전기전자/정보통신

Nikkei Computer_2018.10.11 특집 요약 (p24~39)

대기업 100사의 AI 활용
수비적 자세에서 공격적 자세로, 향후의 과제 등

닛케이컴퓨터는 일본경제신문과 공동으로 국내 대기업 100사의 AI(인공지능) 활용 실태에 대해 조사했다. 단순 작업의 대체 등으로 비용 절감을 지향하는 ‘수비’의 AI뿐만 아니라, 기존 제품 및 서비스의 매출 증가로 연결시키는 ‘공격’의 AI로 활용 범위를 넓히고 있다는 사실이 드러났다. 또한 회사 전체에서의 AI 전개를 위한 과제도 보이기 시작했다.

Part 1. ‘공격’의 AI 활용이 움직이기 시작
100개사 조사로 판명

비용절감의 도구에서 ‘공격’의 무기로. 기업 전략에서의 AI 위상이 달라지고 있다는 것이 첫 100사 조사를 통해 드러났다. 이미 기업의 80%는 AI를 활용하고 있으며 그 대부분이 자사 제품 및 서비스 혁신에 기대를 걸고 있다.

일본 기업이 AI에게 특히 기대하고 있는 것은 비용 절감이 아니라, 자사의 제품 및 서비스를 혁신시켜 매출 및 이익을 높이는 ‘공격’의 역할에 있다---.

닛케이컴퓨터와 일본경제신문이 실시한 AI 활용 상황에 관한 독자적인 조사를 통해 이러한 실태가 떠오르기 시작했다. 조사는 2018년 7~8월, 국내 대기업에 조사표를 송부하는 형태로 실시. 제조업 62사와 비제조업 51사로, 총 113사로부터 회신을 얻을 수 있었다.

조사 결과를 분석하자, AI와 대변하고 있는 국내 대기업의 전형적인 실상이 부각되었다. 예를 들어 AI는 국내 대기업에 있어서 ‘사용이 당연’한 존재가 되어 있다. 80%가 넘는 기업이 AI를 활용하고 있으며, 그 중 60%는 기대대로나 기대 이상의 효과를 얻고 있다. 그런 반면, AI학습에 필요한 데이터를 수집하는 체제 정비는 불충분한 상태이며 아직 AI 활용이 제대로 이뤄지고 있지 않다. 이하, AI활용에 관한 일본 기업의 모습을 자세히 살펴보도록 하겠다.

-- 제품 및 서비스의 혁신에 활용 --
-- 부가가치를 높여 전문가를 대체한다 --
닛케이컴퓨터의 취재를 통해 대기업이 추진하는 ‘공격’의 AI는 크게 2가지 패턴으로 분류되는 것을 알 수 있었다.

그 중 하나는 자사의 기존 제품∙서비스의 부가가치 및 만족도를 높이는 AI이다. 재이용 고객을 늘려 매출 증대에 공헌한다. 또 다른 하나는 사업 확대의 애로사항인 ‘전문가 부족’을 AI로 해소하려는 시도이다. 어떤 분야에 뛰어난 전문가는 채용이나 육성이 어려우며 그 점이 사업 성장을 방해하는 경우가 있다. 전문가의 지견을 AI에 학습시켜 역할을 대체시킴으로써 수요에 맞춰 기동적으로 사업을 확대하기 쉬워진다.

-- 데이터의 질과 양, 양면에 과제 --
-- 경리는 고용 감소, 연구 개발은 고용 증가 --

Part 2. AI로 서비스 혁신
6개사가 도전하는 한계 돌파

유럽 기업이 AI에 의한 제품 및 서비스의 혁신에 도전하기 시작했다. 기존 상품의 한계를 AI로 타파해 매출 확대로 이어간다. 아식스, 일본 수산, 브리지스톤 등의 대응책에 대해 알아보도록 하겠다.

“달릴 때의 걸음 수와 보폭, 두 가지 모두 장거리에 적합하네요”. 런닝 경험이 풍부한 점원이 고객에게 태블릿을 보여주며 조언하고 있다. 아식스가 2018년 7월에 도쿄 마루노우치(丸の内)에 개업한 매장 겸용 런닝 스테이션의 모습이다. 점포 내에 있는 런닝머신을 고객이 이용하게 되면 그 모습을 촬영해 AI가 주행 중의 걸음 수 및 보폭, 상하 움직임, 앞으로 기운 자세, 팔이나 다리의 진폭을 산출해 낸다.

