[기고]기업과 머신러닝(Machine Learning)

기계가 학습하는 머신러닝(Machine Learning)은 수많은 학문이 융합된 기술로, 적용되는 분야가 확대되고 있다. 머신러닝 활용 범위가 늘어나면서 실생활에 미치는 영향도 점점 커지고 있다. 지난주 최고 뉴스가 된 인공지능(AI) 바둑 대국 알파고가 대표한다.

최근 기업이 사용하는 소프트웨어(SW)에도 많은 변화가 생겼다. 20여년 전 전사자원관리프로그램(ERP)으로 시작해 클라우드, 쇼핑몰, 모바일 등 많은 환경 변화를 겪은 기업 SW가 이제는 다음 세대로 넘어가고 있다. 머신러닝이 기업 SW의 변화를 주도하고 있다. 선도 기업은 이미 실시간으로 데이터를 처리하고 수집해 예측 모델을 생성한 다음 원하는 예측을 자동으로 생성, 업무 프로세스에 융합시키고 있다.

기업은 머신러닝으로 비즈니스에 어떤 일이 발생될지, 어떤 영향을 줄지 패턴을 찾아 예측하고 대응한다. 마치 검색 도구처럼 보편화돼 사용하기 쉬워질 뿐만 아니라 강력해지고 있기 때문이다. 구글을 비롯한 여러 기업이 원하는 정보를 손쉽게 찾을 수 있는 검색 도구를 활용한 것처럼 유가치한 통찰력을 기업이 손쉽게 얻을 수 있게 해 줌으로써 데이터 활용의 강력한 힘을 제공한다.

초기 단계이지만 머신러닝은 기업 업무에 적용되고 있다. 기업이 수십년 동안 관계형 데이터베이스(DB)에 입력해 정형화한 정보는 물론 사회관계망서비스(SNS)나 각종 하드웨어(HW)로부터 비정형 데이터도 활용된다. 과거에는 아무런 쓸모없이 버려지던 정형화되지 않은 데이터도 유용하게 활용된다. 정형이든 비정형이든 기업 내·외부의 모든 데이터를 총합하고 조직할 뿐만 아니라 예측을 위해 정보를 정제, 기업 활동에 필요한 통찰을 생성해 기업의 의사 결정에 도움을 준다.

머신러닝은 전통의 기업 SW가 지닌 한계를 해결한다. 우선 기존의 DB에 있는 정형화된 데이터는 사람이 입력하는 수준만큼 가치를 지닌다. 관계형 DB에 내장된 정보에 의존하는 기존의 정보 분석 시스템은 장기 변화의 관점을 잘 보여 주지 못해 어떤 패턴이나 추세 또는 통찰력 파악 등 장기 관점에서 한계가 있다.

현업 쪽 사람이 정보분석팀으로부터 받는 정보는 너무 늦어서 시기를 잃거나 활용 가치가 현저히 저하된 경우가 많다. 기존의 시스템은 사람들이 만들고 정제한, 많은 정적 규칙에 의존하고 있어 기업이 성장한 이후에 오히려 기업 활동을 저해하는 경우도 있다.

머신러닝이 주목받는 이유는 기존의 기업 SW만으로 해결할 수 없는 문제를 해결할 수 있기 때문이다. 기존의 기업 DB에서 추출할 수 있는 것과는 차원이 다르다. 전통의 SW는 실시간으로 규칙을 만들고 업데이트하는 것을 할 수 없지만 대량 데이터를 짧은 시간에 분석해 규칙을 만들고 이를 즉각 실행할 수 있다.

기업이 머신러닝을 응용할 수 있는 분야에는 제한이 없다. 영업 분야에서 판매 기회와 위기를 자동으로 탐지하고, 좀 더 정확한 판매 예측을 하기 위해 사용한다. 판매관리자는 조치가 필요한 고객이나 거래에 대해 예방 조치를 취할 수 있는 정보를 얻을 수 있다.

기존 영업 관련 SW는 정적의 정형 예측 자료를 제공하지만 머신러닝 SW는 미래에 대한 통찰력을 제공, 기업에 거대한 가치를 몰아준다. 인력관리 분야에서는 어떤 인력이 필요한지, 인력 채용 시 어떤 기준을 적용할지, 팀 간 협업 효율화는 어떻게 해야 할지 등의 해결책으로 사용된다.

실제 인력 채용에도 사용된다. 재무회계 분야에서도 재무제표 내용을 중심으로 기존의 재무분석 한계를 극복하기 위해 머신러닝을 적용한 다이내믹한 일별 또는 월별 실시간 예측 분석이 시도되고 있다. 기존의 재무 SW는 과거의 모든 재무회계 기록을 정량 분석하지만 더 많은 이익을 얻고, 더 빠르게 성장하고, 효율성을 더 높일 수 있는 기회에 대한 재무회계 관점을 동적으로 제공한다.

경쟁이 치열해지는 시장 상황에서 기업 SW에 새로운 변화를 줘 기업 활동을 한 차원 높일 수 있는 시점이다. 수년 내 머신러닝 SW는 기업 SW의 필수 구성요소가 돼 기업의 생존에 영향을 미칠 것으로 보인다.

김승기 기브텍 대표 skkim@givtech.co.kr