기사 작성의 4단계 접근법

시작의 어려움
되풀이할 필요 없이 기본적 기사의 틀을 익히는 일은 매우 중요하다. 그러나 아무리 기사 유형에 익숙해진다 해도 실제로 구체적인 기삿거리를 앞에 두게 되면 글쓰기의 고민이 생기는 것은 마찬가지다. 어느 한 기사도 저절로 써지지는 않는다. 글쓰기는 어차피 개인의 특성이 드러나는 작업이다. 어떤 이는 기사를 시작하기 전에 반드시 커피를 한 잔 마셔야 하고, 또 어떤 사람은 주위에 사람이 있으면 글이 써지질 않는다. 어떤 기자는 줄담배를 피워야 원고지가 채워지는가 하면, 다른 사람은 요즘 같은 컴퓨터 시대에도 꼭 펜을 잡아야 기사를 쓸수 있는 경우도 있다. 기사를 쓰기 전에 기사 개요를 준비하는 사람이 있는가 하면, 리드가 제대로 정리되지 않으면 본문을 시작하지 못하는 사람도 있다.
글쓰기는 개인의 생체리듬과 밀접하게 연결돼 있다. 생각이 흐르지 않고 정신이 집중되지 않으면 글은 안 나가게 마련이다. 그럼 어떻게 하면 비교적 어렵지 않게 기사를 쓸 수 있을까? 어떤 과정을 거치면 큰 실수 없이 기사를 완성할 수 있을까?

기사 작성의 4단계 접근법
다음에 소개하는 내용은 미국 앵커리지 대학의 캐롤 리치Carole Rich 교수가 쓴 기사 쓰기 교제 Writing and Reporting News: A Coaching Method(2016)에서 소개하는 기사 쓰기 요령 중 기사 쓰기의 4단계 접근법이다.

1. 기사의 주제를 정하기conceive the idea
– 기사에서 무엇을 이야기할 것인가?
– 다루려는 핵심 문제가 명료하게 정리됐는가?
– 관련 맥락 속에서 다루고자 하는 기사의 초점focus이 잘 잡혔는가?
– 혹시 다른 관점에서 접근해야 하는 것은 아닌가?

2. 자료 수집 또는 취재 작업Collect
– 기사의 뼈대가 되는 육하원칙 내용을 확보했는가?
– 취재원은 다원적으로 접근했는가?
– 더 필요한 자료는 없는가?
– 새로운 취재원이 필요하지는 않는가?

3. 기사 구조의 구성construct
– 기사틀을 어떻게 할 것인가 스트레이트 또는 기획?
– 자료를 제시하는 순서는 만족스러운가?
– 리드는 제대로 정했는가?

4. 기사 고치기correct
– 전체적으로 기사의 흐름은 좋은가?
– 결정적인 자료가 누락되지는 않았는가?
– 글의 흐름과 어휘의 선택은 자연스러운가?
– 문법과 어법은 잘 지켰는가?


– 기사 작성의 기초, 이재경, 송상근 –

디지털 시대의 저널리즘 윤리지침

디지털 시대의 저널리즘 윤리(2015)의 언론인을 위한 지도 지침

저널리즘에 대한 이미지 검색결과

1. 진실을 추구하고 가능한 완벽하게 보도하라
– 정확성을 철저하게 추구하라
– 정보 수집, 보도, 해석에서 정직함, 공정성, 용기를 발휘하라
– 발언권이 없는 집단의 의견을 대변하라. 드러나지 않는 부분을 기록하라
– 권력층, 특히 언론과 표현의 자유에 대해 권력을 행사하는 자들에게 책임을 물어라

2. 투명성을 지켜라
– 어떻게 취재했으며, 왜 사람들이 신뢰해야 하는지를 보여주라. 취재원과 증거, 그리고 여어분이 내린 선택을 설명하라. 여러분이 알 수 없는 부분을 밝히라. 지적 정직성을 지침으로 삼고, (다 아는 체 하기보다는) 겸손함을 자산으로 삼아라.
– 독립성을 추구하든, 정치적, 철학적 관점에서 정보를 접근하든, 여러분의 저널리즘적 접근 방식을 뚜렷하게 밝혀라. 여러분의 시각이 보도하는 정보에 어떤 영향을 미치는지 기술하라. 여기에는 여러분이 취재하는 주제, 작업의 바탕이 된 취재원을 어떻게 선택했는지도 포함된다.
– 실수와 오류를 인정하고 신속하게 교정하되, 진실을 알고자 하는 과정에서 잘못된 정보를 소비한 사람들을 격려하는 방식으로 하라

저널리즘에 대한 이미지 검색결과

3. 공동체를 수단으로 삼기보다는 목적으로 삼으라
– 여러분이 봉사 대상으로 여기는 공동체의 욕구를 이해하고, 공동체 구성원이 여러분과 소통할 뿐 아니라 서로 소통할 수 있도록 해주는 충실한 매커니증을 조성하는 데 지속적으로 노력하라
– 자신의 권력이나 지위를 공익에 어긋나게 활용하려는 사람들의 영향을 배제하면서, 서로 경쟁하는 여러 시각을 발굴해 전파하라.
– 올바른 윤리적 결정에는 협력으로 풍부해진 개인적 책임감이 반드시 필요하다는 점을 깨달아라.
– 여러분의 행동 결과로 초래되는 피해를 최소화할 수 있는 대안적 발표 경로를 발굴하고 여러분의 작업에서 영향을 받는 사람에게 연민과 공감을 지녀라
– 공동체 구성원이 스스로 정보에 해박해지도록 그렇게 되도록 격려하라. 저널리즘을 모든 사람이 책임감 있게 참여하고 해박한 정보를 얻을 수 있는 지속적인 대화로 만들라

출처:McBride & Rosenstiel(Eds),(2013, 임영호 역)

‘텟세이’ 청소부들의 즐거운 고객 경험 만들기

잘나가는 매장의 탄생즐거운 직원이 잘나간다.

매장에서 우리의 역할은 ‘고객의 경험을 새롭고 즐겁게 만드는 것’이다. 친절만으로는 부족핟다. 제품에 대해 잘 아는 것만으로는 부족하다. 우리 매장이 처음부터 끝까지 모두 고객에게 즐거운 경험으로 남을 수 있어야한다.

‘텟세이’ 청소부들의 즐거운 고객 경험 만들기
 일본에는 신칸센 열차를 청소하는 ‘텟세이’라는 회사가 있다. 청소회사다.
이 청소회사를 미국 하버드대 비즈니스스쿨과 중국 칭화대, 일보 와세대대학 등 세계 각국에서 연구하고, CNN, 독일 국영 TV, NHK 등 세계적인 언론들이 앞다투어 취재한다.

무엇이 그렇게 매력적일까?

그들이 고객 경험을 만드는 과정을 살펴보자.


 
업무와 역할의 정의를 다시 하다.

텟세이의 주요 업무는 청소다. 하지만 그것은 기본이다.

승객들에게 감동을 줄 수 있는 서비스를 하는 조직으로 스스로를 정의하고 있다. 직원들은 청소 외 다른 일들을 해야 할 의무가 없지만, 청소를 비롯한 고객의 즐거운 경험을 만들어 주는 것이 텟세이의 일이라고 스스로 생각한다.

텟세이에 대한 이미지 검색결과

고객 관점에서 보면 집을 나와 신칸센을 타고 목적지로 가는 모든 과정이 ‘여행의 추억’이라는 경험이기 때문이다. 현장 모든 스태프들이 이런 생각을 명확히 공유하고 있기 때문에 넓은 시야에서 고객에게 감동적인 경험을 주고 있다.

‘신칸센 극장, 7분의 기적’


 고객이 텟세이의 고객 경험을 단적으로 표현한 문구다. 청소라는 단순한 업무가 어떻게 고객의 즐거운 경험으로 승화됐을까?역 내에 열차가 들어오기 시작하면 그들은 반가운 인사로 고객을 맞는다. 이것이 그들의 첫 업무다. 그리고 하차하는 승객들을 맞이하며 쓰레기를 수거해 고객의 불편을 줄여준다.

