예전에는 단순하게 동작하던 집안의 가전들은, 이제 더이상 깡통이 아니다.
가전이 와이파이와 연결되는 순간, 집안에서 생활하면서 나올 수 있는 데이터를 통해 그 가전은 좀 더 가전을 구매해 준 고객을 위해 더 열심히, 똑똑하게 일하기 위해 자신의 능력치를 강화한다.
단순히 1에서 2가 아닌, 1일때 2, 어떤 때는 3, 그리고 4.5로 변화하는 모습을 만들어 낸다.
이런 일을 할 수 있게 된 것 중 가장 큰 역할을 한 것은,
당연히 연결을 담당했던 와이파이와 IoT 기술이다.
와이파이가 대중화되지 않았다면, IoT를 위한 연결은 지그비라는 통신과 블루투스로 어떻게든 연결을 확장해 보다가 LTE, 5G, 6G로 넘어가면서 가격과의 괴리로 괴로워했을 것이다.
왜냐하면, 와이파이는 공짜지만, 지그비와 LTE 등의 통신은 공짜가 아니기 때문이다.
사용자는 LTE를 쓰는 동안 사용료를 별도로 내야 하고,
물론, 와이파이를 처음 설치할 때는 비용을 내긴 하지만, 와이파이로는 많은 기기들을 사용할 수 있는데 반해, LTE나 지그비는 해당 기기에만 사용해야 하고, 다른 기기를 통해 다시 연결을 해야 한다.
와이파이모뎀의 가격이 점점 싸지고, 이제는 와이파이 6와 7까지 진화해 가면서 속도와 용량도 커지고 있어서 감사할 따름이다.
그 다음으로 큰 역할을 한 것은 단연 반도체이다.
반도체들의 집적 수준이 높아짐에 따라 고성능의 반도체들이 싼가격으로 다양한 기능을 품고 생산이 가능해 진 것 이다. 특히, 엔비디아의 GPU는 기존 그래픽 처리를 위해 사용하다가 병렬 연산처리에 대한 성능을 이용하여 인공지능 연산을 동시에 처리할 수 있는 능력을 강화함으로써, 엄청난 수요와 함께 발전이 함께 일어나고 있다.
최근 비트코인, 이더리움을 위시한 블록체인의 채굴을 위해 사용하던 GPU들은 최근 가상화폐의 가치 폭락으로 인해 ROI가 나오지 않아 수요가 많이 줄어들긴 했지만 여전히 인공지능이나 클라우드전환에 수요 폭발로 지속적인 성장을 하고 있다.
지금도 그렇지만, 앞으로도 반도체가 인공지능의 시대의 주인공임은 말할 필요가 없는 진리다.
그럼 인공지능은 어떤 것인지에 대해 간단히만 언급하고 앞으로 어떤 인공지능의 기능을 가전에 넣고, 또 어떻게 넣을건지에 대해서 얘기해 보자.
인공지능은 머신러닝과 딥러닝이라는 것으로 다시 세분화할 수 있다.
단순히 인공지능은 인간의 인지, 지각, 판단 등의 능력을 기계적으로 프로그래밍화한 것을 의미한다.
이 보다 좀 더 세분화된 분류로 얘기할 수 있는 머신러닝은,
학습된 데이터 활용 여부에 따라 지도 학습(문제와 정답을 같이 제공하여 반복 학습)과 비지도 학습(정답없이 반복학습), 그리고 강화학습(환경안에서의 에이젼트가 행동하고 보상받으면서 학습)으로 나뉠 수 있다. (조금 복잡해 질 수 있지만, 그렇다는 것만 알아도 된다.)
가장 활발히 사용되고 있는 인공지능의 유형은, 가장 복잡한 딥러닝이다.
딥러닝은 학습을 담당하는 알고리즘의 계층이 2개 이상이면 딥러닝이라고 한다.
딥하게 러닝하기 때문에 딥러닝이다. (멀티 계층 퍼셉트론, 즉 여러 계층의 인공신경망에서 발전한다)
영상분석에 많이 쓰이는 CNN, 그리고 시계열관련 분석에 쓰이는 RNN을 비롯하여 DNN, ANN 등이 있지만, 여기서 굳이 이걸 설명하는 건 하지 않겠다.
