 알고리즘에 따라 지원자들을 기계적으로 채점하는 AI 면접관을 도입해 화제가 되었다. 이는 인간 면접자가 주도하는 채용 프로세스의 편향성을 극복한 사례라 할 수 있다. 이 시스템에서는 인간 면접관의 적절한 모니터링과 개입이 필수적인데, 이런 채용 방식의 변화로 구글은 더욱 명확하고 객관적인 기준으로 원하는 인재를 뽑을 수 있을 것으로 기대되고 있다.(41~45p) 패션 리테일 분야에서 가장 혁신적인 기업으로 꼽히는 스티치픽스(Stitch Fix)의 사례도 흥미롭다. 스티치픽스는 인공지능을 통해 옷을 추천해주는 플랫폼으로, 인공지능은 인간 스타일리스트가 생각지도 못한 다양한 스타일을 추천해주고, 인간 스타일리스트는 미적 감각을 통해 그중에서도 가장 어울릴 만한 옷을 선택한다. ‘인간 + 인공지능’이라는 하이브리드 모델을 구현한 대표적인 방식이다. 이런 방식으로 패션계의 넷플릭스를 꿈꾸는 스티치픽스의 구독자는 꾸준히 상승하고 있다.(243~245p) 일론 머스크가 전기차 생산 공정에서 로봇을 모두 철수시킨 것도 같은 이유에서다. 전기차 생산 공정을 모두 자동화하려던 그의 계획은 생각보다 인공지능이 섬세한 공정에서 오류를 반복하고 시간을 지체하면서 무너졌다. 그는 자신의 판단이 잘못되었다는 사실을 인정하고 인간과 로봇의 협업을 기조로 하는 새로운 프로세스를 연구 중이며, 많은 이들이 이 과정에 관심을 기울이고 있다.(170~174p) 스웨덴의 국민 은행이라고 불리는 SEB은행의 경우도 빠질 수 없는데, SEB은행은 프로젝트의 성격 규명부터 인공지능과 인간의 역할 구분, 인간의 개입 방식과 인공지능의 시스템 학습법 설정, 조직에서의 실행 방법 결정까지 빈틈없이 해냄으로써 이상적인 프로세스를 완성했다고 볼 수 있다. SEB은행의 인공지능 시스템은 현재 50퍼센트의 자체 수행률을 보이며 직원들의 업무를 돕고 있다.(175~180p) 이렇듯 오늘날 AI와 빅데이터는 비즈니스에 새로운 기회와 함께 놀라운 변화의 문을 열어준다. 새로운 데이터를 통해 우리는 새로운 시각으로 현상을 바라볼 수 있게 되었고, 인공지능의 빠른 일처리 속도로 인해 더 많은 시간을 확보할 수 있게 되었다. 그만큼 인공지능을 디자인할 때는 정교함이 필요하고, 비즈니스 문제에 따라 별개의 프로세스를 갖추어야 할 수도 있다. 우리는 지금 인간과 인공지능이 협업하여 최상의 시너지를 내는 방법이 무엇인지를 찾아가는 출발점에 서 있다. ‘인간+인공지능’의 시대, 경쟁하지 않고 협업하여 살아남아라! - ‘수단’이 되는 인공지능 활용법 경제학자 에릭 브린욜프슨(Erik Brynjolfsson)은 ‘인공지능을 비교와 경쟁이 아닌 공존해야 할 존재’로 이해해야 한다고 주장했다. 물론 인공지능은 충분히 위협적이며, 우리가 일하는 방식을 변화시킬 것이다. 경우에 따라서는 우리를 통제할 수도 있다. 그러나 모든 가능성은 인공지능이 그러한 ‘수단’으로 사용될 수 있다는 것을 의미한다. 수단이란 결국은 인간의 의지와 사회적 방향성에 의해 결정되며, 따라서 우리가 주목할 것은 그 수단을 우리 스스로 어떻게 사용하느냐다. 인공지능의 시대로 접어들면서 우리 사회는 인공지능을 ‘활용’해 최고의 성과를 내는 사람들과 인공지능에 ‘대체’되어 살아남지 못한 사람들로 양분될 것이다. 이 책에서 이준기 교수는 인공지능을 잘 활용하는 방법으로 ‘인간+인공지능’의 하이브리드 모델인 ‘케이론 모델’을 제시하고 있다. 그 구체적인 방법으로 인공지능과 팀을 이루는 4가지 협업 방식을 소개하며 어떻게 효과적으로 인공지능을 실무에 적용할 수 있을지를 설명한다. 