고령의 승객이나 짐이 많거나 아이를 동반한 고객이 하차하기 쉽게 돕기도 한다. 시점마다 특생 있는 유니폼을 입어 고객들의 눈을 즐겁게 한다.

청소가 주 업무지만 도움을 필요로 두리번거리는 고객을 보면 먼저 찾아가 그들을 돕는다.

승객이 하차하면 본격적인 ‘신칸센 버리이어티 쇼’가 시작된다.

25m 길이의 객실 통로를 걸으며 좌우 100개 좌석을 살피고, 좌석 주변의 쓰레기를 바닥에 떨어트린다.

텟세이에 대한 이미지 검색결과

좌석 회전기로 좌석 전체를 출발 방향으로 돌린다.

닫혀 있는 창문 블라인드를 연다.

통로에 모아둔 쓰레기를 빗질로 모아 버린다.

텟세이에 대한 이미지 검색결과

오물이 있으면 물걸레로 닦아낸다.

좌석 커버를 교체한다.

수리가 필요한 부분이 있으면 신칸센에 보고한다.

수거한 쓰레기를 분류해서 버린다.

이 과정에서 분실물을 발견하면 버리지 않도록 챙긴다.

마지막으로 상급자의 오케이 사인이 떨어지면 작업이 끝난다.

청소 시간은 총 6분 40초가 걸린다.

7분 안에 모든 일을 일사불란하게 처리해내는 청소 과정을 신칸센 승객들은 차장을 통해 영화처럼 바라볼 수 있으므로 ‘신칸센 극장’이라는 별명이 붙었다.

그들의 청소하는 모습조차도 고객에겐 즐거운 경험이 된다.

청소를 끝낸 뒤 승차하는 고객에게도 다시 ‘오래 기다리셨습니다.’라고 인사한 후 다음 장소로 이동한다.(아베 데루오, 신칸센 버라이어티쇼, 2014)

고객들은 단순히 청소하는 역동적인 시간 7분뿐만 아니라 그 앞뒤의 서비스까지 결합해 긍정적인 하나의 경험을 하게 된다.

매장경영인이 직원들의 사명감을 일으키면 우리 매장에서 평범하고 사소해 보이는 일이 아주 특별한 일이 될 수 있다.

이 특별한 사명감은 우리 매장 고객에게 상품과 서비스를 넘어서서 즐거운 경험을 제공할 수 있다.

– 고객을 끌어모으는 101가지 방법 잘나가는 매장의 탄생, 이금주 –

인디언의 지혜 – 죽은 말을 타고 달리고 있다면

다코타 족의 지혜
인디언들은 죽은 말을 타고 달리고 있다는 사실을 알게 되었을 때 대응 가능한 행동을 취하고 말에서 내린다.
하지만 사람들은 다음처럼 다른 전략을 쓰는 경우가 많다.

  • 채찍질을 더 세게 한다.
  • 말을 연구할 위원회를 소집한다.
  • 다른 조직을 방문해 죽은 말을 어떻게 타는지 살핀다.
  • 말을 타는 데 필요한 업무 수행 필요조건을 다시 살핀다.
  • 말의 성과를 올리기 위한 추가 예산을 요청한다.
  • 죽은 말을 타기 위해 계약업체를 고용한다.
  • 죽은 말을 감독관으로 승진시킨다.

가치 있는 데이터

블록데이터는 자신의 가치 발견과 재구성, 창출을 위해 특정한 플랫폼을 통해 연관성 높은 데이터를 취합할 뿐 아니라 데이터의 연관관계를 분석하고 관련된 규칙을 발굴한다.

이런 점에서 빅데이터로부터 블록데이터에 이르는 변화나 전환 과정은 연관성의 수준을 한 단계 끌어올리는 과정이라고 하겠다.

높은 연관성을 지닌 데이터의 가치밀도는 일반적 의미의 빅데이터보다 훨씬 더 높다는 특징을 보인다.
빅데이터는 초대용량, 다양한 종류, 빠른 저장 속도, 높은 응용 가치위주의 데이터를 한테 모은 결과물로 높은 응용 가치는 특정 영역과 업종의 내부 데이터에 해당하는 데이터의 취합과 연관에서 비롯된다.
마이클 포터의 가치사슬Value Chain Theory에 따르면 가최 최대화는 기업의 내부 가치사슬에 달려 있을 뿐 아니라 그보다 더 큰 가치 시스템에 좌우된다. 즉 한 기업의 가치사슬은 공급업체와 판매업체, 고객 가치라는 사슬 사이를 연결하고 있는데, 이를 교차 연관관계로 간주할 수 있다.

Value Chain Theory에 대한 이미지 검색결과


빅데이터에 비해 블록데이터의 가치는 산업 발전, 공공서비스, 사회 관리에 더 큰 가치 시스템을 제공한다.
다시 말해 블록데이터의 최대 가치는 응용을 통해 현실 세계에 존재하는 여러 가지 어려운 문제를 해결하는 데 있다. 산업, 사회, 정부에 이르기까지 블록데이터가 찾은 솔루션을 참고하고 응용할 때 블록데이터의 가치는 비로소 빚을 발할 수 있다.
빅데이터는 새로운 업종의 발전을 선도한다.


인터넷 렌터카 회사인 집카Zipcar, 주택 임대 커뮤니티 플랫폼 에어비앤비aitbnb, 우버Uber, 중국판 우버로 불리는 디디와 선저우 등은 새로운 업종의 탄생을 보여주는 대표적 사례로 평가받는다.
이들 업체는 협력적 소비 Collaborative Consumption 모델이 주도하는 공유경제의 가치사슬을 형성한다.

Collaborative Consumption에 대한 이미지 검색결과


이보다 더 큰 규모의 가치 시스템을 기반 삼는 블록데이터는 산업전반을 아우르는 새로운 형태의 사슬 탄생을 자극할 수 있다.
다시 말해 각 산업은 블록데이터를 발판 삼아 내재된 규칙을 기준으로 새로운 연관관계를 형성하고, 이른바 쓰중(2015년 대중혁신과 창업 지원 플랫폼을 돕기 위해 실시된 정책으로, 온라인과 오프라인을 접목시켜 고부가가치를 창출하겠다는 인터넷플러스Internet Plus의 구체적인 실천 요강을 가리킨다. 여기에는 크라우드 이노베이션Crowd Innovation, 크라우드 소싱Crowd Sourcing, 크라우드 펀딩Crowd Funding, 크라우드 커넥션Crowd Connection이 포함됨) 플랫폼 모델을 구축해 자원 재배분을 실천할 것이다. 이를 통해 전통 산업의 구조와 산업 시스템을 완전히 뒤집어엎고 재구축함으로써 산업 전반을 아우르는 새로운 사슬을 만들어낼 것이다.

빅토어 마이어 쇤베르거에 대한 이미지 검색결과


빅토어 마이어 쇤베르거는 <빅데이터가 만드는 세상>에서 새로운 미래의 모습을 설명했다. “빅데이터 시대에 경제학과 정치학, 사회학, 다양한 과학은 본질적 변화와 발전을 겪게 될 것이다. 더 나아가 인류의 가치 체계, 지식 체계, 생활방식에 영향을 줄 것이다.”

