비즈니스 리더가 알아야 할 10가지 AI 용어

인공지능(AI)은 개인 생활이나 직장 생활에서 우리가 하는 모든 일에 깊숙이 자리잡았습니다. 이 새로운 업무 환경에서 경쟁력을 유지하려는 기업의 비즈니스 리더는 AI와 그 가치를 이해해야 합니다. 이런 까닭에 모든 비즈니스 리더가 알아야 할 10가지 AI 용어를 정리해봤습니다.

Workday 리포트 'AI IQ: 기업의 인공지능 활용에 대한 인사이트'에서는 고위 의사결정자 1,000명을 대상으로 인공지능 및 머신러닝(ML)에 관한 설문조사를 진행했습니다. 리더의 81%는 비즈니스 경쟁력을 유지하려면 AI가 필요하다는 데 동의합니다. 그럼에도 리더의 74%는 각자의 회사에서 AI와 ML을 완벽히 구현하기에는 스킬이 부족하다고 말합니다.

이러한 스킬 갭을 해소하려면 모든 부서에 걸쳐 AI를 활용해야 합니다. 재무 부서에서 AI는 비효율성을 해소하여 몇 달 또는 몇 주가 걸리던 일을 몇 시간 또는 몇 분 만에 해냅니다. IT 부서는 AI와 AI가 지원하는 자동화를 통해 IT 에코시스템을 훨씬 더 효율적으로 현대화할 수 있습니다. HR 부서도 빼놓을 수 없습니다. 현재 진행 중인 스킬 기반 경제로의 진화 과정에서 HR 전문가가 AI와 ML을 통해 역량을 강화하는 것이 중요합니다.

전사적 차원에서 성공적이고 책임 있는 배포가 가능하려면 CEO에서 팀 매니저에 이르기까지 모든 레벨의 비즈니스 리더가 AI를 잘 알고 있어야 합니다. AI를 발 빠르게 도입하지 않는 기업은 경쟁 우위를 잃을 뿐만 아니라 아예 도태하게 됩니다. 지금 기초를 굳건히 다지면 내일의 AI 오피니언 리더가 될 수 있습니다.

필수 AI 용어

AI 용어는 의사결정 트리에서 강화 학습에 이르기까지 광범위하기 때문에 지극히 기술적인 경우가 많습니다. 여기서는 필수 용어에 중점을 두었습니다.

또한 기업의 관점에서 각 용어의 의의도 설명합니다. AI를 응용할 수 있는 영역이 방대하다는 것을 고려해보면 잠재적인 비즈니스 이점을 놓치기 쉽습니다. 따라서 여기서는 현대 비즈니스 환경에서 AI가 회사의 성공에 중요한 부분이 되도록 하는 요소에 중점을 두었습니다.

1. 인공지능

인공지능(Artificial Intelligence, AI)이란 지금까지 인간의 지적 능력이 필요하다고 여겨지던 태스크를 머신이 수행하는 능력입니다. AI는 데이터를 분석 및 학습하고, 패턴을 인식하며, 예측합니다. AI는 더 빠르게 큰 규모로 이러한 태스크를 수행하면서 지적 의사결정과 사람의 생산성을 향상할 수 있습니다.

중요한 이유: 시니어 데이터 사이언티스트와 기술 임원을 대상으로 한 2022년 설문조사에서 대기업의 92%가 AI 투자에 대한 수익을 보고한 것으로 나타났습니다. 2017년에 48%였던 것과 비교하면 현저히 증가한 수치이며, 이는 AI의 비즈니스 가치가 급상승하고 있음을 보여주는 신호입니다.

2. 머신러닝

머신러닝(Machine Learning, ML)은 그 이름에서 알 수 있듯이 머신이 반복을 통해 학습할 수 있도록 지원하는 AI의 하위 분야입니다. 머신러닝 알고리즘은 데이터와 자체 수정(self-modifying) 방법을 활용하여 패턴을 파악하고 예측합니다. 그런 다음 머신러닝 모델은 점점 더 발전하면서 더 강력한 패턴 인식과 예측 분석 능력을 갖출 수 있습니다.

중요한 이유: ML에서 생성한 자동화된 예측을 통해 비즈니스 리더는 전략적 의사결정에 집중할 수 있습니다. 그리고 의사결정의 순간에 사람이 개입하게 하는 옵션도 있습니다. 여전히 수동 프로세스에 의존하는 기업은 다른 프로젝트에 가장 효과적으로 쓰일 직원의 시간을 낭비할 우려가 있습니다.

