뉴스 검색결과 229건
- '알고리즘 소비자' 시대가 주는 의미[130]
- 박정수 성균관대 스마트팩토리 융합학과 겸임교수[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 인공지능(AI) 시대다. 인공지능 알고리즘(AI algorithm)이 우리 삶 곳곳에 원하든 원하지 않든 파고들고 있기 때문이다. 인터넷에서 원하는 것을 검색할 때에도, 원하는 사진을 찾을 때에도, 내비게이션을 통해 최적의 길을 찾을 때에도 문제를 해결하기 위해 정해진 일련의 절차나 방법에 의해 우리는 알게 모르게 짜여진 순서와 절차를 담아낸 알고리즘을 매일 활용하고 이를 통해 수많은 의사결정을 하고 있다. 이와 같은 지능화 사회는 산업계와 기업들을 어리둥절하게 만들고 있으며, 시장과 고객의 변화 현상에 대응하고 적응하기 위해 과거와 전혀 다른 전략을 준비해야 한다. 그 까닭은 개인화된 맞춤 니즈(needs)를 원하는 소비자는 룰(Rule) 기반의 간단한 알고리즘부터 복잡한 수식으로 최적화된 정보를 찾아주는 검색엔진 알고리즘까지 다양한 형태의 알고리즘을 통해 더 많은 정보를 손쉽게 찾을 수 있기 때문이다. 소비자들이 디지털 경험(DX)을 통해 새로운 수요를 만들고 있을 뿐만 아니라 과거에 경험하지 못한 색다른 실감형 체험으로 승화되고 있다. 즉 소비자가 공급자보다 똑똑해지고 있다. 따라서 똑똑한 소비자 만족(CS)을 통해 매출을 늘리고 지속 가능한 고객 서비스를 유지하기 위해서는 소비자 경험 디자인(CX-Design)과 디지털 경험 디자인(DX-Design)을 융합하여 모든 산업에서 지능화를 구현하여야 한다. 이를 위해 인공지능 기술을 기존 기술(analog or digital) 들과 접목시켜 새로운 가치를 창출해야 한다. 그것이 미래 제조 산업을 준비하는 첫 단추이기 때문이다.제조 산업 지능화 플랫폼은 스마트팩토리이다. 과거 기계 발명과 컴퓨터, 그리고 인터넷 출현으로 대두된 변화 관리는 각각 산업혁명의 특징을 담아냈다. 그런데 문제는 인공지능(AI)의 기술과 기능이 실현되어 미치게 될 산업계의 영향력이 과거와 너무나 다른 변화관리를 요구하고 있다는 점이다. 과거의 변화는 순차적 변화였다면, 인공지능(AI)이 가져올 변화는 그것을 넘어 진화적이며 지속성까지 요구되는 “뉴 노멀(new normal) 변화”이다.스마트팩토리 지능화는 경쟁에서 싸워야 할 수단이지만, 목적 지향적인 관점에서 기업의 경우, 반복적인 업무나 중요한 의사결정을 내리는 데 알고리즘을 활용하여 고정비를 낮추고 거래비용을 줄이고 “실시간 피드백 기능”을 통해 고객에게 더 양질의 상품을 제공하고 지속적으로 개인화된 맞춤을 실현해 보여야 한다. 그것이 과거와 다른 스피드 경영이다. 이처럼, 인공지능 알고리즘에 기반한 거래는 공급자와 소비자 간 정보의 비대칭성 문제를 해결하여 투명하고 효율적인 시장의 기능을 가능케 하고 있다. 인공지능 알고리즘이 고도화되어 사회경제적 활용도가 높아지고 있다. 빌 게이츠 회장이 인공지능에 관하여 추천한 책 “마스터 알고리즘(저자, 페드로 도밍고스)” 에는 인공지능 머신러닝(ML)이 신기술이기에 채택해야 하는 것이 아니라, 대변혁의 길에서 인공지능을 채택하지 않으면 기업은 더 이상 생존할 수 없는 시대가 올 것이라고 예견하고 있다.마찬가지로 새로운 비즈니스 기회 창출을 위한 스마트팩토리 구축 목적은 제조업의 지능화 과정을 통해 지속 가능한 경쟁우위를 펼쳐나가는 것이다. 과거에는 프로세스를 정립하여 그에 해당하는 데이터를 흐르게 하는(OLTP, On-Line Transaction Processing) 시스템 시대였다면, 인공지능(AI) 기술을 제조 현장에 접목하기 위해서는 우선적으로 알고리즘이 무엇인지 알아야 한다. 알고리즘이란 입력(input) 자료를 미리 정해둔 명백한 규칙, 일련의 절차, 명령에 따라 처리하고 결과를 출력(output)해내는 것을 의미한다. 알고리즘은 언어나 다이어그램, 프로그래밍 코드 등 다양하게 표현될 수 있다.지능화란 우리가 갖고 있는 지식을 활용하는 수준(水準)을 말한다. 개인이나 기업이나 지식을 잘 활용하기 위해 인공지능 기술을 사용하는 방법을 알아야 한다. 인공지능(AI)은 사람의 행동이나 생각을 컴퓨터가 모방해 목표를 달성할 수 있도록 돕는 것이다. 따라서 연결의 힘을 얻어내기 위해서는 사물인터넷(IoT)이 네트워크 관점에서 활용되듯이 지능화는 행동 인터넷(IoB)에 의해서 구현되기 때문에 BI(business intelligence)는 통계분석이나 임원정보시스템, 경영정보시스템, OLAP(On-Line Analytics Processing) 등의 키워드를 갖는다. 더 나아가 전사적인 지능화는 보고서, 분석 리포팅 등 지금까지의 BI(Business Intelligence)에 다양한 알고리즘을 추가하고 데이터 마이닝, 빅데이터 분석, 시각화 등을 실현해왔다. 그러나 최근 가트너는 기존 데이터 웨어하우스(warehouse) 및 데이터 레이크(lake) 개념에서 인공지능 기반 데이터 통합과 데이터 및 연결 프로세스의 통합 레이어(fabric) 역할을 하는 설계 개념으로 진화하는 데이터 패브릭(data fabric) 기반 인공지능(AI)을 더한다. 데이터 패브릭은 고비용 저부가가치로 인식되는 데이터 관리의 고질적인 문제를 해결하는 강력한 데이터 관리 솔루션이 될 것으로 전망한다. 이로써 계정계나 정보계의 경영계획, 수요예측, 판매계획, 수급계획 등과 쉽게 통합하여 의사결정을 고도화할 수 있을 것이다. 한편, 컴퓨터 공학의 발전과 함께 알고리즘은 더 복잡하고 어려운 문제들을 효율적으로 해결할 수 있게 되었다. 포괄적으로 알고리즘을 통해 어떤 일을 해결하려는 방법과 절차를 지능화할 수 있으며, 어떤 문제를 해결하기 위한 단계적인 절차나 방법을 공식화한 형태로 표현한 것으로 생각해 볼 수 있을 것이다. 이를 통해 미래를 더 정확하게 예측하게 되는 등 알고리즘의 활용 영역이 점차 넓어지고 있다. 아울러 인공지능이란, 인간의 지각, 추론, 학습 능력 등 인간의 사고 프로세스를 모방하여 컴퓨터 기술로 구현한 것을 의미한다. 그러므로 인공지능을 구현하는 핵심 메커니즘은 한정된 정보를 수집 및 투입하여 최적의 결과를 산출해 내는 알고리즘이다. 인공지능 기술은 지난 반세기 동안 ‘생각하는 기계’를 구현하기 위해 지속적으로 연구되었으나 데이터의 처리 기술, 메모리, 하드웨어, 알고리즘의 한계로 발전이 더뎠다. 하지만 이러한 문제들을 해결하는 기술이 생겨나면서 최근에는 이상적으로 여겨지던 인공지능을 구현해 낼 수 있는 연구 및 발전이 가속도를 내고 있다. 인공지능의 가장 대표적인 기술로는 머신러닝(Machine Learning, ML)과 딥러닝(Deep Learning, DL)이 있다. 머신러닝은 인간이 직접 컴퓨터 프로그래밍을 통해 특정 명령을 입력할 필요 없이, 머신러닝 알고리즘이 대량의 데이터를 분석하고 그중 패턴을 찾아내 예측하는 기법이다. 딥러닝은 머신러닝의 부분집합으로 지능화된 컴퓨팅 기술을 통해 심층 신경망(DNN: Deep Neural Networks)을 구현하는 것을 의미한다. 심층 신경망의 기본적 원리는 인간 두뇌의 연결성을 모방해 데이터 세트를 분류하고, 데이터 간 상관관계를 찾아내는 방법을 의미한다.이와 같은 지능화 수단으로서 인공지능 기술은 스마트팩토리 구현과 제조업의 지능화에 필수적인 수단이다. 또한 비즈니스 기회 창출을 위한 AI 알고리즘의 활용 및 접목은 중요하다. 기업들은 정교하게 설계된 AI 알고리즘을 통해 자사의 경쟁력을 강화하려 노력하고 있다. 기업 자체적으로 알고리즘을 개발하는 방법도 있지만, 최근 다른 테크놀로지 기업이 출시한 AI 엔진과 솔루션을 활용해 미래의 수요, 가격 변화, 소비자의 행동 패턴, 선호의 변화 등을 예측하는 기업도 적지 않다. 과거에는 임직원의 경험 혹은 암묵적 지식(Tacit Knowledge)에 의존하여 의사결정을 했으나 데이터를 근거로 기업에 최적화된 알고리즘을 활용할 경우, 시장 환경에 보다 민첩하게 대응하고 전체적인 비즈니스 프로세스를 개선할 수 있다. 기업은 알고리즘을 통해 최적의 가격과 반응을 설정할 수 있게 되었고, 스마트팩토리를 통해 제조 대응력을 극대화해야 한다. 또한 마케팅 관점에서 고객 개인에 맞춤화된 추천 시스템을 통해 타깃 고객을 대상으로 마케팅을 할 때, 더 효과적인 의사결정과 높은 경영 성과를 달성할 수 있다. 소비자 역시 온라인상에서 제품의 가격을 비교를 할 수 있는 알고리즘을 통해 보다 합리적인 소비를 할 수 있게 되었고 탐색 비용을 줄일 수 있게 되었다. 알고리즘을 통해 한층 더 투명화된 시장에서 소비자의 교섭력이 높아지고 있다. 개인화 맞춤을 인공지능에 의해서 파악하는 “알고리즘 소비자” 시대가 열리고 있다. 따라서 제조 산업 정책도 알고리즘 소비자를 대응하고 반응하는 “인공지능 기반 스마트팩토리”를 구축해야 한다. 마케팅 관점에서 구매 관련 의사결정을 알고리즘에 맡기는 ‘알고리즘 소비자(Algorithmic Consumers)’ 시대가 열리고 있다. 다른 한편, 기업과 소비자뿐만 아니라, 정부 및 공공 영역에서도 알고리즘이 활발하게 도입되는 추세다. 스마트 시티를 구축하여 “알고리즘 시민 서비스” 시대가 전개되고 있다. 미국에서는 범죄자의 범죄 패턴을 파악하고 용의자를 찾는 데 알고리즘을 활용하고 있다. 또한 보다 객관적으로 범죄자의 형량을 결정하는 데에도 알고리즘이 활용되고 있다. 이처럼 알고리즘은 소비자와 공급자를 포함하여 전체 사회 후생 증진에 도움이 될 것으로 기대를 모으고 있는 가운데, 기업의 활용도를 중심으로, 기업의 최적 가격 결정 및 개인화된 맞춤 마케팅과 제조활동에 AI 알고리즘이 어떻게 활용되어야 하는지 자주적으로 사고하는 역량이 요구되고 있다. 소비자가 개인화된 맞춤을 요구하듯이 제조업도 소비자들처럼 미래 제조 경쟁력 강화를 위해서 스스로 기업 특성에 맞는 제조 대응력을 강구해야 한다. 지능화는 데이터로부터 나온다. 이처럼 데이터는 기업뿐만 아니라 공공 영역의 디지털 변화에 필수적인 요소이다. 하지만 데이터를 활용하는 것은 그리 쉽지 않다. 다양한 데이터 소스, 유형, 구조, 환경, 플랫폼 등에 의해 문제가 발생하기 때문이다. 