기계/조선

계측과 제어_2022.12 (p859-860)

릴레이 기사: FACE the future
AI와 수리 최적화로 해결하는 2024년의 문제
OKI이노베이션추진센터 AI기술연구개발부 곤도 아이(近藤 愛) 씨

1. AI와의 만남
학생 때는 확률최적제어 문제를 연구했었다. 작은 연구실에서 교수님과 1대 1로 세미나 활동을 하는 등 좋은 환경에 있었지만 수학 세계에서 박사로 진학할 용기는 나지 않았다. 수학적인 소양을 활용할 수 있는 일을 찾아 데이터 분석, AI 계열 연구개발직을 지망했다.

전자회사를 선택한 이유는 제조에 흥미가 있었기 때문이 아니라 학생시절에 몰두했던 ‘실상이 보이지 않는 문제’에서 조금 벗어나고 싶었기 때문이었던 것 같다.

입사 후에 담당한 업무는 자동 교섭의 사회 구현이라는, 이제 막 시작된 새로운 연구 테마였다. 자동 교섭이란 AI 분야에서의 멀티 에이전트 시스템의 일종으로, 복수의 지적인 에이전트 사이에서 제안을 주고받으며 양자가 합의 가능한 결론을 도출하는 기술이다. 학문 분야에서는 이전부터 연구되어 왔지만 산업계에 구현된 전례는 없었다.

2. 물류업계와 AI
우리 연구팀이 처음에 타깃으로 선택한 것은 물류업계였다. 물류업계에서는 이전부터 장시간 노동이 일상화되어 있었고, 다중 하청 구조에 의한 부당한 저임금도 문제가 되고 있었다.

그러나 2019년에 시행된 업무방식 개혁 관련법에 의해, 23년에는 트럭 운전자의 시간외 노동의 할증 임금이 인상되고, 24년부터는 시간외 노동시간이 규제를 받기 때문에 기존과 같은 거래나 운행을 지속할 수 없게 된다. 이러한 문제를 ‘2024년 문제’라 부른다. 기업에게는 당시부터 노동생산성 향상이나 운행 관리 업무의 효율화 등 신속한 대응을 요구했었다.

우리 연구팀은 하주와 물류회사 간에 이루어지는 수송의 수발주 조건 조정을 자동 교섭으로 대체하는 것을 생각했다. 이는 단순한 수발주 작업의 자동화가 아니라 기업 간의 협조를 통해 업계의 리소스를 최대한으로 활용해 노동생산성을 향상시켜, 2024년 문제를 눈 앞에 두고 있는 물류업계의 지속가능성을 향상시킨다는 큰 비전을 담은 대응이었다.

하주, 물류회사, 운송회사 등 물류 비즈니스에는 많은 이해관계자가 얽혀 있다. 그 중에서 AI나 수리최적화 시점에서 일찍이 주목을 받았던 것이 출하계획이나 배송계획의 최적화 등 어느 한 회사의 이익을 최대화하는 문제다.

그러나 각각이 손이 닿는 범위에서 개별적으로 최적화를 계속하는 것만으로는, 가동할 수 있는 트럭의 부족 등으로 인해 하주의 수송 수요에 대응할 수 없게 되면서 업계 자체가 제대로 돌아가지 못하게 될 것이다.

그래서 우리 연구팀은 지금까지의 개별 최적화 어프로치에서 이해관계자 간의 공익을 최대화하는 어프로치로 변경하는 것을 생각했던 것이다. 마침 여러 업체의 맥주의 혼재 수송이 화제가 되었던 시기이기도 했고, 경쟁 타사와의 협업 사례가 없었던 것은 아니지만 업계의 오랜 관습을 생각하면 도전적인 발상이었다.

이 연구가 물류 업계에 널리 영향을 미칠지도 모른다고 생각하자 흥분이 되면서도 역부족이지 않을까 하는 불안한 마음도 있었다.

20년에 게임 이론에서의 협력 게임과 자동 교섭을 조합해, 복수의 하주나 물류회사의 합의를 얻으면서 CO₂의 총배출량이 최소가 되는 혼재 계획을 산출하는 모델을 고안했다. 이 연구는 2020년도 인공지능학회 전국대회 Organized Session ‘복잡화 사회에서의 의사결정/합의형성을 위한 AI 기술’에서 발표, 우수상을 수상했다.