AI가 폼을 분석한 후에는 데이터를 등록한 시민 러너 약 650명의 평균치와 비교한 차이를 표시한다. 점원은 그 화면을 고객에게 보이면서 보다 좋은 자세로 개선하기 위한 비결 및 적합한 트레이닝 방법, 자세에 맞는 슈즈의 선별법 등을 조언한다.

“스포츠를 좋아하게 되는 체험을 제공하고 싶었다”. 아식스의 니시와키(西脇) 이사는 매장에서 자세를 분석하는 AI(러닝 애널라이저)를 개발한 이유에 대해 이와 같이 설명했다.

-- 매장 방문을 촉진시켜 구매 의욕을 자극 --
개발에 착수한 것은 2년 전이다. 심층 학습을 기반으로 동영상 속의 사람의 자세를 추정하는 오픈 소스의 라이브러리를 활용했다. 일련의 시스템을 개발한 ‘디지털 R&D’ 팀을 이끌고 있는 가와가미(川上) 디지털R&D부장은 “아식스라는 브랜드로의 애착을 높이고 싶다”라고 기대한다.

아식스는 최근까지도 런닝 자세 및 능력을 측정하는 유상 서비스를 제공해 왔다. 그러나 전용 설비를 사용하므로 점포가 한정되어 있어 비용도 1회 5,000엔~2만1,000엔으로 비싸다. 국내외 점포전략을 담당하는 리테일 부서의 사키야마(崎山) 씨는 “일반의 런닝 애호가들은 이용하기 힘들었다”라고 회상한다. 방문객이 편하게 사용할 수 있고 효과적인 조언을 얻을 수 있게 되다면 “이용자가 늘어나며 고객이 매장을 찾는 동기부여가 된다” (사키야마 씨).
 

-- 건져내지 않고 물고기 크기를 측정 --
쿠로시오 해류의 미야자키 현에서 방어의 원양 양식사업을 하는 일본수산 그룹의 크로세(黒瀬) 수산은 2018년 봄부터 방어의 성장 상황의 판단을 AI에게 일임하기 시작했다. 일본수산의 야부키(屋葺) 양식사업 추진부장은 “IT업계의 발전을 도입해 양식업을 진화시킨다”라고 의지를 내비쳤다. 출하하는 물고기의 품질을 높일 뿐만 아니라 AI 서비스의 외판을 통해 일본수산 그룹의 양식사료 판매사업의 확대를 노린다.

물고기 양식에서는 한 달에 한 번 정도의 빈도로 활어조 안의 물고기 크기를 측정한다. 물고기 양식에 필요한 기간은 방어가 2년, 참치가 3~4년. 그 동안에는 성장 상황에 따른 사료 양을 조절하면서 어획 사이즈까지 효율적으로 잘 키우기 위해 정기적인 측정이 필요해 진다. 이전에는 수 천 마리가 헤엄치는 활어조로부터 수 십 마리 정도를 건져내어 무게를 측정했다.

그러나 건져 올릴 때 물고기에게 상처를 내거나 스트레스를 주게 된다. 이에 따라, 2안식 수중카메라로 활어조 안의 동영상을 촬영해 찍힌 물고기의 크기를 측정하는 시스템 도입을 추진해 왔다. 그러나 소프트웨어 상에서 물고기의 머리 끝과 꼬리, 등과 뱃살의 4점을 수작업으로 지정할 필요가 있어, 시간이 많이 걸릴 뿐 아니라 오차가 크다는 문제점이 있었다. 그 문제점을 해결하는 AI를 NEC가 개발했다.

AI는 동영상에 찍힌 대량의 방어 속에서 전신이 보이는 것을 찾아낸다. 흔들림 없이 카메라 촬영 방향의 바로 옆을 향한 물고기를 고르는 것이 포인트이다. 계속해서 그 물고기의 머리 끝과 꼬리, 등과 배 부분의 4점을 자동 검출한다. AI가 출력한 물고기의 4점의 정보를 측정 시스템에 전송하면 2개 카메라의 시차로 몸의 길이와 높이를 산출. 물고기의 체중으로 변환시키는 수식을 사용해 추정 체중을 계산한다.

“어획 시에 실측한 결과와 비교해 보면 오차가 2% 이하다”(야부키 부장). 일본수산은 이 기술을 참치 양식에도 전개해 그룹 2사에 2019년까지 도입할 계획이다.

-- 카메라로 가게의 ‘빈 자리’를 판단 --
JR도쿄역에 근접한 다이마루(大丸) 도쿄점. 많은 사람들이 오가는 1층 점포 앞 통로에는 60인치의 스크린 화면이 설치되어 있다. 언뜻 보면 점포 안의 음식점 안내처럼 보이지만, 자세히 보면 매장 이름과 함께 ‘10분 대기’ ‘공석’ 등이 씌어있다. 게다가 표시는 자동으로 바뀐다.