특히 기업이 인공지능과 하이브리드 및 멀티 클라우드 아키텍처를 채택할 경우 다차원적인 데이터 문제에 직면하게 되어 더욱 복잡해진다. IBM의 통계에 따르면 기업 데이터의 약 68%가 사용되지 않고 있다고 한다. 기업들은 이러한 다크 데이터(dark data)가 언젠가 활용될 것이라는 기대감에 데이터를 저장하지만 비용이 발생된다. 데이터양이 많아질수록 비용은 증가하고 데이터 저장에 따른 ROI는 매우 낮아지고 있다.최근 데이터 패브릭을 활용한 머신러닝과 데이터 분석 소프트웨어는 모든 종류의 메타 데이터를 분석할 수 있어야 하며, 활용되고 있지 않는 데이터에서 인사이트를 도출해 낼 수도 있어야 한다. 아래 그림은 데이터 패브릭에 대한 것이다. 중심에는 데이터 소스가 있다. 다이어그램의 중간에 표시되어 있지만 실제로는 분산되어 있고 이질적이다. 아래 그림의 데이터 패브릭 아키텍처 기본 개념은 데이터에 발생하는 모든 것을 반영하는 지식 그래프에서 분산 데이터 소스를 카탈로그화하는 것이다. 이것은 다이어그램에서 데이터 소스를 둘러싸는 레이어로 표시되는 동적 구성이 가능한 새로운 것이다. 또한 아래 그림에 나타나 있는 메타데이터는 데이터 소스와 관련 정보의 다른 중요한 소스(예: 로그 파일)에서 수집된다. 지식 그래프의 정보를 활용하는 알고리즘에 의해 추가로 해석되고 추론되며 풍부해진다. Gartner는 이러한 프로세스를 메타데이터 활성화라고 한다. 다양한 데이터 전달 도구와 서비스가 위 그림의 아키텍처에 연결된다. 그들은 지식 그래프를 참조하여 사용 가능한 정보, 액세스 권한 및 기타 중요한 요소의 범위와 내용을 이해할 수 있다. 데이터 거버넌스와 표준은 데이터 패브릭 아키텍처 내에서 서로 다른 제품이 함께 작동하는 기능이다. 다이어그램에서 가장 바깥쪽의 파란색 레이어에서 이러한 측면을 보여주고 있다.제조 영역에서 인공지능 기반 스마트팩토리가 확산되면서 개인의 니즈에 맞춘 “개인화된 맞춤” 주문에 대한 대응이 가능해진 것처럼 기업은 고객 개개인이 무엇을 원하는지에 따라 맞춤화된 제품과 서비스를 추천해 주는 데 주목하기 시작했다. 제조 원가를 유지하면서도 다품종 소량 생산이 가능해야 한다. 어려운 일이다. 하지만, 이를 가능케 해주는 것이 바로 알고리즘을 활용한 추천 시스템이다. 이는 사용자의 행동 패턴, 사용자 간 관계, 상품 유사도에 기반하여 알고리즘으로 고객의 취향과 선호를 예측하고 이에 맞는 상품을 추천하고 구매 결정을 도와주는 시스템을 의미한다. 가령 온라인 쇼핑몰에서는 고객의 검색 이력, 클릭, 특정 화면에 머무르는 시간, 리뷰, 평점 등을 수집한 후, 고객이 관심을 갖고 있을 만한 상품을 추천해 줄 수 있다.제조 산업의 지능화는 기술과 기능을 구분하여 수단매체와 목적함수 간의 관계 설정이 매우 중요하다. 제조의 관점은 다양하다. 즉 생산, 판매, 그리고 공급망(SCM)을 관점별로 부분 최적화를 넘어 제조 전체 최적화가 실현되도록 통합하는 네트워크 기술과 기능이 중요하다. 그 네트워크의 핵심 기술과 기능은 사람 사이버 피지컬 시스템(H-CPS) 기반의 제조 플랫폼이여야 한다. 그 까닭은 지능화를 위한 뉴럴 네트워크(neural network)의 인공지능 기반 스마트팩토리는 실시간 기반 피드백(real-time based feedback) 기능이 기본이기 때문이다. 기술 마케팅을 전개하기 위해서는 지능화 시대에는 “특허 권리 기반 기술 마케팅 전략”을 수립하여야 하는 데, 반하여 특허(지재권) 권리도 없이 기술 마케팅을 전개하는 것은 스스로 기술력이 없다는 것을 시인하여 어려움을 자초(自招) 하듯이, 모라벡의 역설(Moravec‘s Paradox) “기계에게 쉬운 일은 인간에게 어렵고, 인간에게 쉬운 일은 기계에게 어렵다”처럼 인공지능과 같은 복잡하고 방대한 데이터 처리와 소수점 연산 등은 컴퓨터는 쉽게 처리한다. 그러나 우리 인간에게 쉬운 일, 개와 고양이 구분은 컴퓨터는 어렵게 처리한다. 이렇듯 답이 있는 문제는 지도학습, 답이 없는 문제는 비지도 학습, 답이 있지만 알기 힘든 문제는 강화 학습시켜야 하듯이 데이터도 훈련(trained data) 시켜야 한다. 그것이 지능화의 시작이다.
- 현대차, 인도네시아 공장 준공식…"미래 모빌리티 핵심 거점 구축"
- [이데일리 손의연 기자] 현대자동차(005380)가 아세안 지역 최초의 완성차 생산거점을 인도네시아에 구축했다.조코 위도도 인도네시아 대통령과 정의선 현대차그룹 회장 등이 현대차 인도네시아 공장 준공식에서 기념촬영을 하는 모습. (사진=현대차)◇아세안 시장 전략적 교두보 … 최적의 입지 조건, 환경 및 작업자 친화, 연산 25만대현대차는 세계 4위 인구 대국인 인도네시아는 물론 인구 6억 이상의 아세안 시장 공략을 위해 인도네시아 공장을 전략적 교두보로 활용한다는 계획이다.현대차는 16일 인도네시아 브카시(Bekasi)시(市) 델타마스(Delta Mas) 공단 내 위치한 인도네시아 공장에서 준공식을 개최했다.이날 행사에는 조코 위도도(Joko Widodo) 인도네시아 대통령과 정의선 현대차그룹 회장을 비롯해 인도네시아 정부 관계자, 현대차 임직원 등이 참석했다.정의선 회장은 “인도네시아는 현대차 미래 모빌리티 전략의 핵심 거점”이라며 “현대차 인도네시아 공장은 인도네시아 미래 산업의 중요한 축을 담당하게 될 전기자동차 분야에서 핵심적인 역할을 수행할 것”이라고 말했다.현대차 인도네시아 공장은 77만 7000m2의 부지에 지어졌으며 올해 말까지 15만대, 향후 25만대 규모의 연간 생산 능력을 갖춘다. 총 투자비는 제품 개발 및 공장 운영비 포함 약 15억 5천만 달러다. 엔진, 의장, 도장, 프레스, 차체 공장, 모빌리티 이노베이션 센터 등을 갖춘 현대차 최초의 아세안 지역 완성차 공장이다. 이는 현대차가 인도네시아 내에서 아세안 시장을 위한 전략 차종의 육성부터 생산, 판매까지 가능하다는 것을 의미한다.현대차 인도네시아 공장은 자카르타에서 동쪽으로 약 40km, 인도네시아 최대 항만이자 동남아시아 해운 중심지인 탄중 프리오크(Tanjung Priok)에서 남동쪽으로 약 60km 떨어져 있다. 공장 앞에는 인도네시아 수도 자카르타까지 고속도로로 이어져 있으며 이 고속도로는 자바섬(Java Island)의 동쪽과 서쪽 끝까지 연결돼 있다.현대차 인도네시아 공장은 인도네시아 곳곳에 차를 보내기 쉽고 현지 우수 인재 확보에 유리하며 아세안 지역 수출이 용이해 아세안 시장의 자동차 허브로서 최적의 입지라는 평가다.현대차 인도네시아 공장은 다양한 친환경 공법을 적용한 것이 특징이다. ◇인도네시아 최초의 전용 전기차 생산 및 신규 개발 전략차로 아세안 시장 공략현대차는 인도네시아 공장 준공식 후 아이오닉 5 양산을 시작했다.특히 현대차는 인도네시아에서 전용 전기차를 생산하며 아세안 각국의 친환경차 전환 정책을 촉진하고, 일본업체들이 70% 이상 점유한 아세안 주요 완성차 시장을 본격적으로 공략한다는 계획이다.현대차는 지난해 인도네시아에서 아이오닉 일렉트릭과 코나 일렉트릭을 총 605대 판매해 인도네시아 전기차 시장에서 약 87%의 압도적인 점유율을 차지한 만큼 아이오닉 5 판매를 통해 인도네시아 EV 시장에서 선도적 지위를 굳건히 할 수 있을 것으로 기대하고 있다.아울러 아이오닉 5는 오는 11월 인도네시아 발리에서 개최되는 G20 정상회의에 각국 정상들이 이용할 제네시스 G80 전동화 모델과 함께 공식 차량으로 지원된다.지난 1월부터 양산돼 2월부터 인도네시아 시장에 본격 판매를 시작한 크레타는 개발 단계부터 인도네시아 고객들의 취향과 니즈를 반영해 개발된 모델로 커넥티비티 서비스인 블루링크를 비롯해 첨단 운전자 보조 시스템(ADAS)과 파노라마 선루프, 보스 스피커 등 고급 사양을 대거 적용했다.뿐만 아니라 중고차 가격 보장, 1년 내 사고 시 신차 교환 등으로 구성된 보증 프로그램으로 인도네시아 고객들의 불안 요소를 잠재우는 등 시장에서 좋은 반응을 얻고 있다. 인도네시아에서 생산된 크레타는 아세안 및 아중동 지역으로도 수출된다.이어 현대차는 올해 상반기 중 싼타페를, 하반기에는 아세안 전략차로 신규 개발한 미래 지향적 소형 MPV를 인도네시아 공장에서 생산한다는 계획이다.◇인도네시아 정부, 전기차 확대 정책…현지 배터리셀 공장 건설 중최근 인도네시아 정부는 전기차 산업 발전을 위해 적극적 확대 정책을 펼치고 있다. 특히 2019년 대통령령을 통해 인도네시아에서 전기차를 생산하는 회사가 현지 부품과 인력 등을 활용해 현지화율 조건을 만족할 경우 다양한 혜택을 주고 있다.현대차그룹은 인도네시아의 전기차 현지화 전략에 부응하고 지속가능한 배터리셀 공급을 위해 LG에너지솔루션과 손잡고 배터리셀 공장을 건설 중이다.현대차 인도네시아 공장에서 생산된 전기차에 합작공장에서 생산되는 배터리를 장착하면 인도네시아 정부가 추진하는 다양한 혜택을 받을 수 있게 되는 것이다.아세안 시장은 완성차에 대한 역외 관세가 국가별로 최대 80%에 이를 정도로 관세 장벽이 높지만 아세안자유무역협정(AFTA)에 따라 2018년부터 부품 현지화율이 40% 이상일 경우 협정 참가국 간 무관세 혜택이 주어진다. 아세안 국가에 무관세로 수출할 수 있다. 한국과 인도네시아는 2019년 포괄적 경제동반자 협정(CEPA)을 맺어 한국은 인도네시아로부터 최혜국 대우를 받는다.현대차는 인도네시아 및 아세안 지역에서 조기에 안정적인 제품 개발, 생산, 판매 체제 구축을 위해 혁신적인 차별화를 전개한다. 소비자의 주문을 받아서 제품을 생산하는 주문 생산 방식(BTO)이 새롭게 적용됐다. 온-오프라인이 연계된 판매 방식의 변화도 모색한다. 온라인, 오프라인, 모바일 등 다양한 경로를 넘나들며 상품을 검색하고 구매할 수 있는 서비스(옴니 채널)를 현지 완성차 업계 최초로 도입했다. 우선 현대차는 온라인 판매 플랫폼인 ‘클릭투바이(Click to Buy)’를 구축하고, 인도네시아 브랜드 최초로 온라인에서 금융, 결제까지 가능한 온라인 완전 판매를 구현했다. 시티스토어를 비롯한 전국적 판매 네트워크도 조기에 구축했다. 고객 접근성, 지역별 수요 등을 고려해 지난해까지 100개의 딜러망을 개소했으며, 중장기적으로 150개까지 확대해 나갈 계획이다.
