인공지능 시대의 비즈니스 전략 (2)

3장 도구로서의 인공지능

머신러닝이 하는 데이터 분석

보통 데이터를 활용한다고 하면 거의 데이터 분석을 의미

기업에서 데이터를 활용해 판단해야 하는 것

다양한 경우의 숫자를 계산하고, 수많은 경우의 수를 비교하고, 의미 있는 차이를 찾아내느 것을 데이터 분석이라 한다면 컴퓨터가 인간에 비해 월등하다

금융업계에서 대표적인 인공지능 활용 사례로 켄쇼가 있다

이는 인공지능을 분석에 활용하는 전형적 사례

자연어 처리와 머신러닝을 활용해 기사와 자료 검색부터 시장 동향 분석, 투자 조언까지 제공하는 금융 분석 프로그램

의료 분야에서는 IBM의 왓슨이 대표적이다

왓슨은 엄청난 양의 의학 자료, 학술지, 임상 시험 데이터, 의학 교과서 들을 통해 학습하여 적절한 정보를 제공하여 의사를 도와줌

분석을 프로세스 안으로

인간이 따로 일일이 보고 판단할 필요 없이 데이터 분석 단계가 자연스럽게 프로세스 안에 녹아 들어가도록

 

어디에나 쓸 수 있는 예측

예측(predicition) 분석은 과거와 현재의 분석으로, '현재' 분석이라고 하는 편이 정확하다.

예측으로 하는 진정한 개인화

머신러닝을 활용해서 예측하면 그동안 당연하게 생각했던 몇 개의 그룹으로 고객을 묶는 세그멘테이션에서, 고객 개개인에 대한 개별적 예측값을 통해 진정한 개인화 서비스를 구현할 수 있다

이와 같은 사례로는 넷플릭스의 알고리즘을 들 수 있다

시각 인지력의 활용

현재 인공지능의 이미지 인식 수준의 특정 분야(사람 얼굴 인식 등)에서 인각의 시각적 인지 능력을 넘어섬

인간보다 정확한 것도 중요하지만, 인간보다 훨씬 빠르게 더 많은 양을 인식할 수 있음

이와 같은 예시로는 의료 이미지 판독, 월마트의 진열대 스캔 로봇 등이 있음

콘텐츠 생성에 활용

기존의 것들을 바탕으로 비슷한 것을 만들어내는 것은 인공지능이 훨씬 더 빠르게 잘 할 수 있음

애니메이션, 그림, 소설, 작곡 등을 인공지능이 수행함

인간의 말로 일하게 하기

구글 어시스턴트, 애플 시리, 아마존 알렉사 등이 음성을 이용하는 인공지는 서비스

인간과 컴퓨터의 연결, HCI(Human-Computer Interaction) 영역에 자연어 처리, 음성 인식 기술을 적용한 것

미래 예측

실시간 예측이 필요하다면 데이터의 입력과 각 데이터별 영향도 계산 등이 연속적으로 이루어지는 방법(continuous learning)을 쓸 수 있음

머신러닝의 활용처

맥킨지가 'The Age of Analytics: Competing in a Data-Driven World (Nicolaus Henke 외.2016)' 에서 말한 머신러닝 활용처

 

4장 오해 속의 빅데이터

빅데이터는 SNS 분석이 아니다

빅데이터라고 하면 자신의 생산 설비에서 나오는 로그 데이터나 자신의 판매 데이터 등과 같이 기업 스스로 가지고 있는 데이터가 먼저 떠올라야 한다.

그러나 SNS 텍스트 분석이 빅데이터 분석이라는 오해를 가지고 있다.

불필요하고 해로운 빅데이터

최근 데이터 앞에 '빅'이라는 말을 붙여서 오해를 만들거나, 데이터 분석 방향에 혼돈을 주고, 기대 수준에 대한 차이를 만드는 문제점이 있다.

대상이 아닌 수단으로서의 빅데이터

우리는 빅데이터를 분석할 대상으로서의 그 무엇이 아닌 '기술'로 이해해야 한다. 즉, 그런 분석을 할 수 있는 수단이라고 생각해야 한다.

 

 

 

 

 

※ 해당 내용은 <인공지능 시대의 비즈니스 전략>의 내용을 토대로 학습하며 정리한 내용입니다.