이 세션에서는 AI에 의한 자동 퍼실리테이션(Facilitation)이나 합의 형성 과정을 구조화하는 연구 등을 발표했었다. 개인이나 기업 간의 절충이나 의사 결정을 지적인 시스템으로 수행하는 것에 대한 관심을 느꼈다.

여담이지만 AI연구의 기술 분야는 다양하다. 한 마디로 ‘AI=기계학습’이라고 말할 수는 없다. 위의 연구에서 이용한 게임 이론이나 매칭 이론은 원래 오퍼레이션 리서치 분야에서 생겨난 것이지만 최근에는 이들에 AI적인 어프로치로 대응하는 연구도 적지 않다.

최근에는 양자컴퓨터나 메타버스 등 새로운 트렌드가 잇달아 생겨나고, 사회 구현도 점점 진행되고 있다. AI 분야는 필자와 같은 젊은 연구자에게도 상당히 매력적이고 자극적이다.

3. 사회 구현의 어려움
이 무렵의 대응은 유사 데이터에 근거한 시뮬레이션 실험으로, 하주나 물류회사가 어떠한 조건에서 타결하는 것을 좋아하는지를 나타내는 효용 함수나 입력하는 수송 계획도 가설적으로 부여한 것이었다.

시뮬레이션에서 아무리 효과를 보여줘도 사업화를 위해서는 현장의 판단 로직에 근거한 효용 함수의 설계와 실질 데이터에 의한 효과 검증이 필요하다. 이는 민간기업의 연구로서는 피할 수 없는 길이다.

자사에서 물류 서비스를 전개하지 않아 업계에 대한 커넥션도 희박했던 우리 연구팀은 실증실험의 협력자를 처음부터 검색해야 했었다. 물류 관련 세미나에 참석해 기업에게 다가가고, 아주 작은 연줄의 힘을 빌리면서 몇 개의 물류회사에 연구 내용을 소개하며 협력을 타진했다.

다양한 업계에서 AI 활용을 노래했던 시기이기도 해서 몇몇 물류회사가 연구에 흥미를 보였다. 그러나 자동 교섭을 사회 구현한 사례가 세계적으로도 거의 없고, 실질 데이터를 이용한 검증도 이루어지지 않았다는 사실을 전달하면 관심을 보였던 회사들이 손사레를 쳤다. 연구 단계에서 사회 구현 단계로 넘어가는 어려움을 실감한 경험이었다.

되돌아보면 아마 많은 물류회사는 일상 업무 수행에 부심하고 있었고, 우리 연구팀이 제시한 기업 간의 협조나 업계의 공익성과 같은 이념은 공감을 하지만 우선순위에서는 밀렸던 것으로 보인다.

그러나 당시에는 하나라도 이 연구의 실증 사례를 만들고 싶다는 생각이 앞서, 물류회사가 현재 안고 있는 고민에 깊이 공감하지 못했었다. 그와 같은 자세로는 좀처럼 실증실험의 협력자를 찾지 못한 채로 연구계획을 재검토하게 되었다.

4. 니즈 관점의 어프로치로 전환
지금까지의 조사에서 물류업계에는 많은 미해결 과제가 쌓여 있고, 그것이 가까운 미래에 현재화되면 사업의 계속성을 위협할 것은 명백했다. 현재 업계가 안고 있는 고민을 해결하고, 우리 연구팀의 연구나 사업에 도움이 되는 과제는 없을까? 필자는 다시금 기술 관점에서 니즈 관점의 어프로치로 전환하며 과제 탐색을 시작했다.

Society 5.0에서는 AI에 의해 필요한 정보가 필요할 때 제공된다고 한다. 기업 간의 협조를 그린 우리 연구팀의 시나리오에서도 보다 많은 이해관계자 간에 데이터를 연계시키는 것이 중요한 포인트였다. 그러나 물류업계는 99%가 중소기업이라고 한다. IT화가 진행되지 않은 기업이 상당히 많다.

이와 같은 상황에서는 선진적인 대응에 참가할 수 있는 기업은 일부에 지나지 않으며, 2024년 문제에는 도저히 대응할 수 없을 것이다. 참가가 불가능한 기업은 어떠한 문제를 안고 있는지, 거기에 어떠한 기술적 공헌을 할 수 있는지를 생각하면서 연구활동을 계속해 나갈 생각이다.

-- 끝 --