블록데이터가 더 큰 가치 시스템을 바탕으로 표준화와 기술화를 통해 새로운 서비스 체인을 만등어내면 사람들은 한층 개성적인 생활방식을 선택하고, 자신의 니즈에 가장 근접한 서비스를 받게 될 것이다.
빅데이터는 현대 사회를 구성하는 인프라의 일부로, 국가 경영을 위한 중요한 관리 수단으로 점차 발돋음하고 있다. 고속도로, 철도, 항구, 수력 발전처럼 빅데이터는 우리 삶에 없어서는 안 되는 중요한 요소가 될 것이다. 구글은 방대한 검색 기록 데이터를 이용해 독감의 동향을 예측하기도 했다. 빅데이터가 국가 경영에서 보여준 응용 사례는 정부에 커다란 충격과 반성의 계기를 가져다주었다.
이보다 더 큰 가치 시스템에 기반을 둔 블록데이터는 다양한 측면, 차원의 연관관계를 분석하고 관련 규칙을 발굴할 것이다.

block data에 대한 이미지 검색결과


게다가 단일 측면, 단일 차원의 검색 기록에 바탕을 둔 구글보다 더 정확한 분석 결과를 제시할 것이다. 정확한 예측이 가능해지면 공공경영 능력 향상, 정부의 서비스 모델 개혁, 모든 영역에 걸친 국가 경영 체인의 구축을 촉진할 수 있을 것이다.
계량화와 사전 판단이 가능한 블록데이터의 특징은 우리 사회와 우리 삶에 전방위적으로 지대한 영향을 미칠 것이다. 특히 각 사회 조직과 단체, 개인이 사회공익 활동에 참가하도록 독려함으로써 사회의 공감대를 형성하는 데 대체 불가능한 역할을 할 것이다. 그로 말미암아 사회 관리 분야에서의 응용 가치가 경제 분야 못지않게 확대될 전망이다.

. 빅데이터, AI, 블록체인, 제4차 산업혁명시대의 본질을 관통하는 전략과 솔루션
– 블록 데이터 혁명, 빅데이터전략연구소 –

재난 위기 예측을 위한 빅데이터 활용 재조명

2016년 2월 1일 국토연구원(KRIHS)과 동경대학교 공간정보과학연구원의 국제 세미나가 여의도 국토연구원 콘퍼런스룸에서 열렸다. 세미나에서는 ‘공간 빅데이터를 활용한 지역문제 진단과 해결’을 주제로 한일 양국의 과학자 및 산업체 연구원들이 사례 발표와 토론의 시간을 가졌다.

공간 빅데이터를 활용한 지역문제 진단과 해결에 대한 이미지 검색결과

첫 번째 세션은 지역사회문제 해결을 위한 공간 빅데이터의 활용에 대해 공경대학교의 시바사키 료스케 교수가 발표했다.

그는 뉴욕의 범죄율 감소에 대한 노력으로 공간 데이터를 통해 범죄 유발 가능 지역에 대한 밀착관리를 위한 경찰 인력의 효율적 재배치를 예로 들었다.

뉴욕 범죄율과 약물중독, 시민 10만 명당 죄수 비율, 비고용자 비율, 빈곤율 등 다양한 변수들과 상관성을 살펴봤으나 뚜렷한 사유로 이용할 수 없었다고 했다.

이후 2008년부터 부터 2010년까지 매주 단위 범죄 유형별 발생률과 공간 단위 근무인원 통계를 활용하여 범죄 유발률이 높은 지역(hot spot)에 경찰 인력을 추가 배치하는 방법론을 적용하였고, 뚜렷한 감소 효과를 확인할 수 있었다.

그는 상황에 대한 데이터를 활용한 센싱(sensing)은 비가시적인 것을 가시적으로 측량 가능하게 하며, 분석적이고, 예측 가능하며, 개선 증진이 가능한 것으로 정의하였다.

또한 2011년 후쿠시마 원전사고 당시 사고 지역 인구의 모바일 데이터 분석을 통해 평상 시 출퇴근 및 이동에 대한 경로 분석을 하였고,

이를 통해 주요 통제 지역과 비상 시 철수 혹은 후송을 사전에 준비하여야 하는 지역 반경을 정의하였다고 했다.

또한 이례적 이벤트 발생 시 집결한 인구에 대한 규모도 에도카와 불꽃놀이 축제 및 오다이바의 크리스마스 및 신녀맞이 축제 사례를 통해 모바일 데이터로 측정 가능함을 밝혔다.

또한 GPS 궤적을 분석하면 사람들의 이동 경로를 알 수 있으므로 교통 대책 효율화나 재난재해 발생 시 확산 경로에 대한 이해를 강화할 수 있음을 이야기 했다.

공간 빅데이터를 활용한 지역문제 진단과 해결에 대한 이미지 검색결과

모바일 데이터를 활용한 주/야간 지역의 특정 거점을 뽑아내는 방식도 이야기했는데, 통신 이용 데이터를 활용하여 개인의 시간대별 주요 거점 데이터 확보 후 이를 다시 공간 지역 내 밀도 기반 클러스터와 함께 분석하면 주/야간 시간대별 거점 정보 혹은 체류 시간이 가장 긴 거점 정보 및 시간 관련 변곡점을 파악할 수 있다고 밝혔다.

그리고 일본에서 센서스 데이터와 모바일 공간 통계 데이터의 상관관계 및 추정 예측치에 대한 분석 결과 R 제곱 값이 0.8643에 달하는 것으로 나타났다고 했다.

R제곱 값은 모형의 설명력, 즉 선택된 독립변수가 종속변수를 설명하는 설명 정도를 나타낸다. 이것은 모바일 공간 통계 데이터가 일본 통계청에서 관리하는 실측 데이터인 인구통계 데이터와 매우 높은 상관성을 가짐을 나타내며,

실측 통계를 대체 가능하다는 점을 시사하고 있다.국내에서도 비슷한 분석을 통해 모바일 데이터를 상용화하고 있는 케이스가 있다.

지오비전에 대한 이미지 검색결과

바로 SK텔레콤의 지오비전 데이터다.

관련 이미지

지오비전은 50mX50m의 피셀(p-cell) 단위 데이터를 15분 단위로 처리하므로 준 실시간에 가까운 모바일 공간 통계 데이터다. 다른 국내 통신사도 비슷한 데이터 제공이 가능하지만 SK텔레콤은 국내 가입자 점유율이 50%인데다 가장 적은 그리드(grid) 단위의 피셀 데이터 제공이 가능하므로 정확도가 가장 높다고 할 수 있다. 게다가 통신 데이터 이외의 상권 데이터 및 신용 카드 매출 정보 등이 매시업(mash-up)되어 제공 가능한 것이 특징이다.

– 데이터 과학 비즈니스, 김정선 –

고객경험관리(CEM)을 위한 데이터

컬럼비아대학교 비즈니스스쿨의 번트 슈미트 교수(Bernd Schmitt) 교수가 그의 저서 [고객경험관리(Customer experience management)]에서 처음 소개한 이론인 CEM은 제품이나 회사에 대한 고객의 전반적 경험을 전략저긍로 관리하는 프로세스 혹은 전략인 동시에 과정과 실행에 중점을 두는 고객 만족 개념이다.

고객경험관리에 대한 이미지 검색결과

국내에 2005년경 소개된 이 개념은 기존에 거래 데이터에만 중요성을 두었던 CRM(customer relationship management)의 한계를 극복하고자 한다.번트 슈미트 교수는 소비자가 자사 브랜드를 경험(관계)하는 모든 상황과 그 심리적 과정을 분석, 통합함으로써 총체적으로 고객을 이해하려 하는 CEM이 고객과의 ‘거래 내역’에만 중점을 두고 소비 패턴을 기계적으로 수치화한 CRM보다 훨씬 효율적이라고 주장한다.

고객경험관리에 대한 이미지 검색결과

모든 접점에서 고객과 관계를 맺고, 각기 다른 고객 경험 요소를 서로 통합해준다는 개념, 그리고 고객에게는 감동적인 경험을 갖도록 해 주어 기업가치에 대한 고객의 충성을 유발시킨다는 지극히 당연한 개념은 어째서 지금에서야 빅데이터와 함께 각광을 받게 되었을까?

도입 초기 CEM을 위해 기업들이 취득 가능한 데이터라고는 미스터리 쇼퍼 방식이나 관찰 기법에 기반을 둔 데이터들이었다. 이러한 데이터들은 그 측정 방식의 신뢰성을 확보하기 어렵고 측정자의 개인적 특성에 따라 측정 값의 스케일이 다소 달라질 수밖에 없었다.

