산업계 인공 지능 활용, 잠재력 만큼 편견의 장벽도 높다 < 산업일반 < AI산업 < 기사본문

산업계의 인공 지능 활용에는 아직도 빛과 그림자가 존재하는 것으로 나타났다.

산업용 AI를 통해 제조업체는 제품 재고를 더 잘 파악하고, 트럭 위치를 더 빨리 파악할 수 있지만 그 효율성은 미지수인 것으로 조사됐다.

시장조사업체 ‘옴디아(Omdia)’용 IoT 수석 분석가인 알렉스 웨스트(Alex West)는 산업 AI 서밋(Industrial AI Summit)에서 열린 토론회에서 “개념 증명(Proof-of-Concept) 단계의 프로젝트 중 절반가량이 아직 제공되고 있지 않지만, 후기 단계의 프로젝트에서도 이 비율은 약 50%에 머물고 있다”고 밝혔다.

이 소식은 IWCE의 긴급 통신(Urgent Comms)이 지난 18일 전했다.

개념 증명(Proof of Concept, POC)은 기존 시장에 없었던 신기술을 도입하기 전에 이를 검증하기 위해 사용하는 것을 의미한다.

많은 제조 회사들은 더 효율적인 운영을 위해 인공 지능을 아직 채택하지 않고 있으며, 산업 인공 지능을 도입했던 많은 제조업체의 경우, 아직은 투자비 회수를 기대하지 못하고 있다는 것이 세션 진행을 맡은 웨스트 씨의 주장이다.

웨스트 씨는 “많은 기업이 아직도 AI가 무엇인지, 어떻게 그들의 운영에 배치하는지를 이해하기 위해 고군분투하고 있다”고 말했다.

소비재 기업 헨켈의 수석 매니저 타룬 라나(Tarun Lana)는 “AI는 마술 지팡이나 블랙박스 같지만, 산업 AI에는 중대한 가능성이 있다”고 밝혔다.

라나 씨에 따르면, AI가 사람의 개입 없이 완전한 제조 자동화로 나아가는 것을 돕기 시작했으나 대부분의 조직은 여전히 고위 경영진에게 비즈니스 사례를 제공하는 데 어려움을 겪고 있다는 것이다.

산업용 AI 잠재력에 비해 문제점 많아

지난해 6월 13일 이코노미스트의 기술계간지(TQ)에는 ‘AI 기술의 현재 상황과 그 한계(Artificial intelligence and its limits)란 제하의 기사가 실렸다.

기사에 따르면, 인공 지능은 향후 산업계를 강타할 엄청난 잠재력을 지니고 있지만, 장벽도 많다고 분석했다. 그리고 몇 가지 문제점 중의 하나가 바로 산업용 AI에서의 편견이라고 지적했다.

만약에 중요한 결정을 내리는 알고리즘에 숨어있는 AI의 내재한 편견을 발견하지 못하면, 비윤리적이고 불공평한 결과를 초래할 수 있다는 주장이다.

또 많은 AI 시스템들이 이런 편견에 의해 계속 교육받을 수 있으므로 향후 이를 편견 없는 데이터로 바꾸고, 쉽게 설명할 수 있는 알고리즘을 개발하는 것이 필요하다고 했다.

마이크로소프트가 일련의 AI 알고리즘에서 편향을 자동으로 식별할 수 있는 도구를 개발하는 것은 좋은 사례라고 지적했다.

풍력 발전소 운영에 AI 편향 적용

산업용 AI의 편견이 좋은 측면으로 활용된 사례도 있다.

지난 2019년 5월 21일, GE Digital의 수석 부사장 콜린 패리스(Colin Parris)는 미국의 비즈니스 소셜 네트워크 서비스 ‘링크드인(LinkedIn)’에 ‘산업 AI의 편향을 활용해 풍력에너지 생산 증대’란 기고문을 올렸다.

이 칼럼에서 그는 앞서 열린 미국의 시사 종합지 더 아틀란틱(The Atlantic)이 주최한 포럼에서 다룬 산업용 AI 편견에 대해 말했다.

이 포럼에서 그는 GE의 AI 연구팀이 산업계 AI의 편견이 좋은 측면과 나쁜 측면 모두를 가지고 있다는 것을 알게 되었다고 밝혔다.