초점을 인공지능을 이용한 기능에 두도록 하자.
그렇다면, 가전에 들어가면 좋은 인공지능 기능은 어떤 것들이 있을지를 좀 더 구체적으로 고민하자.
인공지능을 사용하는 목적 중 가장 큰 것은,
사람이 하는 행동이나 말을 다양한 방법으로 이해하고,
이를 통해 더 좋은 결과를 다시 사람에게 주기 위함에 있다.
가전이 단순히 보관, 세탁, 냉방 등 사람이 지시하는 것을 이행하는 수동적인 기기가 아닌,
사람과 능동적으로 소통하면서 더욱 더 진화해 나가는 것을 지향한다면,
인공지능의 사용 목적을 여기에 초점을 맞춰야 한다.
다시 말해, 사람을 온전히 이해하고 사람에게 행동변화와 다른 큰 가치를 제공하는 것에 있다.
사용자들은 Consumer Journey Map을 통해 보건데, 아래와 같은 여정으로 제품을 구매 사용한다.
먼저 상품에 대해 인지(Awareness)후 고려/고민(Consideration)을 한다.
이후, 상품 구매를 결정(Decision)을 하여 사용(Service)을 한다. 사용 시 만족감이 올라가게 되면, 이 제품과 제조사에 대한 충성도(Loyalty)가 올라가게 되고 다시 재구매로 이어지게 되는 여정이다.
구매 결정까지의 단계에서도 중요하겠지만, 실제 사용 후 만족하는 단계에서 인공지능은 열일을 해야 하고, 계속해서 충성도를 높이는 역할을 하는 것 또한 인공지능이 이제는 해내야 하는 것이다.
그런 의미에서, 어떤 서비스를 인공지능을 이용해서 제공할 수 있을지 고민해 봤다.
사용자를 제대로 이해하고 제대로 된 피드백 주기
음성인식 (스피커, 냉장고, 로봇청소기, 에어컨, TV 등 적용)
인공지능은 사람의 뇌를 모방하여 만든 것이고, 사람을 이해하기 위함이 제일 크다.
사용자의 의도를 제대로 이해하는 것에는 문자도 있지만, 대부분의 과정이 음성으로 이루어 진다.
음성을 처리하는 자연어처리 인공지능 신경망(NLP)은 사용자가 음성으로 보낸 내용을 텍스트로 변환하고, 이 텍스트에 대한 의미를 이해하고, 필요한 명령을 수행하거나 그 결과에 대한 피드백을 위해 새로운 문장들을 만들어서 사용자에게 다시 전송한다. (이건 익숙할 것이다. 헤이 빅스비, 시리야 ~~~)
음성의 경우는 단순히 음성을 문자(문장)로 전환해서 그걸 분해한 후, 의도를 파악해 내는 과정이 제일 힘든 과정인데, 이 과정 상에서 단순히 문장에서 의미하는 바가 아닌 숨은 의도를 파악하는게 인공지능이 해야 할 일이다.
예를 들면,
음성으로 인공지능 스피커에 이렇게 물어본다고 생각해 보자.
'누구야, 주변에 있는 피자집 좀 알려줘' 라고 하면, 피자를 먹고 싶기도 하지만, 피자가 안될 때는 다른 메뉴나 레스토랑을 찾아야 하는데, 이에 대해서 정확히 의도를 파악하고 정보를 줘야 한다.
피자집에 대한 정보 뿐만 아니라, 식사를 할 수 있는 레스토랑 정보, 피자 종류, 가격, 배달료와 지금 주문하면 걸리는 시간과 후기 중 가장 베스트 후기에 대해서 간단히 요약해서 알려주는 일을 해야 한다.
사람들이 불편해 하는 것은, 똑똑한 정답이 아니라 그 이후의 비슷한 행동을 또 해야 하는 것이다.
이런 불편한 행동을 해결하는 것이 인공지능이 해야 할 일이고, 그 의도를 명확히 파악해야 한다.