이것은 J Front Retailing 산하의 다이마루 마쓰사카야 백화점이 2018년 8월에 시작한 새로운 정보 제공 서비스다. 매장 안의 3~10층에 있는 음식점의 최신 공석 상황을 AI가 판정하는 시스템을 도입해 손님이 붐비는 상황을 한 눈에 파악할 수 있게 했다. 다이마루 도쿄점의 나카무라(中村) 영업추진부 스텝은 “매장을 찾은 고객이 이용하고자 하는 서비스를 기다리지 않고 이용할 수 있게 하고 싶었다”라고 말한다.

-- 노면과 접촉하는 타이어의 강점을 활용 --
“자율주행 기능을 보조하는 역할로서 꼭 필요한 존재로 만들고 싶다”. 이렇게 말하는 것은 브리지스톤의 하네다(羽根田) 디지털솔루션본부 CAIS추진유닛 리더이다. 타이어 안의 센서로 노면 상황을 판정하는 AI 개발에 주력한다.

‘젖어 있는’ ‘얼어 있는’ ‘눈 쌓인’과 같은 노면 상태는 육안으로는 정확한 판단이 어렵다. 노면에 닿는 타이어를 통해 알 수 있는 정보를 운전자 및 자율주행 시스템에 통지한다면 노면상태에 적합한 운전 조작이 쉬워짐에 따라 타이어의 부가가치가 높아진다. 다수의 차량의 주행 실적으로부터 노면 상태를 수집해 동결되지 않은 경로를 카 네비게이션이 안내하는 등의 사용법을 상정한다. AI를 통해 타이어의 가치를 높여 타이어 관련 서비스 창출을 목표로 한다.

AI를 활용한 서비스 사업에 뛰어든 기업도 있다. 동일본고속도로(NEXCO동일본) 자회사인 넥스코 엔지니어링 북해도는 브리지스톤의 AI를 이용해 판정 결과에 따라 최적량의 동결 방지제를 고속도로에 자동 살포하는 시스템을 구축했다. 타이어 내에 센서를 장착한 순회차량으로부터 위치와 노면 정보를 즉시 수집, 판정 결과에 따라 동결 방지제를 실은 살포차량이 각 지점에서 적당량을 살포한다. 동결 방지제의 낭비를 줄이는 효과가 도입 비용을 상회할 것으로 판단했다.

-- 새로운 서비스에 응답 --

Part 3. 전문 능력까지 AI로 대체
6개사가 도전하는 제약 해소

“그 전문가가 시간이 날 때까지 기다리는 수 밖에 없다”. 그런 업무의 애로사항을 고도의 AI로 해소하려는 기업이 등장했다. 오바야시 그룹, 가오(花王), 손해보험재팬 니혼코아(日本興亜), 쇼센미쓰이(商船三井) 등을 취재했다.

한 번 구축한 AI는 다양한 장소에 배치할 수 있다. 한정된 전문가만이 할 수 있었던 업무를 AI가 대신 할 수 있다면, 전문가의 인원수나 업무 시간이라는 제약을 없앨 수 있다. 일부 기업은 애로 사항을 해소하고 업무를 확대하기 위해 AI를 사용하기 시작했다.

“공사 중에 지질 전문가에게 의견을 물어보고 싶어도 사내에는 몇 명밖에 없다. 대신 AI가 대답해주게 되면 현장 기술자는 그것을 참고하면서 신속하게 의사결정을 할 수 있다”. 오바야시 그룹의 하타(畑) 기술본부 지반기술연구부장은 AI를 개발한 목적을 이와 같이 설명했다.

오바야시 그룹이 개발한 AI는 산악부에 도로 및 철도 등의 터널을 팔 때의 공법으로서 일반적인 ‘NATM공법’에 적용한 것이다. NATM에서는 ‘막장(채굴 현장)’으로 불리는 단면을 다이너마이트로 폭파시켜 파싱한 후에 벽면을 아치형의 강재(鋼材)로 지탱시킨다. 이어서 콘크리트를 뿌려 벽을 탄탄하게 만들어 길이 수 미터의 철 볼트를 박아 넣는다. 그 작업이 끝나면 막장을 다시 파내어 간다. 이 때 터널 공사를 담당하는 토목 기술자는 ‘갈라진 틈이 있는지’ ‘물이 세어 나오는지’ ‘점토질의 부분이 있는지’ 등의 관점에서 막장을 관찰해 강재의 간격 및 볼트의 개수 등을 판단한다.

