"고객 분석부터 사기 방지까지"··· 머신러닝 최신 성공사례 3가지

인공지능(AI)과 머신러닝(Machine Learning, ML)은 기업 운영을 돕기 위해 인간의 행동을 모방하는 최신 기술이다. 동시에 디지털 혁신을 추진하는 기업에는 새로운 서비스로 고객을 유치하기 위한 기반 기술로 평가받고 있다.

관련 업계가 공격적으로 마케팅에 나서면서 이들 신기술에 대한 홍보와 기업의 도입이 많이 늘어났다. 예를 들어 식당, 소매기업, 항공사 등은 고객 응대에 인간의 대화와 비슷한 챗봇(Chatbot)을 사용하고 있다. IBM은 자사의 핵심 AI 기술인 왓슨(Watson)이 암을 치료할 수 있는 잠재력이 있다고 홍보했다(그러나 실제로는 이에 크게 못 미치는 것으로 드러나고 있다).



존 디어(John Deere)도 ML을 활용하는 농약 공중 살포 장비 업체 BRT(Blue River Technology)에 3억 달러를 쏟아부었다. 심지어 여러 법적 문제를 겪고 있는 우버(Uber)도 “ML을 대중화하고 확장형 AI를 구축해 차량 요청만큼이나 간단하게 기업의 요구를 충족하는” 서비스형 ML 플랫폼인 미켈란젤로(Michelangelo)를 공개했다.

하지만 흔히 그렇듯 이러한 홍보는 현실과 동떨어져 있다. MIT SMR(Sloan Management Review)과 보스턴 컨설팅 그룹의 보고서에 따르면, 대부분 기업에서 AI/ML에 대한 기대와 실행 사이에는 공백이 있는 것으로 나타났다. 이 보고서는 전 세계 3,000명 이상의 임원과 관리자, 분석가를 조사해 작성했다.

그 결과 응답자의 약 20%만이 자신이 속한 기업에서 일정 형태의 AI를 도입했다고 답했다. AI 전략이 있다는 응답은 39%였다. 그럼에도 불구하고, 임원 중 85%는 AI를 통해 경쟁 우위를 획득하거나 유지할 수 있다고 답했다. AI와 ML에서 기회를 찾은 일부 CIO는 다양한 관련 기술을 테스트하고 도입하는 것은 물론 특허도 출원하고 있다. 이런 IT 리더의 ML 활용사례 3가지를 소개한다.

더 나은 고객 통찰
많은 기업처럼 유에스 뱅크(U.S. Bank)도 상당한 양의 고객 데이터를 수집했다. 그리고 역시 대부분 은행과 마찬가지로 이런 데이터로부터 실행 가능한 통찰을 얻기 위해 노력하고 있다. 유에스 뱅크의 수석 분석 경영자 빌 호프만은 이를 위해 지난 수개월 동안 세일즈포스닷컴(Salesforce.com)의 아인슈타인(Einstein) AI/ML 기술을 이용해, 자사의 소규모 사업, 도매, 기업 복지, 기업 뱅킹 사업부 전반에 걸쳐 개인화 기능을 강화했다.

예를 들어, 고객이 유에스 뱅크의 웹사이트에서 담보 대출에 관한 정보를 검색했다면 다음에 이 고객이 지점을 방문했을 때 고객 서비스 담당자는 검색 사실을 확인할 수 있다. 인간이 볼 수 없을 수도 있는 패턴을 찾는 데도 도움이 된다. 예를 들어, 특정 산업의 잠재 고객만을 대상으로 전화를 받을 가능성이 높은 목요일 오전 10시와 밤 12시 사이에 전화를 걸도록 추천하는 식이다. 아인슈타인은 캘린더에 캘린더 초대를 등록해 다음 목요일에 연락을 취하도록 할 수도 있다.

