영어 블로그를 보려면 여기를 클릭하세요.

AI 대 IA: 차이가 무엇입니까?

글 James Dening 에서 자동화와 함께 변화하는 세상 에 2019 년 06 월 12

인공 지능(AI)이 한동안 뜨거운 화제였습니다. 건강, 제조, 게임 이론, 날씨 예측 및 경제학을 포함한 다양한 분야에서 마주하게 되는 커다랗고 복잡한 문제를 해결하기 위해, AI가 지닌 거대한 힘을 사용하여 수행되고 있는 몇 가지 진정으로 혁신적인 것들이 있습니다. 적용 가능 분야는 계속해서 늘어납니다.

하드웨어와 소프트웨어 자동화도 한동안 진행되었습니다. 하지만 현재 4차 산업혁명의 일환으로 각광받고 있는 분야는 소프트웨어 자동화입니다. 전 세계 모든 산업 분야에서 기업들은 프런트 및 백 오피스에 로보틱 프로세스 자동화(RPA)를 도입하고 있습니다. 특히 규칙을 기반으로 움직이며, 프로세스 중심이고, 쉽게 정의할 수 있는 작업을 자동화하고 있습니다.

미지급 계정(AP) 담당자의 업무를 예로 들 수 있습니다. 매일 출근하여 이메일을 열고, 수신한 스프레드시트를 연 다음 해당 데이터를 ERP 시스템에 복사하는 업무입니다. 이런 작업은 쉽게 자동화할 수 있습니다. 또한 금융, 조달, HR, 운영, 물류 등에서도 이와 같은 사례를 무수히 찾을 수 있습니다.

하지만 흥미로운 지점은 AI와 자동화의 교차점 즉, 지능형 자동화(IA)입니다. 머신 러닝(ML) 기술, 컴퓨팅 성능 및 첨단 인지 엔진의 발전에 힘입은 이러한 조합이 다양한 종류의 비즈니스 문제를 처리하기 시작하였습니다. 음성 인식, 자연어 처리, 문서 분석 및 분류는 이제 매일 일상적으로 사용하는 애플리케이션입니다.  

문서를 예로 들어 보겠습니다. 많은 기업들이 여전히 수백만 개의 PDF 문서를 처리하고 있습니다. 송장, 구매 주문서 또는 그 밖의 다양한 문서가 포함됩니다. 대형 제조업체의 경우 수만 개의 공급업체를 보유하고 있으며, 각 공급업체마다 송장이 서로 다릅니다. 이런 반구조화 데이터는 규칙 기반 시스템에서는 처리하기가 어렵습니다. 그러나 AI를 믹스에 추가하면 이 구조화되지 않은 데이터를 처리할 수 있는 무언가를 갖게 되면서 동시에 학습을 진행할 수 있습니다. 광학 문자 인식(OCR) 엔진은 여러 공급업체의 일반적인 송장 데이터 세트에서 50~60% 이상의 정확도를 확보하는 데 어려움을 겪는 반면, Automation Anywhere의 IQ Bot과 같은 AI 기반 시스템은 감독 및 비감독 학습을 모두 사용하여 90~95% 이상의 정밀도를 획득합니다. 처리하는 데이터가 많을수록 더 나은 결과를 얻을 수 있습니다.

기업의 데이터 중 '다크', 반구조화, 비구조화 데이터의 비율은 다양하지만, 60~70%의 데이터는 일반적인 데이터임을 알 수 있습니다. 이는 종종 표면 아래에 숨겨진 빙산의 일각과 같습니다. 이메일, 음성 메시지, 문서, PDF 등 방대한 규모의 데이터에 비하면, Excel 스프레드시트는 상대적으로 적은 양입니다. 데이터베이스와 CRM/ERP 시스템을 통해 기업들은 점점 더 많은 데이터를 획득하고 있으며, 이런 데이터 중 상당 부분은 비구조화 데이터입니다. 앞으로 모든 비즈니스가 직면한 최대의 데이터 관련 문제는 규모의 문제입니다. 그리고 명백한 해결책은 구조화 데이터와 비구조화 데이터를 모두 처리하는 자동화를 구현하는 것입니다.

그렇다면 이러한 현실적인 문제들을 어떻게 해결할 수 있을까요? AI만으로는 충분하지 않을 것입니다. AI의 거대한 힘은 커다란 문제를 해결하는 데는 매우 훌륭하지만, 우리가 매일 처리해야 할 세부적인 요소까지 충족시키지는 못합니다. '그 PDF가 송장인가요 아닌가요? 그리고 만약 송장이라면 얼마입니까?'

그럼에도 자동화와 결합하게 되면 매우 다른 무언가를 갖게 되는 것입니다. 지능형 자동화를 사용하면, 구조화 데이터의 간단한 문제 비구조화 데이터의 난이도 높은 문제를 규모를 고려해 가며 적절히 처리할 수 있습니다.

소프트웨어 자동화(4차 산업 혁명)는 모든 대기업에게는 혁신적이고 전략적인 기회입니다. 규모가 가장 중요합니다. 그리고 규모의 문제는 IA와 결합된 자동화와 AI를 통해서만 실질적으로 해결할 수 있습니다.