디지털 플랫폼과 인공지능AI의 이해

최근에는 인공지능(AI)이 현재 이러한 데이터 및 분석 시스템을 대체하면서 작업을 수행하고 있다. 즉 인공지능은 기계학습(machine learning) 기반의 새로운 데이터 분석 시스템이라고 이해 할 수 있다. 이러한 인공지능을 통한 데이터 분석은 기존 프로세스를 보다 효율화하고, 효과성(성과)을 강화하고 있다. 따라서 인공지능 기술을 중심으로 각 독립적인 기술 영역들이 연결됨에 따라 인공지능 기술이 중요해지고 있다. 이미 빅 데이터 환경에서 의사결정에 도움을 주는 정보가 인공지능에 의해 분류ㆍ분석되고 있으며, 인공지능에 기반을 둔 제품 및 서비스가 제공되고 있다. 예를 들어 검색ㆍ추천ㆍ평가ㆍ통제ㆍ예측 등 많은 서비스들이, 내ㆍ외부 데이터를 처리하여 의미 있는 정보를 생산ㆍ분석하는 인공지능에 의해서 구현되고 있다. 특히 지속적인 컴퓨팅 기술의 발전과 최근 딥러닝 알고리즘의 등장으로 인공지능은 대량의 데이터(빅데이터)를 자율적으로 학습하면서 진화하고 있다. 현재 디지털 플랫폼의 비즈니스 측면에서 있어 이러한 인공지능이 수행하는 중요한 기능을 구체적으로 살펴보면 다음과 같다. 첫째, 인공지능은 디지털 플랫폼에서 탐색비용과 공통비용을 줄이는 데 기여하고 있다. 인공지능은 최근 빅데이터, 컴퓨터 하드웨어, 알고리즘의 발전에 힘입어, 시간과 비용이 많이 소요되는 음성인식, 영상처리, 번역, 상황 및 추론 등의 기능을 수행한 다. 이를 통해 디지털 플랫폼 참여자들이 원하는 정보, 제품ㆍ서비스 또는 거래상대를 보다 빠르고 편리하게 연결하여 탐색비용을 감소시켜 준다. 또한 원하는 정보, 제품ㆍ서비스 또는 거래상대를 찾은 후 요구하는 수준에 맞추어 정교하게 발생하는 거래(조건)를 처리하여 공통비용도 감소시킨다. 이러한 거래비용의 감소는 다양한 이해관계자들이 플랫폼 사용하도록 이끄는 동시에 상호작용을 촉진시킨다. 이러한 디지털 플랫폼에 있어 중요한 기술적인 구성요소가 인공지능(AI)이다. 인공지능 기술을 중심으로 각 독립적인 기술영역들이 연결됨에 따라 인공지능 기술이 제일 중요해지고 있다. 이미 빅 데이터 환경에서 의사결정에 도움을 주는 정보가 인공지능에 의해 제공되고, 인공지능에 기반을 둔 제품과 서비스들이 제공되고 있다. 특히 디지털 플랫폼 비즈니스에 있어 인공지능의 거래비용 감소와 품질 악화 방지 기능은 동전의 양면처럼 디지털 플랫폼의 경쟁력을 유지하는데 있어 매우 중요하다. 인공지능은 사용자가 디지털 플랫폼을 사용하기 편리하게 사용할 수 있도록 촉진하는 동시에 플랫폼의 품질을 관리할 수 있는 다양한 방안을 제공한다. 이러한 인공지능의 기능을 활용한 대표적인 서비스로 디지털 큐레이션이 존재한다. 이러한 측면에서 최근 등장하고 있는 디지털 큐레이션(Digital Curation)의 경우, 인공지능과 데이터를 원천기술로 활용하는 대표적인 서비스로 조명 받고 있다. 디지털 큐레이션은 인터넷의 다양한 정보들을 주제별로, 혹은 관련된 연계성, 연관성을 지닌 무엇인가로 모아서 정돈하고 정리하여 스스로에게나 다른 사람에게 알기 쉽게, 또 접근하기 쉽게 내보이는 작업을 말한다. 수요자 또는 공급자의 데이터 분석에 따라 최적의 알고리즘을 만들어 적용하면 최적의 콘텐츠, 제품 및 서비스, 거래대상을 선택하여 제안할 수 있다. 