3. 책임 있는 AI

책임 있는 AI(Responsible AI)란 AI 시스템이 윤리적으로 개발되고 사용되게 할 책임이 AI 배포 책임자에게 있음을 의미합니다. 책임 있는 AI 및 ML을 구현하려면, 신뢰성을 근간으로 하고 구현된 기술에서 신뢰성을 보장해야 합니다. 이러한 이유로 Workday는 윤리적이고 투명하고 책임 있는 AI 사용을 위해 최선을 다하고 있습니다. '신뢰할 수 있는 AI(trustworthy AI)'라는 표현도 쓰이는데, 이는 미국 국립표준기술원(NIST)에서 다음과 같이 정의합니다.

"유효하며 신뢰할 수 있고, 안전하고, 보안과 탄력성을 갖추고, 책임감과 투명성을 갖추고, 설명 및 해석이 가능하고, 개인정보 보호가 강화되고, 유해한 편향이 해결되면서 공정성을 갖춘 AI"

중요한 이유: Workday 리포트 'AI IQ: 기업의 인공지능 활용에 대한 인사이트'에서 고위 비즈니스 리더의 29%만이 AI와 ML이 현재 윤리적으로 적용되고 있다는 것에 매우 확신한다고 답했습니다. 의사결정자는 AI를 윤리적으로, 책임 있게 사용하고자 노력하는 기업과의 협력을 최우선으로 해야 합니다.

4. 딥러닝

딥러닝(Deep Learning, DL)은 데이터 세트 내에서 복잡한 패턴과 관계를 모델링하는 데 일반적으로 사용되는 머신러닝의 하위 개념입니다. 우리 뇌의 신경망(10. 신경망 참조)을 모방한 딥러닝은 다중 처리 계층을 사용하여 방대한 정보를 분석합니다. 이는 머신이 시각적 영상을 디코딩하는 프로세스인 컴퓨터 비전을 구현하는 데 특히 유용합니다.

중요한 이유: 기업에는 방대한 데이터를 신속하게 처리할 수 있는 능력이 중요합니다. Workday는 다양한 기능 영역에서 딥러닝을 활용합니다. 예를 들어, 재무에서는 딥러닝을 사용하여 경비리포트와 송장에서 데이터 포인트를 식별한 후 데이터베이스 내 필드에 매핑함으로써 효율성을 대폭 향상하고 있습니다.

5. 자연어 처리

자연어 처리(Natural Language Processing, NLP)를 통해 머신은 인간의 언어를 이해하고 해석하며 생성할 수 있습니다. 이는 주로 음성 인식, 기계 번역, 정서 분석, 질문 응답에 적용됩니다. NLP에는 다음과 같은 두 가지 하위 영역도 있습니다.

• 자연어 이해(Natural Language Understanding, NLU)는 인간의 언어와 그것이 의도하는 의미를 이해하고 문법 오류 등을 고려하는 데 중점을 둡니다.
• 자연어 생성(Natural Language Generation, NLG)은 구조화된 데이터를 인간이 만든 것처럼 보이는 언어로 바꾸는 데 중점을 둡니다.

중요한 이유: 일의 속도가 점점 더 빨라짐에 따라 기업은 직원 정서를 정확하게 측정할 수 있어야 합니다. 지위 고하를 막론하고 인사 책임자는 NLP를 통해 방대한 언어 데이터를 효율적으로 분류하고 유의미한 직원 피드백을 파악하여 핵심 우선순위를 정할 수 있습니다.

6. 알고리즘

알고리즘(Algorithm)은 문제를 해결하거나 태스크를 수행하기 위해 작성된 컴퓨터 프로그램입니다. 각 알고리즘에는 특정 매개변수를 충족할 때 실행되는 자동화된 명령 세트가 포함됩니다. 알고리즘은 대부분 컴퓨터 공학 분야뿐만 아니라 AI 및 ML 모델의 근간이 됩니다. 

중요한 이유: AI이든 아니든 알고리즘은 21세기 거의 모든 주요 기술 발전의 배후에 있습니다. 업무 환경이 점점 더 데이터 중심으로 바뀜에 따라 잘 짜인 알고리즘이 성공을 좌우하는 요소가 될 것입니다.

7. 생성형 AI

생성형 AI(Generative AI)는 데이터, 이미지, 음악, 텍스트 등 새로운 콘텐츠를 생성하는 AI 시스템의 한 유형입니다. 이 콘텐츠는 단순한 사용자 프롬프트에 대한 응답으로 생성되는 경우가 많으며, 그 덕분에 생성형 AI가 엄청난 인기를 얻고 있습니다. 대표적인 예를 들면

• ChatGPT: 일관성 있고 현실적인, 인간과 유사한 언어를 생성할 수 있는 언어 처리 챗봇입니다.
• Stable Diffusion: 텍스트 설명을 기반으로 상세한 이미지를 생성하는 텍스트-이미지 변환 도구입니다.
• Amper Music: 사용자가 선택한 장르와 분위기를 기반으로 오디오를 생성하는 AI 음악 플랫폼입니다.

