[첨단 헬로티]

인공지능(AI) 기술이 점차 비즈니스로서의 기술로 거듭나고 있다. 기업의 크기를 막론하고 제조, 제품 관리, 유통, 의료, 에너지, 교통, 고객 마케팅 등에서 다양한 형태로 인공지능 기반 비즈니스 모델을 개발하고 있다. 문제는 아직 시도하고 있는 단계라는 점이다. 아직까지는 활용할 데이터, 사용할 인공지능 플랫폼 그리고 원하는 결과물에 대해 명확하지 않은 단계다. 

그래서 아마존웹서비스, 마이크로소프트 등의 IT 서비스 기업들이 제공하는 인공지능 플랫폼 서비스를 이용하는 것도 인공지능 기반 비즈니스 모델 개발을 시작하는 효과적인 방법 중 하나다.

지난 7월 11일 (주)첨단이 주최한 ‘AI 융합 비즈니스 개발 컨퍼런스 2018’에서는 아마존웹서비스(이하 AWS)의 인공지능 서비스가 소개됐다. 이를 정리한다. 발표자는 아마존웹서비스(AWS) 양승도 솔루션 아키텍트 매니저이다.

최근 머신러닝, 딥러닝 등 인공지능 관련 키워드들이 많이 거론되고 있다. 하지만 인공지능은 최근 트렌드가 아니다. 몇 십 년 전부터 저명한 교수들이 많은 연구를 했다. 물론 당시 연구개발에는 제약이 있었다. 그 가운데 가장 큰 제약은 인공지능을 가동할 수 있을 만한 컴퓨팅 파워가 없었다는 것이다. 지금은 최신의 GPU를 구매해서 빠른 컴퓨팅 파워를 구현할 수 있다. 인공지능이 다양한 분야에서 활용되고 있는 핵심 요인이기도 하다. 

아마존의 인공지능 서비스

아마존의 대표적인 인공지능 서비스는 아마존고(Amazon Go)이다. 2016년 12월 문을 열고 직원들을 대상으로 시험 운행하다 2018년 1월 22일부터 일반인에게 개방됐다. 여기에는 딥러닝 알고리즘, 센서 기술, 컴퓨터 비전 이렇게 세 가지 기술이 들어있다.

소비자는 스마트폰 앱을 통해 매장에 들어간다. 이후 상품을 고르면 천장에 달린 수많은 카메라와 블랙박스 센서(저스트 워크 아웃 테크놀로지)들이 소비자가 어떤 상품을 선택했는지 자동 감지하고 앱에 연결된 신용카드로 비용을 청구한다. 쇼핑을 하다가 골랐던 물건을 다시 진열대에 가져다 놓으면 계산에서 제외되며 반품이나 환불도 앱을 통해 가능하다.

지금의 마트를 보면 매장 안에서 상품을 고르는 데는 큰 불편함이 없지만 계산대 앞에서 줄 서서 기다리는 것이 가장 불편하다. 아마존고를 개발하게 된 이유도 여기에 있었다. 아마존고는 AI가 비즈니스 혁신에 어떻게 적용되는지를 보여주는 좋은 예다.

아마존의 또 다른 인공지능 서비스는 ‘알렉사(Alexa)’이다. 음성 인식 개인 비서인데, 이를 통해 음성 인식 인공지능 스피커 ‘에코(Echo)’, 의상 코디를 해주는 에코룩(Echo Look), 디스플레이가 장착된 ‘에코쇼(Echo Show)’ 등 많은 디바이스 기반 서비스를 내놓고 있다.

아마존 서비스에는 중요한 요소가 있다. 고객들이 무엇을 필요로 하는지 파악하고 고객의 관심 사항으로부터 비즈니스를 시작한다는 것이다. 이 점이 비즈니스 혁신을 이룰 수 있는 요인이다.

