산업기술/제조/경영

Nikkei Business_2018. 12.24 스페셜 리포트 요약 (p48~52)

데이터 사이언스 최전선 (하)
새로운 비즈니스를 창출하는 AI 인재, 바쁠수록 돌아가도록 키운다

모든 사물이 인터넷으로 연결되어 그로부터 얻게 되는 ‘데이터’가 새로운 비즈니스를 창출하는 시대. 인재 확보의 경쟁은 세계 규모로 과열, ‘연봉 1억엔’을 제시하는 기업까지 등장했다. 그러나 당황스러워할 필요는 없다. 자사에서 차분히 인재를 키울 방법은 있다.

“기상예측을 위한 인프라가 충분하지 않은 국가에서도 이상 기후를 예측할 수 있게 함으로써 집중 호우 등의 피해를 조금이라도 줄이고 싶다”. 지바(千葉) 시 해안의 고층 빌딩에 본사를 두고 있는 기상 서비스, 웨더뉴스(Weathernews). 집행 위원을 맡고 있는 이시바시(石橋) 씨는 2019년 안에 개시할 예정으로 개발 중인 새로운 시스템에 대해 이와 같이 설명했다. 동남아시아 등 일본처럼 수해 등의 자연재해가 많이 발생하는 지역에 일본과 동일한 레벨의 정밀도가 높은 기상정보를 제공하고 싶다고 한다.

기상예측에는 다양한 데이터를 필요로 한다. 일본에서는 전국 20개소에 기상 레이더가 있으며 ‘아메다스’라고 불리는 기상관측시스템도 있다. 해당 시스템에서는 전국 1,300개소에 배치된 관측 장치가 강수량 및 풍속, 기온, 일조시간 등을 측정해 자동으로 데이터를 시스템에 전송한다. 이와 더불어 기상위성도 이용한다.

그러나 이만한 인프라를 갖추기 위해서는 막대한 비용이 든다. 자금력이 부족한 개발도상국에서 이와 같이 정비하는 것은 거의 불가능에 가깝다. 웨더뉴스가 목표로 하는 것은 국제적으로도 이용할 수 있는 기상위성으로부터의 데이터이며, 고정밀도의 기상예측을 가능하게 해주는 시스템이다. 그 데이터 분석에 이용되는 것이 ‘데이터 사이언스’이다.

지난 번의 ‘데이터 사이언스 최전선 (상)의 기사에서는 기업이 자사의 업무 개선에 활용하는 사례를 살펴보았다. 이와 같은 기존 업무의 효율화와 더불어 데이터 사이언스를 새로운 비즈니스를 창출하기 위해 이용하는 기업도 늘고 있다. 이번 연재에서는 이런 기업의 사례를 참고함으로써 그 핵심이 되는 인재를 어떻게 확보해 나갈지를 알아보도록 하겠다.

위성으로부터 전송되는 데이터를 사용해 기상예측을 하고자 하는 웨더뉴스. 당사는 원래부터 기상 데이터가 본업이었기 때문에 사내에 수십 명 규모의 데이터 사이언스를 보유하고 있다. 그러나 새로운 시스템을 개발하는데 있어서 어쩔 수 없이 사내만으로는 확보할 수 없는 인재가 있었다. AI(인공지능)를 다루는 엔지니어가 그 주인공이다.

-- ‘AI 인재에게 1억엔?’ --
AI 인재는 세계적으로 크게 부족하다. 중국 인터넷 대기업인 텐센트(騰訊) 산하의 연구기관이 2017년 12월에 정리한 ‘AI 인재 백서’에 따르면 세계의 기업에서 필요로 하는 AI 인재는 100만명 규모. 이에 반해, 실제로 활동하고 있는 것은 30만명에 불과하다고 한다. 인재 획득에 드는 비용은 급상승하고 있으며 2018년 4월에 인터넷 통신판매의 ‘조조타운(ZOZO Town)’을 운영하는 조조가 “우수한 AI 인재에게는 최고 1억엔의 연봉을 지불한다”라고 발표해 화제가 되었다.