예를 들면, 풍력 발전소를 운영하는 데 사용하는 AI 알고리즘이 불량 데이터로 작동하면 전기 효율과 출력이 저하된다. 알고리즘이 여름철에 수집한 데이터를 사용할 경우, 여름 날씨 조건에 편향되지만, 겨울이 오고, 기상 조건이 급격하게 바뀌면 다르게 된다는 것이다.

또, 그는 편견이 올바른 방법으로 AI를 이용할 때 상당한 이점을 제공할 수 있다고 주장한다. 풍력 발전소에서 터빈의 배치는 하나의 터빈이 들어오는 바람의 완전한 충격을 받는 방식으로 이뤄지는데 한 터빈의 위치가 다른 터빈이 받는 바람을 변화시킬 수 있는 웨이크 효과라는 것을 만들어 내기 때문이라고 설명했다.

이러한 위치결정 편향을 고려해 AI를 사용하면, 전체적인 에너지 생산량을 증가시키기 위해 모든 터빈을 보다 최적의 방식으로 작동시키게 된다는 것이 그의 주장이다.

패리스 부사장은 “이 프로젝트 수행을 통해 연간 에너지 생산량(AEP)을 최대 3%까지 증가시킬 수 있었다”고 밝혔다.

기업들, AI 채택으로 생산성 배가

지난 2019년 8월 19일 자, 인스턴트쉬프트(Instant shift)에 칼럼니스트 토니 조셉(Tony Joseph)은 “AI는 어떻게 비즈니스 생산성을 높이나?”란 칼럼에서 “인공 지능과 비즈니스 생산성은 서로 협력한다”며 산업 AI의 중요성을 역설했다.

조셉에 따르면, 프로젝트 매니지먼트 AI는 팀 성과 및 프로젝트 성과 개선을 위한 역량을 입증했고, 조직은 프로젝트 실행에 활용되는 데이터 세트를 자동화하기 위해 AI를 활용, 프로젝트에 대한 최적의 투자 가치를 실현할 수 있었다고 주장했다.

AI의 활용은 기업에 비용 절감과 경쟁 우위 확보로 사업 생산성을 높이는 동시에 조기 리스크 감지라는 예측 능력도 부여했다. 업무의 질적 향상과 노동력 감소는 AI를 통한 비즈니스 생산성의 혁명이라고 강조했다.

그에 따르면, 사업 생산성도 AI가 미래 기회를 예측하고 다양한 과제를 제안할 때, 높아진다는 것이다. AI의 핵심은 자동화기 때문에 AI 시스템은 지속해서 개선되고 정교해지는 모델 창조를 위해서 적절한 데이터와 알고리즘들이 선택돼야 한다고 강조했다.

제조업자들은 AI를 이용해 생산성이 배가됐다고 강조했다. IDC가 실시한 조사에 따르면, 마이크로소프트는 AI의 사용으로 인해 사업 생산성이 두 배로 증가했다는 사례를 들었다.

치열한 기업 경쟁에서 최고의 창의적인 비즈니스 아이디어만이 살아남는다고 강조한 그는 AI는 이를 더 쉽게 해준다고 주장했다.

AI는 고객 처리 절차를 더 쉽고 정확하게 만들어 고객 관계도 만족스러워지고, 고객 요구 사항도 더 빨리 충족시키는데 이는 직원 생산성을 높이는 변화로 나타난다는 것이다.

아울러, AI는 정보의 흐름과 관리를 더 정확하게 처리해 소매 프로젝트 관리의 경우, 예측적인 유지보수 모델 및 추세 파악을 통해 실시간으로 더 빠르게 정보에 입각한 의사 결정을 직원들이 내릴 수 있도록 지원한다고 강조했다.

그럼에도 불구하고, 그는 AI를 실행하기 전에, 기업가는 AI의 영향에 대한 충분한 인식과 지식을 갖춰야 한다고 지적했다. 비즈니스 생산성 및 AI와 관련된 위험, 성장, 기회 및 기타 요소가 정확해야 하며, 학습 내용과 비즈니스 모델에 따라 AI가 구현돼야 하는 것이 마땅하다고 강조했다.

AI타임스 조행만 객원기자 chohang5@kakao.com