- 광고와 메타버스[110]
- 박정수 성균관대 스마트팩토리 융합학과 겸임교수[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 시장이 빠르게 변화하고 있다. 산업 활동을 하기 위해 꼭 필요한 생산의 3요소(토지, 노동력, 자본) 외에 오늘날 산업에서 중요하게 여기는 분야로 경영과 기술을 들 수 있다. 경영은 1900년대에 들어와 기업의 소유(자본가)와 경영(경영자)이 분리되고, 경영의 독자적인 역할이 중요해지면서 생산의 요소로 탄소 중립 등 친환경 경영(Environment), 사회적 책임 경영(Social), 지배 구조 개선과 협치(Governace) 경영을 통합한 “ESG 경영”을 생산의 제4요소라고도 할 수 있다. 마지막 생산의 요소는 기술이다. 기술이란 어떤 물건을 만들거나 어떤 일을 하는 데 필요한 체계적인 논리이다. 즉 현장의 아날로그 기술을 활용하기 위한 작업의 순서를 담아낸 알고리즘과 컴퓨터를 활용하기 위한 소프트웨어 프로그램이 소프트파워를 실현시키는 것도 마찬가지다. 디지털 경험(DX)을 구현하기 위해서는 여러 가지 기술 중에서도 데이터 관리 기술이 생산의 제5요소라고 할 수 있다. 그래서 데이터 관리 기술이 점점 더 주목받고 있다.그러므로 데이터는 현실 세계를 넘어 가상세계로 확장하는 제조 산업의 중요한 생산 요소이다. 데이터 관리 기술이 만들어낸 메타버스는 가상과 현실이 융복합 된 행동 인터넷(IoB) 기반의 디지털 경험 세계를 연출하고 있다. 또한 메타버스는 개인화 맞춤(personalization & bespoke) 뿐만 아니라 상상했던 걸 보고 듣게 해주고, 가상세계를 느끼고 만지게 해주는 실감형(實感型) 단계로 진입하고 있다. 최근 메타버스는 우리 일상의 라이프스타일 변화와 뉴노멀(new normal) 산업 구조의 혁신을 이끌며 미래 먹거리를 견인하는 경제성장의 동력원을 제공하고 있다. 애플, 페이스북, 삼성, 구글 등 글로벌 기업들이 메타버스를 경영전략의 경쟁우위 포인트로 인식하고 있으며, 뉴노멀(new normal) 플랫폼이자 제조의 수단매체로 간주하고 있는 듯하다. 이미 스마트폰을 포함한 디지털 기기는 우리 삶 속을 파고 들어오고 있다. 그로 인해, 많은 사람들이 콘텐츠 이용 중 다양한 광고를 접하게 된다. 이제 나이, 성별, 거주지 등 기본적인 정보를 활용하여 진행되는 광고는 옛이야기다.오늘날 개인화 광고는 PC, 모바일, 스마트폰의 기기 정보와 검색, 사이트 방문, 쇼핑 정보 등의 개인적 특성을 분석하여 광고가 집행된다. 이로써, 소비자에게 더욱더 이로운 정보를 제공할 수 있으며, 광고주 입장에서도 효율적인 광고 집행을 할 수 있게 된 셈이다. 이러한 개인화 광고는 디스플레이, 검색엔진, 동영상 광고 등 디지털 기술의 발전과 일상생활의 변화에서 파생되어 왔다. 예를 들어, 모바일 여성 패션 플랫폼 “에이블리”가 소비자들에게 큰 호응을 얻은 이유는 바로 인공지능(AI)을 통한 “개인화 광고”에 있다. 가입 절차부터 소비자가 어떠한 취향을 가지고 있으며, 쇼핑 패턴이 어떻게 되는지에 대해 문답하고 이를 데이터로 삼아 개인화된 추천 서비스를 제공한다. 에이블리의 가장 큰 장점은 개인화 광고다. 불특정 다수에게 똑같은 광고를 보여주는 것보다 특정된 개인에게 적합한 개인화된 광고를 보여주고 있다. 이는 데이터 관리 기술을 활용하여 정교하게 개인화가 되어, 소비자 각자에게 보이는 광고들이 다르고, 노출되는 광고는 평소 쇼핑 패턴에서 비롯된 데이터 기반으로 광고가 노출된다. 광고를 집행하는 마케터(marketer) 입장에서 적중률을 높일 수 있는 최고의 방법 중 하나이며, 광고에 노출되는 소비자들도 본인들에게 적합한 개인화 맞춤광고가 노출되기 때문에 유용한 정보를 습득할 뿐만 아니라 “구매 의사 결정” 과정에 도움을 준다. 구글의 경우 인공지능, 즉 AI( Advancing AI For Everyone)라는 새로운 비전하에 빅데이터와 인공지능, 전문성을 바탕으로 소비자 효용을 창출해 개인화 광고를 진행하고 있다. 또한 삼성전자의 경우, 개인화 광고의 대표적 사례 중 하나는 갤럭시S9 출시를 맞이하여 삼성전자에서 진행한 캠페인 ‘큐브애드(CUBE AD)’가 있다. 이 캠페인은 다양한 정보를 영상으로 검색하는 MZ 세대의 트렌드에 맞춰 소비자가 유튜브에 입력한 검색어에 따라 카피 메시지와 비주얼 영상을 즉시 조합해 총 6,480종의 각기 다른 개인화 맞춤형 광고 영상이 나오도록 한 점이 특징이다. 지금까지 광고는 브랜드가 정한 제품의 일부 특장점을 소수 소재를 통해 일방적으로 전달했다. 하지만 삼성전자의 큐브 애드는 소비자들이 입력한 다양한 검색어에서 드러나는 관심사에 즉각 반응해 총 9가지의 제품 기능을 다양한 비주얼 영상과 메시지 라인을 조합한다. 다시 말해 검색어에 최적화된 개인화 영상광고를 시청할 수 있도록 한 것이다. 소비자가 관심 있고 필요로 하는 메시지를 전달함으로써 광고에 대한 개인화를 실현하여 광고의 몰입도를 한층 강화하고 있다. 또한 소비자에게 최적화된 개인화 광고는 일반적인 광고와 차별화되어 그 이상의 유의미한 정보 혹은 관심 있는 콘텐츠로서 받아들인다.이런 관점에서 개인화 광고는 더욱 발전할 것이다. 현재는 방문 기록, 검색 기록과 같은 데이터를 활용할지 몰라도 데이터의 개념 자체가 더욱 확장된다면 정말 소비자들의 일상을 모두 파악하여 광고를 노출할 수 있는 기술 단계로 발전될 것이다. 즉 광고의 본원적인 기능도 데이터 관리 기술 역량에 의해서 좌지우지(左之右之)되는 세상이 메타버스 세계다.글로벌 메타버스 플랫폼의 동향을 살펴보면, 메타버스(metaverse)는 구현되는 공간이 현실 세계냐 가상세계냐의 관점과 구현되는 정보가 외부 환경정보인지 개인·개체 정보인지에 따라서 아래 그림과 같이 증강현실, 라이프로깅, 거울 세계, 가상세계로 메타버스의 유형을 구분할 수 있다. 또한 메타버스의 4가지 유형은 독립적으로 발전해 오다가 최근 상호작용하면서 유형의 경계를 허물면서 융·복합의 형태로 새로운 형태의 서비스로 진화 중이며, 향후 상호작용이 가속화되면서 아래 그림과 같이 미래 메타버스의 융복합화를 형성할 전망이다. 모바일 엣지 컴퓨팅 (Mobile Edge Computing)과 근접성, 초저지연, 고대역폭, 가상화를 특성을 가지고 있는 MEC(Multi-Access Edge Computing)는 클라우드 컴퓨팅을 네트워크 엣지로 가져와서 클라우드 컴퓨팅 기능을 확장하는 일종의 엣지 컴퓨팅이다. 트래픽 및 서비스 컴퓨팅을 중앙 집중식 클라우드에서 네트워크 엣지로 이동시켜 고객과 더 가깝게 만들어 가는 메타버스의 핵심 기술이다.증강 현실 및 가상 현실, 확장 현실, 행동 인터넷(IoB), 사물 인터넷(IoT), 촉각 인터넷(Tactile Internet), 모바일 헬스 및 원격 의료, 커넥티드 카, 자율주행, 공공안전 등 5G 통신 기술이 세상을 변화시키고 있다면, MEC는 이러한 사례를 현실화하고, 5G의 처리 속도 한계점을 보완하는 역할로 주목받고 있으며, 네트워크 진화를 실현하는 데 있어 중요한 역할을 하고 있다. 특히 메타버스에서 많은 접속자가 동시에 몰릴 때 부하를 분산하기 위해서는 MEC가 핵심기술로 꼽히고 있다. 수백만 명의 사람들이 실시간으로 지속적인 가상 경험을 하게 될 미래에는 클라우드 컴퓨팅과 관련된 모든 자원(리소스)를 중앙 집중화로 저장이 불가능해지기 때문에 IoT, AI, 5G 등 첨단 IT 인프라를 갖춘 “MEC 기술” 기반 메타버스를 선도해야 한다.그렇다면 제조 산업에서 메타버스(metaverse)를 어떻게 활용할 것인가? 제조 산업은 일반적으로 마케팅과 제조 영역으로 나눠볼 수 있다. 더 나아가 마케팅 영역에서 시장과 고객의 개인화 요구를 “개인화 맞춤”으로 대응하기 위한 제조 공정을 메타버스 관점에서 접근하는 “메타버스 기반 스마트팩토리” 구축으로 대별해 볼 수 있다.그런 관점에서 메타버스는 개인화 맞춤 세계다. 왜냐하면, 가상 증강현실(VR-AR)도 궁극적으로는 개인화 맞춤의 실감형 수단매체(手段媒體)이기 때문이다. 개인화 맞춤, 즉 나만의 제품을 만들도록 시그널, 즉 영감을 주는 시장과 고객의 구매행동은 기본적으로 다중 채널 마케팅 전략과 백엔드(back-end)에서 구글을 넘보는 캐나다 기업, Shopify처럼 소매력을 강화시키는 스토어 최적화 등 어느 것 하나 빠뜨릴 수 없다. 참고로 “shopify” 기업은 캐나다 시총 1위 기업이며, 시가총액 약 1,800억 달러(약 216조 원)로 미국 뉴욕증권거래소에서는 이베이를 제치고 미국 이커머스 분야 시총 2위, 점유율 2위 기업이다.또한 제조업 관점에서 메타버스 플랫폼은 비즈니스를 확장해야 할 때를 파악하고 고객이 원하는 것에 집중하여 고객이 구매를 반복할 수 있는 방법을 지속적으로 추가하는 전략적 플랫폼이며, 예를 들어 고객을 위한 고유한 제안 만들기와 같은 새로운 생태계를 조성하는 뉴노멀 플랫폼이 메타버스다.“구체적으로 메타버스 관점에서 스마트팩토리를 구현할 때 제조 공정에는 다음과 같은 세 가지 주요한 관점에서 생각해 볼 필요가 있을 것이다. 첫째, 설계자 과점에서 제조의 구성요소는 물론 공장 배치를 설계하기 위해 시뮬레이션 및 CAD와 유사한 소프트웨어를 사용하는 개인 또는 기업의 개인화 및 개별화, 즉 자율 제어(self-control)가 필수적으로 실현되어야 한다. 두 번째, 제3자 제조·물류 제공자 관점에서 공급망 생태계에 속한 개인이나 기업이 마찰이 적고 리드 타임이 작은 다양한 상품을 효율적으로 생산할 수 있어야 한다. 세번째, 고객 관점에서 이러한 사용자는 실시간으로 제품 배송 시간을 확인할 수 있어야 한다. 그러므로 이러한 모든 이해관계자와 제조 환경을 변화시킬 서비스 기반 메타버스의 주요 측면은 신속한 제조 프로세스 설계에서 찾아볼 수 있다. 특히 메타버스 프레임워크에서는 물리 기반 시뮬레이션을 통해 자산을 쉽게 드래그 앤 드롭(drag and drop)할 수 있으며, 중요한 물리적 테스트를 수행하지 않고도 제조에서 더 효율적이고 안전한 방법을 쉽게 식별할 수 있다.제조 산업의 개인화 특징은 지속적으로 제품 디자인 수가 증가하고 사양도 복잡해진다. 메타버스의 기능은 사용자 제작 콘텐츠에 대한 접근이 용이한 신기술과 마찬가지로, 특정 장르와 비즈니스 부문에서 더 많은 콘텐츠가 Youtube에서 콘텐츠를 처리하는 방식과 유사하게 제공될 것으로 예상된다. 제조의 경우 보다 구체적인 측정과 CAD와 같은 소프트웨어로 인해 저비용의 제작이 용이한 제품을 설계하기 위한 진입 장벽이 현저히 낮아질 것이다.메타버스는 아이디어를 공유하기 위한 공동 공간이자 커뮤니티(community)다. 그러므로 개인화 맞춤(bespoke)에 대한 시장의 요구는 과거와 다른 뉴노멀(new normal)의 협업적인 제품 개발을 요구한다. 이와 같이 기업 내 서로 다른 이해당사자가 제품을 설계하고, 동일한 환경 내에서 제조업체와 공유하고, 실시간 기반 피드백을 기반으로 반복하기가 매우 쉬워 리드타임(lead-time)을 획기적으로 단축할 수 있다.메타버스는 품질 관리에 대한 위험을 감소시킨다. 상세한 물리 기반 설계를 통해 생산에 대한 오차 범위가 훨씬 작아진다. 또한 기업에 미치는 영향 측면에서, 메타버스의 불량품의 반품률 뿐만 아니라 고객들의 이탈률도 낮아질 것이다. 메타버스는 고객 관리의 투명성을 향상시킨다. 메타버스 세계에서의 고객은 제품 제작, 배포 및 판매 방법에 대한 3D 표현을 통해 공급망 프로세스에 대한 가시성(visualization)을 개선할 수 있다. 투명성이 향상되면 고객은 상품에 대한 정확한 리드 타임(lead-time)과 예상되는 배송 지연을 알 수 있을 뿐만 아니라 화물 및 마지막 배송에 대한 서로 다른 대리점의 실시간 배송 비용에 대한 가시성을 높일 수 있다.끝으로 제조 산업의 변화는 끝이 없다. 현실 세계의 데이터를 가상 세계에서 활용해왔던 인터넷 시대에서 가상 세계의 데이터를 현실 세계에 접목시켜 체험적인 경험의 세계를 창의(創意) 하는 메타버스 세계가 문화 콘텐츠 분야뿐만 아니라 제조 산업에도 펼쳐지고 있다. 그 까닭은 뉴노멀 상호작용의 실현이 제조 산업의 새로운 수익원 창출과 실감형 체험경제 시대를 쌍끌이 하고 있기 때문이다. 따라서 ”데이터 관리 기술“이 생산의 제5요소라면, 메타버스(metaverse)는 제조의 뉴노멀 플랫폼이자 시장(market)이다.
