실전 Digital Tranformation 아이디어 공유
이 내용은 실제로 어떤 기업의 Digital Transformation 테스크포스 팀에게 제안한 아이디어를 글로 쓴 것이다.
내 경험을 객관화하기
필자는 Digital Transformation의 범주로 묶을 수 있는 경험을 대략 9년 이상 진행 중이다. 올해도 하면 10년째가 되겠다. 경험이 자산이지만, 지나치게 자기 경험에만 빠지면 독선이 될 수 있어서 남에게 제안할 때는 객관화가 필요하다. 마침 구독중인 한글판 하버드비즈니스리뷰 1, 2월호에 객관화 도구로 써먹을만한 기사를 발견했다. 기사는 하버드 경영대학원 교수인 마르코 이안시티와 카림 R. 라카니가 쓴 <AI시대에 경쟁력을 갖추려면>이다. 해당 기사에서 활용할 부분은 기사 전체가 아니라 기사에서 소개하는 AI 공장이라는 개념과 그 구성요소 정도다.
결론적으로 객관화 하는 방법으로 기사에 나온 핵심 개념인 AI 공장과 그 구성요소를 내 경험으로 해석하는 시도를 했다. 필자가 차용한 핵심 개념은 대략 아래의 내용이다.
마르코 이안시티, 카림 R. 라카니 교수가 제안하는 AI 공장의 네 가지 필수요소
여기까지는 기사의 일부를 발췌하는 단계다. 다음 단계는 내 경험으로 해석하여 객관화 하고, 아이디어를 실행을 위한 모델로 삼아 실천 방법을 찾는 것이다. 일단 여기서는 빠르게 모델로 삼을 아이디어를 정리하는 데까지 공유한다.
기사를 내 식견으로 해석하여 이론과 경험을 결합하기
데이터 파이프라인을 무엇으로 볼 것인가?
재빠르게 경험을 꺼내고, 빨리 판단하는 동시에 결과를 정리하기 위해 필자가 자주 쓰는 방법은 화이트보드에 메모하는 것이다. 생각을 풀어놓을 때는 손 필기를 능가하는 도구를 찾기 힘들기 때문이기도 하고, 보드가 놓인 공간과 보드에 쓰는 순간 옆에 다른 사람이 없더라도 누군가에게 설명하듯 생각이 흘러나오기 때문이다. 마치 마음편한 리허설 분위기가 만들어 진다고나 할까.
필자가 해석한 데이터 파이프라인
기사에서 AI 공장의 핵심 요소 4가지를 뽑았는데, 그 중에서 데이터 파이프라인에 대한 필자의 해석은 이렇다. 먼저, 데이터 파이프라인을 다시 둘로 나눴다. 그리고 주안점을 분리해서 생각해봤다. 데이터라는 요소를 떠올릴 때는 기업 혹은 특정 사업 관점에서 대상 데이터를 선정하는 것이 중요하다. 선정 과정에서는 우리 기업에 데이터가 있고 없고 판단이 당연하게 필요하지만, 시간과 자원을 들여서 노력할만한 가치가 있는 데이터가 무엇인지 판단 역시 중요하다. 그에 따라 데이터가 실제로 지칭하는 대상이 달라지기 때문이다. 데이터가 정해지고 나면 내부에 갖고 있는 것인지 외부에서 가져와야 하는 것인지 출처를 나눠볼 수 있다. 분류를 넘어 실행단계로 들어가면 내부라고 해도 데이터가 사용 가능한 형태인지 추가적인 가공이 필요한지 등의 판단을 해야 할 수 있다. 한편, 내부라고 알고 있었지만, 외주 개발한 시스템에 의존해서 원하는 모양으로 데이터를 획득하지 못하는 경우도 흔히 존재한다.
파이프라인은 데이터의 수집 형태에 따라 세 가지로 나눴다. API 로 제공되는 것, 로그(log) 형태로 수집 가능한 것, 그외에 별도로 구분된 데이터베이스의 데이터를 물리적으로 모으는 방식을 뜻하는 Data Federation 이 그것이다. API의 경우 제공하는 입장과 사용하는 입장으로 또 나눌 수 있다. Data Federation의 경우에는 메타 데이터 구성이 미래의 핵심 자산을 만드는 중요 활동이라 할 수 있다. 메타 데이터는 비즈니스 유형과 해당 조직의 운영 행태, 의사결정 방식에 따라 구체적인 형태가 달라질 수 있다. 나중에 예시를 들어 설명할 기회가 있기를 기대하며 여기서는 과거에 금융권 등에서 유행했던 MDM에도 meta란 표현이 들어가지만 그것과는 전혀 관련이 없다는 사실만 밝혀 두겠다.
비즈니스의 알고리즘
경영에서 알고리즘이라니 무슨 말인가? 필자는 이런 식의 개념 차용이 4차산업 혁명이 가져오는 현상 중 하나라고 본다. 프로그래밍 개념인 알고리즘이 경영에 침투할 수 있다.
