[칼럼] 박정수의 일자리와 4차 산업혁명 이야기

4차 산업혁명과 미래성장동력 : 데이터 추론(Data Inference)은 기업의 미래이익 창출을 위한 핵심역량


데이터가 홍수처럼 많은 시대에 우리는 살고있다. 그러나 그 많은 데이터를 활용하지 못하고 거대한 시스템 아키텍처(System Architecture)속에서 시스템을 위한 시스템 중심적인 일상 업무에 빠져왔다. 마치 빅데이터를 잘 분석해 기업을 경영하고 공공 서비스를 일정 수준이상으로 수행하는 것으로 판단해왔고, 그러한 결과 지금 우리는 세계시장에서 이미 경쟁력을 잃어버린 상태라는 사실을 인지하는 시점에 놓여있는 것이다.
애플이 전세계 스마트폰 시장에서 벌어들이는 이익의 80%를 차지하고 있다는 사실은 빅데이터 분석과 그것을 활용한 데이터 추론(Data Inference)영역을 장기적인 계획으로 일찍이 육성 발전시켜왔기 때문이다. 더 나아가 최근에는 데이터를 훈련시켜 지능형 휴드폰 시장을 새롭게 준비하고 있으며 그것 역시 고객의 사용자 경험에 근간을 두고 있다는 사실에 주목해야 한다.
2007년 1월 9일, 애플의 스티브 잡스(Steve Jobs)가 발표한 아이폰의 등장은 전 세계에 센세이션(Sensation)을 불러일으켰다. 음악을 듣기 위한 MP3, 사진을 찍기 위한 디지털카메라, 일정관리와 사전 등으로 사용하는 PDA 등의 기능을 아이폰 하나에 모두 담았을 뿐만 아니라, 키보드와 숫자 패드 없이 단지 터치만으로 이 모든 것들을 사용할 수 있는 하나의 플랫폼(Platform)을 구축했다. 또한, 애플이 추구한 소프트웨어(S/W) 무료 제공은 사용자들에게 아이폰이라는 하드웨어(H/W)의 매력을 더욱 향상시켰다. 이렇게 이미 선점된 시장을 리드하게 되고 여러 산업을 하나의 플랫폼으로 통합시킨 애플의 전략은 바로 디자인 사고(Design Thinking)에 있다.

디자인 사고(Design Thinking)의 기본은 사용자의 경험(UX, User Experience)이다. 사용자 경험을 토대로 사용자가 무엇을 원하는지, 무엇이 필요한지, 선호하는 것이 무엇인지 등을 이해하고 실현 가능한 기술을 적용해 새로운 비즈니스 모델을 구축한다. 즉, 애플은 4차 산업혁명의 핵심인 사용자 경험(User Experience Design)을 통한 디자인 사고(Design thinking)로서의 혁신과 변화를 이미 시작했던 것이다.
4차 산업혁명의 핵심 기술은 인간중심의 기술이다. 개개인의 경험, 편의, 욕구 등의 데이터를 만들고, 곧 그 데이터가 새로운 제품과 서비스를 창조해내기 때문이다. 이처럼 4차 산업혁명 시대는 사용자 경험을 중요시 하고, 디자인 사고(Design Thinking)를 통한 인간의 감정, 경험, 그리고 기술에 대한 통합적인 접근은 필수적인 비즈니스 전략(Business Strategy)이라는 것을 알 수 있다.
인공지능(AI)을 구현하기 위해서는 데이터 학습(Data Training)으로 활용할 데이터를 최적화 시키고, 학습된 데이터를 토대로 한 데이터 추론(Data Inference)을 통해 제품과 서비스에서 활용할 수 있는 새로운 데이터를 만들어 낸다. 즉, 인공지능(AI) 기반의 제품과 서비스는 학습을 통한 사용자 경험 분석으로 사용자의 새로운 패턴을 추론하고 예측하면서 이루어진다는 것이다.

위에서 볼 수 있듯이, 딥러닝(Deep Learning)의 등장은 데이터 학습(Data Training)과 마찬가지로 데이터 추론(Data Inference)에 있어서 획기적인 발전을 이끌어냈다. 딥러닝의 핵심 기반인 심층신경망(Deep Neural Network)을 통해 학습된 최적화된 학습 모델을 기반으로 CCTV, 인공지능 스피커 등 각종 센싱기술(Sensing Technology)로 부터 수집된 새로운 데이터를 높은 정확성과 낮은 오류율로 분류할 수 있다.

또한, 데이터 학습(Data Training)은 전 방향전파(Forward Propagation)와 오류 발생 시 후 방향전파(Backward Propagation)의 반복학습으로 진행되지만, 데이터 추론(Data Inference)은 전 방향전파(Forward Propagation)로만 진행된다. 데이터 반복 학습을 통해 오류를 바로잡았기 때문이다. 또한, 활성화되지 않은 부분을 찾은 후 제외시키고 방대한 데이터에서 목적에 대한 최적화된 데이터를 토대로 진행되기 때문에 보다 적은 양의 데이터로 진행이 가능해진다.
이러한 데이터 추론(Data Inference)의 기능을 활용한 제품과 서비스는 지속해서 출시되고 있다. 인공지능 스피커, 애플의 시리(Siri), 삼성의 빅스비(Bixby), 구글(Google)의 번역 및 음성인식, 페이스북(Facebook)의 이미지 인식, 아마존(Amazon), 스포티파이(Spotify), 넷플릭스(Netflix)의 추천 시스템 등은 이미 일상생활속에서 사용자의 경험을 혁신(Experience Innovation)하고 있다.
막연한 데이터 학습(Data Training)과 데이터 추론(Data Inference)은 아무 의미가 없다. 사용자 경험(UX)을 토대로 사용자의 욕구(Wants)와 필요(Needs)를 파악하고 목적에 맞는 데이터 학습(Data Training)을 해야 한다. 더 나아가 사용자 경험(UX)을 혁신시키기 위한 제품과 서비스를 디자인 사고(Design Thinking)로 접근한 데이터 추론(Data Inference)으로 새로운 사용자 경험을 디자인하는 제품과 서비스를 만들어 나가야한다.
제품과 서비스뿐만 아니라 그것을 창출하는 생산, 물류, 그리고 판매 영역에서도 사용자 경험의 데이터 추론은 지속적인 경쟁우위를 지켜나가기 위해서 더욱 더 절실해지고 있다. 과거에 추진한 원가, 차별화, 기술우위와 같은 기능적인 측면의 목표지향적인 접근 방법으로는 부분최적화에 머무르고 말 것이다. 왜냐하면 사용자가 모든 것을 판단해주는 시대가 바로 4차 산업시대이기 때문이다.