인공지능(AI)는 단순히 과거 데이터를 분석하고 미래를 예측하는 것을 넘어서서 최적의 목표를 달성하기 위한 실행 전략을 결정할 수 있다.

인공지능 전문기업 아일리스(대표 박재현. 구 솔리드웨어)가 의사결정을 최적화하기 위한 인공지능 기술을 선보이고 이 솔루션을 'AI Decisioning'이라고 일컬었다.

인공지능이 인간이 지니고 있는 다양한 지적 능력을 컴퓨터로 구현한 개념이라면, 그중 머신러닝은 특별히 학습능력에 초점을 맞추어 빅데이터로 학습된 패턴을 토대로 미래의 결과를 예측하는 개념으로써 알려져 있다.

따라서 머신러닝 기술을 개발하거나 이를 도입하려는 기업에서는 학습 속도와 예측 성능을 높이는 것이 관건이다. 특히 데이터 전문가나 개발인력이 부족한 기업에서는 별도의 코딩 없이 예측 모형을 쉽게 개발할 수 있는 자동화 머신러닝 솔루션이 각광을 받고 있다.

그러나 아일리스는 일반적인 자동화 머신러닝이 여전히 비즈니스 담당자들에게 선호받지 못하고 있다는 한계를 지적한다. 빠르고 정확하게 미래를 예측하더라도 예측된 미래를 기업에게 유리한 방향으로 바꾸지 못하면 소용이 없다는 이유이다.

예를 들어, 특정 상품이 얼마나 팔릴 것인지 예측하는 모형을 개발한 이후에도 비즈니스 담당자에게는 더 많은 판매량을 확보하기 위해 어떤 홍보 방법을 써야 하는지 결정을 내려야하는 과제가 남아있다.

이 경우 인공지능이 판매량 상승을 위한 적절한 홍보 방법을 결정해주거나 데이터에 기반한 비즈니스 전략을 제안해준다면 더욱 실용적인 기술이 될 것이다.

이에 아일리스는 자체 개발한 머신러닝 솔루션 ‘다빈치랩스’에 전략 시뮬레이터 기능을 탑재하여 비즈니스 담당자들에게 소개하고 있다. 사용자가 지정한 타겟을 예측하는 모형을 개발한 후 신규 데이터를 적용하면 예측된 타겟값이 출력되며, 목표하는 타겟값이 있는 경우 시뮬레이터를 활용하면 데이터의 변수를 최적화해주는 방식이다.

예를 들어, 비즈니스 담당자가 고객의 상품 구매 확률을 30%이상 높이고 싶다면 시뮬레이터는 A라는 대리점의 출하량을 늘리고 B라는 고객 집단에게 2번 이상 이벤트를 실행할 것을 요청한다.

아일리스가 말하는 머신러닝의 한계는 예측 모형의 성능을 평가하는 방법에서도 기인한다. 대부분의 예측 성능은 전통적인 통계에서 활용되던 지표를 그대로 사용하고 있다. 문제는 통계지표가 일반인에게 이해하기 어렵고, 비즈니스 성과와의 관련성도 적다는 점에 있다.

일례로 수요예측 모형을 평가하는 경우 일반적인 통계 지표는 예측량과 실제량의 절대 오차 정도를 평균해서 점수를 부여할 뿐이지만, 실제로 비즈니스 담당자에게는 초과품보다 결품이 발생하는 게 더 큰 손해를 끼치기 때문에 되도록 결품을 발생시키지 않는 모형을 선호할 수밖에 없다. 다시 말해 직관적인 비즈니스 의사 결정을 위해서는 전통적인 평가 지표로 개발된 모형보다 새로운 방법이 필요하다.

이에 아일리스는 KPI-Driven Modeling으로 모형을 개발하는 것을 우선순위로 삼고 있으며, 이를 통해 최근 유통분야 고객사와 함께 수행하였던 프로젝트에서 기존 통계 모형 대비 약 75억원의 비즈니스 성과가 있었다고 밝혔다.

아일리스는 어떤 자동화 머신러닝 솔루션에서도 KPI를 기반으로 모형을 개발하지 않는다고 지적하며, 기업이 설정한 KPI에 따라 모형을 개발할 수 있는 기능을 솔루션에 탑재하여 출시할 계획이라고 밝혔다.

아일리스는 인공지능 솔루션 ‘다빈치랩스’를 출시한 이래로 금융권 보험인수심사(Underwriting), 신용평가(CSS), 신용카드 발급 심사, 이상금융거래 탐지시스템 (FDS), 고객 관계관리(CRM), 마케팅 등 금융업 전반에 걸친 실제 성과 창출 사례를 보유하고 있다.

특히, 해외에서는 미쓰비시 상사(Mitsubishi Corporation), 이온금융그룹(AEON GROUP), 우정은행 등의 대기업에서 다빈치랩스를 표준 플랫폼으로 채택하여 데이터 분석을 진행하고 있다. 뿐만 아니라 제조, 유통, 물류 등 전 산업분야에서 수요 관리, 타겟 마케팅 전략, 불량품 검출 등 다양한 업무에 활용이 되고 있다.

아일리스 박재현 대표는, “AI 기술은 비즈니스 성과보다는 여전히 개발자를 위한 분석 환경의 효율을 높이는 방향으로 집중되어오고 있다.“며, “비즈니스에 필요한 의사결정을 최적화하고 KPI를 높일 수 있는 실용 기술에 집중할 계획”이라고 밝혔다.