▲ 아마존 물류센터에 도입된 물류 로봇 ‘키바(Kiva)’

혁신에 대하여

한 기자가 아마존의 CEO 제프 벤조스(Jeff Benzos)에게 이런 질문을 했다.

“10년 후의 변화를 예측해 무엇을 준비하고 있습니까?”

제프 벤조스는 “10년 후에 무엇이 바뀔지는 잘 모르겠습니다. 다만 10년 후에도 바뀌지 않는 것이 무엇인지 생각해야 합니다”라고 답했다.

소비자들은 저렴한 제품, 다양한 제품 그리고 빠른 배송을 원한다. 이 세 가지가 10년 후에도 변하지 않을 고객의 요구다.

이러한 고객의 요구에 따라 아마존은 어떻게 빨리 배송할 것인지를 고민했다. 그래서 물류센터에 머신러닝 기반의 로봇 ‘키바(KIVA Systems)’를 도입했다. 현재 아마존에서 가장 큰 물류센터는 축구장의 28배 면적이다. 여기에 총 100만개 정도의 상품이 적재돼 있다. 이 진열 상품을 전통적 방식으로 사람이 포장해서 배송하는데, 물류센터 크기가 더 넓어지면 시간은 더 늘어난다. 더 다양한 상품을 더 빠르게 배송한다는 기업 마인드와는 점차 멀어질 수밖에 없다.

키바의 경우 초당 500 ~ 1000개의 상품을 처리한다. 키바의 운영 방식은 딥러닝, 머신러닝을 통한 알고리즘이다. 어떻게 작업자들에게 상품을 빨리 가져다 줄까를 계속해서 학습시키는 것이다.

물건 구매에 있어 이런 경우가 있다. 한 사람이 여러 개 상품을 주문했을 때 로봇이 여러 번 이동하는 것보다 한 번에 가져오면 더 효과적이다. 로봇이 이런 고객의 주문 상태를 실시간으로 파악해 효율적으로 이동할 수 있도록 계속 학습시킨다. 그러면서 물류센터는 혁신한다.

또 하나 혁신 사례는 아마존 프레쉬(Amazon Fresh)로, 신선 식품을 주문하면 4시간 이내 배송하는 서비스다. 아마존은 이 서비스를 위해 홀푸드(Whole Foods)라는 기업을 인수했다.

기존의 방식은 감별사의 판단이 핵심이었다. 가령 고객이 과일을 주문했으면 감별사가 일일이 파악했다. 하지만 사람이 실수할 수도 있고, 4시간 동안 배송 과정에서 당도가 변할 수 있다. 아마존은 이런 부분들을 없애기 위해 인공지능을 적용했다. 아마존고에서 사용했던 것처럼 센서, 머신러닝, 컴퓨터 비전 기술을 통해 유효 기간, 맛 등을 예측하는 것이다.

많은 실험이 많은 혁신 만든다

AWS는 다양한 서비스를 제공하고 있다. 이 서비스들은 수많은 시도에서 얻어진 것이다. 혁신 잘하는 기업은 실험을 많이 한다. 100개 아이디어를 프로젝트로 추진한 다음 시장에서 통할 것인지를 테스트 해보는 것이다. 모든 실험 뒤에는 ‘실패’라는 두려움이 서 있다. 그 실패로 인한 리스크를 줄이기 위해서는 최대한 다양한 것들을 실험해 봐야 한다. 한 가지 프로젝트에 전념하다 실패하면 전부 실패하는 것이 되지만 100개를 실험하면 실패에 대한 리스크가 줄어든다. 그리고 그 실험들을 통해 의미 있는 비즈니스 가치를 찾을 수 있다.

물론 많은 실험을 하기 위해서는 그만큼 비용이 든다. 따라서 실패하더라도 비용이 적게 드는 방법을 가지고 있어야 한다. 

아마존은 ‘투피자팀(Two-Pizza-Teams)’이라는 방법을 가지고 있다. 투피자팀은 패밀리 사이즈 피자 두 판으로 저녁을 먹을 수 있는 인원을 뜻한다. 먹는 양에 따라 다르겠지만 8 ~ 10명 정도가 적당한 인원이다.