이런 기능은 지속적으로 알고리즘이 진화해야 하고, 이 진화된 알고리즘은 가전에 지속적으로 업그레이드가 되는 환경이 되어야 한다. 어제 내 말을 알아들은 스피커는 어느 순간 어제보다 더 똑똑하고 TMT(투머치토커)가 되어 있어야 한다. 인공지능을 품은 가전 모두가 그래야 한다.
안전한 사용이 가능하도록 하기
모든 가전은 전기제품이고, 와이파이에 연결하는 순간부터는 모든 데이터를 볼 수도 유출할 수도 있다. 또한 개인정보 뿐만 아니라 직접 제품 안으로 침투하여 카메라를 통해 집안을 볼 수 있다.
나의 가전은 안전한가에 대한 답을 인공지능이 줄 수 있어야 한다.
최근 집안의 월패드 카메라를 통한 해킹 사건들이 다수 발생하여, 올해 7월부터는 아파트의 각 동 및 세대간의 망분리(네트워크의 분리 관리)를 의무화하고 있다.
이렇듯 집안에서의 연결이 보편화되고 편리해 지면서 안전에 대한 위협도 점점 더 커지고 있다.
또한, 전기를 사용하고 있는 제품이므로 언제든 화재 위험에 노출되어 있어서 이에 대한 불안도 크다.
이런 문제를 인공지능에서는 모든 상태를 통해 안전을 점검하고 사용자에게 이를 인지시켜 안심시킴으로써 인공지능의 역할을 다 할 수 있다.
제품이 사용하는 전기 용량에 대한 부족함을 감지하거나 누전에 대한 부분을 경고한다.
또는, 네트워크 상에서 사용자의 제품을 그룹화하여 관리하고, 해킹에 대한 위협을 감지하여 원본 데이터와 차이가 나는 상황이나 의심이 드는 행위가 감지되면 사용자에게 상황을 인지시켜 같이 문제를 해결하도록 하는 것이 더 안전해 보이고, 이를 인공지능이 개별 홈별로 판단할 수 있도록 해준다면 하나의 브랜드로 고객이 올인하는 경우도 언제든지 생길 수 있다. 긍정적인 면에서...
사람이 얘기(+조작)하기 전에 상황을 파악해서 미리 조치하기 (사전점검 및 상황에 맞는 동작)
보통 가전을 원격에서 상태를 알아보거나 동작을 시키고자 하는 경우(에어컨 켜기, 세탁시간 연장하기 등), 앱을 통하거나 스피커를 통해서 조작하는 경우가 대부분이다. (사실 거의 잘 안쓰겠지만)
가전이 고장은 잘 안나지만,
뭔가 제대로 동작이 안되는 것 처럼 느껴지는 경우 어떻게 해야 할지 답답한 경우가 있는데,
최근에는 앱에서 제품 고장 상태, 원인, 조치 방법에 대해서 알려주기는 한다.
유명 자동차 회사의 경우, 보통 자동차가 주행을 하면서 거리나 시간이 지나게 되면 고장이 날 수 있는 것을 미리 알려주고, 사전에 점검할 수 있도록 안내를 한다. 그 정보 또한 서비스센터에서 미리 파악을 하고 있다.
이렇듯 가전의 경우도 고장이 나고 난 후 서비스센터에 전화해서 예약을 잡게 되면, 서비스센터 직원이 방문할 때까지의 시간동안 제대로 가전을 사용하지 못하는 경우가 발생한다.
이런 점이 고객을 불편하게 하고, 짜증나게 하는 요인이다.
인공지능은 가전이 고장날 수 있는 환경과 상황에 대한 데이터를 미리 다른 가전의 고장 데이터를 통해 확보한 상황을 가지고 예측하는 알고리즘을 만들어 연합학습과 같은 방법으로 각 제품에 업데이트를 시킬 수 있을 것 같다. 데이터는 각각이지만, 실제 구동되는 알고리즘은 중앙에서 계속해서 업그레이드된 소프트웨어로 제공을 하는 구조이다.
사용자의 환경에 맞게 가전이 동작되는 경우를 알아보자.
요즘에는 자주 사용하는 기능 중에, 이런 상황이 되면 저런 기능이 되도록 셋팅해 놓는 것이다.
