인공지능은 인간의 보조자인가. 잡 킬러인가?

인공지능은 복잡한 상관관계와 패턴을 인식하고, 지식과 연결하여 더 좋은, 더 빠른 그리고 더 정밀한 결정을 내리기 위한 예측을 제공하는 것이다. 과연 그 알고리즘이 우리가 하는 것보다 우리의 일을 더 잘 수행할 수 있을까?

린다 베커(Linda Becker): LAB & Company 매니징 파트너

오늘날 알렉사나 시리와 같은 ‚소프트웨어 봇‘이 온라인 주문을 도와주고 있지만, 극단적으로 표현해서 미래에는 우리의 일자리를 뺏어갈 지도 모른다. 영화에서도 많이 봤지만 „인간 대 기계“ 이런 시나리오는 미래 연구자들뿐만 아니라 기술 전문가들도 관심을 보이는 시나리오이다. 하지만 미래의 일자리에는 다행스럽게도 색다른 규칙이 적용된다. 특히 제조산업의 경우가 더욱 그러하다.

인공지능은 역동적인 지난 몇 년 간의 자동화를 더욱 가속화할 것이다. 그리고 인지 어플리케이션과 산업 소프트웨어 플랫폼이 물질 이동이나 생산 계획과 관련하여 예측정비를 이용한 귀중한 인식을 제공할 것이다. 하지만 이러한 „자동화의 아이러니“는 자동화로 인한 대가를 요구하고 있다. 생산 프로세스를 자동화하면 할수록, 물질 흐름에서 오류와 중단을 식별하고 제거하기가 복잡해진다. 이런 작업은 복잡한 응용사례에서 분별력을 잃지 않는 자격을 갖춘 전문인력(CDO)이 맡아야 한다. 여기에 더해서 인공지능의 역할은 작업현장을 넘어 더욱 심사숙고해야 한다.

마스터 마인드로서 CDO

노동시장은 인공지능에 대해 준비가 되어 있는가?
위 도표는 LAB & Company의 인공지능 관련 트렌드 연구결과 중 하나이다.

이상적인 경우 CDO(Chief Digital Officer, 최고 디지털 책임자)가 이 역할을 맡게 된다. CDO는 „디지털 마스터 플랜“을 이용하여 기술부문과 작업형태를 총지휘한다. CDO는 인공지능에 의해 어떤 작업이 대체할지, 이런 문제보다 여러 유형의 작업을 인공지능으로 새롭게 정의할 수 있다. 예를 들면, „딥 러닝 기술“이 노동세계를 개선할 잠재력이 매우 큰 것으로 간주되지만, 이 영역에서 모든 활동에 „정답으로 정해진“ 이상적인 것은 없다. 이는 해결해야 할 과제에 따라 이미지 감지, 신호 감지, 데이터 마이닝이나 ERP 시스템에 통합에 따라 작업 분야는 완전히 다르기 때문이고, 그에 따른 각각의 다른 전문인력이 필요하고, 이러한 인력은 다른 규칙으로 구인하고 조직하여 동기화해야 한다.

많은 경영진들은 앞으로 인공지능을 통해 어떤 결정을 내려야 할지 도움을 받을 수 있을 것이다. LAB & Company이 실시한 연구 „전략적 경영에서 인공지능(박스내용 참조)“에서 문제를 제기하였고, 이를 토대로 소프트웨어 솔루션을 통해 합리적인 관점에서 답을 산출하였다. 하지만 인공지능이 인간의 직관이나 창의력, 공감 능력과 같은 간접적 결과를 예측하는 인지적인 능력에서 동료로 인정받지 못하고 있다. 이런 부문이 불가능한 것은 아니지만 인간을 대체할 수는 없다.

인공지능, 로봇 공학, 블록 체인과 같은 기술이 미래의 노동시장을 바꿀 수 있다. 오늘날의 직업상이나 능력, 조직 형태는 2020년이 되면 시대에 많이 뒤지게 될 것이다. MM은 앞으로도 로봇 공학, IoT, 블록 체인, 사이버 보안, 빅 데이터, 스마트 SCM와 같은 주제를 다룰 예정이다.

 MM INFO

강력한 지도력이 중요하다

니콜 가이주나스(Nicole Gaiziunas)

„새로운 기계학습 연구는 다시 안 했으면 좋겠어요. 우리 플랜트 매니저도 뭘 더 배워야 하는지 모르겠다고 하네요.“ 최근에 한 고객이 인공지능 전문가의 조언에 대해 입을 실룩거리며 한숨을 내쉬면서 대답했다. 충분히 수긍이 가는 이야기이다. 기계 제조업체의 경영진은 많은 양의 정보와 테마 그리고 디지털화와 관련하여 다음과 같은 질문에 마주칠 수 있다. 어디서부터 시작해야 할까? 이미 내린 결정으로 인해 비용이 발생하면 어떻게 할까?

딥 러닝, 기계 학습, 신경망 같은 새로운 트렌드가 있다. 버즈워드(명확한 합의와 정의가 없는 용어)를 그냥 지나쳐 버리고 싶고 포기하고 싶은 유혹을 느낄 수 있다. 이것이 전형적인 접근법이지만 이는 근본적으로 잘못된 접근법이다. 노동세계의 자동화를 운명으로 여기고 자신을 내 던지면 안 된다. 노동의 자동화는 이미 진행되고 있는 프로젝트이다. 제조산업에 인공지능을 활용하는 경우라면 더욱 그러하다. 인공지능이 많은 문제에 대해 해결책을 제공하고 있다. 이러한 해결책들이 모여서 효율성에서 막대한 개선을 이끌고 있다. 액세스 컨트롤, 타임 시트 기입, 병결 증명서 수령, 대체 인력 조회 등은 어떠한가? 이런 일을 이론상으로 쉽게 인공지능로 대체할 수 있다. 몇 가지 인공지능 요소를 가진 소프트웨어 기술들이 조사, 기록, 선택의 과정에서 전체 조직에 잠재력을 높일 수 있다. 이러한 것을 구현하는 것은 경영진의 혁신적인 의지와 팀원들의 마음가짐에 달려 있다.

소외 장치로서 인공지능

주의해야 할 사항들이 있다. 기술적 문제 앞에서 노동조직을 잊어서는 안 된다. 인공지능은 기업 내 공존의 규칙을 완전히 뒤집을 수 있다. 어떤 활동과 어떤 능력이 기계적으로 대체될 수 있는 문제에서 회사 구성원을 갈라 놓고, 권력 구조를 바꾸고, 기존에 확립된 협력 메커니즘을 대체하고 있다. 인공지능은 지식과 문제해결 역량의 „독창성“ 컨셉트를 파괴할 수도 있다. 따라서 확신에 차서 다음과 같은 기계학습 연구를 무시할 수 있다.

인공지능과 관련하여 다음 세 가지 팁을 숙고해야 한다.

■ 강력한 리더십이 두려움, 불안정 그리고 „조직 마비“에 대항한다. 인공지능은 운명이 아니라 협력하는 노동세계의 형성을 위한 수단이다.

■ 작은 테스트 프로젝트가 큰 목표보다 유리하다. 작은 테스트 프로젝트는 인간의 지능과 인공지능의 상호작용이 구조적, 문화적 그리고 지식 차원에서 장기적으로 잘 해내기 위한 신뢰와 경험 값을 만든다.

■ 인공지능은 새로운 성능지표를 요구한다. 협업 능력, 정보 교환, 실험, 학습, 결정의 효율성, 작업 범위와 조직의 한계를 넘어 새로운 인식을 획득할 수 있는 능력을 제공한다.