요즘 인공지능(AI) 피로감을 느끼실 법도 합니다.
어떤 상품이나 서비스의 광고를 보더라도 ‘AI’가 붙어있죠. 세탁기도 AI, 로봇청소기도 AI, 대형마트도 ‘AI로 가격 최적화’, 투자할 주식 종목도 AI로 추천 등등. 일상에서 AI라는 단어와 마주하는 일은 갈수록 늘어만 갑니다.

그런데 AI를 더 잘 알게 된다기보다는, 오히려 더 혼란스럽기만 하다는 반응이 많죠. 세계 최고의 AI 기업들은 좀 더 간명하게 설명하고 있을까요?

AI가 뭔지 감이 잡히시나요? 아니실 겁니다, 여전히 어렵습니다.
그도 그럴 것이 AI 자체가 다양한 학문 분야의 융합으로 탄생했기 때문입니다.
철학은 물론이고, 심리학, 언어학, 컴퓨터 과학 등이 종합된 결과물이 현재의 AI입니다.

각 분야의 전문가들이 자신의 관점에서 AI를 생각하다 보니 다양한 정의가 생겨날 수밖에 없죠. 또한 기술의 발전도 빠르기 때문에, AI에 대한 정의와 개념도 그에 따라 발전합니다.

그러면 AI에 대한 직관적인 이해를 포기해야 할까요? 아닙니다.
어떤 사물이나 현상을 바라보는 과정에서, 유일하게 정확하고 진실한 관점을 찾느라 시간을 허비해선 안 됩니다.
AI는 발전하고 있는 분야이기 때문에, 불변하는 단 하나의 정의란 존재하지 않는다고 보는 게 더 합리적 태도입니다.

AI를 어떻게 활용하고, 거기서 어떤 이익을 얻을지를 고민하는 것이 중요합니다.
AI에 대한 자체적인 관점과 프레임을 설정하고, 그에 맞춰 AI를 바라보는 겁니다.
그렇게 하면 추상적인 개념이나 정의, 철학적인 수렁에 빠지지 않을 수 있습니다.
중요한 건 우리가 AI로 무엇을 할 것이냐, 무엇을 할 수 있느냐는 것이니까요.

그런 점에서, AI를 바라보는 유용한 프레임을 하나 꼽는다면, ‘AI는 예측하는 기계다’라는 프레임이라고 생각합니다.
캐나다 토론토대학 로트만 경영대학원 교수인 조슈아 갠스, 아비 골드파브 세 사람은 2018년 출간한 책 예측기계(Prediction Machines)에서 이렇게 썼습니다.

AI로 무엇을 할지, 무엇을 할지 고민이라면 그때 바로 ‘예측’을 떠올려보세요. ‘지금 내 업무에서 무엇을 예측할 수 있지?’, ‘우리 회사가 무슨 예측을 하면 좋을까?’ 실제 사례를 보죠. 비즈니스의 세계는 수많은 예측으로 굴러가고 있습니다.

유니클로는 계절적 변화와 지역별 트렌드를 예측해서 옷의 재고를 조절합니다.
예측이 정확할수록 재고비용을 절감할 수 있습니다.

아마존은 소비자의 이전 구매 데이터를 바탕으로 다음 구매 상품을 예측합니다.
추천 상품이라는 이름의 예측을 통해 아마존은 매출을 극대화할 수 있죠.

은행은 대출 신청자의 상환 가능성을 예측해볼 수 있습니다.
신용 점수와 과거 거래 기록을 분석해 신용 위험을 분석하고, 적합한 마진이율을 설정할 수 있죠.

보험사 역시 가입자의 질병 발생률 등을 정확히 예측한다면 보험료 마진을 높일 수 있습니다.

농부는 날씨와 토양 상태 등을 예측하면 수확량을 예측할 수 있고, 역시 물류 부담을 낮출 수 있습니다.

넷플릭스와 같은 엔터테인먼트는 시청자의 각종 데이터를 기반으로 정확한 추천(예측)을 하고, 소비를 유인하죠.

언론사도 예측의 힘에 기댈 수 있습니다.
독자 데이터를 파악해서 독자가 좋아할 만한 읽을 만한 뉴스를 성공적으로 예측한다면, 트래픽 향상을 거둘 수 있죠.