웨더뉴스도 조조와 같이 높은 대우를 통해 AI인재를 맞이하기 위한 일환으로 AI 개발에 뛰어난 스타트업 기업인 dAIgnosis(디에이아이그노시스, 도쿄)와 손을 잡았다. DAIgnosis는 화상처리용 반도체 제조사인 엔비디아의 지원을 받으며, AI 중에서도 가장 난이도가 높다고 알려져 있는 ‘딥 러닝’의 영역이 특기인 기업이다.

2018년 4월에 공동 개발 프로젝트를 설립한 웨더뉴스와 dAIgnosis. 우선 과거의 실제 관측 데이터를 파악해 그것에 내포되어 있는 관련성을 dAIgnosis가 개발한 AI에게 학습시켰다. 그렇게 성장한 AI에게 위성 데이터를 부여해 AI가 자체적으로 산출해 낸 법칙으로 구름의 움직임을 예측하게 한다. 그 정밀도가 어느 정도인지는 dAIgnosis로는 판단할 수 없으므로 웨더뉴스의 스페셜리스트가 판별했다. 개발 착수로부터 9개월이 지났으나, 높은 레벨의 예측이 가능해지고 있다고 한다.

전문적인 스킬을 가진 인재를 확보하기 위해 외부 기업과 연대하는 움직임 확대되고 있다. ‘백 년에 한 번 있는 대 변혁기’(도요타자동차의 도요타 사장)의 도래로, 자율주행 및 전동화와 같은 신기술 개발이 급선무인 자동차 업계. 자동차 각 사는 신기술에 불가결한 인재 획득에 분주해 하며 전세계의 인재 획득 쟁탈전에도 박차를 가하고 있다.

도요타자동차는 최근 몇 년간, 자율주행 개발에 특화된 자체 연구소 ‘도요타 리서치 인스티튜트 어드밴스트 디벨롭먼트(TRI-AD, 도쿄)’를 설립했을 뿐 아니라, 딥러닝의 프리퍼드 네트웍스(도쿄)에 100억엔이 넘는 거대 출자를 하는 등, 기술과 인재 확보에 박차를 가해왔다. 그런 가운데, 2018년 5월에 발표한 것이 도쿄증권 마더스 상장기업으로서 데이터 분석에 뛰어난 알베르트(ALBERT)와의 협업이다.

목적은 자율주행 기술의 조기 개발에 있다. 개발 공정은 크게 3가지로 나눠진다. 우선, 차량에 탑재한 카메라 등으로부터 얻을 수 있는 대량의 데이터로부터 손상되어 사용이 불가능한 데이터를 삭제, 필요한 것만을 정리해 준비한다. 그 다음에는 수집된 데이터를 자율주행용 알고리즘에 투입해 차량에 어떤 움직임을 지시해야 좋을지를 학습시킨다. 마지막으로, 완성된 알고리즘을 차량 시스템에 탑재해 차량을 가동시킨다.

-- 외부와 내부를 가려서 사용 --
그렇다고 해서 경쟁력에 관한 개발까지 회사 밖의 책임으로 돌릴 수는 없다. 구체적으로는 두 번째의 알고리즘 개발과 세 번째의 차량 제어는 평소부터 협력 관계를 쌓아 온 부품 제조사나 출자액이 많은 스타트업 기업 등과 협업 체제를 맺었다. 한편, 그렇지 않은 데이터 분석 공정에서는 자동차뿐만 아니라, 모든 업계에서 데이터 분석의 실적을 가진 기업과 손을 잡는다. 그 편이 업계의 상식에 얽매이지 않는 참신한 발상이 나오기 쉽기 때문이다.

제휴 상대로 알베르트를 선택한 이유에 대해서 제휴 발표 당시에 도요타자동차의 자율주행∙선진안전총괄부의 히라노(平野) 씨(현 TRI-AD 디렉터)는 “AI 활용을 위해서는 데이터 분석의 노하우가 반드시 필요하지만, 아쉽게도 사내에서는 리소스가 부족했다. 알베르트는 국내 탑 클래스의 인재를 보유하고 있다는 판단 아래 선택했다”라고 설명한다. 알베르트는 종업원의 약 180명 중 100명이상이 데이터 사이언티스트이며 고객도 자동차 제조사뿐만 아니라, 그 외의 제조업 및 서비스업 등 다양하다.