특히 이러한 서비스를 통해 수요자의 요구에 맞는 확률이 높은 콘텐츠, 제품 및 서비스, 거래대상을 찾아낼 수 있다. 인공지능의 추론, 언어, 시각, 청각, 복합지능으로 다양한 요구를 데이터로 변환하고 분석할 수 있다. 결국 인공지능을 통해 적절한 데이터를 보다 빨리 분석하여 수요자의 요구에 대응할 수 있다. 더 나아가 인공지능에 기반을 둔 디지털 큐레이션에 의한 신뢰의 누적은 최종적으로 정보, 제품ㆍ서비스, 참여자에 대한 관리를 가능하게 하여 전체적인 품질을 통제할 수 있게 된다. 둘째, 인공지능은 디지털 플랫폼 품질의 악화를 막아주는데 기여하고 있다. 일반적으로 디지털 플랫폼의 데이터가 증가할수록, 데이터로부터 재생산되는 정보의 정확성과 가치가 통계적으로 증가한다. 하지만 정보, 제품ㆍ서비스, 거래상대가 늘어날 수록 최적의 매칭이 어려워지거나 바람직하지 않는 참여자 또는 정보, 제품ㆍ서비스가 많아져 품질을 저하시킨다. 양적인 성장에 있어 성공하고 있는 디지털 플랫폼이 질적인 문제에 부딪히는 경우가 발생하고 있다. 결국 이러한 디지털 플랫폼의 품질 저하는 참여자들의 이탈을 가져와 경쟁력을 약화시킨다. 따라서 정보, 제품ㆍ서비스 또는 참여자를 필터링하는 장치가 요구된다. 즉 품질을 관리할 수 있는 방안이 필요하다. 인공지능 기반 필터링은 추론, 언어지능, 시각지능, 청각지능, 복합지능 등을 활용하여 양적인 규모와 품질을 유지 및 통제할 수 있다. 디지털 플랫폼 비즈니스에 있어 필수적인 인공지능 기술은 오픈소스를 통해 라이선스 및 공유되고 있는 상황이다. 일반적으로 인공지능은 알고리즘과 데이터에 의해서 성과가 달라지는데, 오픈소스 생태계를 통해 공유되면서 발전하고 있는 알고리즘 보다는 데이터에 의해 차별화가 이루어지고 있다. 즉 차별화의 기초는 고객, 파트너, 사물, 기업내부로 부터 발생하는 데이터를 수집ㆍ저장하고, 인공지능으로 분석하여 의사결정을 지원하는 것에 있다. 성공적인 디지털 플랫폼은 이러한 데이터 구축 및 관리에 기반을 둘 수밖에 없는 것이다. 따라서 데이터 구축 및 관리 역량이 디지털 플랫폼 전략의 성공 여부를 결정하는 주요한 토대로 작용하고 있어, 디지털 플랫폼의 경쟁력 확보를 위한 기초로 데이터 구축 및 관리 역량이 필수적이다. 디지털 플랫폼에서 조직 내ㆍ외부 모든 사용자가 이러한 데이터를 검색할 수 있으며, 활용 가능한 자산으로 구축 및 관리해야 한다. 하지만, 인공지능 학습에 활용되는 데이터는 규모뿐만 아니라 사용 목적에 맞는 품질이 보장되어야 한다. 기계학습은 대용량의 데이터로부터 반복적으로 학습하는 기술이며, 보다 나은 결과를 얻기 위해서는 데이터로부터 지속적인 학습이 필요하다. 따라서 데이터가 많을수록, 품질이 높을수록 더 빠른 학습이 가능하고, 학습 결과는 보다 더 정확해진다. 이와 같이 데이터의 양과 질이 인공지능의 성과를 좌우함으로, 목적에 따른 의사 결정과 상호 작용을 지원하기 위해서는 보다 많은 양과 우수한 품질의 데이터를 필요로 할 수밖에 없다. 이러한 데이터의 품질, 항목, 형식, 표준 등의 문제를 해결하기 위해서는 디지털 플랫폼에서 목적에 맞게 데이터를 직접 수집 및 생성하는 것이 필요하다. 특히 활용하고자 하는 인공지능(기계학습)분야ㆍ도메인의 특성에 맞게 원하는 데이터셋을 수집ㆍ생성해야, 인공지능(기계학습) 데이터로 활용이 가능하고 사업적인 의미도 존재한다.