이런 기능은 금융 서비스 기업이 가장 원하는 것과 매우 흡사하다. 즉, 특정 순간에 관련 서비스를 추천하기 위해 고객을 360도 전방위로 파악하는 능력이다. 호프만은 "우리는 과거와 현재의 일을 설명하는 세계에서 미래에 더 초점을 둔 세계로 이행하고 있다. 가장 중요한 것은 여기서 한 걸음 더 나아가 고객의 필요를 파악한 후 고객이 우리와 상호작용하길 원하는 채널을 예측하는 것이다”라고 말했다.

핵심 조언: AI와 ML에 대한 실패를 두려워하지 말고 인내심을 가져야 한다. 또한, 효과가 확인되면 이를 확장할 수 있는 준비를 항상 하고 있어야 한다. 호프만은 “언제나 고객을 중심으로 여기고 이것이 고객에 어떤 도움이 될지 질문해야 한다"라고 말했다.

‘번거로움’을 없애 생산성 향상을 추구
마스터카드(Mastercard)의 운영 및 기술 사장 에드 맥롤린(Ed McLaughlin)은 ML이 “우리가 하는 모든 일에 스며들어 있다”고 말했다. 마스터카드는 ML을 활용해 번거롭거나 반복적인 수작업을 자동화했다. 대신 사람은 생산성과 가치를 높이는 일에 더 집중할 수 있다. 그는 "우리는 직장 업무를 자동화하는 것과 관련해 명확한 투자 대비 효과를 확인할 수 있는 상태에 도달했다"라고 말했다.

또한, 마스터카드는 ML 툴을 이용해 제품과 서비스 생태계 전반에 걸쳐 변화 관리를 강화했다. 예를 들어, ML 툴은 위험이 크거나 추가적인 정밀 조사가 필요한지 거래를 판단할 수 있도록 돕는다. 시스템에 해커가 침입했음을 나타내는 이상도 감지한다. 의심되는 네트워크 내 행동이 발견되면 이를 차단해 네트워크를 보호한다. 맥롤린은 “우리는 지속해서 거래를 분석해 업데이트하고 다음 거래를 채점하는 사기 방지 시스템을 운영 중이다"라고 말했다.

핵심 조언: 맥롤린에게 있어서 AI/ML은 단순히 결제 프로세서 관련 여러 툴 중 하나일 뿐이다. 그는 "시장에는 다양한 최신 툴이 존재한다. 그러나 CIO는 이들에 의존해 비즈니스 문제를 마법처럼 해결하려 해서는 안 된다"라고 말했다.

제품과 비즈니스 조력자
소프트웨어 업체 어도비 시스템즈(Adobe Systems)의 CIO 신시아 스토다드는 IT와 비즈니스 모두를 잘 운영하기 위한 통찰력을 얻기 위해 하둡(Hadoop) 기반 '데이터 지향적인 운영 모델'을 활용하고 있다.

그는 이러한 데이터 지향 전략의 하나로 ML을 통해 시스템 고장 트렌드를 분석하고 있다. 업무 지원 소프트웨어 서비스나우(ServiceNow)에 올라온 시스템 관련 요청을 분석하는 것이다. 이를 통해 시스템이 고장 나 완전히 작동을 멈출 수 있는 이벤트를 확인하면 선제적으로 이를 막거나 완화하는 조처를 한다. 그는 "IT 서비스 고장 패턴을 분석하면 일종의 '자기 치유' 능력을 구축할 수 있다. 이를 IT 직원의 업무 녹이면 큰 효과를 볼 수 있다"라고 말했다.

또한, 스토다드는 직원의 IT 지원 요청을 처리하는 챗봇 기술 도입도 고려하고 있다. 특히 어도비의 사업부는 이미 AI를 도입했다. 지난 11월 문서 생성과 출판 그리고 웹 및 모바일 애플리케이션 성능 분석과 추적을 위한 제품에 AI 기술 계층인 센세이(Sensei)를 추가했다.

핵심 조언: ML을 이용해 고장 패턴을 분석하는 것은 자기 치유 능력을 구축하는 핵심이다. 스토다드는 “이런 분석을 통해 자기 치유 구성 요소를 시스템에 적용하고 수작업이 필요한 부분을 제거할 수 있다”라고 말했다.