지난 27일 플라스틱스 투데이(Plastics today)는 미래 예측 분석 서비스 스타트업 MLT 애널리틱스가 머신러닝을 활용해 합성수지의 미래 가격을 예측하는 기사를 다뤘다.
이 회사는 가상의 공급 원재료 가격 시나리오를 개발한 다음, 머신러닝 및 인공지능(AI)을 적용해 주요 수지 가격 인플루언서를 식별하고, 실제 예측을 생성하는 것으로 알려졌다.
수지 가격은 주로 공급 원료를 중심으로 한 다양한 요인과 상승하는 원자재 가격에 의해 가격이 형성된다.
“그렇다면 왜 과거의 물가 불안에도 불구하고 기존의 가격 예측이 비교적 선형적인 경향이 있는가? ”이 질문에 의문을 품은 MLT 애널리틱스의 CEO인 스티븐 무어(Stephen Moore) 사장은 과거 데이터에서 관찰된 수지 가격 예측에 변동성을 도입할 수 있는 합리적인 방법을 찾아보았다.
회사 측에 따르면, 우선, 피크 오일(석유 생산 정점), 차량 전기화, 천연가스 연소, 전기 확산 및 규제 개발 등과 같은 메가 트렌드에 기초한 일련의 가상 공급 원재료 가격 시나리오를 개발한다.
그다음, 머신 러닝을 사용해 수지 가격의 핵심 인플루언서를 정확히 파악한다. 일단 확인되면, 이러한 인플루언서는 과거 가격과 상관지어서 실제 예측 정보를 생성할 수 있다.
무어 사장에 따르면, 예를 들어 미국 에너지 정보국의 장기 석유 및 가스 가격 전망은 변동성이 부족하다. 그것들은 정해진 시나리오에 따라 상대적으로 선형적인 상승을 하거나 하강한다.
“우리의 연구 목적은 과거의 공급 원료 동향 및 피크 오일 등과 같은 가정에 기초한 예측에 변동성을 도입하는 것”이며, “이는 수지 가격 전망에 변동성을 초래한다”라고 무어 사장은 설명했다.
또 “이를 위해 우리는 여러 공급 원료를 분석하고, 수지가 판매되는 종류와 지역 또는 국가별로 수지와 상관관계를 탐구하기 위해 머신러닝을 사용한다”고 덧붙였다.
과거 가격이 주요 인플루언서의 데이터와 상관관계가 있는 경우 플라스틱이 아닌 재료를 포함한 모든 유형의 상품 가격을 이론적으로 예측할 수 있다고 이 회사는 주장했다.
과거 데이터가 사용가능해지면 최신 모델에 입력해 예측을 더욱 세분화하는 역할을 한다.
“산업 및 경제적 관점에서 예측 모델에 제공하는 데이터가 타당하지 않다면 안타깝게도 예측 결과는 예상 밖이 된다”라고 무어 사장은 경고했다.
미래 예측은 바로 트렌드 분석
경영학의 귀재 피터 드러커(Peter Drucker) 박사는 “미래 사회에서 기업은 트렌드를 예측하지 못하면, 100% 실패한다”고 언급했다.
오늘날 많은 기업 리더들은 불확실한 미래의 경영 환경에서 살아남기 위해 트렌드를 분석하려고 하지만 이는 가장 힘든 작업 중의 하나로 알려져 있다.
그러나 오늘날 트렌드를 전문적으로 분석해 기업에 컨설팅을 제공하는 기업들이 생겨났다. 이 기업들은 시장 가격 추세를 조사하고, 상품 및 패션 등의 각종 트렌드를 포착해 현명한 의사결정을 내리는 데 도움을 준다.
과거의 트렌드 분석은 그 업종 분석에만 그치고, 영향을 주는 다른 산업의 요소를 반영하지 못하는 한계를 갖고 있었다. 이는 대량의 데이터를 확보하고, 분석하는 능력의 부족이라고 해도 과언이 아니다.
하지만 최근의 트렌드 분석은 인공지능과 빅데이터를 활용해 엄청나게 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 추출하는 작업에 능숙하다. 더불어 이를 경영자가 알아볼 수 있는 형태로 만들어 준다.