게다가 이러한 데이터를 기존에 보유하고 있던 CRM을 위한 데이터에 연계, 결합하려면 전수 데이터 조사를 하거나 시스템을 변경하여 그 체계적 관리가 가능하도록 데이터 마트를 변경해야 하는 기술적, 관리적 문제점이 발생한다.그러나 소비자들의 비대면 채널 이용 패턴이 증가하고 다양한 수집, 분석 시스템을 통해 콜센터, 이메일, 채팅창, 웹/모바일 로그 분석이 가능해지면서 이제야 비로소 고객의 통합적인 경험 관리가 시스템적으로 그리고 데이터과학적으로 가능하게 된 것이다.

데이터 기반의 1)고객 세분화 2)프로세스 혁신 3) 상품 포지셔닝 4)브랜딩 전략 5) 서비스 고도화 등 다양한 영역에서 빅데이터를 통한 고객 경험 고도화가 진행 중이다.

금융권은 선도적으로 고객경험관리를 위한 빅데이터 플랫폼 도입을 추진 중이다.신한은행은 VoC 3.0을 위해 외부 SNS 모니터링 시스템과 내부 컨택트센터의 현황을 통합적으로 관리하기 위한 시스템을 구축하였고, 이어 신한카드, ING생명, KB금융, IBK기업은행, 우리은행에서도 해당 시스템 관련 PoC(prove of cencept)를 진행하거나 준비 중이다.

금융권은 환경의 변화에 따른 노트북, 태블릿, 모바일 등 개인 기기의 확산으로 고객 관리 접점 채널의 폭발적 증가에 놓여 있다. 또 문의, 신규 가입, 추가 상품 구매 과정에서 온라인과 오프라인을 자유롭게 이동하는 O2O 관점의 고객 행동이 늘어나고 있는 상황이다.

이에 따라 그동안의 고객 분석 방식으로는 효율적 대응이 불가능하게 되었고, 고객이 온라인과 오프라인 구분 없는 금융 소비 행태를 보이는 시대가 온 만큼, 금융사들은 온/오프라인 마케팅의 개별적 실행으로 운영비용은 증대되고 있는 반면 고객의 행동을 예측하는 데는 어려움을 겪고 있다.

유통권에서도 크게 다르지 않은 상황이 발생한다. 기존 유통은 리테일 마케팅이라는 차원의 오프라인에 집중되어 있었는데 이러한 접촉 채널들이 온라인화되고 디지털화된 소비자 경험 체계가 병행되면서 O2O 마케팅이라는 개념이 등장하였다. 국내에서도 이마트, 홈플러스, 아모레퍼시픽, 제일모직 등에서 관련 고민과 실행을 지속하고 있다.

고객경험관리에 대한 이미지 검색결과

여기서 바로 빅데이터 전략의 중요성이 제기된다. 부분적인 고객 행동의 이해에서 야기되는 의사 결정의 오류를 해소하고 고객 행동 관점의 전사 채널 관리가 중요해지기 떄문이다. 이를 위해 빅데이터 기반의 고객 경험 통합 관리 전략이 필요하며, 이는 기본적으로 6단계의 구성으로 진행된다.

통합적 고객경험관리는 특정 시점별로 고객의 ‘마이크로모멘트(Micro-moments)’, 즉 고객의 반사적 행동 패턴을 문맥적으로 이해하고 관리하는 역량이 필요하다.

문맥적으로라 함은 고객의 행태 데이터에 기반한 배경과 맥락(context)을 이해하는 일이다. 이를 위해 빅데이터 기반의 플랫폼을 통해 모든 접점 채널에서의 고객 행동에 대한 예측이 필요하다.

먼저 1단계는 소비자 경험의 이해를 위한 접점 채널의 데이터를 한데 모아서 관리하는 데이터 수집 단계이다. 이때엔 기술적 이해를 배경으로 원천 데이터의 성격과 수집의 양을 고려하여 그 기술적, 방법론적 측면을 고려하는 것이 필요하다.무작위로 발생되는 센서 데이터의 경우 실시간으로 그 양을 수집하여 정제하는 것은 그 데이터의 이용 목적, 활용 범위에 따른 정책적 결정이 필수다

2단계는 고객의 경험적 기반 확립을 위한 전사 데이터 리니지(data lineage) 전략 수립이 필수가 된다. 데이터 리니지란 데이터의 생애 주기 관리와 비슷한 개념으로 어떤 원천에서 비롯되어 어떤 단계적 가공을 거쳐 활용이 구조화되는가에 대한 시계열적 관리 방법론이자 솔루션이다.

3단계는 일관성 있는 고객 경험 제공을 위해 다양한 상황에서 고객 인터페이스를 설계하는 일이다. 각 접촉 채널별로 독립적으로 제공 중인 사용자 경험 체계를 그 경험의 연속성과 체감적 통일성을 고려하여 재설계해야한다. 물론 이 단계에선 업무관리 측면의 효율성도 함께 고려되어야 할 것이다.

4단계는 분석 결과를 바탕으로 다양한 매체를 통해 통일된 경험을 제공하는 콘텐츠 및 세지 기획 단계다. 사실 현재 국내 기업 중 온/오프라인의 통합적 경험을 위해 유기적인 상품 마케팅을 기획하는 곳은 많지 않다. 상품의 포장부터 고객센터 상담사의 인사말까지 고객에게 각 기업의 아이덴티티를 제공하고 일관된 경험을 제공할 수 있도록 하는 가장 중요한 단계다.

5단계는 전달된 메시지에 따른 고객의 반응 및 효과를 다시 데이터로 분석하는 일이다. 매체가 디지털화되면서 고객의 로그 정보를 수집/분석하는 일은 마케팅 효율성에 즉각적 영향을 미친다. 데이터 기반의 의사 결정과 효율화는 이제 필수다.

마지막 6단계는 끊임없는 프로세스 혁신을 통한 고객 경험의 고도화 전략 단계다. 여섯 단계의 과정이 끊임없이 반복되면서 통합되고 정밀한 고객 경험의 디자인이 가능해질 것이다.몇몇 생산자 중심인 경제 시대엔 생산자가 고객을 알기위해 관리하던 한정된 정보와 데이터를 기반으로 만든 상품과 메시지를 생산자의 채널을 통해 일관된 한 방향으로 전달하여 시장을 만들어 나갔다.

그러나 20세기 현대사회의 기업은 국경을 초월하여 경쟁 환경이 달라지고 산업의 경제가 허물어지고 그로 인한 고객의 경험이 변화하는 시대에 직면해  있다. 이런 환경에선 생산자 측면의 한계가 있는 내부 데이터로 만들어내는 시장에 대한 정보는 한정적일 수밖에 없다. 한 명의 고객이 겪는 일련의 경험이 다채널로 변화되고 있고, 생산자가 주입하는 내용이 아니라 고객의 니즈 기반 상품이 필요하며, 이러한 변화 속에서 이제 내부 역량(data)의 외연화(inside-ou capacity)보다 외재적 역량(data)의 내부화(out side-in capacity)가 필요한 상황이다.

빅데이터 기반의 데이터과학이란 기존의 기업들이 수집할 수 없었던 다양한 이종(heterogenous)의 데이터를 연계, 결합하여 비즈니스적 가치(business value)를 창출하기 위해 끊임없이 적용하는 지속적이고 창의적인 일련의 과정이며 방법론이다.그런 관점에서 빅데이터가 21세기의 원유가 될 것이라는 가트너의 전망은 매우 의미가 깊은데, 왜냐하면 데이터나 분석 자체에서 발생하는 가치보다도 원래의 각 산업별 효율을 더욱 증진시킬 데이터과학의 가치를 제대로 전달하는 화두이기 때문이다.

즉 중요한 것은 데이터 정제와 분석을 통해 새롭게 생성되는 가치다.

그러므로 이 시대에는 데이터과학에 대한 사람들의 기대가 높다. 데이터 사이언티스트라는 직업이 각광받기 시작하고 대학교에도 빅데이터 분석 관련 학과나 과정이 생겨나기 시작했다.