즉, 예측은 모든 산업에서 의사결정 토대가 됩니다.
어떻게 예측하느냐에 따라 대응이 달라지죠. 결과도 달라집니다.
소비자를 만족시킬 수 있게 되고, 비용을 절감하며 매출을 증대시킬 수 있죠. 예측력이 바로 경쟁력입니다.

그런데, 잠깐. 예측은 AI만이 할 수 있는 게 아닙니다.
예측 없이 하루를 살아가는 사람이 있나요? 직장인 누구나 어느 정도 예측을 하며 일을 하고, 기업도 이미 예측에 기반해 조직을 운영하죠. 과거의 데이터를 보지도 않고 의사결정을 하는 사람은 없습니다.
예측은 AI만이 갖고 있는 특징이 아니라, 인간의 보편적 능력입니다.
그러면 왜 AI가 예측기계일까요? 왜 우리는 AI를 예측기계라고 부를 수 있는 걸까요?

인간과 AI는 모두 예측을 합니다.
그러나 AI의 예측 능력은 그 규모와 복잡성에서 인간을 압도합니다.
인간은 한정된 데이터, 경험, 기억, 직관에 기반해 예측을 하죠. 한 번에 처리할 수 있는 데이터의 양, 복잡한 패턴 인식에 약합니다.
의사결정의 변수가 3개, 아니 2개만 되어도 머리가 아주 복잡해지죠.

AI는 아닙니다.
수십 개 변수가 있는 대규모 데이터를 처리할 수 있고, 인간의 직관으로는 도저히 감지조차 할 수 없는 복잡한 상관관계와 패턴을 잡아냅니다.

또한 인간은 선형적 사고방식에 익숙합니다.
이렇게 읽는 기사조차도 첫 글자에서 마지막 마침표까지, 선형으로 이어지죠. ‘A가 증가하면 B는 감소한다’는 식의 사고에 익숙합니다.
그러나 복잡한 현실은 비선형적이며, 변수 간 상호관계도 다차원적이죠.

AI의 학습방법(딥러닝, 머신러닝 등)은 알고리즘을 통해 비선형적 관계와 숨겨진 패턴을 발견하도록 돕습니다.

사람에게 상품 추천을 맡긴다고 하면, 그는 대체로 나이, 성별, 소득 수준 등 이해 가능한 수준의 변수만을 종합해 예측할 겁니다.

그러나 AI는 소비 이력, (구매하지 않고) 클릭한 이력, 페이지에 머문 시간, 디바이스 유형, 국가별 소비 트렌드 등 축적돼 있는 모든 정보를 총동원해 상관관계를 계산하고 예측치를 내놓습니다.
게다가 이렇게 복잡한 과정을 순식간에 해내죠. 자동화도 가능합니다.
여기에 결정적인 힘이 숨어있습니다.

자동화가 가능하다는 것은 예측에 드는 비용을 줄일 수 있다는 의미입니다.
데이터 분석과 연산을 위한 AI 예측 설비는 물리적 자산에 대한 투자를 필요로 하지 않습니다.
데이터센터가 필요하긴 하지만, 제조업 공장에 비할 바가 아닙니다.

예측은 비싼 재화입니다.
예전에는 정교한 예측을 하려면 수많은 전문가, 무거운 소프트웨어, 오랜 시간 등이 필요했습니다.
그러나 AI는 훨씬 적은 시간과 비용으로 고품질의 예측을 내놓습니다.
즉, AI는 예측을 저렴하게 해줍니다.
예측이 저렴해지면 누구나 예측을 구매할 수 있게 됩니다.
고품질의 예측이 저렴하게 공급되면 의사결정의 품질이 높아집니다.

이제 처음으로 돌아가 다시 생각해봅시다.
‘주변에서 하도 AI, AI, AI 노래를 부르는데, 도대체 AI가 뭘까?’ 네, 맞습니다.
AI는 예측기계입니다.
이제야 모든 게 간명해집니다.
내게 도움이 되지 않는, 자기 상품을 홍보하는데 들러리로 인용되던 AI에 관한 정보는 노이즈로 처리해도 됩니다.

AI는 예측기계입니다.
여러분의 업무에서는 어떤 예측이 중요한가요? 지금 사업에서는 어떤 예측이 중요한가요?