현재 기업 트렌드 분석은 큰 시장을 형성하고 있다. 미국의 시장조사업체 아웃셀의 척 리처드(Chuck Richard) 부사장은 “트렌드 예측 산업은 세계적으로, 360억 파운드(약 64조 원)의 신시장을 형성하고 있다”고 전망했다.
AI의 수요 예측은 정확해
기업 경영자의 마케팅 전략 수립의 기반이 되는 수요 예측은 갈수록 더 중요해지고 있다. 기업은 수요 예측을 통해 판매 목표 설정, 설비투자, 생산 계획, 재고 조절, 공급사슬 관리, 마케팅 전략 등을 수립한다.
하지만 실제로 기업의 수요 예측은 시장에서 잘 안 맞는 것이 정설이다. 그 이유는 아무리 예측 전문가라고 해도 방법이 단순하기 때문이다. 주로 시장조사 업체에서 내놓는 예측 자료들을 토대로 컴퓨터 작업을 통해서 예측 수요를 만든다.
전문가들은 “인간의 지적 능력에는 한계가 있으며, 수요와 관련된 수많은 복합 변수들을 통해 종합적인 판단을 내리는 것은 거의 불가능하다”고 말한다.
그렇다면, 인공지능이 하는 수요 예측은 어떨까?
지난 2019년 11월 11일 알텍스 소프트(Altexsoft) 웹 사이트에 실린 머신러닝을 활용한 수요 예측 분석 기법은 AI와 인간 전문가의 차이점을 설명해준다.
세계 최대 IT 리서치 회사인 가트너에 따르면, 수요가 변동하는 이유는 날씨 변동에서 소셜 미디어 인플루언서의 게시물 등에 이르기까지 너무 많은 요인이 구매자들에 영향을 미쳐서 마음을 자주 바꾸게 하기 때문이다.
수요 예측은 제품이나 서비스에 대한 가능한 미래 수요의 추정이다. 여기서 머신러닝(ML)은 데이터 원본. 통계 모델 등을 기반으로 추가적인 내부 및 외부 정보 소스를 활용해 더욱 정확한 데이터 기반 예측을 수행한다.
또 이 엔진은 과거 재무 및 판매 보고서 등의 과거 데이터와 마케팅 설문 조사, 거시 경제 지표, 소셜 미디어 신호 등의 실시간 데이터를 혼합한다. 여기에다 날씨 예측 등을 포함한 정형 및 비정형 데이터를 복합적으로 판단해 수요 예측을 진행한다.
이런 식으로, 머신러닝은 복잡한 수학적 알고리즘을 적용해 패턴을 자동으로 인식하고, 수요 신호를 포착하며, 대규모 데이터 세트에서 복잡한 상관관계를 발견한다.
AI 시스템은 많은 양의 정보를 분석하는 것 외에도 모델을 지속적으로 재교육해 변화하는 조건에 맞게 조정함으로써 변동성 문제를 해결한다.
이러한 기능을 통해 머신러닝 기반 소프트웨어는 복잡한 시나리오를 통해 보다 정확하고 신뢰할 수 있는 예측을 생성할 수 있다는 것이 전문가의 설명이다..
한 보고서에 따르면, 기존 시스템에 머신러닝을 추가한 기업은 예측 신뢰성이 5~15%(최대 85%, 심지어 95%까지) 증가했다고 보고했다.
그러나 전제 조건도 있다. 머신러닝 수요 예측 솔루션은 충분한 처리 능력과 고품질 데이터의 대규모 배치가 필요하다. 그렇지 않을 경우, AI 시스템이 학습할 수 없고 예측 생성은 불가능해진다.
또 머신러닝은 장비와 인적 자원에 대한 지출을 증가시키므로 정확도가 5% 향상되면 그에 따른 비용이 들어간다.
하지만 이런 단점에도 불구하고 기업은 중요한 경제 지표, 판촉 이벤트, 날씨 변화 및 고객의 선호도 및 구매 결정 등에 영향을 미치는 수요 예측과 자사의 기업 정보를 결합해 미래 시장 수요에 대한 세분화된 통찰력을 제공받을 수 있다.
