인공지능 분야의 세계적인 리더중 한분인 엔드류 잉이 이끄는 랜딩 에이아이에 있는
어떻게 AI 기업으로 변화할 것인가라는 내용의 짧은 글입니다. 원문은 AI Transformation Playbook How to lead your company into the AI era으로 마지막 부분 회사 소개관련된 내용은 빼로 번역을 했습니다. 내용을 보면 인공지능 기업으로 변화를 하기위한 방법론이라는 것이 일반적인 기업 혁신을 읶는 방법론과 동일하다는 것을 알 수 있습니다. 그도 그럴 것이 현재 가장 핫한 기업 혁신 주제가 인공지능이니까요.
인공지능(AI)은 이제 모든 산업에 영향을 주고 있습니다. 100년 전에 전기의 발명이 그랬듯이 말입니다. 추정하기로는 2030년까지 13조 달러의 GDP 성장이 인공지능 분야를 통해서 발생할 것으로 보입니다. 인공지능은 이미 구글, 바이두, 마이크로소프트, 페이스북 같은 소프트웨어 회사에서 어마어마한 가치를 만들어 냈습니다. 하지만 더 많은 가치가 다른 분야의 기업에서 만들어 질 겁니다.
이 [어떻게 AI 기업으로 변화할 것인가]라고 하는 가이드는 구글 브레인 팀과 바이두 에아아이 그룹을 리드하면서 알게된 경험을 바탕으로 작성되었습니다. 모두 해당 기업을 진정한 인공지능 기반 기업으로 변화시키는데 중요한 역할을 한 팀입니다. 이 가이드는 가치가 5억 달러에서 5천억 달러에 달하는 기업을 대상으로 하고 있습니다. 그럼에도 어떤 종류의 회사도 이 가이드를 따라서 강력한 인공지능 기반 기업으로 변모하는 전략을 세울 수 있습니다.
이 가이드에서 설명할 인공지능 기반 기업으로 변화를 이끄는 단계는 아래와 같습니다.
- 탄력을 불어 넣을 작은 프로젝트를 실행합니다.
- 회사 내부에 인공지능 팀을 만듭니다.
- 전반적인 인공지능 교율을 실시합니다.
- 인공지능 기술을 활용할 전략을 세웁니다.
- 회사 안팎으로 소통을 채널을 구축합니다.
1. 탄력을 불어 넣을 작은 프로젝트를 실행합니다
첫 시작에는 최고의 가치를 창출하는 프로젝트를 하는 것보다 몇몇 성공한 프로젝트를 실행에 옮기는데 집중해야합니다. 이 프로젝트는 회사가 인공지능에대해서 익숙해지고 다른 구성원들로부터 인공지능에 대한 투자에 동의를 이끌어 내기에 충분하면 됩니다. 반면 너무 단순해서 성과를 내고도 별거 아니라는 평가를 받아서는 곤란합니다. 중요한 것은 이로인해 동력이 생겨서 인공지능 팀이 탄력을 받을 수 있게 해야한다는 것입니다.
초기 프로젝트의 특성을 나열하면 이렇습니다.
- 내부에 새로운 인공지능 팀 혹은 외부 인공지능 팀과 내부 특정 부서가 파트너를 이루어서 인공지능 기반 솔루션을 개발할 수 있어야합니다. 인공지능 팀은 해당 비즈니스에대한 깊은 이해도는 없을 수 있습니다. 대신 내부 부서가 해당 비즈니스에 대한 충분한 이해도를 가지고 있게 됩니다. 개발을 시작하고 6~12개월 안에 성과가 나타날 수 있는 솔루션을 선택해야합니다.
- 프로젝트를 현재의 기술로 실행 가능해야합니다. 아직도 많은 기업들이 현재의 인공지능 기술로는 실행할 수 없는 프로젝트를 시작하고 있습니다. 신뢰도가 높은 인공지능 엔지니어에게만 프로젝트를 검토하도록 하는 것이 오히려 이런 문제를 야기시킬 수 있습니다.
- 비지니스적으로 측정할 수 있는 성과를 목표로 가지고 있어햐합니다.
제가 구글 브레인 팀을 이끌고 있을 때 구글 내부를 포함한 전 세계적으로 딥러닝에대한 냉소적인 시선이 상당했습니다. 저는 인공지능 팀의 탄력을 만들기위해서 구글 스피치 팀을 첫 내부 고객으로 선택을 했습니다. 구글 스피치 팀과 긴밀하게 일하면서 아주 정확한 음성 인색을 할 수 있도록 도왔죠. 구글에서 음성 인식은 가치 있는 프로젝트이긴 했지만 제일 중요한 프로젝트는 아니였습니다. 중요도로 생각하면 검색이나 광고 쪽에 적용을 해 보는 것이 훨씬 가치가 있었겠죠. 하지만 딥러닝을 사용해서 음성인식 팀을 좀 더 성공적으로 만들고 나니 다른 팀들도 인공지능 팀에 신뢰를 주기 시작했습니다. 이렇게 해서 구글 브레인 팀이 탄력을 받게 된 거죠.