중요한 이유: 가장 주목받는 생성형 AI의 사례는 소비자 대상 기술이지만, 잠재적인 비즈니스 응용 분야는 무궁무진합니다. 이를테면 생성형 AI는 사람이 입력하는 데이터와 함께 오퍼 레터와 직무 설명을 작성하고, 예산 결정을 지원하는 등 많은 일을 해낼 수 있습니다.

8. 거대 언어 모델

거대 언어 모델(Large Language Model, LLM)은 생성형 AI의 기반이 되는 기술입니다. LLM은 일반적으로 수십억 개의 매개변수를 포함하는, 레이블이 지정되지 않은 방대한 텍스트를 학습합니다. LLM은 다음을 포함해 다양한 머신러닝 태스크를 위해 설계될 수 있습니다. 

• 검색: 의도한 검색어와 사용자가 실제로 입력한 내용을 식별합니다.
• 주제 분류: 데이터 분석을 수행하여 데이터 또는 콘텐츠를 분류합니다.
• 요약: 전체 데이터 세트 또는 특정 섹션의 요약을 제공합니다.
• 생성형 텍스트: 기존 데이터를 기반으로 의미론적으로 유사한 구문을 개발합니다.

중요한 이유: 해가 지날수록 기업은 점점 더 많은 데이터를 처리해야 합니다. LLM을 사용하면 데이터를 신속하게 처리하고 분석할 뿐만 아니라 사용자가 실시간으로 유용한 인사이트를 생성할 수 있습니다.

9. 광학식 문자 판독

광학식 문자 판독(Optical Character Recognition, OCR)은 이미지나 문서를 스캔하여 텍스트와 숫자를 해석하는 이미지 인식의 한 형태입니다. 이 프로세스는 머신이 읽을 수 있는 텍스트 형식으로 이미지나 문서를 변환합니다. Workday의 시스템을 포함하여 이미지를 인식하는 대부분 시스템은 딥러닝을 활용합니다. 

중요한 이유: OCR 비즈니스 응용 가능 분야는 광범위합니다. 다양한 기능 영역에서 불필요한 수동 워크로드를 줄여줍니다. 모든 송장, 경비보고서, 문서를 실시간으로 스캔하고 처리하므로, 직원은 더 거시적이고 중요한 일에 더 많은 시간을 보낼 수 있게 됩니다.

10. 신경망

신경망(Neural Network)은 인간의 뇌에서 뉴런이 연결되고 상호 작용하는 방식을 모델링한 복잡한 컴퓨터 시스템입니다. 인공 신경망(Artificial Neural Network)이라고도 하며, 머신러닝의 한 유형입니다. 신경망은 인간의 뇌에서 데이터를 처리하는 스타일을 모방함으로써 변화에 잘 적응합니다.

중요한 이유: 미래의 업무 환경은 적응형 환경입니다. 신경망은 귀중한 데이터 인사이트를 제공할 뿐만 아니라 차츰 패턴을 식별하고 학습합니다. 회사와 함께 발전하는 AI 기술을 통합 구현함으로써 향후 중요한 혜택을 누릴 수 있습니다.

AI를 접목한 미래의 업무 환경

AI 덕분에 미래의 업무 환경은 이미 우리 앞으로 다가왔습니다. 글로벌 업무 환경이 빠른 속도로 발전함에 따라 기업은 지금 미래의 변화로부터 스스로 보호할 수 있도록 올바른 의사결정을 내려야 합니다. AI와 ML을 코어에 내장한 솔루션이 성공과 실패를 가를 것입니다.

Workday는 플랫폼의 핵심 기반에 AI와 ML을 통합 구현했습니다. 이를 통해 어플리케이션이 워크플로 내에서 자연스럽게 AI와 ML을 활용할 수 있도록 했습니다. 최첨단 기업은 이미 Workday 기술을 사용하여 다음과 같은 효과를 거두고 있습니다.

• 더 나은 직원 경험 실현
• 운영 효율 제고
• 더 빠른 데이터 기반 의사결정에 필요한 인사이트 확보

모두 같은 버전의 Workday를 사용하는 6천만여 명의 사용자가 있는 가운데, 오직 Workday 고객만이 AI의 비즈니스 잠재력을 실현하는 데 필요한 신뢰할 수 있는 재무 및 인력 데이터를 보유하고 있습니다. Workday가 새로운 업무 환경에서 귀사를 어떻게 지원할 수 있을지 궁금하다면? AI를 통한 Workday의 혁신에 관해 읽어보세요.