데이터 기반 회사로 성공하려면 인간과 기계 사이 역할 분담에서 균형을 유지해야 합니다

세계 경제 포럼의 최신 미래 직업 보고서는 향후 5년간 인공 지능, 기계 학습, 빅 데이터 같은 기술 발전이 전 세계의 직업에 미칠 영향을 다룹니다. 보고서에 따르면 인간과 기계 간에 작업의 재분배로 인해 7,500만 개의 일자리가 대체될 수 있지만, 동시에 최대 1억 3,300만 개의 새로운 일자리가 창출될 것으로 예상됩니다.

이러한 직업 환경의 중대한 변화는 기술 발전이 인간의 역할을 위협한다는 믿음을 잠재우기 충분하지 못할 수도 있습니다. 하지만, 실제로 보다 스마트한 기술은 조직을 위한 최고의 가치를 창출하는 방향에 집중할 수 있는 놀라운 기회를 제공합니다. 창의력과 전략적 사고는 여전히 기계와 구분되는 인간만의 장점으로 남아 있습니다. 컴퓨터의 향상된 처리 능력과 이를 결합할 경우, 미래는 꽤 낙관적일 수 있습니다.

하지만 기계가 인간과 유사한 수준의 판단력과 맥락에 대한 이해를 가지고 비즈니스 의사 결정을 수행할거라고 믿기에는 아직 현실적으로 거리가 있습니다. 오늘날 우리는 매개 변수를 최대화하면서 위험은 최소로 수반되는 분야에서 자동화된 업무 및 분석을 기계에 의존합니다. 종종 인간의 개입이나 감독이 필요한 일부 상황에서는, 보다 심층적인 이해와 확신있는 의사 결정을 내리기 위해 기계의 지원을 받습니다.

인간은 인공 지능이나 기계 학습을 통해 큰 이득을 누릴 수 있습니다. 예를 들면 다음과 같습니다.

• 운영 작업 자동화 — 기계 학습과 인공 지능은 고도로 전문화되고 반복적인 작업에 의해 알고리즘이 작동되는 응용 프로그램에서 엄청난 진전을 이루었습니다. 관련 콘텐츠나 제품에 대해 “...에 관심이 있으시다면”이라고 제안하는 웹사이트 또는 사기 감지 프로그램을 떠올려 보십시오. 승인되지 않은 지출을 식별하기 위한 변수는 권장 도서 추천보다 복잡하지만, 이러한 알고리즘에 공통된 요소는 탁월한 계산 능력을 바탕으로 믿기 힘들 정도의 정확성을 가지고 한 가지 작업에 대해서만 고도로 조율되어 있다는 점입니다.
• 보다 지능화된 시작점 제공 — 사용자의 행동을 광범위하게 추적함으로써 시스템은 보다 스마트한 기본 설정을 제공하고 작업을 추천하며 사용자의 반응을 바탕으로 시간이 경과함에 따라 그러한 조치를 조율하고 맞춤화할 수 있습니다. 한 데이터 집합에서 성공한 기술을 유사한 특성을 지닌 다른 데이터 원본에 적용함으로써 보다 빠르게 인사이트를 도출할 수 있는 분석 응용 프로그램을 통해 현재 이러한 작업을 수행하고 있습니다.
• 정교한 분석이 손쉬워짐 — 분석 플랫폼은 기계 학습을 활용해 데이터 과학 배경 지식이 없는 사용자도 고급 분석 기능을 이용할 수 있게 해줍니다. 예를 들어, 기계는 최고의 예측 및 클러스터링 분석 알고리즘 중에서 확실성을 기준으로 선택할 수 있습니다. 기본 모델은 이해할 수 있도록 제공되어, 투명성을 유지하고 필요한 경우 모델을 조정할 수 있는 기회를 제공합니다.
• 전체적 상황 제공 — 기계는 잠들지 않으며 반복되는 작업과 계산을 매우 효과적으로 수행할 수 있습니다. 컴퓨터는 훨씬 더 철저한 분석 수행 능력을 바탕으로 각각의 정보를 효과적으로 탐색할 수 있습니다. 이러한 유형의 전체적인 뷰는 분석에서 확증 편향을 피할 수 있게 해줍니다.

현재의 컴퓨터는 장기적인 계획 수립, 추상적이거나 창의적인 사고, 또는 특정 분야의 경험 또는 컨텍스트가 필요한 의사 결정에서 인간만큼 우수하지 않습니다. 예를 들어 컴퓨터 기반 프로세스는 서비스 제공사를 계속 바꾸는 고객을 알려줄 수 있습니다. 그렇지만 그러한 고객은 마진이 충분히 높은 제품을 구매하지 않기 때문에 다른 회사로 가는 것이 좋았을 수도 있습니다. 고객 이탈률을 바라보는 다른 시선이 있을 수 있다는 지능적인 사고의 도약이 가능하다는 측면에서 인간은 컴퓨터보다 우수합니다.

또는 이전 영업 경험으로부터 얻은 교훈을 바탕으로 대기 중인 특정 잠재 고객을 못 본 척하는 영업 사원이 있을 수 있습니다. 이러한 유형의 직감은 컴퓨터가 쉽게 얻을 수 없는 것입니다. 컴퓨터는 놓친 기회에 참조 표시를 하겠지만, 영업 사원은 시간을 낭비하지 않을 지혜가 있습니다.

인과 관계에 대한 이해 또한 인간의 강점입니다. 제한된 데이터 집합에 숨겨진 상관 관계를 찾아내는 컴퓨터의 능력이 향상되고는 있지만, 우연의 사실로부터 인과 관계를 포착해내는 능력은 여전히 인간의 영역입니다. 예측 분석은 “만약의 상황(what-if)” 시나리오를 탐색할 수 있는 기회를 제공하지만, 컴퓨터의 규범적 작업을 검증하는 데 여전히 인간의 판단력이 필요합니다.

인간과 컴퓨터의 분석 기능을 통합하고 균형을 유지하기 위한 여정에는, 새롭고 중요하며 다양한 인간의 역할이 대두될 것입니다. 세계 경제 포럼 보고서에 예상된 대부분의 직업을 포함한 수백만 개의 뜨는 직업이 데이터를 기반으로 한다는 사실은 전혀 놀랍지 않습니다. 데이터의 사용 사례가 발전함에 따라 그 범위는 계속 확대될 것입니다.

이에 따라, 올바른 질문을 던지고 스마트 분석 결과를 미세 조정할 수 있는 인간의 독창성이 필요하게 됩니다. AI 및 기계 학습에서 윤리 기준을 모니터링하고 유지관리할 사람이 점점 더 많이 필요해집니다. 또한, 다양한 기술 수준을 지닌 사용자가 분석을 이용할 수 있고 가치를 얻을 수 있도록 더 높은 수준의 데이터 해독 능력을 구현하는 인력도 있을 것입니다.

아무리 기술이 스마트해지더라도, 정보를 바탕으로 한 의사 결정이라는 분석의 궁극적 목적을 잊어서는 안 됩니다. 필요한 조치를 알면 어떤 영역에서 결정을 맡길지, 어떤 부분을 자동화할지, 어떤 부분을 감독할지, 그리고 어떤 부분에 인간의 능력을 독창적으로 적용할지 파악할 수 있습니다. 가장 성공적인 회사는 작업을 가장 많이 자동화하는 회사가 아니라, 컴퓨터와 데이터가 인간의 결정권을 최적으로 보장할 수 있는 방식을 이해하는 회사입니다.