또한 구체적인 방법론으로 현명하게 인공지능의 리스크를 관리하는 방법, 인공지능과의 협업에 필수적인 ‘퍼플 피플’ 인력의 채용, ‘위양성ㆍ위음성’ 문제를 포함한 인공지능 설계의 쟁점들을 쉽게 풀어냈다. 그와 함께, 미래의 일자리 혁명을 만들어낼 인공지능의 영향력과 인공지능 시대에 걸맞은 초전문가가 되기 위해 길러야 할 능력 또한 제시하고 있다. 또한 그는 인공지능과의 협업을 통해 궁극적으로 우리가 도달해야 할 목표는 “AI를 통해 어떻게 문제를 해결할 것인가를 이해하는 것”이라는 점을 강조한다. 내가 가진 지식에 인공지능의 판단을 더해 남이 생각하지 못하는 가설을 만들고, 이를 검증하고 학습해 또다시 새로운 가설을 만들 줄 알아야 한다는 것이다. 인공지능의 결과를 현명하게 해석해 나의 지식에 접목시키고 새로운 지식을 창출할 수 있을 때 비로소 대체되지 않는 초전문가로 성장할 수 있다는 것이다. 이를 위한 책의 내용은 3가지 핵심 메시지로 요약할 수 있다. 첫째로, 인공지능이 얼마나 뛰어난 능력치를 지녔으며 그것이 인간의 삶에 어떠한 영향을 미치고 있는지다. 저자는 비즈니스의 패러다임을 바꾸는 인공지능의 모습을 다양한 사례들과 함께 소개하는데, 이를 통해 인간이 활용할 만한 인공지능의 장점들에 대해 알아볼 수 있을 것이다. 둘째로, 예측하는 인공지능의 허점이 얼마나 분명하고 바보 같은지를 설명한다. 인간을 위협하는 인공지능의 실체를 밝히고 인공지능이 상식적이지 않은 이유와 이들을 절대적으로 신뢰할 수 없는 이유에 대해 알려준다. 셋째로, 그래서 인공지능을 잘 활용하기 위해서는 우리가 어떤 모델을 활용해야 하는지를 설명한다. 그것이 바로 위에서 언급했던 ‘케이론 모델’이다. 인공지능과 빅데이터에 대한 이야기를 명쾌하고 흥미롭게 풀어낸 ≪AI로 경영하라≫는 특히 국내외 굴지 기업들이 인공지능을 도입하며 겪었던 수많은 실패담과 성공담을 담아내, 인공지능과의 이상적인 협업에 대한 롤모델을 제시한다. 그런 점에서 이 책은 새로운 경영 프로세스를 만들고 싶은 경영자, 좀 더 합리적인 의사결정을 하고 싶은 실무자, 나아가 인공지능의 시대에 걸맞은 경쟁력을 갖추고 싶은 많은 이들에게 의미 있는 텍스트가 될 것이다.

프롤로그: 인공지능 시대, 비즈니스는 어떤 모습인가 1장 인공지능은 당신의 비즈니스를 어떻게 바꾸는가 비즈니스 패러다임을 바꾸는 인공지능 21세기의 원유, 인공지능과 빅데이터 새로운 데이터는 새로운 시각을 가져다준다 인간과 인공지능의 협력이 가져올 좋은 변화 새로운 지식 창출을 돕는 데이터 기반 인공지능 AI Zoom Up 전문직 종사자들의 일자리를 인공지능이 대체할 수 있다? 2장 인간을 위협하는 인공지능의 정체 지능은 인간만의 고유한 것이 아니다 사람처럼 사고하는 현대의 인공지능 인공지능에 의한 창작은 어디까지 가능한가 인공지능이 인간의 감정을 읽는 법 협업하기 위해 알아야 할 인공지능 AI Zoom Up 인간을 위협하는 강한 인공지능은 언제 등장할까 3장 인공지능의 의사결정, 어디까지 믿을 수 있나 구글의 독감 예측 시스템은 왜 실패했을까 맥락 없는 데이터는 무의미하다 | 데이터의 적합성 흑인 얼굴을 인식하지 못한 인공지능의 차별 | 데이터의 편향성 인간의 생각까지 조종하는 인공지능 | 알고리즘의 왜곡 책값을 260억 원으로 만든 아마존의 알고리즘 | 인공지능 간 간섭에 의한 왜곡 인공지능을 어디까지 믿어야 할까 AI Zoom Up 인간에게 의사결정권이 아예 없다면 4장 AI로 경영하는 사람들 똑똑한 인공지능이 멍청한 짓을 하는 이유 체스챔피언도, 슈퍼컴퓨터도 아닌 아마추어가 우승자? 