인공지능(AI)
인공지능(AI)이란 패턴 인식, 언어 이해, 의사결정처럼 보통 인간의 지능을 필요로 하는 과제를 수행하는 컴퓨터 시스템을 말한다.
인공지능은 패턴 인식, 언어 이해, 예측, 의사결정 지원처럼 원래는 사람의 사고를 필요로 하는 과제를 해결할 수 있는 시스템을 만드는 데 초점을 둔 컴퓨터 과학 분야다. 오늘날 사용되는 대부분의 AI 시스템은 머신러닝에 의존한다. 명시적인 규칙으로 프로그래밍되는 대신, 방대한 데이터로 학습하며 그로부터 통계적 패턴을 배운다. 잘 알려진 예로 대형 언어 모델이 있는데, 방대한 텍스트에서 학습한 패턴을 바탕으로 다음에 나올 가능성이 가장 높은 단어를 반복적으로 예측함으로써 텍스트를 생성한다. 하나의 특정 과제를 위해 만들어진 좁은 AI와, 어떤 분야에서든 인간 수준의 사고력을 갖췄지만 아직 존재하지 않는 범용 AI를 구분하는 것이 유용하다.
기업 환경에서 AI는 폭넓고 일반적인 문제 해결보다는 좁게 정의된 과제에 주로 쓰인다. 흔한 사례로는 문서를 자동으로 분류하는 일, 사진에서 결함을 찾아내는 일, 기계 데이터를 분석해 고장을 예측하는 예지보전, 고객 서비스 챗봇 운영 등이 있다. AI 모델은 재고 관리나 생산 일정 수립처럼 계획과 예측 작업도 지원한다. RPA(로보틱 프로세스 자동화)와 결합될 때 AI는 흔히 의사결정 로직을 제공하고, RPA는 비즈니스 시스템 안에서 실제 단계를 실행한다.
AI 시스템은 학습된 데이터만큼만 좋으며, 진정한 이해가 아니라 확률에 근거해 결정을 내린다. 이는 그럴듯하게 들리지만 틀렸거나 지어낸 답을 자신 있게 내놓을 수 있다는 뜻이며, 이를 환각(hallucination)이라 부른다. 그래서 특히 법적, 재정적, 안전상 결과가 따르는 중요한 결정에는 사람의 감독이 여전히 필수적이다. AI를 도입하는 기업은 대개 작게 시작해서 결과를 점검하고, 실수가 빨리 발견되고 해가 적은 영역에 먼저 적용하는 편이 낫다.
실용 예시
직원 18명 규모의 기술 서비스 업체가 입고 검사에서 손상된 부품을 잡아내기 위해 AI 기반 이미지 인식을 활용한다. 이전에는 직원 한 명이 하루에 약 200개의 입고 부품을 수작업으로 검사했고 불량의 약 3~4퍼센트를 놓쳤다. AI 검사를 도입한 뒤 놓치는 비율은 1퍼센트 아래로 떨어지고, 그 직원은 하루 약 45분을 확보해 이제는 이 시간을 클레임 처리와 공급업체와의 대화에 쓴다. AI가 직원을 대체하는 것이 아니라, 검사의 반복적인 부분을 맡고 애매한 경우는 여전히 사람이 판단한다.
Leanshift의 도움 방식
Leanshift에게 인공지능은 프로세스를 개선하는 도구이지 그 자체가 목적이 아니다. 프로세스의 특정 단계를 눈에 띄게 개선하거나, 시간을 절약하거나, 오류를 줄이는 곳에서라면 다른 Kaizen 조치와 같은 기준으로 판단해 활용할 가치가 있다. 이는 진짜 목표에 초점을 유지하게 해준다. 가능한 한 AI를 많이 쓰는 것이 아니라, 사람들이 자신의 프로세스를 이해하고 개선하도록 돕는 것이다.
자주 묻는 질문
AI는 알고리즘과 같은 것인가?
아니다. 모든 알고리즘은 고정된 계산 단계의 나열이지만, 모든 알고리즘이 데이터에서 학습하는 것은 아니다. AI 시스템은 모든 경우를 명시적으로 프로그래밍하는 대신, 예시에서 스스로 패턴을 도출하는 알고리즘을 사용한다.
중소기업도 자체 AI 모델이 필요한가?
보통은 그렇지 않다. 기성 AI 도구와 서비스가 텍스트 생성, 이미지 인식, 예측 같은 일반적인 과제를 이미 충분히 처리해 준다. 자체 모델을 학습시키는 것은 매우 구체적이고 반복적으로 발생하는 활용 사례에서만 그만한 가치가 있다.
AI 결과는 얼마나 신뢰할 수 있는가?
과제와 학습 데이터에 크게 좌우된다. 이미지 인식처럼 좁게 정의된 과제는 오류율이 낮고 측정하기 쉬운 경우가 많은 반면, 텍스트 생성처럼 열려 있는 과제는 항상 결과를 점검해야 한다.