“지질을 어떻게 평가하면 좋을지 헷갈리는 경우가 있다”라고 하타 부장은 말한다. 전문가의 조언이 있다면 판단하기 쉬우나, 그것을 기다리면 공기(工期)가 늘어날 우려가 있다. 따라서 막장의 사진으로부터 전문가에 근접한 수준으로 판단할 수 있는 AI 개발에 주력했다.

오바야시 그룹에는 과거의 터널 공사 현장의 막장마다 강도 및 풍화 상태, 금이 간 것의 간격, 용수량 등 7항목에 대해 5단계 정도로 평가한 결과와 그 당시의 막장 사진을 정리한 관찰 기록이 있었다. ‘정답’으로서 사용할 수 있는 공사 현장의 6곳의 총 70개의 막장 관찰 기록을 골라 화상과 지질평가의 조합을 AI에게 심층학습법으로 학습시켰다. AI는 막장의 사진을 메시(Mesh) 상태로 분해해 1메시마다 평가 결과를 출력한다.

2017년에 개발에 착수해 2018년 여름까지 7항목에 대해 평균 80% 정도의 정답률을 낼 수 있게 되었다. 올해 가을부터 터널 공사현장에서의 실지 평가에 활용할 계획이다.

-- 베테랑의 조작을 재현 --
-- SNS로부터 트랜드를 분석 --
-- 복잡한 견적 작업을 목표로 --
-- 시장 상황의 급격한 변화를 파악한다 --

Part 4. 해결 과제는 인재와 데이터
10개사가 100명 증원

AI의 활용이 진행됨에 따라 과제도 보이기 시작했다. 인재가 부족하며 데이터의 수집과 가공도 충분하지 못하다. 판단 기준이 모호한 불안감을 안고 있다.

국내 대기업의 AI활용이 진행되면서 일부 기업은 매출 확대로 이어지는 결과를 이뤄내기 시작했다. 닛케이컴퓨터와 일본경제신문이 실시한 조사에서는 2020년도에는 AI활용이 실적을 올려줄 것으로 기대하는 기업이 많다는 것을 알 수 있었다. 한편, AI활용에 필요한 인재의 증강 및 데이터의 수집∙가공에 관해 문제점을 갖고 있는 현황도 밝혀졌다. 개선을 서두르지 않으면 AI로 인한 실적향상은 망상으로 끝나고 만다.

AI를 활용하는 94사에게 AI에 의한 영업이익의 상승효과에 관한 2018년도 예측을 질문한 결과, 플러스 금액을 응답한 기업은 단 3사 뿐이었다. 2년 뒤인 2020년에는 AI활용이 2017년도 대비 1억엔이상의 실적향상에 공헌한다고 응답한 기업은 12개사로 부쩍 늘었다.

‘공격’의 AI 활용에 대해서는 아직 시행단계이며, 향후 본격적인 활용을 통해 수 년 뒤의 성과를 노리고 있다. 그러나 기대대로 진행된다는 보장은 없다. 문제는 기업 자신이 인식하고 있는 것처럼 인재와 데이터에 있다. AI활용의 향후 과제로 ‘AI활용을 담당하는 인재의 증강’을 선택한 기업은 전체의 87.6%에 달했다. 내부 인재의 육성 및 외부 인재의 투입이 불가결한 상황에 있다.

‘AI 학습에 필요한 데이터의 수집∙가공’이 과제라고 응답한 기업은 전체의 76.1%였다. 같은 의미의 데이터를 같은 형식으로 수집하는 것과 같은 가공작업은 기술적으로 난이도가 높아, 조사 및 수정에 시간이 걸린다는 이유로 뒤로 미뤄지기 쉽다.

해결해야 할 과제는 인재와 데이터뿐만이 아니다. ‘어디에 AI를 사용할 지의 의사결정’에 과제가 있다고 생각하는 기업이 50.4%에 달했다. 그 밖에 ‘AI의 최신 기술 및 활용 사례의 정보 수집’이 38.9%, ‘사원 및 경영자의 AI에 대한 이해’가 37.2%, ‘AI의 활용에 관한 제도 정비’는 33.6%의 기업이 과제라고 응답했다. 많은 국내 기업은 AI활용에 대해 복수의 과제를 인식하고 있었다.

-- 비용대비 효과가 적다 --
-- 전면적인 전개는 기초 다지기부터 --

 -- 끝 --