인공지능을 활용한 주식투자 성공법 테슬라의 텐트 공장에서 일어나는 혁신 스웨덴 SEB은행을 성공으로 이끈 다섯 가지 비밀 의사와 협업하는 인공지능 AI Zoom Up 인공지능과 의사는 다르다 5장 인간의 머리와 인공지능의 다리를 합치는 법 인공지능 시대의 승자가 되는 무기, 케이론 모델 왜 눈에 띄는 성과가 없을까 인공지능과의 네 가지 팀 운영 방식 인공지능의 생명은 리스크 관리다 연결하고 중재하는 ‘퍼플 피플’ 영리하고 효율적으로 일을 배분하는 법 개인의 선택을 도와주는 인공지능 인공지능도 배워야 한다 AI Zoom Up 보험사에서 발견한 인공지능의 치명적 모순 6장 그래서 우리는 인공지능을 어떻게 사용할 것인가 미래의 일자리 혁명은 우리의 삶을 어떻게 바꿀까 인공지능의 판단을 해석하는 현명한 자세 태풍 예보와 딸기타르트 판매 사이의 상관관계 초전문가를 만들어내는 인공지능의 힘

인공지능은 어떤 문제에서 인간보다 빠르고 확실한 결과를 보여줄 수 있다. 하지만 그 결과가 정말 가치를 발하는 건 현재의 가치관과 윤리성에 부합하는 경우에 한해서다. 때문에 인간과 인공지능의 협업 프로세스를 분석하여, 어디까지는 인공지능이 해결하고 어디부터는 인간이 해결해야 하는지를 정확히 디자인할 수 있어야 한다. 문제의 성격에 따라 별개의 프로세스를 갖추어야 할 수도 있다. 또 헨나 호텔 사례와 홍콩 재벌 사례에서 보듯 기존 조직이 인공지능을 통제하면서도 그 ‘새로운 힘’을 제대로 이용할 수 있도록 새로운 시스템을 마련할 필요도 있다. _15쪽, 〈프롤로그〉 중 1900년 뉴욕 5번가에 처음 자동차가 등장했을 때를 떠올려보자. 사람들은 마부가 없어지고 거리의 말똥 청소부도 일자리를 잃을 것이라고 걱정했다. 하지만 현실은 전혀 달랐다. 철강 산업의 발달로 새로운 파생 산업과 일자리가 생겼고, 교통의 발달로 주거지가 확장되며 직업과 일의 형태도 바뀌었다. 사실 기술 발달과 인간의 일자리 변화는 여러 가지가 작용해 복합적인 성격을 띠고 있다. 1970년대 들어 은행에 ATM이 본격적으로 보급되기 시작했을 때 사람들은 이 기계가 직원이 할 일을 대신함으로써 은행 직원의 대규모 감축을 불러올 것이라 예상했으나, 그런 일은 지난 30년 동안 전혀 일어나지 않았고 오히려 은행 직원의 수는 2010년까지 계속 증가했다. _47~48쪽, 〈ATM은 정말 은행원의 일자리를 빼앗았을까〉 중 미국 MIT의 미디어랩에서 분사한 소프트웨어 업체 어펙티바(Affectiva)는 감정 감지 소프트웨어를 통해 사람의 표정뿐만 아니라 보디랭귀지, 말하는 패턴 등을 분석하는 시스템을 구축했는데, 87개국 600만 명의 데이터를 분석한 결과 약 90퍼센트의 정확도를 나타냈다고 한다. 이와 관련해 애플, 마이크로소프트, 아마존 등 포춘이 선정한 글로벌 500대 기업 중 25퍼센트 이상이 감성 AI 기술을 적극적으로 활용하고 있다. _92~93쪽, 〈데이터와 감정을 동시에 분석하는 일〉 중 약 10년 전부터 유명 헤지펀드들은 인공위성이 촬영한 사진을 판독해 월마트, 홈디포, 타깃 등 미국 대형 소매업체의 매출을 예측하고 있다. 대부분의 투자사는 기업이 실적 발표를 하기 전 경쟁사보다 먼저 그 기업의 실적이 좋을지 나쁠지를 알고 싶어 한다. 전통적인 방법은 사람을 고용해 매장에 드나드는 고객들을 매일 직접 세어보는 것이다. 하지만 이렇게 하려면 시간과 비용이 많이 들어간다. 