날씨가 30도, 습도가 80%이면 자동으로 에어컨을 켜도록 한다거나, 앱을 설치한 폰이 집 근처에 오면 에어컨, 공기청정기를 미리 셋팅한 값으로 동작시켜주는 것이다. 이건 인공지능이라기 보다는 조건에 맞는 동작으로 이미 오래전부터 IFTTT(IF This Then That)이라는 기능과 플랫폼도 존재한다.
인공지능을 적용하게 되면, 나의 워치에서 확인된 나의 맥박수와 운동 수준을 파악하여, 수분 보충량이나 식단을 알려주어, 이에 맞는 레시피와 가장 적당한 가격의 반조리 식품을 인터넷에서 찾아 추천해 주는 것이다.
나의 행동 하나 하나를 관찰하여 불필요한 동작을 찾아내고, 이를 바꿀 수 있는 방법을 제시하는 것도 인공지능의 몫이 될 수 있다.
가령, 워치를 차고 있는 손으로 세탁물을 넣었다 뺐다 하는 과정을 세탁기 근처에서 수행하고 있다면, 그 과정을 줄일 수 있는 방법을 세탁기나 앱에서 추천할 수 있고, 세탁기와 건조기의 위치를 파악하여 동선을 줄이기 위한 방법을 제시할 수 있다. 세탁물의 양에 따라 세탁기의 회전 속도를 조절하는 건 지금도 되고 있는 기술이지만, 세탁기가 진동으로 인해 앞으로 걸어나오는 현상을 진정시키지는 못하고 있다. 이렇게 진동이 발생할 때 앱이나 다른 제품을 통해 위험상황을 알려주고, 제품의 진동을 제대로 잘 잡아준 후, 잘 조절했다는 안내를 해준다면 무한 신뢰가 쌓일 것이다.
워치가 없다고 생각하면, 청소기에서 흡입되는 먼지와 실제 앞뒤로 왔다갔다한 동작 데이터를 학습해, 먼지가 제대로 흡입이 되는 건지에 대한 자세를 제안해 줄 수 있다. (필라테스 동작 처럼)
그리고, 흡입되는 먼지의 양에 따라 (이건 소프트웨어 뿐만 아니라 청소기의 전면 흡입구의 장치에 센서를 부착할 수 있는 형태로 교체하는 것으로 제안해야 한다.), 집안에서 먼지가 많이 쌓이는 주의 구간을 지속적으로 제안하여 그 위치가 되었을 때 꼼꼼히 청소하면 좋겠다라는 안내 메세지를 청소기에서 보내줄 수 있다.
사용자가 알지 못하는 것을 알려주기 (잠재적 의도 파악)
사용자가 알지 못하지만 실제 제공하고 나면 열광하는 기능들이나 제품들이 있다.
잠재적 요구사항이라고 하고, 이를 찾기 위해 기업들은 오늘도 고군분투한다.
예를 들면, 스타일러 같은 제품은 고객의 세탁과 관리의 요구를 끌어내어 새로운 가전 카테고리를 연 제품으로 유명하다. 다른 제품 중에 그런 제품이 있나 싶기도 하다.
초기에 시장에서 판매가 되지 않다가 일본에서 급성장하게 된 후, 국내에서도 돌풍을 일으킨 제품이고, 모든 가전사, 렌탈사들이 앞다투어 의류관리기를 내놓게 한 계기가 되었다.
이런 제품과 기능에 대한 잠재적 요구는 고객들의 데이터와 생활을 직접 관찰하면서 찾아낼 수 있다.
단순히 고객들이 사용한 데이터만으로는 내가 이미 알고 있고, 예상이 가능한 고객의 단순한 생활 패턴과 선호도를 알 뿐, 잠재된 요구를 파악하지 못한다. 고객의 생활을 관찰하면서 모든 상황들을 데이터화한 후, 실제 가전에서 수집할 수 없는 데이터를 데이터로 만드는 과정에서 제품을 착안하는 방법도 제안할 수 있다.
예를 들면, 다림질은 디지털화가 안되어 있고, 다림질을 하는 경우 데이터가 쌓이지 않는다.