- NIPA, 디지털콘텐츠 해외 홍보·마케팅 지원사업 성료
- [이데일리 이윤정 기자] 정보통신산업진흥원(이하 NIPA)은 ‘2021년 디지털콘텐츠 해외 홍보·마케팅 지원사업’을 통해 15개 기업으로부터 62억 원의 해외 매출과 33명의 신규 채용 성과를 올렸다고 16일 밝혔다.(사진제공=정보통신산업진흥원)디지털콘텐츠 해외 홍보·마케팅 지원 사업은 국내 유망 디지털콘텐츠 기업들의 성공적인 해외 진출을 위한 맞춤형 홍보·마케팅 서비스를 제공하는 사업이다. 올해 5월부터 11월까지 7개월간 해외진출 전략 컨설팅부터 다양한 온라인 마케팅과 홍보 인프라 제작을 지원하였다. 지원기간이 끝난 후에도 기업이 자체적인 마케팅 역량을 갖고 마케팅을 지속할 수 있도록 하는 각종 교육과 마케팅 인사이트를 기반으로 중장기 로드맵을 제공하는 컨설팅을 함께 지원한다.올해 지원 사업에서 높은 경쟁률을 뚫고 선정된 디지털콘텐츠 기업 15개사는 코로나19로 해외 출장이나 전시회 참가 등 오프라인 마케팅이 어려운 상황에서도 수출 계약 외에도 해외 특허출원, MOU, 현지 법인 설립 등 다양한 해외 진출 성과를 올렸다. (해외특허출원 6개사, 현지법인설립 3개사, MOU 17건, NDA 10건 등)주요 성공사례는 다음과 같다. 동영상 편집앱 ‘블로’를 서비스하는 ㈜비모소프트는 본 사업을 통해 마케팅을 적극적으로 진행하지 못했던 대만, 태국, 인도 시장을 타깃으로 모바일 광고와 현지 인플루언서를 활용한 바이럴 마케팅 등을 지원받았고, 사업 기간 동안 총 사용자가 2862만 명으로 57%나 증가하는 괄목할만한 성과를 이뤄냈다.민간 우주 지상기지국을 보유하고 위성영상 데이터 수신 서비스를 제공하는 우주분야 전문 스타트업(주)컨텍은 온라인 광고, 비즈니스 전용 SNS인 링크드인을 활용한 우주산업 관련자들과의 네트워킹, 해외 시장조사 등의 지원을 통해, 다양한 인콰이어리를 수신하며 MOU 1건, NDA 9건을 성사시켰다. 컨텍은 연말까지 전년대비 3배 이상 성장한 9억 원 가량의 해외매출을 기대하고 있다. IOT 기술로 고양이 배설물을 청소하는 자동 화장실 라비봇2를 제조·판매하는 스타트업 (주)펄송은 본 사업을 통해 광고, SNS, 인플루언서 마케팅, 검색엔진 최적화 등 다양한 마케팅 지원과 컨설팅을 통해 자체적인 해외 마케팅 수행 능력을 구축하고, 사업기간 동안 약 3배가량 온라인 판매가 증가하는 성과를 거두었다.서동춘 (주)컨텍 실장은 “본 사업을 통해 자체적인 노하우 부족으로 진행하지 못했던 온라인 마케팅을 본격적으로 진행할 수 있었는데, 브랜드 인지도 증가 외에도 미국, 유럽 등의 관련 업계로부터 많은 문의를 받는 등의 실질적인 마케팅 효과를 체감할 수 있었다”며 “이번 사업지원을 계기로 향후 자체적으로도 적극적인 온라인 마케팅을 진행할 계획이다”라고 밝혔다.NIPA 디지털콘텐츠산업본부 최연철 본부장은 “코로나 19의 장기화에도 비대면 마케팅을 적극적으로 진행한 디지털콘텐츠 기업들은 좋은 성과를 내고 있다. 앞으로도 디지털콘텐츠 기업들이 적극적으로 해외시장에 진출하고, 장기적인 성과를 낼 수 있도록 지원체계를 공고히 하겠다”라고 전했다.
- ‘AI 테크기업’ 진격하는 네이버…新메타버스 ‘아크버스’ 공개(종합)
- [이데일리 김정유 기자] 네이버(035420)가 인공지능(AI) 기반 테크 기업으로의 진화에 속도를 낸다. 기존 포털·검색사업 중심에서 AI 기술 기반으로 사업 영역을 확장 및 고도화, 글로벌 개척을 본격화 한다는 방침이다. 이같은 네이버의 기술투자 노력은 24일 개최한 국내 최대 규모 개발자 컨퍼런스 ‘데뷰 2021’에서 대거 공유됐다. 초대규모 AI 언어모델 ‘하이퍼클로바’부터 AI 중심의 새로운 검색 ‘에어서치’, AI 기술을 통한 웹툰 자동채색 서비스 ‘에어페인트’, 새로운 메타버스 플랫폼 ‘아크버스’까지 면면도 다양하다. 석상옥 네이버랩스 대표가 24일 개막한 ‘데뷰 2021’에서 키노트 강연을 진행하고 있다. 석 대표는 이날 행사에서 네이버만의 신개념 메타버스 플랫폼 ‘아크버스’를 공개했다. (사진=네이버)◇AI로 기술 고도화, 메타버스부터 웹툰까지가장 눈길을 끈 건 네이버의 신(新) 메타버스 플랫폼 ‘아크버스’다. 이날 컨퍼런스에서 처음 공개한 아크버스는 AI·로봇·클라우드·디지털트윈 기술을 융합, 기존 ‘제페토’ 처럼 완전히 독립된 세계가 아닌, 가상과 현실이 연결된 하이브리드형 메타버스다.석상옥 네이버랩스 대표는 이날 컨퍼런스에서 “아크버스는 현실세계와 똑같은 가상세계를 창조하는 디지털트윈 기술, 그리고 두 세계를 연결하는 AI·로봇·클라우드 등의 기술로 구성된다”며 “메타버스의 한 종류인 3D 아바타 기반 서비스와는 다르다”고 강조했다.이어 “아크버스를 위해 독자적인 실내외 디지털트윈 데이터 제작 솔루션 ‘어라이크’, 네이버클라우드 플랫폼과 5G 기반으로 빌딩 및 로봇들의 두뇌 역할을 하는 ‘아크’ 시스템 등을 개발하고 있다”며 “아크버스 생태계 안에서 서비스 로봇, 자율주행, 증강현실(AR), 스마트빌딩, 스마트시티까지 현실을 매개로 한 다양한 서비스가 탄생할 것”이라고 덧붙였다.AI 기반 언어모델과 검색엔진에 대한 기술 투자 방향도 공유됐다. 성낙호 클로바 CIC 책임리더는 “세계 최초 한국어 초대규모 언어모델 ‘하이퍼클로바’를 통해 네이버 AI를 통한 일상생활의 변화를 더 빠르게 가속화할 것”이라며 “우리의 하이퍼스케일AI는 기존 AI 방법론을 완전히 바꿔 해결해야 할 아이디어만 떠오르면 기획자, 사업담당자라도 수분안에 테스트할 수 있을 정도의 AI 전환에 대한 시간·비용을 단축하고 있다”고 말했다.최재호 서치 CIC 책임리더도 “기술적으로 AI 중심의 새로운 검색인 ‘에어서치’를 고도화해 개인 관심사 중심으로 각 사용자들에게 최적화된 검색 결과를 제공할 것”이라며 “글로벌 AI 인재들이 합류해 이 결과 국내 최초 한국어 초거대 AI 언어모델을 검색서비스에 적용하고, 국내 최대 AI 기반 딥매칭 검색엔진 실용화를 앞두고 있다”고 언급했다. 글로벌 영토 확장에 있어 선봉에 있는 네이버웹툰의 기술도 한층 고도화 된다. 박찬규 네이버웹툰 글로벌 최고기술책임자(CTO)는 “콘텐츠 불법 유통을 막는 ‘툰레이더’, 콘텐츠가 언어의 장벽을 허물게 있게 돕는 ‘WAT’(Webtoon-Assisted Translation)와 참여번역 플랫폼 등 창작자와 사용자들을 위해 기술투자를 아끼지 않고 있다”며 “창작자들의 수고를 덜어주는 자동채색 도구 ‘웹툰 AI 페인터’도 베타 서비스를 오픈했는데 글로벌 시장에서 기대 이상의 반응을 보이고 있어 고무적”이라고 언급했다.‘데뷰 2021’에서 키노트 세션을 진행한 네이버 각 분야의 강연자들. (사진=네이버)◇플랫폼·클라우드·브라우저 등 기술투자도 적극 관련 인프라 기술 투자도 지속된다. 김성관 네이버 플랫폼 랩스 책임리더는 “클라우드 네이티브로 빠르게 변화 중인데, 네이버는 수십만개 컨테이너를 운영하고 쇼율적인 서버·스토리지·네트워크 자원의 효율적 운영을 위해 다양한 기술을 확보했다”며 “올해 컨퍼런스에서 ‘픽스쳐 몽키’라는 새로운 오픈소스 프레임워크를 처음 공개하는데, 개발자가 테스트케이스를 직접 작성하기 힘든 ‘엣지 케이스’를 쉽게 만들고 자동화할 수 있어 유용한 도구가 될 것”이라고 강조했다. 조성택 네이버 ETECH 책임리더도 “지난 도쿄올림픽 최고 동접 140만명의 트래픽에도 안정적 대응이 가능했던 라이브 클라우드, 글로벌서 빠른 업로드와 재생 지원하는 VOD 클라우드 등을 통해 원격의 시대를 준비 중”이라고 덧붙였다.디지털전환에 필수인 클라우드 플랫폼 투자 역시 적극 진행 중이다. 최웅세 네이버클라우드 센터장은 “네이버클라우드는 현재 IaaS, PaaS, SaaS 등 총 192개 서비스를 제공 중”이라며 “공통적으로 필요한 기능들을 패키지화로 제공, 사업자들이 편리하게 개발할 수 있도록 다양하게 지원하는 역할로 확대하고 있다”고 말했다. 교육용 브라우저가 자리잡고 있는 웨일도 진화를 꾀하고 있다. 김효 네이버 웨일 책임리더는 “이번에 ‘웨일 데스크탑 3.0’, ‘웨일 모바일 2.0’을 처음 공개한다”며 “한국에서 취약했던 시스템 소프트웨어 영역에서 가장 한국적이면서도 가장 글로벌한 브라우저를 만들 것”이라고 밝혔다.