최근에는 CCTV를 설치해 출입하는 사람을 세는 기업도 있고, 대형 소매업체 주차장의 위성사진 데이터를 인공지능으로 분석한 뒤 방문 차량 수를 산출해 매출 예측에 활용하는 기업도 있다. _114쪽, 〈주차장 사진으로 기업 매출을 예측하다〉 중 여기에서 핵심이 드러난다. 생명의 다리 프로젝트는 자살 시도를 ‘예방’하는 프로젝트였지, 자살을 시도한 사람을 더 살리려고 구명보트나 구조대 수를 확대하는 ‘구명’ 프로젝트가 아니었다. 이것은 프로젝트 이전과 이후의 자살 시도 집계 방식에 변화가 있었음을 의미한다. 다시 말해, ‘생명의 다리’ 캠페인 이전에는 직접 다리에서 뛰어내리거나 소방대가 출동해야 자살 시도로 집계되는 방식이었다. 그러나 ‘생명의 다리’ 캠페인 후에는 생명의 전화, CCTV, 순찰, 교량 이용 시민의 신고 등 여러 경로를 통해 발견된 자살 시도가 모두 통계에 들어간 것이다. 결국 집계 방식의 변화가 자살 시도 수의 폭증이라는 결과로 이어지게 되었다는 합리적 의심을 할 수밖에 없다. _120쪽, 〈‘죽음의 다리’가 된 ‘생명의 다리’〉 중 우리는 데이터 기반의 인공지능을 활용할 때 우리가 입력한 정보를 바탕으로 답을 찾기를 바란다. 하지만 우리가 생각하는 정보와 인공지능이 생각하는 정보는 전혀 다를 수 있다. 소 사진을 보고 ‘소’라고 곧잘 답하던 인공지능이 사진의 배경을 초원이 아닌 다른 풍경으로 바꾸자 소를 전혀 못 알아봤다는 연구 결과도 있다. 또 다른 연구에서는 모든 동물을 100퍼센트 가까운 정확도로 맞히던 인공지능이 코끼리 피부 이미지를 입힌 고양이를 ‘코끼리’라 답한 것으로 드러났다. _152쪽, 〈치명적인 인공지능의 ‘지름길 문제’〉 중 일론 머스크가 텐트 공장에서 가장 먼저 한 일은 공정 프로세스에 맞지 않는 로봇을 걷어내고 그 자리를 사람으로 채우는 것이었다. 그가 인정했듯이 ‘가장 선진화된 로봇이 생산 효율을 떨어뜨리고’ 있었기 때문이다. 그가 처음에 설계했던 생산 공정은 단순히 기존의 생산 방식을 자동화하는 것이었다. 즉, 원래의 프로세스에서 인간이 하던 일을 로봇이 대체하게 하는 것에 지나지 않았다. 하지만 머스크는 그것이 잘못되었음을 깨달았다. 인공지능과 로봇을 제대로 이용하려면 단순 대체가 아닌, 인간과 인공지능이 협업하는 새로운 방식이 설계되어야 한다는 것을 비로소 이해한 것이다. _171~172쪽, 〈일론 머스크가 공장을 로봇 대신 사람들로 채운 이유〉 중 연구진들은 논문을 통해 앞으로 기업에서 많은 의사 결정(투자 전략이든 채용이든)이 인공지능과 함께 진행될 것이라고 예측했다. 그리고 한쪽으로 쏠리는 편견에 대해 강력히 경고했다. 이에 덧붙여 인공지능의 의사결정을 단순하게 무시하거나 인간보다 더 나은 무엇으로 보기보다는, 팀원 한 명이 제시하는 의견으로 보면서 전체적인 의사결정 프로세스 안에 포함시킬 것을 제안했다. _235쪽, 〈어떤 데이터가 어떻게 모여서 이런 결정을 하게 되었을까〉 중 인간과 인공지능의 차이는 결론적으로 하나다. 그것은 ‘왜(why)라는 질문을 던질 수 있는가?’이다. ‘왜’라는 질문은 인간의 목적성을 나타내는 유일한 창구다. 이 질문을 통해 인간은 가설을 만들고 테스팅하면서 지식을 만들어간다. 향후 인공지능은 엄청난 속도로 발전해나가겠지만 ‘질문할 수 있는 인간’은 인공지능과 차별화될 것이며, 각 산업 분야의 전문가는 인공지능을 이용한 가설, 검증, 러닝을 통해 초전문가가 될지 인공지능의 대체자가 될지 결정될 것이다. _283쪽, 〈새로운 지식을 만드는 능력〉 중