프로그래밍에서 알고리즘은 지시문의 순서나 판단에 따른 분기 그리고 반복으로 구성한다. 그리고, 이들이 서브 루틴, 함수, 클래스 등의 형태로 구성(조합)되어 재사용되는 형태로 커지거나 진화한다. 경영 의사결정에도 이러한 알고리즘을 대입할 수 있을까? 급진적인 주장이라는 분도 있겠지만, 필자는 당연히 된다고 생각한다. 물론, 모든 의사결정이 아니라 과거 경험으로 분명하게 알고리즘으로 표현할 수 있는 일과 그와 유사한 일에 대한 의사결정에 한해서지만 말이다. 반복적으로 벌어지는 의사결정을 자동화 하려는 시도는 충분히 가능한 일1)이다.
알고리즘 구성요소에 대한 필자의 해석
여기서 테두리까지 그려서 알고리즘 조합을 특별히 강조한 이유는 재사용 단위로 이들을 정형화 하는 일이 중요하다고 믿기 때문이다. 필자는 비즈니스 맥락에서 이러한 구성을 해낼 수 있어야 AI 기술의 힘을 비즈니스에 적용할 수 있다고 믿는다. 그렇게 하기 위한 중요한 실행 포인트로 알고리즘을 구성할 때 비즈니스 이벤트와 연결가능한 조합으로 만들어야 한다는 것이 내 주장의 핵심 중 하나이다.
실험 플랫폼
실험 플랫폼 혹은 실험 도구는 이커머스에서 흔히 사용하는 A/B Test와 유사한 것으로 봤다. 다만, 비즈니스 형태에 따라서 A/B Test와 같이 자동화가 많이 진행할 수 있는 활동이 있을 것이고, 오프라인의 절차화 된 인간의 행동이 주를 이루는 경우도 있을 것이다. 중요한 것은 그런 실험들이 데이터를 축적하게 하고, 알고리즘을 구성하게 하느냐이다. 적어도 초기 실행단계에서는 자동화 여부가 핵심은 아니다.
실험 플랫폼을 A/B Test를 골자로 해석한 그림
IT를 재해석하는 인프라스트럭처
앞서 언급한 세 개의 요소 즉, 데이터 파이프라인, 비즈니스 알고리즘, 실험 플랫폼이 AI 공장으로 작동하려면 반복 수행을 전제해야 한다. 기업활동은 기본적으로 지속하는 것이니까. 그래서, 사람이 해야 할 창의적인 일과 구체화 되어 기반 요소로 자동화 할 부분을 나누어 정의할 수 있다. 사각형 비슷하게 영역을 구분한 곳이 인프라스트럭처 이고, 그 윗부분은 사람 혹은 조직의 영역으로 보았다.
AI 공장의 인프라스트럭처에 대한 필자의 재해석
필자는 AI 공장2)이라는 은유가 의사결정에 대한 '양산'과 '체계적인 성질'에 대한 은유라고 추측했다. 변화가 극심하고 경계가 모호한 현대 비즈니스에서 과거의 감에 의존한 결정이 위험하기 때문에 데이터 주도가 강조되는 요즘 분위기다. AI 공장은 결국 그런 환경에서 의사결정을 돕는 경영의 도구인데, 이를 지원하는 기반구조로 IT를 재편해야 한다.
여기에 생각이 미치고 보니 필자가 지속적으로 비판해왔던 한국형 '차세대' 프로젝트에 대한 대안으로 이런 관점을 제시할 수도 있겠다. 또한, 알리바바에서 주창하는 IT를 넘어 DT(Data Tech...)와 연결지을 수도 있다. IT 구축을 하는 기업 입장에서는 데이터 주도 의사결정으로 혁신하기 위한 방편으로 대규모 투자를 할 수는 있지만, 시스템 구성요소를 바꾸는 일에 거액을 투자하는 일은 과거의 기술 부채 청산일 뿐이다.
추상적 아이디어를 공유하는 이유
필자의 관련 경험을 명문대 교수님들의 연구 내용에 비춰 해석해보는 작업으로 추상적이나마 대강의 아이디어를 만들었다. 필자 입장에서는 객관화 과정인데, 실행만으로도 즐거운 경험이었다. 하지만, 어떤 기업의 Digital Transformation 테스크포스 팀에게 실행을 위한 밑그림을 제공하려던 동기가 없었으면 시작하지 않았을 것이다. 가치를 더할 수 있을 것이라는 기대가 이 글을 쓰게 했다. 함께 소통한 그분들에게 링크를 전달하겠지만, 그분들외에도 관련하여 절실한3) 요구가 있는 분들이 있다면 모방할 수 있도록 공개적인 글로 노출한다.
왜 아이디어를 공유하는가?
주석
[1] 사실, 알파고가 바둑을 통해 증명한 일이기도 하지 않은가? 이 글을 본문이 아닌 주석에 넣은 이유가 있다. 알파고라는 표현때문에 마치 비즈니스 알고리즘 구현이 구글이나 할 수 있는 일이라 여기는 고정관념을 독자들에게 심어주지 않기 위함이다. 아주 간단한 구현으로도 간단한 의사결정 자동화는 구현할 수 있다.
[2] 앞서 기사에서 인용한 AI 공장에 대한 설명을 하지 않았다.
[3] 친절하게 쓴 편도 아니고, 며칠 사이에서 생각하고 소통한 내용의 기록인지라 절실함이 없으면 내용을 숙지하기 어렵다고 생각한다.