구글의 수석 경제학자인 할 베리언(Hal Varian)은 2009년 발간한 논문에서 10년 후 가장 섹시한 직업이 통계학자라고 밝혔을 뿐 아니라 데이터를 수집하고, 분석하고, 다루고, 해석하는 능력자가 가장 주목받게 될 것이라고 발언하기도 했다.

국내에선 2011년 이후 빅데이터와 데이터상이언티스트 또는 데이터과학자라는 용어가 새롭게 등장하면서 비즈니스 영역에 대한 기대 심리가 팽배한 듯 보인다.그러나 데이터과학은 어느 날 갑자기 튀어나온 말이 아니다.

마치 안전이나 사랑, 식용에 대한 인간의 근본적인 기본 심리 욕구가 변하지 않는 것처럼, 기업과 비즈니스맨 입자엥선 한 명 한 면의 고객 대상으로 비즈니스 기회를 극재화하여 이윤을 추구하기 위한 방법에 대한 고민은 전통적인 것이다.

수많은 기업들은 고객 관리를 더잘하기 위한 다양한 방식으로 고객과 관련한 데이터를 측정하고 활용하기 위한 노력들을 지속적으로 해 오고 있다.고객을 관리하기 위한 매출 장부, 고객이 좋아하는 취향과 관련된 특성 정보 등 현대사에 사업 모델이 등장하기 시작한 이래로 기업의 이러한 노력에 대한 방법론의 명칭이 경영정보관리(MIS), 데이터베이스마케팅(DBM), 고객관계관리(CRM), 데이터 마이닝(Data Mining), 지식 발견(Knowledge Discovery), 예지 분석 알고리즘 개발(Predictive Modeling), 비즈니스 인텔리전스(Business Intelligence) 등 다양한 명칭으로 변화되명 불려오고 있을 뿐이다.

데이터과학적 방법론에 대한 이미지 검색결과

파이선(Python)이나 하이브(Hive), 피그(Pig)를 다룰 줄 알아야만 빅데이터 전문가라는 인식은 잘못된 것이다. 하둡 생태계를 조성하는 위의 기술들이 데이터 전처리를 위해 필수일 수도 있지만 정작 중요한 것은 데이터 전 처리가 아닌 이들 기술로 정데된 데이터를 정보화하고 다시 지식으로 탄생시킬 수 있는 과학적 방법론의 적용이다. 그러므로 데이터과학자에 대한 기대는 데이터과학적 방법론(Data Scientific Reaserch)으로 연결되어야 한다.

– 데이터 과학 비즈니스, 김정선 –

의사 결정의 세부 원칙

최종적인 의사 결정의 대원칙은 세워졌지만 삼성종합기술원이 추구하는 연구의 방향에 대한 세부 원칙은 아직 제시되지 않았습니다. 그래서 저는 두 번째 원칙을 발표했습니다. 삼성종합기술원에서 수행해야 할 연구 프로젝트의 세 가지 기준을 제시한것입니다. 이런 연구만이 살아남을 수 있다는 일종의 가이드라인을 제시한 것입니다.

초격자에 대한 이미지 검색결과

첫째로 세상에서 유일무이absolutely unique 하고 어느 누구도 시도하지 않았던 연구라면 얼마든지 지원하겠다고 발표했습니다. 전 세계에서 처음 시도하는 분야의 연구라면 그런 연구는 지속시켜야 합니다. 제 표현대로 하자면 ‘아직 존재하지 않고, 아직 가질 수 없는 not available and not accessible 기술’에 대한 연구라면 지원을 아끼지 않겠다는 것입니다. 만약 이런 기술을 연구를 통해 개발 할 수 있다면 회사의 미래에 큰 영향을 미칠 것입니다. 당연히 이런 연구는 지속되어야 합니다.

두 번째 지원될 수 있는 연구는 ‘이미 존재하고 있지만 우리가 확보하지 못하고 있는 available and not accessible’ 기술입니다. 이것은 외부 회사(주로 단일 회사가 독점하는 기술)로부터 구매할 수는 있으나 우리의 운명이 그 회사의 결정이나 방향에 좌지우지되는 기술입니다. 우리의 미래를 그들에게 맡겨놓을 수는 없습니다. 따라서 이런 기술은 기업의 생존이 걸린 문제이기 때문에 목숨을 걸고 연구가 진행되어야 합니다.

세 번째는 ‘지금 존재하고 있고, 어디서나 쉽게 구할 수 있는 available and accessible’ 기술에 대한 연구입니다. 새로운 아이디어가 기존 기술보다 월등하게 뛰어나서 기존 제품이나 기술을 대체replace할 수 있다면, 그 연구는 지원해야 합니다.

초격차 전략에 대한 이미지 검색결과

이것이 제가 제시했던 삼성종합기술원이 추구할 연구의 기본 방향이었습니다. 저는 이런 대원칙과 소원칙을 세운 다음 삼성종합기술원의 구성원들과 공유했습니다. 제품 개발과 서비스 향상에 도움을 주지 않는 연구는 중단시킨다는 대원칙과 지속적으로 후원할 연구의 세 가지 방향을 소원칙으로 제시하자, 그 원칙에 따라 한 달 만에 불필요했던 연구들을 모두 중단시킬 수 있었습니다.

사실 그전까지 삼성종합기술원에서 연구되고 있던 주제는 그야말로, 세상의 모든 분야라고 해도 과언이 아니었습니다. 특히 바이오(생명과학)나 케미컬(화학)쪽의 연구는 전공자가 아니면 이해하기조차 힘든 연구 분야였습니다. 그래서 회사에 불필요한 연구가 진행되고 있어도 아무도 손을 대지 못하고 있었습니다. 그러나 모두가 공감할 수밖에 없는 최종 의사 결정의 근본 원칙이 세워졌고, 그 기준에 따라 의사결정이 내려졌기 때문에 삼성종합기술원을 정비할 수 있었던 것입니다.

이는 그동안 연구실에만 머물어 있던 기백 명의 연구원들을 현장으로 전환 배치시키는 결과로 나타났습니다. 물론 저항하는 연구원도 있었지만 회사 측의 판단이 운영의 합리화와 연구원들의 미래 성장 쪽에 맞추어져 있었고, 프로젝트가 축소되어도 다른 계열 회사들이 지장을 받지 않을 것이라는 종합적인 예측이 이미 있었기 때문에 과감한 정리를 추진할 수 있었습니다. 때론 현장에서 일하는 것보다 안락한 연구소에서 일하는 게 체질에 맞는다면 하소연하는 직원들도 있었습니다. 그런 연구원들에게 저는 이렇게 말해주었습니다.
“육군사관학교를 졸업하면 소대장으로 배치도 받고 야전에서도 일하고 해서 장군이 되어야지, 왜 자네는 육군사관학교에서 교관만 하려고 해? 교관을 하더라도 전방에서 좀 근무해보고 다시 오면 더 좋은 교관이 되지 않을까?”
비유적으로 한 말이었지만 사실과 다르지 않기 때문에 그 연구원은 제 말에 수긍을 하고 현장으로 떠났습니다. 나중에 확인해보니 대부분 각 부서에서 제 역할을 잘 수행하고 있었습니다.

– 넘을 수 없는 차이를 만드는 격, 초격자, 권오현 –

빅 데이터를 넘어 빅 인텔리전스로

다가오는 미래 세상을 무엇이라고 명명하면 좋을까? 빅 데이터가 넘쳐나고 이를 바탕으로 상시 작동하는 각종 인공 지능 알고리즘이 우리 주위에 편재하는 세상, 이 세상을 빅 인텔리전스 big intelligence라고 부르고자 한다.