다림질을 대신해서 스타일러를 사용하는 경우(바지 다림 수준)가 있는데, 그 데이터를 보고 다림질에 대한 요구가 있지만 이를 대신해 줄 수 있는 전문기기가 없다는 것을 파악하고, 전자다리미를 개발하거나, 다림 서비스에 대한 주변 세탁소의 정보를 모아 상품을 추천(수거, 배달, 다림)하는 방법도 있다.
또, 이런 제품도 있을 수 있다. 집안 일 중에 가장 귀찮은 일 하나는, 분리수거다.
미국과 같은 나라에서는 사람이 일일이 분리를 해주니 모든 쓰레기가 그냥 쓰레기통으로 직행하지만,
한국에서는 분리 수거가 의무가 된 지 오래다.
제품을 넣으면 인식을 한 후 분리 수거를 해주는 가전을 아주 라이트하게 만들 수 있을 것 같다.
분리 수거 통 위에 카메라와 수거함을 올리고, 각각 배분되는 형태로 잡아주면 자동 분리가 가능할 것 같다. (내 생각이지만, 캔과 병, 패트병 등 종이류가 아닌 것들은 충분히 가능하지 않을까 생각한다만, 이게 과연 그만큼 필요할지는 좀 더 고민해 보자.)
사용자가 원하는 일상을 제안하기
사람들은 자신이 원하는 일상이 있고, 그걸 실현하는 것을 바라고 있다.
인공지능이 나의 삶의 변화에 어떤 영향을 줄 수 있을까?
자신의 원하는 일상이란 집에서는 쉼을 제공하고, 아무런 일도 하지 않는 것이 제일일 것이고,
가족의 건강과 안전, 그리고 경제적인 여유를 원할 것이다. 또한, 시간적인 여유를 통해 나 자신을 계발하거나 휴가를 즐기고 싶은 마음이 크다.
이런 일상을 위해 가전은 어떤 일들을 해줘야 하는 걸까?
지금 우리가 사는 이 시점에서 내 생활이 편리해 진 것과 여전히 해결 못하는 것을 구분한다면 그 답을 찾는 것에 근접하지 않을까?
[ex. 30대 맞벌이 주부, 초등학생 아이와 직장인 남편 가족의 페르소나]
집에 도착한 아내는 아이의 간식을 만든다. 아이는 아토피가 심해 슈퍼에서 산 과자를 절대 못 먹인다.
아토피에 영향이 없는 간식을 만들기 위해 냉장고에 있는 인공지능 비서에게 물어서 재료를 주문했다. 재료가 도착하고 냉장고에서는 보관 기관이 자동으로 저장되나, 오늘 바로 만들어서 먹일 생각으로 조리법을 스캔하여 오븐에서 바로 조리한다. 저녁 식사를 위한 준비도 같이 한다.
저녁은 된장찌게에 계란찜, 생선구이, 야채쌈으로 준비한다. 인공지능 비서에게 오늘 된장찌게부터 반찬 종류를 나열해 설명해 주면, 비서는 지금 있는 재료의 상태와 부족 여부를 다시 한번 확인해 준다.
쌈은 직접 키운 상추로 이제 먹어도 된다고 한다. 오븐에서 간식 준비가 끝나고 다시 생선구이를 위해 자동 셋팅하여 생선을 손질하여 넣어달라고 한다. (여기 저기 음성으로 마구 시끄럽다.)
편리해 진 것은 맞는데, 여전히 해결을 못하는 부분은 없을까?
배달해서 먹는 음식은 아무리 시대가 바뀌어도 집밥에 비하면 몸에 좋지는 않을 것이기 때문에,
필요에 의해서만 배달음식을 먹는 걸로는 계속 유지가 될 것이다.
반조리 식품은 간편하고 유기농 제품이 있긴 하지만, 여전히 경제적인 부담에서 벗어날 수 없다.
그렇다면, 우리는 어디에서 인공지능의 도움을 받는 것이 현명할까.
난 그 해답을 여기서 찾는게 어떨까 생각해 봤다.
먼저, 내가 하고 있는 행동이 하나 하나 제품을 사용할 때 마다 기록이 되기 때문에,
전체적인 준비를 위한 순서, 즉 그 다음은 어떨걸 하는게 좋을지를 제안받는 걸로 이용하는 것이 좋아보인다.