AI 활용한 코카콜라의 트렌드 예측
대표적인 다국적 기업 코카콜라의 경우, 전 세계를 대상으로 마케팅 전략을 펼치는 기업이다. 현재 3,500개 이상의 제품군을 보유하고, 200여 개국에 진출해있는 자타가 공인하는 글로벌 브랜드다.
코카콜라의 인기는 로고에서 병 디자인까지 그리고 음료의 가격 등 획기적이면서도 일관된 마케팅 전략의 결과였다. 이런 브랜드 전략은 전 세계의 수많은 기업의 벤치 마킹 대상이었다.
그러나 이렇게 보수적인 코카콜라도 빠르게 변화하는 소비자의 입맛에 맞추기 위해 AI를 적극 활용해 미래의 제품 트렌드를 예측하고 있다.
지난 2019년 5월 7일 AI 뉴스에 인공지능 전문 기고자 버나드 마(Bernard Marr)는 “코카콜라가 청량음료 시장의 선두를 유지하기 위해 인공지능을 어떻게 이용하고 있는가?”에 대한 칼럼을 썼다.
버나드 마에 따르면, 전 세계의 모든 영역에서 최고의 위치를 유지하기 위해선 서로 다른 소스로부터 막대한 양의 데이터를 수집 및 분석해 어떤 브랜드가 호응을 얻을 수 있을지를 결정해야 한다.
잘 알려진 브랜드라고 해도 맛은 나라마다 다르고, 이러한 지역적 선호도를 이해하는 것은 매우 복잡한 과제라고 마르는 주장한다.
이를 위해 코카콜라는 AI를 사용해 소셜 미디어를 분석하고, 고객들이 어디에서, 언제, 어떻게 제품을 소비하고 싶은지, 그리고 특정 지역에서 어떤 제품이 인기 있는지를 파악했다.
소비자의 90% 이상이 페이스북, 트위터, 인스타그램 등과 같은 플랫폼에서 브랜드에 대해 논의하고 상호 작용한다는 것이 그 이유이었다.
코카콜라는 그들의 인구통계 및 행동을 이해하기 위해 120,000개가 넘는 소셜 콘텐츠와 관련된 참여를 분석했다.
또 소셜 미디어에서 자사 제품이 어떻게 논의되고, 공유되는지 이해하기 위해, 이 회사는 세일즈 포스 플랫폼을 사용, 데이터를 수집하고 통찰력을 얻기 위해 37개의‘소셜 센터’를 설치했다.
아울러, 코카콜라는 이미지 인식 기술을 사용해 소셜 미디어에서 사진을 공유하는 사용자를 대상으로 잠재 고객이 될 수 있음을 암시했다. 또 구글의 텐서플로우 기술을 사용, 자체 이미지 인식 솔루션을 개발하기 위해 노력했다.
이는 합성곱 신경망을 사용하는 것으로, 인쇄 시기와 위치에 따라 다르게 나타날 수 있는 코드를 기계적으로 인식하는 기술이다.
그 결과, AI 알고리즘에 의한 자동판매기의 데이터 분석은 코카콜라가 전세계 수십억 고객의 구매 습관이 어떻게 변하는지 더 정확하게 이해하는데 결정적 통찰력을 제공했다.
이런 트렌드 분석을 통해 새로운 제품을 결정한 사례가 바로 미국에서 체리 스프라이트를 병으로 출시하기로 한 결정이다. 코카콜라에 따르면, 데이터를 활용한 트렌드 분석은 이 제품이 미국 시장에서 성공적인 이니셔티브가 될 가능성이 크다는 정보를 주었다.
“여러 국가에 걸쳐 수백 가지의 다양한 제품을 판매할 경우 시장마다 고객의 인식과 행동이 크게 달라 매우 방대한 데이터를 생성하지만, AI는 이 복잡한 데이터에서 활용 가능한 데이터를 추출해낸다”고 버나드 마는 설명했다.
AI타임스 조행만 객원기자 chohang5@kakao.com
[관련 기사]환상의 짝꿍, 빅데이터와 AI의 절묘한 만남이 가져오는 시너지 효과는 과연 무엇일까?
[관련 기사]KISDI 국내 AI 도입 기업 실태조사..."대기업 제외하면 고작 8%만이 AI기술 활용 중"