관련 이미지


인텔리전스가 생태계 전반에 걸쳐 편재하여 생태계 차원의 지혜를 추구하는 세상, 그리고 그 세상을 이끌어 갈 생태계 차원의 지능이 합목적적으로 구현되는 세상, 그 세상이 바로 빅 인텔리전스 세상이다.
빅 인텔리전스 세상으로의 여정에 불확실성은 없을까? 자연 환경에서 연유하는 내재적 불확실성뿐만 아니라, 우리의 마음 한구석에 숨겨져 있을지도 모를 불순한 권력욕, 무책임한 호기심이 인류 전체를 커다란 위험으로 몰고 갈 가능성까지를 포함해서 말이다. 생태계는 특정 국가의 한 비즈니스 분야일 수도 있고 지구촌 전체일 수도 있는데, 우리가 그릴 빅 인텔리전스 세상은 지구촌 자체의 미래가 된다. 
이제부터 향후 30년 정도의 미래를 목표로 시나리오 플래닝을 활용해서 빅 인텔리전스의 전개 시나리오를 그려 보자 

인공지능의 미래에 대한 이미지 검색결과

특이점


: 초지능을 향한 기술 혁신과 수용 태세가 빅 인텔리전스 세상의 향방을 가른다.


빅 인텔리전스 미래 세상의 모습을 만들어가는 것은 우리 자신이다. 그래서 인간의 기술 혁신 의지와 능력이 빅 인텔리전스 전개 시나리오를 결정하는 하나의 축이 된다. 기술 혁신 의지가 과연 모든 능력 면에서 인간을 능가하는 인공 지능을 구현할 수 있을까? 그 임계점을 우리는 특이점 singularity이라고 부른다. 현재의 컴퓨터도 특정 영역에서 인간을 초월하는 능력을 가지고 있지만, 특이점을 지나면 인공지능은 인간과 같은 의식을 가지면서 모든 면에서 인간의 능력을 넘어서는 초지능 super-intelligence 단계로 발전한다.
혹자는 현재의 발전 추세를 감안하면 인공 지능이 인간을 초월하는 능력을 갖는 것은 시간문제일 뿐이라고 한다. 예일 대학교와 옥스퍼드 대학교 인류미래연구소Future of Institute.FHI 연구진은 2016년 352명의 전문가에게 그 시기를 물었다. 모든 일에 있어서 인공 지능의 능력이 인간을 넘어서는 시기는 2060년경, 그리고 인간의 모든 일이 대체되는 것은 2136년이라는 전망이다. 영역별로는 언어 번역 2024년, 에세이 쓰기 2026년, 외과 수술 2053년, 그리고 <뉴욕타임스> 베스트셀러도 2049년이면 가능하리라고 한다. 이 결과를 놓고, 일론 머스크는 심지어 그 시기가 2040년으로 당겨지지 말라는 법도 없다는 의견을 피력하기도 했다.


이에 반해 인공 지능이 절대로 인간의 벽을 넘지 못할 것이라는 견해도 있다. <뉴욕타임스> 베스트셀러 작가이자 의사인 디팩 초프라Depak Chopara가 말한 대로 “기계가 오리처럼 꽥꽥 운다고 해서, 그 기계를 오리라고 할 수 있을까?” 이 질문은 매우 철학적이어서 ‘두뇌를 완벽하게 스캐닝한 디지털 파일이 구조적으로 두뇌와 같으냐’는 질문과 같다. 구조적으로나 기능적으로 디지털화에 완벽하게 성공했다 하더라도 그것은 어디까지나 모사한 것이지 실제가 아니다. 인공지능은 살아 있는 생명체가 아니기에 마음도 없고, 사랑, 연민 등의 감정도 가질 수 없다는 주장이다.한편 인공 지능이 꼭 인간처럼 의식과 마음을 가지고 있어야 특이점을 돌파하는 게 아니라는 주장도 있다. 인공지능이 위험한 것은 의식이 있어서가 아니라, 능력이 출중하기 때문이다. 인공 지능에 의해 작동하는 전투 로봇을 개발하면서 적의 어떠한 공격에도 살아남도록 프로그래밍을 했다고 하자. 혹시 그 전투 로봇이 프로그램상 버그가 있거나 학습하지 못한 상태에서 아군을 공격하면 어떻게 할 것인가? 애초에 자신을 보호하도록 설계한 탓에 전투 로봇을 파괴하는 것 자체도 매우 어렵지 않겠는가? 결국 제압할 수 있을지는 모르나, 그 과정에서 막대한 희생을 치러야 할 것이다. 9.11과 같은 상황이 인공 지능에 의해 재연될 수도 있다는 얘기다.
인공 지능을 개발하려는 동기 중 두려움도 한몫을 한다는  지적은 무척이나 흥미롭다. 이 지적의 요점은 인공 지능의 활용 경쟁에서 뒤쳐지는 것이 두려워 인공 지능에 투자한다는 것이다. 평화를 위해 핵무장과 군비 경쟁을 하는 상황과 다를 게 없다. 잠재적인 폐해는 소홀히 한 채 기술 선두 경쟁에만 몰입하면 어느 순간 문제의 복잡도 증가와 버그와 같은 논리적 결함에 소홀하게 돼 인공 지능에 대한 통제력을 상실하게 된다.
결론적으로 인공 지능을 특이점 너머로 개발하고자 하는 동기는 매우 많고 다양하다. 그 동기가 강하고 많은 재원이 투입되고 돌파에 대한 압력이 높을수록 생각한 방향으로의 추진력은 커진다.
그런데 실제로 특이점 수준의 초지능을 과연 인간이 구현할 수 있느냐에 대해서는 아직까지 어느 누구도 장담할 수 없다. 초지능을 인간의 의식과 마음까지 구현하는 수준으로 정의하다면 그 가능성은 크지 않다. 그러나 그것이 모사에 불과한 초지능이어서, 실제적 초지능과 다르다 해서 안심할 수 있는 상황은 아니다. 모사 초지능도 여전히 실제 초지능만큼의 영향력을 가지고 있다면 말이다.초지능의 출현 여부가 공급 측면의 한 축이라면, 이를 인류 사회가 어떻게 인지하고 받아들이느냐가 수요 측면의 다른 한 축이다. 특이점이 돌파되기전까지 인류가 자유 의지를 가지고 그런 세상을 선택할수도, 아니면 저지할 수도 있다. 이른바 특이점을 향한 인공 지능의 발전에 대중적 지지가 확보될지, 대중적 저항에 부딪힐지 여부가 미래 시나리오의 다른 한 축이 된다. 대중적 지지가 확보되는 경우 인공지능은 기술적 자유방임하에 놓이게 될 것이고, 대중적 저항에 부딪히는 경우 인공 지능을 향한 기술적 법적 규제가 강화될 것이다.인공지능의 4가지 갈림길
: 빅 인텔리전스의 미래는 인간이 되고픈 인공 지능, 인공 지능이 감시하는 사회, 증강 휴먼의 등장, 신이 된 인공 지능의 네 가지 선택지가 있다.앞으로 전개될 빅 인텔리전스 세상은 공급 측면에서 특이점의 돌파 여부와 수요 측면에서 인공 지능에 대한 규제 여부에 따라 네 가지 시나리오로 구분에 볼 수 있다. 그 조합에 따라 달라지는 네 가지 시나리오를 각각 A.I., Eagle Eye, Limitless, Transcendence라고 하자. 그러면 각 시나리오가 그리는 빅 인텔리전스 세상의 모습은 어떠한지 살펴보자 