도요타는 구체적인 인원수는 밝히지 않았으나, 알베르트로부터 많은 데이터 사이언티스트를 파견 받는 한편, 사내용 데이터 분석에 관한 연수도 제공받고 있다. 앞으로 AI 도입은 자율주행뿐만 아니라, 다방면에서 필요하게 될 것이 분명하다. 거기에 필요하게 될 데이터 분석의 인재를 확대해 나가는 것은 대변혁기를 극복하기 위해서 반드시 필요하다.

특히 도요타처럼 데이터 사이언스를 활용하는 목적이 명확한 경우에는 필요한 인재나 기술을 판별하기 쉽지만, 일반적으로는 항상 그렇다고 할 수 없다. 아마도 데이터 사이언스를 활용하기 위한 인재나 조직이 없는 경우도 있을 것이다. 그럴 경우에 참고가 되는 것이 소프트뱅크의 사례이다. 당사는 2015년에 수 명이었던 데이터 사이언스의 전문 조직 ‘AI/플랫폼 총괄부’를 100명규모까지 확대시켰다.

조직을 설치한 계기는 2015년 2월에 미국 IBM이 개발한 AI ’왓슨’을 이용해 새로운 비즈니스를 시작했기 때문이다. 제휴처였던 일본 IBM과 협업하는데 있어서 사내에 전문 조직이 필요해졌기 때문에 AI/플랫폼 총괄부를 만들었다. 이 조직을 만든 것이 마쓰다(松田) 씨이다. 그의 전직은 외자계 IT 밴더로서, 데이터를 활용한 과제 해결의 컨설팅을 담당했던 인물이다.

-- 많은 기회를 주고 싶은 실천의 장 --
마쓰다 씨가 조직에서 가장 먼저 시작한 것은 인재를 모으는 일이다. 사내 사업부문으로부터 데이터 취급과 과제 해결 능력이 뛰어난 인재를 조금씩 끌어들여 업무의 효율화 및 새로운 비즈니스 창출과 같은 활동에 대처할 수 있는 체제를 갖춰나갔다.

그러자 사내의 다양한 부문으로부터 ‘업무 의뢰’를 받게 되었다. 예를 들어, 휴대전화 서비스에 관한 고객으로부터의 질의에 응답하는 연락 센터의 업무 효율화. 많은 문의에 대응하기 위해 과거의 질문 내용을 분석해 적절한 회답 사례를 정리해 오퍼레이터 PC 화면에 바로 표시되는 시스템을 개발했다.

그러나, 그런 활동만으로는 한계가 있다. 우수한 데이터 사이언티스트의 육성, 만약에 AI까지 다룰 수 있는 인재일 경우에는, “수 많은 실천 케이스를 제시해, 반복해서 작업하지 않으면 기술이 몸에 베지 않는다”(마쓰다 씨). 이에 따라, 사내 업무뿐만 아니라 회사 외부로부터의 업무도 맡아서 하게 되었다. 이렇게 되면 사내의 업무 효율화를 위한 ‘코스트(Cost) 센터’가 아닌, 회사 외부에 서비스를 제공해 매상을 올리는 ‘프로핏(Profit) 센터’로 인식. 더욱 큰 조직으로 육성시킨다는 목적도 있었다.

그런 활동 속에서 탄생한 것이 2018년 6월부터 6개월간 아이치(愛知) 현 이누야마(犬山) 시의 관광명소인 ‘이누야마 성(城)’에서 운용하는 혼잡 예측 시스템이다. 성문 상부에 사람의 움직임을 파악하기 위한 카메라를 설치. 화상인식 기술을 사용해 방문자 수를 확인하면서 천수각(天守閣)에 입장하는데 걸리는 대기 시간을 AI로 예측한다. 이누야마 성 주변에 설치된 디지털 사이니지나 온라인의 관광 사이트에 표시함으로써 혼잡의 완화와 방문자의 만족도 향상에 중요한 역할을 하고 있다.

소프트뱅크 사례가 보여주는 것은 사내 인재 육성의 중요성이다. 도요타가 알베르트와 손을 잡은 것도 이미 기술을 보유하고 있는 외부 인재를 활용하면서 동시에 연수를 통해 사내 인재의 기술 레벨을 높임으로써 빠르고 저렴한 비용으로 필요한 인재를 확보하기 위해서이다.