가령, 된장찌게를 끓이기 위해 육수를 넣으면 전기레인지에서 이미 된장찌게에 대한 전체적인 시간을 셋팅해 두고, 단계가 될 때마다 알려준다. (육수 끝, 된장과 재료, 두부, 뚜껑닫아라. 이제 끝났다)
이후, 다음 준비 단계인 계란찜을 위해 전자레인지에 셋팅해 둔다. 인공지능 비서나 제품에서 가이드하는 대로 요리를 못하는 남편도 준비를 도울 수 있다.
언제쯤 준비가 끝나는지 초등학생 딸에게 알린다. (밥 먹자라고 하지 않아도 자리로 올 수 있도록 한다. 이건 아무리해도 잘 안되지만.)
후드에서 환기는 다 했지만, 냄새가 나서 오늘 먹은 재료들로 인해 나는 냄새를 공기 청정기가 적당한 환기 수준을 파악하여 자동으로 동작하도록 한다. 좀 더 똑똑하게 공기청정기가 반응해야 할 시기다.
냄새 환기가 제대로 안되면 에어컨과의 협력을 통해 공기를 넓게 순환시키도록 한다.
그 다음 순서인 식기세척기에는 이미 준비가 끝나 있다. 전원을 켜는 것도 제품이 들어오는 것도 충분히 감지되어 있다. 오늘은 어떤 식기들이 들어올 것으로 예상하고 코스를 준비해서 알려준다.
두번째, 다음 순서를 찾아가는 방법을 가전으로 부터 가이드 받았다면, 이제 최적으로 동작될 수 있도록 해서 가전을 사용함에 있어서 최상의 경험을 하게 해줘야 한다.
냉장고는 내가 신경을 쓰지 않아도 제대로된 식품관리를 해줘야 하고, 그러기 위해서는 돈이 초반에 더 들더라도 센서를 좀 더 부착해서 사용하는 사람이 신뢰하게 하고, 충성도로 사로잡아야 한다.
세탁기는 세탁을 잘하기 위해서 내가 신경을 안써도 세탁을 잘해야 하고, 건조도 잘해야 한다.
내가 원하는 공기 수준에 맞게 항상 알아서 조절해 줘야 하는데, 그럴려면 각 제품들간에 잘 소통하면서 목표를 달성해야 한다.
세번째, 사회의 약자 계층 및 소외된 계층에도 보편적으로 사용하는 인공지능이 되어야 한다.
인공지능은 특정 계층만이 사용할 수 있는, 사용해야 하는 기능이 아니라 이제는 인류를 위해 보편적으로 사용해야 하는 기능이다. 단순하게 지금보다 편리하게가 아니라, 불편함을 정상적인 편의로 만들어줘야 하는 의무를 인공지능이 해줘야 한다.
내가 몸이 좀 불편한 상황이면, 그에 맞는 인공지능 알고리즘이 이에 맞게 가이드해 줄 수 있도록 하고, 제품의 장치들도 시니어계층이나 몸이 불편한 분들에 맞게 같이 바꿀 수 있도록 플랫폼으로서의 역할을 다할 수 있어야 한다. 인공지능의 핵심은 데이터다. 이 데이터는 모든 상황을 포함할 수 있는 데이터여야 하고, 내가 다시 거래할 수 있는 수준의 데이터여야 한다. 2035년의 초고령화 사회로 넘어가는 시점에서의 가전사가 가지고 있는 인공지능 솔루션은 그것에 대한 준비가 되어 있을 것인가.
이렇듯, 인공지능이 우리의 삶 그리고 가전에서의 다양한 역할을 담당할 수 있고,
앞으로 더 큰 역할을 담당해야 하는 숙제를 안고 있다.
가전사에는 이런 방향으로 더 연구하여 가전의 성능과 편의성을 올려간다면 이를 소비하는 소비자, 고객 입장에서는 더 없는 행복일 것이고, 꾸준히 충성도를 높이는 길일 것이다.
이런 노력은 단시일 내에 절대 따라 잡을 수 없음을 명심해야 한다.