A.I 에이 아이: 인간이 되고픈 인공 지능


이 시나리오는 특이점은 돌파하지 못한 채 인공 지능에 대한 규제가 적용되는 경우다. 일명 ‘규제된 지능(regulated intelligence)’으로서 영화 <에이 아이 A.I>가 그린 것처럼 ‘인간이 되고픈 인공 지능’으로 상징되는 세상이다. 인공 지능의 발전은 개방형 플랫폼을 기반으로 진행되고, 전 세계적으로 플랫폼 지배력을 가진 사업자가 존재하더라도 독과점 규제나 중립성 규제에 의해 독과점력을 행사하지 못한다.
이외에도 인공 지능이 마약처럼 인간의 의사에 반해 인지나 의사 결정을 왜곡하거나 지배력을 부당하게 행사하는 경우, 관련 행위나 기능은 철저히 규제된다.
시장 구조에서는 스마트폰 플랫폼 기반의 앱 스토어가 수많은 앱을 생산하여 제공하듯, 인공 지능 플랫폼 기반의 인공 지능 앱 시장이 활성화되고, 수요자는 자신의 업무나 생황에 맞는 인공 지능을 자유롭게 선택하여 활용한다. 소비자가 선택한 인공 지능은 소비자별로 개인화되어, 개인적 학습이 추가로 이루어진다. 그 결과 시간이 지나면서 인공 지능은 소비자의 아바타로 성장한다.
때와 상황에 따라 인공 지능 아바타는 나를 대신함으로써 ‘나를 닮고 싶어 하는 인공 지능’으로서의 정체성을 가진다. 예컨대 차량 구입 당시에 탑재된 자율 주행용 인공 지능은 나의 아바타로서 떄로는 나의 운전 습관이나 기호를 학습하고, 평상시 나를 대신하여 운전한다. 자율 주행 기능이 운전자를 완전히 배제하기보다는 보완적인 역할을 수행하고, 다방면의 학습 기회를 통해 인공 지능에 축적되는 학습 지식과 행위는 나의 가치관과 기호에 맞추어 개인화된다.인공 지능은 모든 응용 분야로 확대되며, 소비자 선택에 의해 다면화된 인공 지능 응용 시장이 형성된다. 응용 분야에 따라 인공 지능 아바타는 다양한 모습, 다양한 기능, 다양한 인터페이스를 가지며, 그 시장의 모습은 현재 스마트폰 생태계를 인공지능 계층으로 한 단계 확장시킨 모습을 띤다. 이렇게 해서 새로운 부가 가치 창출 영역이 형성되어, 이른바 5차 산업, 즉 로봇 인텔리전스robot intelligence 산업이라는 새로운 산업을 형성한다.
이 시나리오에서는 인공지능이 인력 대체가 아닌 인력 보완 또는 인력 강화 차원으로 활용된다. 따라서 4차 산업 혁명으로 인한 기계와 인간 간의 갈등은 최소화된다. 규제 체제는 현재 글로벌IT 시장과 같이 국가별로 분리된 규제 관할 구역이 존재하여 글로벌 인공지능 사업자는 유럽연합이나 미국, 한국, 중국 등 해당 시장에서 지역별 규제를 받는 방식이다.또한 문화와 사회 규범, 그리고 국가가 추구하는 이념이나 가치에 따라서 인권과 인간의 존엄성을 보호하기 위한 추가적인 규제가 국가별로 구체화된다. 따라서 한 국가의 인공 지능 규제 체제는 양자 간 또는 다자 간 협상에 의한 블록별 규제와 국가별 인간 존엄성 규제로 계층화된다. 규제의 블록화, 계층화로 인공 지능 시장의 지배력 쏠림 현상도, 이로 인한 글로벌 부의 편재도 타 시나리오에 비해서는 상대적으로 작다. 

이글 아이 : 인공 지능이 감시하는 사회


이 시나리오는 특이점은 돌파하지 못한 상태에서 인공 지능의 위험성이나 부작용에 대한 규제는 이루어지지 않는 경우다. 일명 ‘방치된 지능 unregulated intelligence’으로서 영화(이글 아이 Eagle Eye)가 묘사하는 ‘인공 지능이 감시 하는 사회’에 해당한다. 인공 지능이 모든 영역에서 인간의 능력을 초월하지는 못하더라도, 인공 지능 시장 지배력을 강화하고 그로부터 이익 창출과 산업 지배력을 높이고자 글로벌 기업 간 무한 경쟁이 진행된다.  그 결과, 소비자 개개인의 행위와 생각과 의사 결정이 자신도 모르는 사이에 지배적 인공 지능에 의해 조종될 위험에 노출된다.
또한 공공 부문에서 활용되는 인공 지능은 국민 개개인의 생활을 속속들이 들여다보고 그 행위를 분석하기 때문에 개인 정보 보호의 노력에도 불구하고 국민은 국가나 기업의 직간접적 감사에 놓이게된다. 현재 구글이나 네이버, 다음과 같은 포털이 국민 개개인에게 보이는 정보를 재배열함으로써 국민의 눈과 관심을 왜곡할 수 있듯이, 이 시나리오하에서 개발되는 인공 지능은 나의 눈과 관심뿐 아니라 나의 정신과 사고력까지 영향을 미친다.
영화 <이글아이>는 블루 크러시나 COMPAS처럼 범죄를 감시하고 예방하는 시스템이 어느 날 자신을 보호할 목적으로 레이철과 제리라는 남녀 주인공을 조정하는 상황을 그리고 있다. 우리의 시나리오는 영화 <이글아이>가 그리는 상황과 유사하나, 인공 지능에 자신을 스스로 보호하는 자의식이 없다는 점만 다르다. 이 시나리오에서는 인공 지능의 자의식 대신 여러 가지 불순한 동기와 목적으로 인공 지능을 활용, 시장을 장악하려는 조직이 존재한다. 자의식이 없어 조직의 명령에 따라서 행동할 뿐 능력 면에서는 초지능에 근접한 인공지능이 활용된다.시민 사회는 인공지능의 남용 가능성을 자각하고 경계하는 소수와 보이지 않는 알고리즘에 이끌려 인공 지능에 관한 의식 없이 살아가는 다수로 나누어진다. 이른바 세상의 운영 원리에 대한 자각의 양극화가 진행되는 것이다. 이러한 현상은 비단 개인 차원의 시민 사회에서만 발생하는 것이 아니라, 비즈니스 세상에서도 비슷하게 일어난다. 글로벌 클라우드로 집중된 인공지능 플랫폼이 소수의 사업자 집단에 의해 장악되어, 이른바 소비자 의식과 행동에 관한 정보의 비대칭성과 지배력의 양극화과 극대화된다.
지배력의 양극화는 개인 소비자의 정신세계뿐 아니라, 글로벌 인공 지능 시장의 사업자 간에도 심화된다. 의료 서비스, 법률 서비스, 자산 운용 서비스, 교육 서비스, 시설 유지 보수, 자산 감시 서비스 등은 인공지능의 기능이 가미되어 자동화가 대대적으로 진행된다.
지역별로 분리되어 있던 서비스 시장에서의 부가 가치는 글로벌 플랫폼 사업자와 지역 응용 사업자가 예컨대 3:7의 비중으로 분점된다.
그런데 사업자 수는 일 대 수백, 또는 일 대 수천의 비로 사업 수익은 플랫폼 사업자에게로 집중된다. 
이 시나리오에서는 인공 지능을 남용하여 시장이나 정치를 왜곡하려는 세력에 대한 저항운동이 일어나, 사회적 갈등으로 이어진다. 더욱이 대립 양상은 국가 내 세력 간뿐 아니라, 글로벌 플랫폼 지배력을 가진 국가와 그렇지 않은 국가 간에 해소되지 않은 채 지속된다. 그리고 적절한 조정 기구나 제도의 설립 및 운영이 충분한 효과를 내지 못한다. 