파나소닉도 인재 육성에 박차를 가하고 있다. 당사의 미야베(宮部) CTO(최고기술책임자)는 2015년에 ‘기술 10년 비전’을 선언. 개발에 주력하는 영역을 ‘IoT/로보틱스’와 ‘에너지’로 정하고 다음 목표를 내걸었다.

“5년 안에 1,000명의 AI인재를 육성시킨다”. 굳이 AI인재라고 한 것은 파나소닉이 취급하는 가전 및 산업용 기기 등의 영역도 디지털 제품에서 인터넷으로 연결된 IoT제품으로 전환하는 대변혁기를 맞이하고 있기 때문이다. 단순히 데이터를 디지털 처리하는 제품을 일방적으로 판매하는 비즈니스에서, 그 데이터를 통해 전혀 다른 가치로 바꿔 고객에게 새로운 서비스를 제공하는 비즈니스로 전환. 이 ‘점프 업’에는 사원에게 데이터 사이언스의 소양과 중요한 AI의 노하우를 갖추게 하는 것이 필수이다.

-- 교육 커리큘럼을 ‘자체 제작’ --
사원들을 외부의 교육 기관에 다니게 하는 것도 한가지 방법이지만, 파나소닉은 자체적으로 ‘교육 커리큘럼’을 제작, 보다 자사의 사업 내용에 이바지 할 수 있는 데이터를 취급하는 AI인재를 스피디하게 육성시키는 것을 목표로 했다. 그 사령탑이 2017년 4월에 설치된 비즈니스 이노베이션 본부의 ‘AI 솔루션 센터’. 해당 센터가 데이터에 강한 인재 육성을 기획 및 운영한다.

오사카(大阪)대학의 협력을 얻어 사내에 갖춘 것이 기계학습 및 딥 러닝과 같은 AI 기본을 학습할 수 있는 독자적인 커리큘럼이다. 6개월간 10회의 강의를 제공, 각 사업부문은 이 연수에 AI 인재로 성장시키려는 사원을 보내면 된다. 2016년부터 시작해 이미 300명이상이 연수를 받고 있다.

물론, 이것은 기초적인 스킬에 지나지 않는다. 이것만으로는 실제 비즈니스에 도움이 될 수 없다. 자동차라는 단일 제품을 취급하는 자동차 제조업체와는 달리, 파나소닉은 가전과 같은 소비자용 제품에서, 산업기기 및 차재 배터리와 같은 기업용 제품까지 취급하고 있다. 따라서 활용 데이터의 종류와 AI 활용 방법도 달라진다.

이런 각 부문이 요구하는 기술에 대응해 AI 솔루션센터는 보다 실질적인 커리큘럼도 제작한다. 예를 들어 가전의 개발은 실제로 가전에 관련된 디지털 데이터를 활용해 연습한다. 그러면 “구체적인 개발 안건과 관련 지을 수 있어 학습하기 쉬워진다” 라고 해당 센터에서 전략 입안(立案)을 담당하는 전략기획부 이노우에(井上) 부장은 말한다. 인재 육성에 주력한 결과, 공항 등에서 이용되는 얼굴인증 시스템 등 새로운 비즈니스로 연결되는 사례도 등장했다.

한편, 직장에 따라서는 “데이터를 어떻게 활용할지 모를 뿐만 아니라, 애당초 데이터가 사내에 있는지 조차 모르겠다”아 같은 초보 단계에 있는 경우도 있다. 그런 직장을 위한 전문 창구를 개설, 테마 설정부터 세세한 지원까지 도와준다.

AI 스타트업과의 협업이나 고액의 급여로 외부로부터 전문 기술을 가진 인재를 채용하는 것만이 데이터 시대의 살아남는 방법은 아니다. 우수한 인재일수록 이직할 우려가 높아진다. 따라서 필요한 것은 자사의 인재 경쟁력을 높이는 것. 바쁠수록 돌아가야 한다. 어떤 기업일지라도 사내에서 인재를 육성시키면서 사내에 잠들어 있는 데이터를 활용할 수 있는 방법을 연구한다면 반드시 찾을 수 있을 것이다.

 -- 끝 --