- [IPO출사표]비트나인 "글로벌 그래프 DB 기업으로 도약"
- △강철순 비트나인 대표[이데일리 박정수 기자] “지금까지 쉬운 길을 가지 않고 불모지나 다름없던 국내 그래프 데이터베이스(DB) 시장에서 꾸준하게 성장해왔습니다. 그래프 DB는 데이터에 대한 활용성이 높아짐에 따라 인공지능, 빅데이터, 블록체인, 메타버스 등 4차 산업 시장에서의 핵심 기술로 활용되는 기술입니다. 국내에서는 지금까지 이러한 그래프 DB 제품을 기반으로 사업을 영위하는 기업으로 비트나인이 유일합니다. 그만큼 고난도의 기술개발이 요구되며 진입장벽 역시 매우 높습니다.”그래프 DB 전문기업 비트나인은 25일 온라인 기자간담회를 열고 코스닥 시장 상장에 따른 향후 성장 전략과 비전을 발표했다. 비트나인은 2013년에 설립된 그래프DB 개발사다. 주요 사업영역은 그래프 DB 제품 라이선스 공급과 그래프 DB 기반 데이터 분석 솔루션 제공이다. 비트나인은 세계 최초로 관계형 데이터베이스와 그래프 데이터베이스를 혼용한 하이브리드 데이터베이스 관리시스팀(DBMS)을 개발했으며 국내에서 유일하게 그래프 DBMS 기술을 보유하고 있는 기업이다. 그래프 DB는 점과 선을 축으로 하는 그래프를 활용해 각종 데이터 패턴을 분석하는 주요 미래 기술이다. 그래프 DB 활용 시 방대한 데이터를 효과적으로 처리하는 시스템을 구축해 유의미한 분석 데이터를 고객에게 제공할 수 있다. 특히 데이터 간의 관계 분석에 큰 강점을 보여 가상화폐 거래 데이터로부터의 자금세탁 패턴 발견, 특수관계 기간의 복잡한 범죄 수사 등 고도화된 범죄 이슈 해결에도 활용될 수 있다.실제 국내 한 은행은 최근 그래프 DB의 분석 기술을 활용해 범죄의 온상인 대포통장 탐지에 성공했다. 기존의 AI 기술로도 불가능했던 영역을 탐지해 낸 대표적인 사례로 평가된다.특히 비트나인은 세계 유일의 통합쿼리 멀티모델 데이터베이스 ‘아젠스그래프’(AgensGraph)를 통해 독보적인 DB 분석 기술력을 갖췄다는 평가다. 하나의 질의문에 관계형 데이터와 그래프 데이터를 위한 질의를 동시에 수행하는 통합 쿼리(Hybrid Query Processing) 기술을 바탕으로 최고의 성능을 이끌어 낸다.강철순 비트나인 대표이사는 “아젠스그래프는 국내를 중심으로 공공기관과 대기업, 금융기관에서 가장 많이 상용화된 그래프 데이터베이스”라며 “인텔, 버라이존 등 해외에서도 다양한 활용사례를 보유하고 있다”고 설명했다. 강 대표는 또 “전 세계에서 유일하게 ANSI SQL(데이터베이스를 위한 국제 표준 언어)과 CYPHER(그래프 질의 언어) 동시 처리가 가능한 제품”이라고 강조했다.아젠스그래프는 그래프 패턴 매칭 질의에 최적화돼 있으며, 그래프 데이터 저장을 위한 특화된 저장 구조 및 빠른 검색을 위한 인덱스 기능을 포함하고 있다. 관계형 데이터베이스와의 통합을 위한 데이터 모델 매핑 기능과 그래프 데이터 시각화·분석하는데 효율적인 그래프 분석 도구와 그래프 데이터 분석에 탁월한 그래프 분석 알고리즘을 제공하고 있다.아울러 비트나인은 지난해 4월 미국 아파치재단의 오픈소스 프로젝트(프로젝트명: Apache AGE)에 인큐베이팅됐으며 올해 11월 탑 레벨 프로젝트로의 승격, 내년 4월 상용버전 출시 등의 일정이 예정돼 있다. 아파치재단의 프로젝트는 제품의 기술력을 인정하는 전 세계에서 가장 큰 오픈소스 프로젝트 재단이다. 진입 난이도가 매우 높으나 소프트웨어로서의 글로벌 경쟁력을 확보할 수 있는 가장 빠른 방법 가운데 하나다.Apache AGE는 모든 관계형 데이터베이스 기반에서 그래프 데이터베이스를 사용할 수 있는 기술을 가지고 있는 글로벌 최초의 제품이다. 국내 시장과는 달리 해외의 수많은 기업이 PostgreSQL이라는 오픈소스 관계형 데이터베이스를 사용하고 있는데, Apache AGE는 PostgreSQL을 사용하는 기업들이 그래프 데이터베이스를 편리하게 설치해 사용할 수 있도록 접근성을 높인 제품이다강 대표는 “비트나인이 승격을 앞둔 탑 레벨 프로젝트는 해당 프로젝트가 기술적, 제품적으로 충분히 검증됐고, 상용화 전 단계까지의 대부분 절차가 마무리됐음을 아파치재단에서 보증한다는 의미”라며 “탑 레벨 프로젝트로 승격된 대부분 기업은 제품의 글로벌 상용화를 통해 글로벌 기업으로 거듭났다”고 전했다.비트나인은 이미 시장에서 다양한 그래프 데이터베이스에 대한 활용사례를 보유하고 있다. 코로나19 바이러스 확진자 감염경로와 밀접접촉자들의 동선 분석, 대포통장 탐지, 데이터센터 내 서버 및 각종 장비의 효율적 관리, 학생별 맞춤형 그래프 AI엔진 구축 등이다. 향후 비트나인은 그래프 AI 솔루션, 그래프 추천시스템 솔루션, 그래프 보안 솔루션, 그래프 FDS 솔루션 등 다양한 시장에서 그래프 기술로 특화된 솔루션을 공급하고, 클라우드 기반의 ‘서비스형 소프트웨어(SaaS)’ 서비스 공급을 통해 서비스 모델 확장도 추구할 계획이다.위드코로나가 시작되면 뉴욕지사와 런던지사를 다시 오픈해 고객 대상으로 적극적인 영업활동을 재개하고, 아파치재단 탑 프로젝트 등록 후 2022년까지 모든 데이터베이스에 적용 가능한 그래프 스토리지를 개발할 예정이다. 이를 통해 모든 RDB에 호환되는 글로벌 유일의 Graph DBMS 제품을 출시한다는 방침이다.강 대표는 “상장을 통해 4차 산업 시대에 매우 중요한 기술인 그래프 데이터베이스 기술을 널리 알리고 공모 자금을 연구개발에 집중 투자해 글로벌 DB 기업을 향해 빠르게 나아갈 것”이라고 밝혔다.한편 비트나인의 총 공모주식수는 207만1000주로 제시한 희망 공모가 밴드는 8700~9700원이다. 25~26일 양일간 기관투자자를 대상으로 수요예측을 진행해 최종 공모가를 확정하고 오는 11월 1~2일 일반청약을 받는다. 11월 중 상장 예정이며 상장주관사는 하나금융투자다.
- 렛츠그립, 앱 출시 기념 '노캐디를 찾아라' 이벤트 개최
- [이데일리 이윤정 기자] 스마트 골프 플랫폼 ‘렛츠그립’이 앱 정식 론칭을 기념해 ‘노캐디를 찾아라’ 이벤트를 6월 23일부터 7월 11일까지 개최한다고 밝혔다. (사진제공=렛츠그립)상반기 정식 서비스 출시 이후 서비스 고도화, 네 차례의 그립 앤드 플레이 개최 등 다양한 행보를 보여 왔던 렛츠그립은 ‘골프장 정보’, ‘검색엔진’, ‘예약 알고리즘’, ‘플레이’, ‘큐레이션 콘텐츠’ 등의 키워드로 요약할 수 있다. 그중에서도 가장 눈에 띄는 키워드는 ‘정보’와 ‘검색’이다.렛츠그립은 라운드 전 골퍼의 이해를 돕기 위해 골프장이 보유한 코스별 제원과 특징, 스코어카드를 제공한다. 또한 전국 530여 개 골프장에 대한 설계자부터 잔디, 연혁에 이르는 일반정보는 물론 각 골프장의 캐디, 카트, 부대시설 등의 이용정보를 총망라하고 있다. 또한 고객의 골프장 선택을 용이하게 하기 위해 ‘평점’, ‘난이도’는 물론 해당 골프장의 SNS 및 골프채널의 리뷰현황을 실시간 집계, 통계적으로 분석한 ‘소셜지수’를 제공한다.또 다른 차별요소는 검색 기능이다. 지금까지 예약서비스에서의 검색은 대개 골프장 명으로 검색을 해야 했으나, 렛츠그립은 ‘수도권 3인’, ‘경북 노캐디’, ‘충북 골프여행’ 등 원하는 몇 개의 키워드만으로 ‘3인이 이용 가능한 골프장’, ‘노캐디 가능한 골프장’, ‘숙박이 가능한 골프장’을 검색결과로 찾아볼 수 있다. 렛츠그립의 김태형 마케팅 이사는 “이번 이벤트는 렛츠그립의 첫 이벤트인 만큼 골퍼가 원하는 필드 조건에 따라 최적의 골프장을 찾아 예약하는 사용자 경험을 드리는 데 초점을 맞췄다”고 말했다.이벤트 참여는 렛츠그립 홈페이지 검색창에서 ‘노캐디’ 또는 ‘셀프라운딩’으로 검색한 후 해당하는 골프장을 답글로 등록하면 된다. 이벤트에 대한 자세한 내용은 렛츠그립 홈페이지와 앱에서 확인할 수 있다.
- 美 코어에이아이, 대화형 AI로 한국시장 공략..합작법인도 추진
- 이영수 코어에이아이 코리아 지사장(사진=코어에이아이 코리아 제공)[이데일리 이후섭 기자] 인공지능(AI)을 활용한 챗봇 상담 시장이 커지면서, 미국 올랜도에 본사를 두고 있는 코어에이아이가 국내 시장에 상륙했다.이 회사는 AI 챗봇의 업그레이드 버전인 `디지털 비서` 플랫폼을 내세워 국내 금융, 이커머스, 제조업을 집중 공략할 방침이다. 한국어 지원 강화, 음성인식 등을 위해 국내 기업과 합작법인 설립 등 전략적 협업을 추진하고 있다.이영수 코어에이아이 코리아 지사장은 18일 첫 온라인 간담회를 통해 “기업의 약 80% 업무를 대화형 AI 기술을 통해 자동화하는 것을 목표로 하고 있다”며 “국내 대형 이커머스 업체가 우리와 프로젝트를 진행하고 있다. 금융, 이커머스 시장 등에 대한 공략을 강화할 것”이라고 말했다.코어에이아이의 대화형 AI 플랫폼은 글로벌 상위권 은행, 헬스케어 기업을 비롯해 포춘 500대 기업 중에 100개 이상의 기업들이 도입하고 있다고 한다. 그는 고객과 접점이 많은 고객센터 업무를 AI로 자동화하면 운영비용을 30% 이상 절감하고, 기존 대비 5배 빠른 서비스를 제공할 수 있다고 했다.이 지사장은 “미국 은행권에서는 대화형 AI를 활용해 음성인식을 통한 계좌이체, 계좌 확인의 기능을 제공하고 컨택센터와 연계해 최적화된 금융상품을 제안할 수 있는 단계까지 지원하고 있다”고 설명했다.(자료=코어에이아이 코리아 온라인 간담회 화면 캡처)코어에이아이의 디지털 비서 플랫폼은 지식그래프, 펀더멘털 미닝, 마신러닝 등 3가지 자연어처리(NLP) 엔진을 조합해 적은 데이터를 가지고도 보다 높은 정확도를 제공할 수 있다고 한다. 웹 화면에서 드래그인드롭 방식으로 쉽게 개발할 수 있도록 노코드(no-code)기술이 적용돼 현업 담당자가 쉽게 디지털 비서를 개발할 수 있다고도 자랑했다.이 지사장은 “전사적자원관리(ERP), 고객관계관리(CRM), 인적자원(HR) 시스템 등 기업 내 다양한 어플리케이션과 통합 운영이 가능하도록 구성됐다”며 “비행기표 예약, 일정 관리 등의 비서 업무도 가능하고 회사 내 다양한 지식자산도 검색하는 등 다양한 업무를 할 수 있게 지원한다”고 강조했다.한국어 활용에 제약이 있을 것이라는 우려가 나오나, 회사 측은 국내 기업과의 협업을 통해 합작법인 설립 등 다양한 방안을 모색하고 있다고 전했다.그는 “국내 이커머스 업체와 진행하고 있는 프로젝트에서 한국어 인식률은 80% 이상 나온 것을 확인했고, 90% 이상으로 맞추기 위해 노력하고 있다”며 “한국어 관련 다양한 데이터베이스 기술을 확보하기 위해 본사와 협력해 국내에 투자하고, 국내 기업들과의 협업도 진행하고 있다. 음성인식을 지원하기 위해 국내 음성텍스트변환(STT) 업체와도 협업 모델을 진행하고 있다”고 말했다.이어 “금융권에서는 본인신용정보관리업(마이데이터) 사업에 대화형 AI 기술을 충분히 활용할 수 있을 것”이라면서 “금융소비자보호법 시행으로 고객에게 많은 정보를 요구할 수 밖에 없게 됐는데 대화형 AI 기술이 도움을 줄 수 있을 것”이라고 내다봤다.
- ‘초거대 AI모델’ 일부 적용된 네이버 검색, 무엇이 변했나
- [이데일리 김현아 기자][이데일리 김정훈 기자]네이버가 구글, OpenAI 등과 전쟁이 벌어지고 있는 ‘초대규모 AI’의 일부 기술을 자사 검색에 적용했다.당장은 검색 의도를 파악하기 어려웠던 일부 검색어에 적절한 검색어를 보완하는 수준이나, 3년뒤 서울대와 함께 만든 ‘서울대-네이버 초대규모 AI 연구센터(SNU-NAVER Hyperscale AI Center)’에서 GPT-3(OpenAI가 만든 3세대 언어 예측 모델)를 능가하는 기술 개발이 이뤄지면 무엇이든 답해주는 신의 영역에 도전하는 차원이 다른 검색엔진이 가능해질 전망이다.초거대 모델 일부 적용…오탈자 걸러내는 검색 적용네이버(035420)는 지난 6일, 한국어 기반의 초거대 AI 언어모델이 네이버 검색어 제안 서비스에 적용됐다고 밝혔다.네이버는 오탈자 및 띄어쓰기, 구어체 등 더 많은 질의에 대해 검색어 제안 서비스를 확대 제공하게 됐으며, 향후 사용자가 검색할 다음 질의를 예측해 먼저 추천하는 서비스도 제공할 예정이라고 했다.이를테면 예전에는 ▲민들레 꽃과 냉이 꽃의 차이를 알고 싶을때, 실수로 ‘민들레꽃과냉이차이끛’이라고 검색어에 치면 ‘검색결과가 없다’고 나왔다.그러나 초거대 AI 모델을 일부 적용하니, ‘민들레꽃과냉이차이끛’이라고 검색하더라도 ‘민들레꽃과 냉이꽃 차이’로 자동 변환돼 검색 결과가 제공된다.해당 언어모델 개발 프로젝트를 이끌고 있는 네이버 김선훈 리더는 “사용자가 매번 어떤 검색어를 새로 입력할지 예측하기 어렵기 때문에 해당 기능의 만족도를 일정 수준 이상 높이는 것이 쉽지 않았다. 그러나 이번 초거대 AI 모델 적용을 통해 예측 성능을 향상시켜 검색 결과가 0건인 경우를 올해 절반 수준으로 줄일 계획”이라고 밝혔다.비슷한 사례로는 ▲‘ㄷ?ㅇ대문 공 영주차장(천지인 등 오타)’을 적어도 ‘동대문 공영주차장’으로 검색되고 ▲‘화이자백신 누가마 나요(구어체, 오타)로 검색해도 ‘화이자백신 누가 맞나요’로 인식한다. 또 ▲‘경기도양평명달리느티나무(띄어쓰기 오류)’를 검색창에 넣어도 ‘경기도 양평 명달리 느티나무’로 검색된다.다음 검색어를 예측해 추천 기능 3분기 제공네이버는 3분기 내에 사용자가 현재 잘못 입력한 검색어에 대한 수정 의견을 제안할 뿐 아니라 사용자의 검색 흐름에 따른 맥락을 분석해 다음 검색어를 예측해 추천하는 기능을 추가할 예정이다. 예를 들어, “올리브오일 효능”을 검색한 뒤, “파스타 만드는 법”을 검색한 사용자에게 “올리브 파스타 만드는 법”이란 검색어를 추천하는 식이다.네이버 NLP(자연어 처리, Natural Language Processing) 조직을 이끄는 강인호 책임리더는 “그간 초거대 언어모델이 그 가능성과 품질로 학계에서 큰 주목을 받아왔지만, 실제 대규모 유저 서비스에 이를 상용화하기 위해서는 모델을 최적화하고 데이터 처리 속도를 개선하는 등 고도의 기술력이 뒷받침되어야 한다”며 “이번 검색어 서비스를 시작으로, 지속적으로 관련 연구 개발을 강화해 다양한 서비스와 사용자들에게 첨단 AI 기술을 제공하겠다”고 말했다.네이버는 이달 말 기술 컨퍼런스를 개최하고 이와 관련한 보다 자세한 내용을 공유할 예정이다.
- SKT, 기술로 장애인 돕는 스타트업 돕는다
- [이데일리 김현아 기자]SK텔레콤(대표이사 박정호)이 혁신 스타트업들과 장애인의 사회 안전망을 탄탄하게 하는 서비스들을 잇따라 내놓고 있다. 오늘(20일)이 장애인의 날이어서 의미가 적지 않다.2019년부터 운영 중인 ‘임팩트업스(IMPACTUPS)’ 프로그램을 통해서다. ‘임팩트업스’ 1기는 시각장애인 스마트폰 접근성 강화 솔루션을 개발한 ‘에이티랩’을 지원했고, 2기는 장애인 권익 향상을 위한 ICT 서비스를 제공하는 4개 기업과 협업하는 등 장애인 관련 기업과의 협업 비중을 높여가고 있다.SKT는 ‘임팩트업스’ 참여 기업들의 경쟁력 강화 및 체계적인 상생협력을 위해 다양한 비즈니스 협력 활동을 제공하고, 투자유치 활로 마련 등 실질적인 혜택도 제공한다.이밖에도 중증장애인 이동을 돕는 ‘착한셔틀 모빌리티’을 통해 지자체 및 국내 기업들과 장애인의 자유로운 이동권을 확보하기 위한 노력을 이어가고 있다.시각장애인용 점자 변환 소프트웨어 개발사 센시‘임팩트업스’ 2기 참여 기업 센시(대표 서인식)는 인공지능 기반 시각장애인용 점자 변환 소프트웨어 개발 회사다. 서적에 있는 글자는 물론 이미지와 복잡한 수식도 점자로 전환해주는 알고리즘을 구현, 제작에 6개월이 걸리는 300페이지 분량 점자책을 하루만에 만들 수 있도록 했다. 제작 효율이 증가하며 점자서적 판매가격도 기존 150달러에서 10달러 내외로 획기적으로 낮췄다.센시는 미국, 스페인 등 글로벌 점자 출판물 시장에서 빠르게 성장하고 있다. 올 1분기 약 350만 달러(약 40억원) 수주 성과를 바탕으로 연말까지 100만 달러 이상의 매출을 예상하고 있다.SKT는 센시가 그 동안 부족했던 점자 교육교재나 전공서적, 전문서적, 참고서 등을 확대하는데 기여할 수 있도록 꾸준히 지원해 나갈 계획이다.AI 스피커 ‘누구’에 기반한 점자학습 서비스 개발한 오파테크점자학습기 ‘탭틸로’ 개발사인 오파테크(대표 이경황)는 지난해부터 ‘임팩트업스’에 참여, AI 스피커 ‘누구’에 기반한 ‘스마트 점자학습 시스템’을 전국의 맹학교와 복지관 등에 제공하고 있다.오파테크는 기존 전문 강사가 구두 설명과 촉각을 이용해 1:1로 점자를 교육하던 방식을 AI 스피커 기반의 일대다(一對多) 교육으로 혁신했고, 인공지능이 학습자 수준에 맞춘 반복 학습을 진행할 수 있게 했다.시각장애인이 ‘스마트 점자학습 시스템’을 활용하면 점자학습기(탭틸로) 블록위에 점자를 입력하고 전문 강사의 도움 없이도 AI스피커로부터 단어를 확인할 수 있다. 반대로 시각장애인이 궁금해하는 단어를 얘기하면, AI스피커가 이를 인식해 점자학습기로 표현해주는 양방향 학습이 가능하다.이밖에도 와들(대표 박지혁)은 시각장애인용 AI기반 모바일 쇼핑 앱 ‘소리마켓’을 개발, 인공지능으로 누구나 장벽 없이 쇼핑 정보에 접근하고 편리하게 제품을 소비할 수 있는 서비스를 고도화하고 있다.또 ‘소리마켓’은 터치스크린 기반 전자기기 사용이 어려운 시각장애인들을 위해 소셜커머스 및 입점사와 제휴를 맺고 플랫폼을 통해 시각장애인에게 쇼핑 정보를 음성으로 전달한다. 이때, 인공지능 엔진을 기반으로 검색부터 결제까지 모든 과정을 시각장애인 스스로 할 수 있도록 설계돼 시각장애인의 자립적인 쇼핑 생활을 지원할 수 있다.청각장애인 기사들이 운행하는 ‘고요한M’청각장애인 운행 모빌리티 ’고요한M’, 교통약자 전용 ‘착한셔틀’도 확대‘임팩트업스’ 2기 참여기업 코액터스(대표 송민표)는 청각 장애인 기사들의 일자리 창출과 안전한 차량 운전을 지원하기 위해 ‘고요한 M’ 서비스를 제공하고 있다. 기사 직고용, 전액 월급제를 통해 기사들이 안정적이고 편안하게 일하면서 최고의 서비스를 제공할 수 있도록 했다.SK텔레콤은 청각이 약한 기사가 택시 호출 신호를 잘 인지할 수 있도록 깜빡이 알림기능 등 다양한 기능을 티맵 택시 앱에 구현했고, 청각장애인 전용 ADAS(첨단운전자 지원 시스템)와 T케어 스마트워치를 ‘고요한M’ 전 차량에 탑재했다.양사 협력을 통해 ‘고요한M’은 지금까지 총 86명의 청각장애인 기사를 배출했고, 운행 건수도17만 건을 넘어섰다. 해외 수상 소식도 이어졌다. 코액터스는 20년 ‘MWC 글로모 어워드’에서 ‘접근성과 포용성을 위한 모바일 활용’ 부문 최우수상을 SK텔레콤과 공동 수상했다.한편, SKT는 열악한 출퇴근 환경으로 어려움을 겪고 있는 중증장애인 근로자를 지원하기 위한 모빌리티 서비스 ’착한셔틀 모빌리티’의 확대도 지원하고 있다.지난해 10월부터 SKT와 모두의셔틀(대표 장지환)이 함께 서비스하는 ‘착한셔틀 모빌리티’는 누군가의 도움 없이 대중교통 이용이 어려운 중증장애인의 출퇴근을 돕기 위해 자택 앞에서 근무지까지 도어 투 도어(Door to Door)로 셔틀버스를 지원한다.모두의셔틀은 ‘착한셔틀 모빌리티’ 전용 앱을 만들어 고객들이 실시간 예약, 차량 위치 및 잔여 좌석 확인 등을 할 수 있게 하는 등 실제 차량 운행을 맡았다.SKT와 티맵모빌리티는 ‘착한셔틀 모빌리티’에 T맵 데이터 분석 기반 최적 안전경로를 제공하고 있다. 향후 모두의셔틀, 한국장애인고용공단, SK그룹이 설립한 사회적기업 행복커넥트와의 협업을 통해 장애인 셔틀을 노약자, 임산부 등으로 확대하는 방안도 검토하고 있다.이를 위해 이달부터 일반 기업들도 기부협약 형태로 장애인들의 이동권 보장에 함께 기여할 수 있도록 사업 모델을 세분화하고, 다양한 기업들의 참여를 독려하고 있다.여지영 SK텔레콤 오픈콜라보담당은 “사회 문제 해결을 위한 ICT 서비스 제공 스타트업 기업들을 꾸준히 지원하고, 사회안전망 강화 및 장애인 신규 고용 창출에 기여하겠다”라고 밝혔다.
- AI 이용해 신약개발 속도내는 'K바이오'
- [이데일리 김지완 기자] 국내에서 AI(인공지능)를 활용해 신약을 개발하는 사례가 빠르게 증가한다.AI가 종전 신약 후보물질 도출을 넘어 △정보통합 △질병기전 이해 △데이터·모델 생성 △약물재창출 △후보물질 검증 △임상디자인 △임상시험 최적화 △데이터 공개 △임상환자 모집 등으로 활용범위를 빠르게 넓혀가고 있기 때문이다.이미지=클립아트코리아 제공11일 제약바이오 업계에 따르면 한미사이언스와 유한양행, SK케미칼, 대웅제약, 보령제약, JW중외제약, 한독 등이 현재 AI플랫폼을 이용해 신약 개발을 진행 중이다. AI를 활용한 신약 시장 규모는 매년 40%씩 성장해 2024년에는 40억달러(약 4조 5000억원)에 달할 전망이다.이에 AI를 활용해 신약을 개발하는 업체들도 늘어나는 추세다. 벤치사이(BenchSci)에 따르면 전 세계 신약 개발 AI기업은 지난 2017년 37개에서 올해 2월 기준 230개로 증가했다. 불과 4년 만에 6배가량 늘어난 것이다. 국내에서도 3BIGS, 온코크로스, 파로스iBT, 스탠다임, 메디리타, 팜캐드, 신테카바이오(226330) 등이 관련 기업으로 이름을 올렸다.이 중 SK케미칼은 스탠다임과 디어젠, 닥터노아바이오텍 등 국내외 다수 AI플랫폼 업체들과 신약 개발 협업을 진행 중이다. 앞서 SK케미칼은 약물재창출 과정에서 AI 효과를 톡톡히 봤다. 지난 1월 국내 신약 개발 AI플랫폼 기업 스탠다임과 협업해 류마티스 관절염 치료물질을 발굴한 뒤 특허로 출원했다. 공동연구에 착수한 지 불과 1년여만이다.SK케미칼 관계자는 “보통 후보물질을 찾는데 4~5년이 걸리지만, AI를 이용해 관련 기간을 크게 단축했다”며 “약물재창출로 AI 신약 개발에 나섰기 때문에 전임상(동물실험)과 임상1상(안전성)은 건너뛸 수 있어 전체 신약 개발 기간은 더욱 줄어들 것”이라고 말했다. 그는 “구글·네이버 검색엔진이 다른 것처럼 각 AI플랫폼마다 장점이 뚜렷해 복수의 AI플랫폼을 사용한다”고 덧붙였다.대웅제약도 지난달 온코크로스와 협약을 맺고 보유물질 적응증 확대에 나섰다. 대웅제약은 AI를 이용해 당뇨병 치료제 ‘이나보글리플로진’ 적응증을 대사질환과 심장·신장질환 등으로 확대할 계획이다. 또 난치성 섬유증 치료제 ‘DWN12088’도 항암제로의 가능성을 살펴보기로 했다.제약사는 신약 연구를 시작할 때 특정 질병 관련 논문 400~500편을 본 뒤 타깃 단백질을 결정한다. 이후 타깃 단백질의 활성을 조절하는 후보물질을 합성하는 데까지 평균 5~6년이 걸린다. 경우에 따라 문헌조사에만 수년이 걸린다. 반면 AI는 하루 동안 100만개 논문을 살펴보고 유전체정보까지 확인해 타깃 단백질을 제시한다.신테카바이오 관계자는 “AI는 10억개 화합물을 스크리닝해 신약 유효물질을 발굴한다”며 “이어 효능까지 검증해 리포트를 제공하는데 3개월이면 충분하다”고 설명했다. 이어 “AI 신약 개발은 후보물질 정확도가 향상되고 개발기간을 단축하며, 임상 이전 신약 후보물질 효능과 부작용을 충분히 검증해 실패를 사전에 방지할 수 있다”고 덧붙였다.신테카바이오 측은 AI 신약 개발 성공확률은 1~2% 수준으로 전통방식의 0.01%~0.02%보다 100배가량 높다고 부연했다. 일본제약공업협회는 AI 본격 도입 시 1개 신약 개발에 드는 시간과 비용이 각각 10년에서 3~4년, 1200억엔(약 1조 2000억원)에서 600억엔(약 6000억원)으로 줄어들 것으로 예상했다.업계에선 전통적인 신약 개발 방식이 한계에 봉착하면서 AI 신약 개발은 선택을 넘어 당연한 흐름이 됐다는 입장이다. 유한양행 관계자는 “신약 개발이 오랜 기간 이어지면서 조합 가능한 신약 후보물질은 나올 만큼 나왔다”며 “새로운 물질 조합이 그만큼 어려워졌다. AI를 이용할 수밖에 없는 상황”이라고 말했다. 유한양행은 신테카바이오, 캐나다 바이오텍 사이클리카 AI플랫폼을 각각 활용해 신약 후보물질을 발굴한다.앞으로 AI플랫폼 업체와 제약사 간 협업은 더욱 늘어날 것이란 전망이 지배적이다. 업계 관계자는 “AI는 신약 후보물질 발굴 외에도 임상디자인에도 활용이 빈번할 것”이라며 “AI는 전임상시험 데이터를 분석해 임상결과를 예측한 뒤 시행착오를 줄여줄 수 있다”고 설명했다.의료마이데이터 시대가 본격화하면 임상환자 모집에도 AI가 관여할 수 있다. 서근희 삼성증권 연구원은 보고서를 통해 “일반적으로 임상환자 모집은 포스터공고로 이뤄져 건강한 사람이나 질병에 걸린 사람 찾는 데 많은 시간을 소요한다”며 “대신 AI는 병원진료 기록을 토대로 적합한 시험자를 검색해 환자를 빠르게 모집할 수 있다”고 내다봤다.한편 하버드대는 글로벌 제약바이오 산업이 AI 신약 개발로 오는 2025년까지 270억달러(약 30조원)의 R&D(연구·개발) 비용을 절감할 것으로 추산했다.
- [72] 아날로그, 디지털... 스마트 팩토리
- 박정수 성균관대 스마트팩토리 융합학과 겸임교수[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 왜 제조업의 경쟁 본질(本質)이 변화하고 있을까? 아날로그 시대의 제조업과 디지털 시대의 제조업의 경쟁 본질은 다르기 때문일까? 과거나 지금이나 제조는 생산의 요소 4M(노동, 재료, 설비, 방법)을 투입하여 균일한 품질로 최적의 원가를 제공하는 활동이며, 4M(Man, Machine, Material, Method)은 제조업에 있어서 기본적인 중요한 요소다. 이를 바탕으로 생산계획, 준비, 실행이 결정되며, 이후 생산활동의 결과를 분석 또는 평가할 때에도 이를 기준으로 수행한다. 왜냐하면 이는 제조업의 목표인 Q.C.D.달성(Quality, Cost, Delivery)을 위한 요소, 즉 균일한 품질. 최적의 원가. 납기 준수이기 때문이다.그런데 문제는 이렇게 통상적인 목표로는 제조업이 4차 산업 혁명 시대에 살아 남을 수 없다는 것이다. 균일한 품질은 고객이 원하는 맞춤 품질 수준으로, 최적의 원가는 고객과 시장이 원하는 맞춤 경쟁우위 가격으로, 납기 준수는 고객이 원하는 곳에 원하는 시간에 고객 맞춤 납기로 제공해야 한다. 따라서 아래 제시한 표는 제조 활동의 목적에 따른 제조 활동과 원가에 대한 개념 정립, 그리고 공장에서 관리해야 하는 모든 과정(process) 관리에 대한 포인트를 제조업의 목적과 원가 흐름의 상호작용 관점, 즉 4M과 Q.C.D.의 관점에서 나타내고 있다. 출처: 성균관대학교 스마트 팩토리 융합학과 박정수 교수 재인용제4차 산업혁명의 등장과 함께 예전에는 경험하지 못한 경제 형태가 등장하게 되었다. 과거에는 전화를 통해 음식 배달을 주문해야 했지만 요즘에는 모바일을 통해 간편하게 주문할 수 있는 배달 애플리케이션이 널리 쓰인다. 이렇게 온라인을 통해 수요자가 원하는 것을 즉각적으로 제공하는 경제 형태를 ‘온디맨드(on-demand economy) 경제’라고 칭한다. 온디맨드 경제의 특징처럼 기업과 개인 간의 벽을 허물어서 상호작용을 하는 맞춤 경제활동 시대가 실현되고 있기 때문에, 제조업이 고객과 시장의 요구에 대한 대응역량을 강화하여 적기맞춤(FiT:Fit in Time) 대응을 위한 제조의 시대를 준비하는 것이 스마트 팩토리 구축이다. 디지털(digital)과 아날로그(analog)를 구분하여 제조 활동에 적용하는 것이 애매하듯이 스마트 팩토리도 과거 제조의 본질과 스마트 팩토리의 본질을 구분하기는 어렵다. 근본적인 문제는 기본에서 온다. 흔히 디지털은 숫자판, 아날로그는 계기판에 표시되는 것이라고 구별한다. 또는 계기판을 쓰더라도 불연속적으로 똑똑 끊어지는 방식으로 표시되면 디지털이라고 한다. 바늘로 표시되는 설비 계기판이나 전자시계가 이에 속한다. 이에 따라 보통 “아날로그는 연속적, 디지털은 불연속적 또는 단속적(斷續的)”이라고 이해한다. 이 구별이 잘못된 것은 아니다. 그러나 본질적 차이점은 따로 존재한다.아날로그(analog)는 ‘닮음·비유’란 뜻의 그리스어 analogia에서 나왔다. 아날로그는 “수를 간접적으로 다루는 방식”이다. 다시 말해 아날로그는 ‘수 다루기의 흉내내기’란 뜻이다. 아날로그식 도구의 대표적 예는 ‘계산자’다. 지금은 ‘휴대용 계산기’에 밀려 볼 수 없다. 하지만 30여년 전만 해도 이공계통 종사자들이 오늘날 계산기를 쓰듯 애용했다. 계산자에는 여러 눈금이 매겨져 있다. 이 눈금이 숫자의 역할을 한다. ‘3+5=8’이라는 계산을 할 때 눈금을 이용해 ‘간접적으로’ 결과를 얻는다. 여기에 실제의 계산은 없다. 계산을 흉내내는 ‘눈금 맞추기’와 ‘눈금 읽기’만 하면 되듯이 제조 목적의 지표도 균일한 품질. 최적의 원가. 납기 준수가 지표 아닌 지표였다.디지털은 “수를 직접 다루는 방식”이다(digit은 손가락을 뜻하는 라틴어 낱말 digit에서 나온 것으로 ‘숫자’를 뜻한다). 디지털식 기계의 대표적 예는 컴퓨터다. ‘7+3=10’라는 계산을 할 때 컴퓨터는 중앙처리장치(CPU)에서 ‘7’란 수와 ‘3’이란 수를 ‘직접’ 더한다. 아날로그식 ‘눈금’과 같은 “중간매체”는 없다. 답을 내놓을 때도 ‘10’이란 수를 ‘직접’ 보여주듯이, 아날로그식의 표현인 ‘균일한 품질관리’에서 디지털식 표현인 ‘품질관리 목표 10중에 9 달성’이라고 수를 직접 다루어 지표를 제시해야 한다. 즉 관리 지표에 품질이라는 ‘명사(noun)’를 수직하는 형용사 “균일한”이라는 말 대신에 10이라는 수를 표시해 주는 것이 빅데이터와 인공지능 기술 기반 스마트 팩토리의 기본적인 본질이다.물론 아날로그와 디지털의 두 방식을 합친 장치도 많다. 가게에서 보는 ‘숫자로 표시되는 저울’이 그 예다. 그것을 보통 ‘디지털 저울’이라고 한다. 그러나 여기의 디지털은 ‘숫자판’에 대한 얘기일 뿐이다. 저울 안에는 아날로그적인 하드웨어인 스프링과 압력 센서 등의 기계부품이 들어 있다. 물건을 올리면 스프링이 눌린다. 그 눌림을 센서가 감지해 전기신호를 낸다. 여기까지는 순수한 물리적 현상으로 아날로그적 과정이다. 제조 현장의 대부분의 설비는 그렇게 아날로그식으로 작동한다. 이 신호를 디지털로 바꿔 숫자판에 Q.C.D.의 지표를 나타내는 과정은 명백한 디지털 과정이듯이 제조 현장의 4M의 물리적 작용은 없어지지 않을 아날로그 과정이다. 아날로그의 연속성과 디지털의 단속성(불연속성)은 각각의 본질(本質)에서 나오는 2차적 특성이다. 1/3, 즉 0.333…이란 수를 보자. 계산자나 재래식 저울(아날로그식)의 눈금 위에는 이 수가 분명히 있다. 얼마나 정밀하게 읽을 것인지는 다음의 문제다. 실제로는 모든 수가 다 있다. 따라서 연속적이다. 그러나 컴퓨터에는 1/3과 비슷한 수만 있을 뿐 정확히 1/3이란 수는 없다. 수 자체를 다룬다는 본질상 ‘디지털에서의 수’는 ‘자릿수법으로 나타낸 수’일 수 밖에 없다. 예를 들면 1/3은 0.333…, 무리수 루트 2 (제곱근 2)의 값은 1.414… 로 써야 한다. 그러나 연산 및 표시장치의 한계 때문에 어디선가 반드시 끊어야 한다. 그래서 디지털 수(數)들은 단속적으로 존재한다. 면밀히 살펴보면 아날로그 기술 요소가 기본적인 토대가 되어야 디지털로 변환하는 것이 실효성이 성립된다는 “현장 지향적인 과학적 사실”을 주시해야 한다. 따라서 스마트 팩토리의 구도화는 아날로그 단계와 디지털 단계를 동기화(synchronization) 시키는 매우 복잡한 과정이다. 그래서 빅데이터와 인공지능 기술을 활용하여 진행해야 한다. 어느 고객이 무엇을 얼마나 자주 구매했는지, 어느 매장에서 어떤 유형의 제품을 구매했는지, 언제 재구매 또는 대체 구매할 것인지 등과 같은 정보는 기업의 실무자나 임원들에게 가장 큰 관심사일 것이다. 그런데 문제는 제조 현장과 공급망(supply chain)이 이와 같은 시장의 반응에 대해서 대응하는 역량이 미흡하다는 것이다. 대표적으로 4차 산업혁명의 시대를 예견하면서 관심을 받는, 빅데이터 분석기법이 이에 해당한다. 이제 데이터는 단순히 저장되는 정보로 그치지 않는다. 데이터는 이제 철저히 분석되어 적극적으로 활용된다. 이를 활용한 케이스는 무엇이 있을까? 흔히, 회원제 쇼핑몰이나 인터넷 강의 업체, 온라인 서점 등에서 ‘오늘 본 상품’, ‘많은 이들의 추천 상품’, ‘당신에게 적합한 상품’과 같은 배너를 만들며 자동으로 추천해주는 기능을 경험했을 것이다. 이런 실시간 추천 서비스는 개개인의 맞춤형 서비스를 제공해주는 인공지능과 빅데이터 기술이다. 검색엔진 포털 사이트에서 일정 단어만을 입력하면 추천 검색어가 나열되는 것도, 잘못된 검색결과에서 사소한 오류를 고쳐 수정된 결과를 도출해주며 대중이 원하는 키워드를 찾아주는 역할을 한다. 축적된 데이터를 활용해 고객을 위한 맞춤형 전략을 구사하는 것이다. 이처럼 데이터는 고객의 기호를 파악하는 것은 물론, 업무 프로세스상의 결함을 잡아주는 역할도 한다. 데이터가 단순히 축적되어 저장되는 과거와는 달리, 이를 분석한 활용 형태가 다방면으로 적용되고 있다. 데이터베이스 마케팅이란 용어가 생겨난 지는 오래됐지만 표준화된 고객을 위한 전략이 아닌 개별 맞춤형 전략의 중요성이 대두되며 새로운 대안으로 모색되고 있듯이, 스마트 팩토리도 맞춤형 시장과 고객의 니즈에 대응하기 위해서 “데이터”를 중심으로 다양한 해결 방향과 생산 전략을 구사하는 제조 산업의 경쟁우위 전략인 것이다. 데이터의 가치는 더욱 높아지고 그 중요성 또한 너무나도 강조되고 있지만 기업들은 데이터에 대한 가치를 어떻게 인지하고 있을까? 대부분의 조직은 원칙적으로는 데이터가 자산임을 인식하지만 실질적인 재무 가치 산정은 쉽지 않은 상태이다. 데이터는 무형 자산이다. 실체 확인의 어려움으로 인하여 기업들은 데이터를 자산으로 평가하기보다는 관리를 위한 스토리지 도입 및 유지, 애플리케이션, 인건비 등으로 IT 비용을 증가시키는 요소로 평가하고 있지는 않을까? 데이터가 자산으로서 갖는 특성을 제조 현장과 마케팅 자산으로 인식해야 함에도 불구하고 비용이 많이 드는 자산의 대상으로 인식하는 구태함 때문에, 데이터를 제조산업의 새로운 수익원으로 전환하려는 스마트 팩토리 구현을 오해하고 있지않을까? Daniel Moody & Peter Walsh의 “Measuring The Value Of Information: An Asset Valuation Approach”에 의하면, 아래 그림은 데이터를 정보로 전환하여 의사결정에 활용하는 경제적 재화로서 정의하기 위한 7가지 특성을 제시하기 위한 정보 생산 프로세스(The Information Production Process)에 대한 그림이다. 그것을 스마트 팩토리 구축의 핵심인 데이터 관리 기술 측면에서 재해석하면, 첫째, 데이터나 정보는 무한정 공유(shareable)가 가능하다. 데이터 획득 단계에서부터 통합과 결합을 고려한 설계를 통해서 비용을 추가하여야 하는 이슈가 발생하지 않도록 데이터를 관리하여야 한다. 둘째, 정보의 가치는 사용량에 따라 증가한다. 즉 사용에 따라 가치가 하락하는 많은 자산들과 달리 정보의 가치는 사용할수록 상승한다. 그러나 동일한 구성과 형태로만 반복적으로 활용된다면 정보가 일반화되는 어느 시점에 활용가치는 하락하게 될 것이다. 누구나 알고 있는 정보는 정보로써 가치를 잃게 되기 때문이다. 그렇기 때문에 무형 자산인 데이터의 특성을 적극 활용하여 동일한 자산으로 가치를 유지하기 위한 데이터 관리 목적이 스마트 팩토리 구축시 고려하여야 한다. 또한 정보를 효과적으로 사용하기 위한 전제 조건은 데이터와 정보가 어디에 존재한다는 것을 아는 것, 위치 파악, 접속 가능, 그리고 사용법을 숙지하여야 한다. 왜냐하면 조직의 모든 사람이 정보의 위치를 알고 있을 때 정보는 최고의 “잠재력”에 도달하기 때문이다.셋째, 정보는 쉽게 달라진다. 다른 자산과 마찬가지로 정보도 시간이 지남에 따라 감가상각 되는 경향이 있다. 그러나 그것이 가치를 잃는 속도는 정보의 종류에 따라 달라진다. 고객의 정보가 변경될 경우 이전 주소 보다 최근 정보가 더 가치 있겠지만, 패턴을 알고 싶은 경우에는 최근 정보보다 과거 누적된 정보가 더 중요한 가치를 가질 수 있다. 특히, 의사결정지원을 위해서는 과거 데이터의 축적이 절대로 필요하다. 그러므로 데이터 특성과 활용 목적에 따라 차별화된 관리 정책이 필요하다.넷째, 데이터와 정보의 가치는 정확성에 따라 증가한다. 데이터의 정확성은 데이터가 가져야 하는 기본이 되는 필수 요소임을 누구나 동의하는 사항일 것이다. 그렇다면 정확하지 않은 데이터는 무가치한 것일까? 의사결정을 위한 정보를 생성할 경우 부정확한 데이터를 사용할 수 없지만 데이터의 정확성을 높이기 위한 작업에 활용하기 위해서는 그 또한 관리가 필요하다고 생각해야 한다. 다섯째, 다른 정보나 데이터와 결합하면 가치가 증가한다. 기업 내부 데이터간의 결합뿐만 아니라 서로 다른 기업이 보유하고 있는 데이터 간의 결합은 데이터 분석을 통한 인사이트 확보에 필수 요소가 될 것이다. 여섯째, 무조건 많다고 더 나은 것이 아니다(More Is Not Necessarily Better). 우리는 정보의 홍수 속에 살고 있다. 정보의 양이 한계를 초과하면 이해력은 급격히 저하되고 의사결정 성과는 감소한다고 한다. 빅데이터가 부상하던 초기에도 유사한 사례가 많았다. 일단은 무조건 대량의 데이터를 수집하고 저장하는 것을 우선으로 진행했으나, 무조건 많은 데이터보다는 올바른 데이터를 통한 인사이트를 얻는 것이 더 중요하다는 것을 경험을 통해 알 수 있었다. 스마트 팩토리 구축 시 데이터 관리의 기준을 정립하는 것은 “기획 단계”에서 가장 먼저 디자인해야 한다.마지막으로, 정보나 데이터는 절대 고갈되지 않는다. 대부분의 자원은 사용할수록 고갈되지만 데이터는 자체적으로 생성되고, 사용할수록 더 많은 데이터를 보유하게 된다. 서로 다른 데이터를 활용하여 요약, 분석 또는 결합한 결과로 새로운 데이터나 파생 데이터가 생성되는 경우가 많기 때문에 사용할수록 더 많은 데이터를 확보하게 될 것이다. 그러므로 빅데이터와 인공지능 기반 스마트 팩토리는 지속가능한 “수익원”을 창출하는 데이터와 정보를 “상품화”하는 제조업의 혁신전략이자, 생산의 요소 4M(노동, 재료, 설비, 방법)을 빅데이터와 인공지능으로 요리(cooking)하는 제조업의 “새로운 맞춤형 생산 조리법(general recipe)”이다.