리미트리스:증강 휴먼의 등장

관련 이미지


이 시나리오는 뇌과학과 인공 지능이 상호 상승 결합하면서 특이점을 돌파하고, 그렇게 형성된 초지능은 생태계의 자정 기능과 제도적 규제에 의해 그 위험과 부작용이 통제되는 경우다. 일명 ‘규제된 초지능(regulated super-inteligence)’으로서 영화 <리미트리스(Limitless)>와 유사하게 증강 휴먼(augmented human)이 등장한다. 인공 지능은 발전하나, 블랙박스의 신경 회로가 갖는 통제력 부재로 한계에 부딪히고 이를 인간 뇌와 인공 지능 간의 인터페이스 개발로 돌파하다는 시나리오다.
원래 증강 현실은 현실에 가상을 결합시키는 기술이다. 이와 마찬가지로 증강 휴먼은 인간의 두뇌에 인공 지능이 결합된 모습을 지칭한다. 인간의 두뇌와 인공 지능의 인터페이스에 대한 연구는 이제 탐색 단계다. 그러나 사업적으로는 이미 머스크가 샘 올트먼(Sam Altman)과 함께 비영리 연구 기업인 오픈 AI(openAI)를 설립하여 이 분야 연구 방향을 주도하려 하고 있고, 뉴럴링크(Neuralink)를 설립해서 뇌-컴퓨터 인터페이스 연구를 시작했다. 모두 증강 휴먼의 등장을 예고하는 움직임이다.
인간 두뇌와 컴퓨터를 연결하려는 시도는 두 가지 방향으로 전개될 것으로 예상된다. 하나는 인간을 중심에 두고 주변에 전 세계 규모의 지식 베이스와 인공지능을 정렬시키는 것이다. 이는 자연어 인터페이스로 연결된 컴퓨터 포털이 글로벌 지식 베이스를 사용자에게 실시간으로 공급하는 방식과 유사하다. 예컨대, 언어 번영 시스템이 뇌-컴퓨터 인터페이스를 통해 내 두뇌와 연결되어 있어, 겉보기일지라도 세계 어느 나라 언어도 현지인처럼 구사하는 것이 가능하다. 물론 이를 위해서는 뇌파 통신이나 텔레파시와 같은 새로운 방식의 뇌-컴퓨터 인터페이스가 제공되어야 한다.
다른 하나는 뇌-컴퓨터 인터페이스를 통해 인공 지능 시스템을 중심에 두고 주변에 수백, 수천의 전문가 두뇌를 연결해 조직화하는 것이다. 이 접근은 수백 또는 수천의 전문가 두뇌에 대해 디지털 트윈을 만들고, 이들을 인공 지능 시스템 내에서 상호 연결하고 조직화하는 방식이다. 믈론 디지털 트윈은 전문가별로 상시 업데이트가 이루어지도록 해서 인간 중심의 초지능은 상시성을 유지한다. 실제로 스위스의 뇌과학자인 파스칼 카우프만(Pascal Kaufmann)이 설립한 스타마인드(Starmind)는 이러한 방향의 사업 구상을 발표한 바 있다.
증강 휴먼은 초지능과 인간이 상호 조화롭게 협력하는 시나리오다. 조화와 협력의 수단은 두 가지다.
하나는 초지능에 대한 통제력을 어떠한 경우든 놓지 않는 방안을 강구하는 것이고, 다른 하나는 세티(SETI)의 세스 쇼스택(Seth Shostak)의 지적처럼 초지능의 사용을 인간 사회의 인프라 운영과 같은 특정 분야로 제한함으로써 인간 사회에 악영향을 미치지 않도록 하는 방안읻. 초지능의 능력을 십분 활용하면서 인간의 존엄성을 보장하는 방안은 앞으로 다양하게 모색될 것이다. 증강 휴먼의 모습 역시 그 노력의 다양성과 성공 여부에 따라 다양하게 진화할 것이다. 

트랜센던스: 신이 된 인공지능

트렌센던스


이 시나리오는 인공 지능을 가진 수퍼 컴퓨터가 특이점을 돌파하나, 이를 제어하거나 통제하는 법제도적 장치가 부재하거나 초지능에 의해 무력화된 경우다. 일명 ‘방치된 초지능(unregulated superintelligence)’으로서 영화 <트랜센던스(Transcendence)>가 그리는 세상이다. 초지능은 어떠한 연유로든 자의식을 갖게 되고, 모든 능력 면에서 인간을 초월한다. 이 세상의 모습은 초지능이 갖는 자의식이 인간을 어떠한 존재로 인지하느냐에 따라 달라진다. 인공 지능의 미래에 관해 가장 초현실적이고 논쟁이 많은 시나리오다. 그런 만큼 시나리오 자체릐 편차 역시 다른 시나리오에 비해 크다.
가장 극단적인 시나리오는 인간이 개발하는 인공 지능이 어느 순간 자기 조직화(self-organizing)와 창발(emergence) 현상을 통해서 자의식과 목적의식을 스스로 갖게 된다는 것이다. 물론 그 단계에서 컴퓨터 파워는 글로벌 클라우드 속에 축적된 지식과 지능의 총체로서 모든 측면에서 인간의 능력을 초월한다. 그 결과, 특이점을 돌파한 초지능이 목적의식을 가지고 인간을 지배할  수도 있다는 상상이다. 이러한 상상은 옥스퍼드 대학교의 닉 보스트럼에 의해 촉발되었고, 일론 머스크에 의해 대중적 이슈가 되었다.
같은 시나리오지만, 지극히 현실적인 시나리오도 있다. 비교적 온건한 편에 속하는 이 시나리오의 인공 지능은 인간에 의해 맡겨진 특수 업무를 전담하여 수행한다. 스마트 그리드와 같은 복잡한 송배전 전력망이나, 중앙 관리로 운영되는 전국 도로 및 차량 관제 시스템, 그리고 네트워크로 연결된 금융망, 재난망, 보안망, 국방망 등이 자체 보호 기능을 가진 인공 지능에 의해 운영되는 것이다. 문제는 지속적 학습을 통해 구축된 이들 인공 지능에 대해 어느 순간 인간이 통제력을 상실하는 경우에 발생한다. 
이 시나리오가 현실적으로 가능하기 위해서는 좀 더 많은 상상이 필요하다. 사실 인간이 만든 인공 지능이 인간을 초월한다는 명제는 받아들이기 쉽지 않다. 인간이 자신의 의식, 기호, 가치, 동기, 감정에 대해 완벽히 이해하지 못하는데 어떻게 자의식을 인공 지능에 부여할 수 있겠는가?
그러나 다르게 생각해 보자. 인간이 유전자를 합성해서 생명체를 만들수는 없지만, 유전자를 조작해 생명체의 변이를 유도할 수는 있다. 마찬가지로 생명과학, 뇌과학, 인공 지능 연구를 통합해 생체 컴퓨터를 만들고, 여기에 지능을 심는 방법을 시도해 볼 수도 있다.
자연에 내재된 힘을 빌려 초지능을 구현할 수 있지 않겠느냐는 발상이다.
사실 인간이 만든 인공 지능이 향후 100년 쯤 지나 모든 인간을 초월하는 초지능을 형성할 것이라는 주장은 무책임하다. 과학적으로 긍정도 부정도 할 수 없는 명제이기 때문이다. 그저 어제 상상하지 못한 일이 오늘 일어났으니, 오늘  상상하지 못한 일이 내일 일어날 것이라는 주장처럼 허망한 것은 없다. 그러나 확률적으로 발생 확률이 0이 아닌 사건은 위험 관리 차원에서 늘 관찰, 관리 대상으로 포함해야 하듯, 트렌센던스 세상의 도래에 대한 경계는 바람직하다. 비록 그 세상이 생각만큼 그리 빨리 오지 않더라도 말이다. 

우리의 선택


: 인공 지능은 우리의 인간성, 정체성 자체에 변화를 일으킬 잠재력을 가지고 있다.


가고 싶은 곳을 정하고 가는 사람은 운전대를 놓지 않는다. 그러나 정해진 목표가 없는 정글 탐사라고 해서 운전대를 놓을 수는 없다.
정처 없이 방황했다고 해서 밟아 온 길에 대한 복기조차 하지 않는다면, 그것은 매우 안타까운 일이다. 빅 인텔리전스가 가는 네 갈래 길을 결정하는 것은 결국 인간이다. 지금까지 우리가 밟아 온 길에 대해 냉철한 평가를 기반으로 빅 인텔이전스 미래 세상의 방향을 올바르게 설정해야 한다. 그리고 그 운전대인 기술 혁신 의지와 자율적 규제 제도는 절대로 놓지 말아야 한다.

– 데이터를 철학하다. 어떻게 데이터는 지혜가 되는가, 장석권 –