아마존은 투피자팀이 모든 프로젝트를 시작하고, 개발하고, 운영하고, 장애를 해결한다. 쉽게 말해 맡은 프로젝트의 모든 것을 수행하는 것이다. 아마존은 이 방식으로 여러 가지 실험을 하고 그런 실험을 통해 혁신을 해 나간다.

한국의 전통적인 IT 기업들은 개발팀, 운영팀, 장애 해결팀을 별도로 구성해 운영한다. 투피자팀이 가지고 있는 프로젝트에 대한 책임, 긴밀한 연결을 통한 민첩한 움직임과는 대조적일 수 있다.

앞에 말했던 것처럼 실험을 통해 혁신할 수 있다. 그리고 실패할 수 있지만 실패 비용을 낮춰서 다양한 실험을 할 수 있을 때만 혁신적인 비즈니스를 만들어 낼 수 있다고 본다. 사실 아마존의 많은 서비스들이 실패한 실험에서 가져온 기술이다. 그 중 하나가 아마존의 파이어폰이다. 점잖게 말하면, 비즈니스가 잘 되지 않았다.

파이어폰이 처음 나왔을 때 전면에 카메라가 세 개 있었다. 이 카메라는 얼굴 인식 기능을 제공했다. 물론 서비스로 연결하는 데는 실패했다. 하지만 앞서 소개한 아마존고, 아마존프레쉬 등에서 고객의 얼굴을 인식하는 데 활용되고 있다.

이러한 방식의 결과물이 지금 아마존의 서비스에서 나오고 있다. 무인 드론 배송, 무인 점포(아마존고) 등이 대표적이다. 그리고 이 서비스들은 고객 중심적인 사고에서 나온다. 모든 것을 고객들에게 제공하기 위해 노력하고, 서비스/제품을 창의적으로 만들고, 새로운 시장을 개척하고, 끊임없이 찾아 나서는 정신으로 아마존의 모습들이 만들어지고 있다.

디지털 트랜스포메이션 핵심은 고객과의 공유

최근 기업들이 디지털 트랜스포메이션에 고민을 많이 한다. 분명 미래를 위한 변화 측면에서 접근해야 할 부분이지만 정작 어디서부터 시작해야 할지를 모른다. 4차 산업혁명으로도 표현되는 디지털 트랜스포메이션의 요소 기술을 보면 자동화, 디지털 트윈, 스마트팩토리, 자율주행, 사전 예측, 빠른 공급망 등이고 이 모든 기술들은 파괴적 혁신에서 비롯된다고 보고 있다.

아마존은 지난 1995년부터 지금까지 인공지능, 머신러닝 등에 많은 투자를 했으며, 고객에게 지식과 역량을 공유했다.

상품 추천을 비롯해 물류센터 로봇, 에코/알렉사, 머신러닝 기반 SCM, 자연어 처리 기반 컨텍 센터(콜센터에 활용), 딥러닝 기반 무결제 쇼핑(아마존고) 등이 지금까지 투자한 결과물이라 할 수 있다.

특히 알렉사는 기술의 혁신이고 생활 방식의 변화이며, 고객과의 공유이다. 알렉사로 인해 사라진 것은 무엇인가. 먼저 인터넷 웹사이트, 모바일 앱 접속이다. 두 번째 인증과 검색이고, 세 번째 결제다. 이 모든 것을 보이스로 처리한다. 

이 뿐만 아니라 우버 예약, 도미노 피자, 스타벅스 커피 주문 등에도 이용한다. 현재 전세계 3만개 앱을 통해 고객들이 비즈니스를 개발하고 있다. SDK(Software Development Kit)가 오픈돼 있기 때문에 가능한 일이다. 앱을 통한 서비스 개발뿐만 아니라 알렉사에 기반한 디바이스도 만든다.

