비즈니스 세계의 인공 지능 (1/6)

인공지능이 할 수 있는 것과 할 수 없는 것

   에릭 브린욜프슨 교수와 앤드류 맥아피 교수는 2017년 7월 하버드 비즈니스 리뷰에 '비즈니스 세계의 인공지능 (The Business of Artificial Intelligence)'이라는 글을 기고했습니다. 이 글은 데이터에 기반한 의사 결정을 위해 비즈니스 업계에서 AI를 어떻게 활용하는 지를 설명합니다. 두 교수는 '제2의 기계 시대'라는 책을 저술하였고, 인공지능과 관련된 많은 활동을 함께 하고 있습니다.  

The Business of Artificial Intelligence

   For more than 250 years the fundamental drivers of economic growth have been  technological innovations. The most important of these are what economists call general-purpose technologies — a category that includes the steam engine, electricity, and the internal combustion engine. Each one catalyzed waves of complementary innovations and opportunities. The internal combustion engine, for example, gave rise to cars, trucks, airplanes, chain saws, and lawnmowers, along with big-box retailers, shopping centers, cross-docking warehouses, new supply chains, and, when you think about it, suburbs. Companies as diverse as Walmart, UPS, and Uber found ways to leverage the technology to create profitable new business models. 

   지난 250여 년 동안 경제 성장의 원동력은 기술혁신이었습니다. 가장 중요한 기술 혁신은 증기기관, 전기, 내연기관처럼 경제학자들이 범용 기술이라 부르는 것들입니다. 각각은 상호보완적인 혁신과 기회의 물결을 촉진했습니다. 예를 들어, 내연기관은 승용차, 트럭, 비행기, 전기톱, 잔디 깎기 기계를 촉발시켰습니다. 또한, 내연기관은 대형마트, 쇼핑센터, 크로스 도킹 창고, 새로운 공급망, 그리고 교외를 만들었습니다. 월마트, UPS, 우버 등 다양한 분야의 기업들은 새로운 비즈니스 모델을 창안하기 위해 범용 기술을 레버리지 합니다.  

   The most important general-purpose technology of our era is artificial intelligence, particularly machine learning (ML) — that is, the machine’s ability to keep improving its performance without humans having to explain exactly how to accomplish all the tasks it’s given. Within just the past few years machine learning has become far more effective and widely available. We can now build systems that learn how to perform tasks on their own.

   이 시대의 가장 중요한 범용 기술은 인공지능입니다. 특히 머신러닝입니다. 머신러닝은 주어진 임무를 완수하는 방법을 사람이 알려주지 않아도 기계가 알아서 꾸준히 성능을 개선하는 능력을 의미합니다. 지난 몇 년 사이에 머신 러닝은 효율성과 가용성이 크게 좋아졌습니다. 우리는 스스로 임무를 수행하는 방법을 학습하는 시스템을 만들 수 있습니다.

   Why is this such a big deal? Two reasons. First, we humans know more than we can tell: We can’t explain exactly how we’re able to do a lot of things — from recognizing a face to making a smart move in the ancient Asian strategy game of Go. Prior to ML, this inability to articulate our own knowledge meant that we couldn’t automate many tasks. Now we can.

   왜 인공지능이 중요할까요? 두 가지 이유가 있습니다. 첫째, 우리 인간은 말할 수 있는 것보다 더 많이 알고 있습니다. 우리는 어떻게 많은 것들을 할 수 있는 지를 정확히 설명할 수 없습니다. 사람의 얼굴을 식별하거나 고대 아시아 전략 게임인 바둑에서 묘수를 두는 것들처럼. 머신러닝이 나오기 전에는 인간의 지식으로 분명하게 설명할 수 없는 것들은 우리가 자동화할 수 없었습니다. 지금은 가능합니다. 

   Second, ML systems are often excellent learners. They can achieve superhuman performance in a wide range of activities, including detecting fraud and diagnosing disease. Excellent digital learners are being deployed across the economy, and their impact will be profound.

   둘째로, 머신러닝 시스템은 대게 뛰어난 학습 능력을 가졌습니다. 폭넓은 범위의 활동에서 인간을 뛰어넘는 성능을 발휘할 수 있습니다. 예를 들어 부정행위를 적발하거나 질병을 진단하는 것처럼. 우수한 디지털 학습자들은 경제 전반에 배치되고 있고, 그 충격은 엄청날 것입니다. 

   In the sphere of business, AI is poised have a transformational impact, on the scale of earlier general-purpose technologies. Although it is already in use in thousands of companies around the world, most big opportunities have not yet been tapped. The effects of AI will be magnified in the coming decade, as manufacturing, retailing, transportation, finance, health care, law, advertising, insurance, entertainment, education, and virtually every other industry transform their core processes and business models to take advantage of machine learning. The bottleneck now is in management, implementation, and business imagination. 

   인공지능은 초창기 범용 기술의 규모만큼이나 비즈니스 업계에 혁신적인 충격을 줄 것입니다. 비록 인공지능이 수천여 개의 기업들에서 사용하고 있을지라도, 가장 거대한 기회는 아직 제대로 활용되지 못했습니다. 인공지능의 영향은 향후 10년 동안 크게 확대될 것입니다. 제조, 소매, 운송, 금융, 의료, 법률, 광고, 보험, 엔터테인먼트, 교육 등 거의 모든 업계가 그들의 핵심 프로세스와 비즈니스 모델을 머신러닝을 활용할 수 있게 전환시킬 것입니다. 현재의 인공지능 발전의 걸림돌은 경영과 실행 그리고  비즈니스 상상력 부분에 있습니다.

   Like so many other new technologies, however, AI has generated lots of unrealistic expectations. We see business plans liberally sprinkled with references to machine learning, neural nets, and other forms of the technology, with little connection to its real capabilities. Simply calling a dating site “AI-powered,” for example, doesn’t make it any more effective, but it might help with fundraising. This article will cut through the noise to describe the real potential of AI, its practical implications, and the barriers to its adoption.

   그러나 다른 많은 신기술들처럼, 인공지능은 많은 비현실적인 기대를 낳았습니다. 머신러닝, 신경망 등 여러 형태의 기술을 장황하게 말하는 비즈니스 계획서가 실제 능력과의 연관성이 빈약한 경우가 많습니다. 예를 들어, 인공지능을 활용하는 데이트 주선 사이트가 더 효과적이지 않습니다. 그러나 사업자금 조달을 위해 인공지능이라는 용어를 활용합니다. 이 글은 인공지능의 진정한 잠재력, 실질적인 영향, 그리고 기술 진화의 저해요인을 설명을 할 것입니다. 

에릭 브린욜프슨(Eric Brynjolfsson)과 앤드류 맥아피(Andrew Mcafee)

  이 글은 MIT 슬론 경영대학원의 교수인 에릭 브린욜프슨과 앤드류 맥아피가 하버드 비즈니스 리뷰에 2017년 7월에 기고하였습니다. 두 교수는 '제2의 기계 시대'라는 책을 저술하였습니다.