인공지능 = 예측 기계
예측의 비용이 줄어든다면 당신은 무엇을 먼저 해야하는가?
맥킨지에서 발행한 인공지능의 경제학에 대한 글을 보면서 간단하게 메모.
예전에 학회에서도 만난 적이 있는 University of Toronto 경영대 교수 Ajay Agrawal과의 인터뷰를 정리한 글이다. Agrawal 교수는 유명한 인공지능 (Artificial Intelligence) 전문가이다.
1-2년 전에 Agrawal교수와 몇몇 경영대 교수가 AI 관련 책을 썼다고 해서 사놨었는데 아직까지 읽지 않았던 게... 오늘 간략하게 기사와 대조하면서 보니깐 꼼꼼히 읽어야겠다는 생각이 든다.
이 책이나 기사의 핵심은:
인공지능은 "예측"의 비용을 낮춘다
예측의 비용이 낮아지면 어떻게 될 것인가에 대한 토론이 주를 이룬다.
이전 예로 계산의 비용이 낮아졌을 때 어땠는가를 돌아보면:
1. 원래 계산이 필요하던 분야의 비용이 당연히 낮아졌다.
2. 원래 계산이 필요 없을 것 같던 분야에 계산이 적용되었다. (예: 디지털카메라)
3. 계산과 상호보완적인 것들의 가치가 높아졌다. (예: 디지털카메라의 SD 카드)
그렇다면 "예측"의 비용이 낮아졌을 때는 어떨까? 똑같이 적용해보면:
1. 원래 예측이 필요하던 분야의 비용이 낮아질 것이다.
예를 들어 재고 관리, 일기예보, 등 원래부터 예측을 해야 되었던 분야의 비용이 줄어듬으로 "사람"의 역할이 줄어들 것이다.
2. 원래 예측이 필요 없을 것 같던 분야에 예측이 적용될 것이다.
제일 큰 예가 자가 주행이다. 원래는 운전을 예측의 분야라고 생각하지 않았었다. 하지만, 이제는 다르다.
사람이 운전하면서 하는 행동을 예측하고 그 예측의 성공률에 따라 자가 주행의 완성도는 높아진다. 처음에는 실수가 많겠지만, 여러 상황에서 사람들이 어떻게 행동하는지 (브레이크를 밟는지, 액셀을 밟는지, 핸들을 꺾는지) 파악하면서 완성도가 올라가게 된다. 생각해보면 "좋은 운전자"의 데이터가 필요할 듯...
3. 예측과 상호보완적인 것들의 가치가 높아질 것이다.
제일 큰 예는 데이터이다. "Garbage In Garbage Out"이라는 말이 있듯이 데이터의 콸리 티 (질) 그리고 콴티티 (양) 두 부분 다 더 중요해지고 비싸질 것이다.
미국에서 일찌감치 벤처 캐피털 및 스타트업 데이터베이스를 모으던 CB Insights, Crunchbase는 이제 데이터를 팔아서 수익을 엄청나게 내고 있다. 한국에서도 더브이씨 (https://thevc.kr/)에서 비슷한 사업 모델을 가지고 있다.
데이터는 좀 뻔했지만 뻔하지 않은 부분은 "사람의 판단"과 "사람의 결정"도 더더욱 가치가 올라갈 것이라고 한다. 아무리 예측을 잘해도 "사람의 판단"과 "사람의 결정"없이는 의미 없다는 얘기.
경영자라면 생각해볼 만한 부분
지금 본인의 회사에서 "예측"이 필요한 부분이 어디 일지를 곰곰이 생각해보아야 한다. 그다음 만약 인공지능이 예측을 했을 때 얼마나 효율적으로 그리고 얼마가 걸려야 사람만큼 예측을 할 수 있는지 고민해보아야 한다.
예를 들어, 아마존의 상품 추천 모델이 고객에게 20개의 물건을 보여줬을 때 1개가 구매로 이어진다고 하면 약 5%의 성공률로 보인다. 하지만 아마존이 가지고 있는 백만 개의 물건들을 고려했을 때 이는 이미 벌써 엄청난 "예측"이다.
만약에 저 5%가 40-50%까지 올라가게 된다고 생각해보자. 그리고 1년 안에 그 예측률을 달성할 수 있다고 생각하면 아마존은 고객들이 물건을 사기도 전에 미리 배송을 시작하고 필요 없는 물건을 회수하는 회사로 변모할 수도 있다는 것. (고객들이 귀찮아서 물건을 그냥 쓰면 더 좋고)
이런 시나리오들을 생각해보면 앞으로 회사의 비즈니스 모델이나 사업 방향을 고민해볼 수 있을 것 같다.
저렴한 예측이 고민하게 해 볼 다섯 가지
1. 인공지능의 영향에 대한 이론을 세운다.
예를 들어, 위의 아마존처럼 예측률이 올라가면 내 사업 분야에 영향을 미치는데 걸릴 시간을 생각해본다. 구글이 (알파고로 유명한) 딥마인드를 인수했을 때 딥마인드는 매출이 0이었다. 구글은 자기 사업분야에 인공지능이 미칠 타이밍을 빠르게 생각했던 것 간다.
2. 인공지능의 발전은 기하급수적일 것이다.
생각보다 빠른 발전이 이루어지고 있고 앞으로는 더 빨라질 것이다.
3. 기계를 믿어라!
어떠한 연구에 따르면 인공지능이 추천한 직원들이 일반 인사과에서 사람들이 뽑은 직원들보다 1-2년 뒤에 더 큰 성과를 내었다고 한다. 아무리 인공지능이 추천을 해도 일반 인사과에선 "왜 이런 사람을 추천하지? 역시 인공지능은 멀었어?" 이렇게 반응하는 게 어찌 보면 당연하다. 하지만 점점 더 기계를 믿을 준비를 하여야 한다.
4. 무엇을 예측하고 싶은지 정확하게 파악하라
자신이 예측하고 싶은 게 무엇인지를 정하고 왜 예측하고 싶은지를 고민해봐야 한다.
5. 배움의 흐름을 관리하여한다.
이제는 인공지능이 사람 대신 배워주지만 그에 따라 사람의 배움이 줄어들 수도 있다. 인공지능이 예측한 바를 이해하고 습득할 필요는 여전히 있기에 그 정보의 흐름을 관리하여야 한다.
참조문헌:
