Predictive technology that enables the transition from postactive to proactive

‘소 잃은 외양간’에 예측 기술 도입하면?

소 잃고 외양간 고친다는 말이 있다. 만일 소를 잃기 전에 이를 예측할 수 있다면 어떨까? AI 알고리즘을 기반으로 예측 정보를 제공하거나 혹은 예측을 통한 고도화된 서비스를 제공할 수 있을 때 거기에서 커다란 기회를 만나게 된다.

1세기 넘는 역사를 갖고 있는 미국의 대표적 제조업체 제너럴일렉트릭(GE)는 2011년 소프트웨어 기업으로의 전환을 선언했다. 이 때부터 제품에 지능화된 소프트웨어 중심으로 고도화된 서비스를 제공했다. 과거에는 항공기 엔진을 판매했지만, 이 때부터는 고장 나기 전에 알려주고 고쳐주는 예측 보장 서비스를 선보였다. 엔진에 센서가 부착되어 있어서 항공기를 운항할 때마다 센서가 엔진 속 데이터를 분석해서 이상은 없는지, 그리고 수명이 얼마나 남았는지 확인한다. 수명이 거의 다 된 부품은 고장 신호가 나기 전에 미리 알려주고 교체해 준다. 이러한 예측 서비스를 시작하고 나서 GE 엔진을 단 항공기는 운항 중 엔진이 고장 나는 사고가 눈에 띄게 줄었다. 비즈니스의 무게중심을 ‘제조’ 예측적 ‘서비스’로 전환하면서부터 GE의 엔진은 ‘고장 나지 않는 제품’으로 알려지게 되었고, 항공사들은 앞다투어 이 서비스를 도입했다. GE는 여전히 항공기 엔진을 팔고 있지만 엔진 판매로 얻는 매출보다 엔진 예측 보전 서비스로 얻는 매출이 더 크다. 예측 기능은 제품 및 서비스에 새로운 가치를 부여한다.

예측이 없던 세계에서는 앞으로 무슨 일이 일어나는지를 모르기 때문에 다음 액션을 취하기 위해서는 일이 일어날 때까지 기다려야 했다. 비효율이 존재하고, 어림짐작으로 인한 부정확성과 실수가 많다. 앞으로 벌어질 일에 대한 대비를 하지 못하기 때문에 손실이 발생한다. 소 잃고 외양간 고치는 식이다. 그런데 만일 소 잃기 전에 미리 손실을 예측할 수 있다면 어떨까? AI 기반의 예측 알고리즘 원리는 수많은 데이터 학습 통해 패턴을 파악하고, 특정 조건이 주어지면 이 패턴에 기반하여 결과를 추론하는 것이다. 이러한 알고리즘을 바탕으로 예측이라는 개념이 존재하지 않던 곳에 예측정보를 제공하거나 혹은 예측을 통한 고도화된 서비스를 제공할 수 있을 때 거기에서 커다란 기회를 만들어낼 수 있게 된다.

고장나지 않는 자동차를 구현하다

그동안 별다른 예측이라고는 해보지 않은 대표적 영역은 자동차 정비업이다. 카핏(Carfit)은 데이터 분석을 통한 예측적 자동차 정비 솔루션을 제공한다. 자동차가 고장난 이후 정비하는 것이 아니라 고장을 미리 예측해서 사전에 대응하는 시스템이다. 머신러닝 기반의 예측모델을 적용, 차량의 소음 및 진동정보를 토대로 각종 장치 및 부품 상태를 상시 모니터링하며 향후 발생할 고장을 예측한다. 이를 통해 문제가 발생하기 전에 정비하게 해 주어 고장나지 않는 자동차를 구현한다. 자동차 정비를 위해 들이는 비용을 줄일 수 있게 해준다. 이런 종류는 자동차 소유자뿐만 아니라 자동차 제조사, 정비소, 차량공유 기업 등의 사업자에게도 필요한 서비스다. 자동차 정비의 개념을 사후 대응에서 사전 예방으로 전환한 사례다.

이러한 예측적 서비스를 통해 임팩트를 창출하는 것은 제조나 정비업에만 국한하지 않는다. 예측이라는 개념이 별로 없는 영역 중 하나가 출판업이다. 출판업에서는 베스트셀러 하나가 출판사의 1년 농사를 책임질 정도이기 때문에 베스트셀러 한권 내는 것이 모든 출판사의 희망이다. 하지만 예측의 개념을 출판 프로세스에 적용하는 출판사는 없다. 그런데 2016년 독일에서 설립된 인키트는 베스트셀러 여부를 예측한다. 책을 출간하기 전 칼럼 하나 분량의 짧은 스토리를 독자들에게 연재 방식으로 공유한다. 100만명 넘는 회원 독자들은 이 스토리를 접하면서 나름대로 보이게 되는 행동을 기록하여 데이터화한다. 이 데이터를 이용하여 머신러닝 모델로 학습을 하여 출간후 흥행 가능성을 예측한다. 그리고 흥행이 보장된 책만 출간한다. 베스트셀러 비율은 무려 90%가 넘는다.

배터리 제조에 예측 기술이 적용되면?

예측이 중요함에도 불구하고 그동안 적용되지 않은 영역이 많다. 배터리 산업이다. 우리는 배터리가 다 떨어져서 기계가 작동을 멈춰야 배터리 방전을 인지한다. 그러다 보니 기계의 작동 흐름이 끊기거나 작업하던 일에 차질을 빚는 일이 비일비재하다. LG에너지솔루션은 배터리 수명을 예측하는 시스템을 개발했다. 배터리 충전과 방전 이력 데이터를 바탕으로 앞으로 이 배터리가 얼마큼 더 잔존 수명을 갖고 있는지를 AI로 예측하는 것이다. 배터리 잔존 수명을 예측할 수 있다는 건 뭘 의미할까? 비싼 전기료를 사용하며 배터리를 상시 충전할 필요가 없어진다. 필요한 때에 필요한 만큼만 충전을 하면 되니 전력 최적화를 이룰 수 있게 된다. 또한 모든 배터리의 잔존 수명을 AI 기술을 활용해 정밀하게 측정해 재활용하는 데 활용하고, 전지 생산에 발생하는 이산화탄소 배출량도 크게 줄여 환경 개선의 효과도 기대할 수 있다. 예컨대, LG가 생산하는 배터리를 모두 재활용할 수 있다면 배터리 원재료인 리튬, 망간, 코발트, 니켈 등의 채굴을 최소화함으로써 연간 약 2500만 톤의 이산화탄소 발생을 줄일 수 있다. 이는 10년간 3억 그루의 나무를 심는 효과와 같다.

결국은 창조적 응용력이다

사실, 이렇게 AI 예측기술이 적용되는 분야는 정해져 있지 않다. 그동안 생각하지 못한 곳에 예측기술을 적용하여 새로운 기회를 만들어내는 게 얼마든지 가능하다. 창조적 응용력이 중요하다고 이야기할 수 있다.

예측의 방식은 다양하다. 가령, 코로나 감영 여부를 확인하는 것도 코나 목에 키트를 문질러 검사하는 방식만 있는 게 아니다. 헛기침 소리로도 코로나 19 감염 여부를 확인할 수 있다. 기침하는 것은 성대와 주변 기관의 영향을 받기 때문에 기침소리는 목과 폐의 상태를 알려주는 신호가 될 수 있다. AI는 사람의 귀로는 구분할 수 없는 기침 패턴의 차이를 발견해낸다. 이 기술을 개발한 MIT 연구진은 신경망 알고리즘 중 하나인 ResNet-50을 사용, 천 시간 분량의 음성 데이터와 폐 및 호흡 성능의 변화가 포함된 기침 데이터를 통해 기침소리만 가지고 확진 여부를 예측하는 모델을 구축했다. 이 모델은 97.1 %의 정확도로 감염 여부를 식별했다.

AI 예측기술은 사후수습 방식을 사전대응 체제로 전환하여 새로운 이점을 만들어내는 기술이다. 이러한 기술을 이용해 새로운 가치를 창출하기 위해서는 우리의 사고가 좀 더 유연해야 한다. 예측이란 것을 전혀 고려해보지 못한 곳에 기술을 적용할 수 있기 위해서는 창조적 발상이 필요하다. 뻔한 적용이나 관습에 얽매이지 않고 불확실한 가능성에 베팅하는 담대함도 중요하다. AI 예측을 통해 임팩트를 창출하기 위해서는 이러한 창조적 도전이 필수다.

※ 정두희 MIT 테크놀로지 리뷰 코리아 편집장이며, 한동대학교 ICT창업학부 교수다. AI 솔루션 기업인 임팩티브AI의 대표를 맡아 국내 기업들의 성공적인 AI 도입을 돕고 있다. 《넥스트 빌리언 달러》, 《한권으로 끝내는 AI 비즈니스 모델》, 《3년후 AI 초격차 시대가 온다》, 《TQ 기술지능》 등을 저술했다.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.