인복시아(invoxia)라는 회사는 포터블 스피커 ‘트리비(TRIBY)'를 만들었다. 집에서 각 방에 놓아두면 방끼리 음성으로 커뮤니케이션 할 수 있는 제품이다. 알렉사가 적용돼 있기 때문에 기본적인 음성 인식 기능을 제공한다.  

AWS의 인공지능 서비스

AI가 비즈니스에 필요한 이유는 혁신을 리딩하는 포지셔닝(고객/시장에 주도권 경쟁), 모든 것을 연결하는 중심(서비스를 명령/조종 연결), 데이터 유치 경쟁(학습 및 모델링을 위한)을 위해서다. 

이를 위한 효과적인 방법은 AWS의 인공지능 서비스를 이용하는 것이다.

아마존에는 머신러닝 스택이 있다. 크게 세 가지 서비스, 플랫폼, 프레임워크+인프라로 나눠진다. 그리고 각 스택에는 여러 가지 서비스가 마련돼 있다. 이 가운데 주요 서비스를 소개한다.

▲ 아마존의 머신러닝 스택

레코그니션 이미지(Rekognition Image)

- 스틸 이미지에 대한 인식 서비스이다. 객체 인식과 얼굴 분석 및 비교, 유명인사 인식, 안전하지 않은 사진들에 대해 모자이크 처리, 텍스트 인식 등이 주요 기능이다. 

가령 사람의 얼굴 사진을 서비스에 돌리면 나이, 성별, 표정, 기분 상태 등을 파악할 수 있다. 

▲ 아마존 레코그니션 이미지를 통해 얼굴 분석이 가능하다.

레코그니션 비디오(Rekognition Video) 

- 최근에는 영상에 대한 데이터도 많아지고 실시간으로 분석하고 싶은 요구도 늘고 있다. 그래서 아마존에서는 레코그니션 비디오 서비스를 제공하고 있다. 이 서비스는 리얼타임 비디오 스트림에 대한 분석을 한다. 미아 찾기, 범죄자 인식, 얼굴 인식, 실시간 CCTV, 안전하지 않은 비디오 감식 등에 사용될 수 있다. 실제 모토로라에서는 이 서비스가 적용된 경찰용 바디캠을 개발했다. 경찰 유니폼 상의에 장착된 바디캠은 실시간으로 사람들을 인식한다. 그 가운데 범죄 용의자가 인식되면 알람으로 경찰에게 알려준다. 물론 사전에 CCTV, 머그샷, 몽타주 등의 용의자 데이터베이스를 바디캠에 넣는다.

아마존 렉스(Lex) 

- 최근에는 챗봇 이야기를 많이 한다. 렉스는 인공지능 기반 대화형 인터페이스를 만들 수 있는 서비스다. 알렉사에서 사용한 기술들을 사용할 수 있도록 API를 오픈해놓았다.

세이즈메이커(SageMaker) 

- 머신러닝 기술을 회사에서 구현해보고 싶지만 현실에서는 힘든 부분이 많다. 인프라 구축, 프레임워크 설치 등을 직접 해야하고 모델 학습을 했다고 해도 실패하면 새롭게 만들기 쉽지 않다. 세이즈메이커는 이를 쉽게 해줄 수 있는 플랫폼이다. 다시 말해 데이터 과학자, 개발자, 머신 러닝 전문가가 모든 규모의 머신 러닝 모델을 간편하게 만들어 학습 및 배포할 수 있는 총체적인 종합 관리형 서비스이다.

이 서비스는 설정 작업이 필요 없는 호스팅형 쥬피터(Jupyter) 노트북을 제공하며, 기본적으로 제공되는 지도(supervised) 및 비지도(unsupervised) 학습 알고리즘과 프레임워크를 사용해 모델 학습을 수행할 수 있다. 최종적으로 배치(Deploy) 버튼만 클릭하면 바로 API 서비스가 가능하게 된다.