한번 구글 스피치 팀이 구글 브레인 팀과 성과를 내는 것을 다른 팀들이 보게되자 내부 고객들이 점점 늘어나기 시작했습니다. 두번째 구글 브레인 팀의 내부 고객은 구글 맵 팀이었습니다. 딥러닝을 사용해서 지도 데이터의 품질을 높이는 프로젝트였습니다. 이 두개의 프로젝트의 성공을 기반으로 저는 광고 팀과 대화를 시작할 수 있었습니다. 이렇게 탄력을 유지하게 되면 더 많은 인공지능 기반 프로젝트를 성공으로 이끌 수 있게됩니다. 제가 겪은 이 과정은 누구든지 자신의 회사에 똑같이 적용해 볼 수 있는 반복 가능한 모델입니다.
2. 내부 인공지능(AI)팀을 만듭니다.
전문적인 기술을 가진 외부 팀이 회사에 인공지능에 관한 탄력을 좀 더 빨리 불어 넣을 수 있다는 것은 확실합니다. 하지만 장기적인 관점에서 보면 회사 내부에 팀을 유지하는 것이 더 효율적입니다. 게다가 차별화된 경쟁력을 확보하기 위해서는 몇몇 프로젝트는 회사 내부에서만 운영을 할 필요성을 느끼게 됩니다.
이를 위해서 흔히 사용하는 C로 시작되는 책임자를 운용하는 것은 무척 중요합니다. 인터넷이 한창 붐을 일으킬 때 많은 기업이 CIO를 고용하고 운영하는 것이 회사에 중요한 변곡점을 마련해 주었습니다. 회사 전체적으로 인터넷에 기반한 전략을 세울 수 있었기때문입니다. 반면에 팀별로 개별적인 많은 실험을 실행했던 회사들도 있었습니다. 디지털 마케팅, 데이터 사이언스적인 실험, 새로운 웹사이트 개설 등 다양한 시도가 있었습니다. 이러한 시도가 회사 전체적으로 영향을 주고 변화를 이끌었다면 성공적이었을 것입니다. 그렇지 못 한 기업들은 이런 시도에도 불구하고 인터넷이라고 하는 기회를 제대로 활용해 보지 못 했습니다.
인공지능 시대에도 마찬가지입니다. 많은 기업에 가장 중요한 시점은 회사 전체가 도움을 받을 수 있는 중앙화된 인공지능 팀을 구성하는 때입니다. 이 팀이 CTO나 CIO, CDO(Chief Data Officer, Chief Digital Officer) 기능을 담당하는 팀 아래에 있어도 괜찮습니다. 중요한 점은 반드시 필요한 기술을 보유하고 있는지입니다. 독립된 CAIO(Chief AI Officer)가 이끄는 팀도 좋습니다. 이 팀은 아래와 같은 책임을 담당하게 됩니다.
- 회사 전체를 지원할 수 있는 AI 기술력을 확보합니다.
- 회사 내의 다른 부서나 사업부가 서로 연관되어 있는 인공지능 프로젝트를 기획하고 실행합니다. 첫 실행이 잘 마무리된 후에는 같은 과정을 반복해서 회사에 인공지능에 기반한 가치를 창출할 수 있는 프로젝트를 지속적으로 공급합니다.
- 인력을 확보하고 유지할 수 있는 지속적인 운영 가능한 표준을 만듭니다.
- 회사내에 다른 부서나 사업부에 유용한 회사 차원의 플랫폼을 만듭니다. 개별 부서에서 만들어 운영할만한 것이 아닌 것이어야합니다. 예를 들어 CTO/CIO/CDO와 협력을 해서 회사 전체적인 데이터 저장 표준을 만드는 것입니다.
많은 기업들이 CEO에게 직접 보고하고 협의를 하는 구조로 조직을 유지하고 있습니다. 여기에 인공지능 팀은 다른 부서나 사업부에 걸쳐 서로 연관된 프로젝트를 이끄는 연결 고리가 될 수 있습니다.
새로운 직무 분야와 팀 조직이 등장하게 될 겁니다. 현재 저는 머신러닝 엔지니어(Machine Learning Engineer), 데이터 엔지니어(Data Engineer), 데이터 과학자(Data Scientist), 인공지능 프러덕트 매니저(AI Product Manager)로 팀을 나눠 운영하고 있습니다. 이는 인공지능 시대 이전과는 다른 조직 구조입니다. 훌륭한 는 리더는 인재를 뽑고 유지하는 올바른 방식을 제공할 수 있을 겁니다. 현재는 인공지능 관련 인재를 확보하려는 전쟁이 한창입니다. 대부분의 회사에서 스탠포드 대학 인공지능 박사학위 학생을 뽑기는 정말 힘들겁니다. 같은 대학 인공지능 관련 학부 졸업생 뽑기도 힘들죠. 인재를 뽑는 것은 당분간은 정말 제로섬 게임입니다. 이 때는 인재 컨설팅 회사를 통하는게 적지않은 도움이 될 수 있습니다. 이와는 별도로 기존의 팀에 내부적으로 교육을 제공하는 것은 내부에 새로운 인재를 확보하는 좋은 방법입니다.
3. 전반적인 인공지능 교율을 실시합니다.
현재 충분한 인공지능 인재를 확보하고 있는 기업은 없습니다. 뉴스에서 인공지능 전문가가 어마어마한 연봉을 받는다고 말하고 있지만, 실제로 인공지능 전문가를 찾기는 힘듧니다. 연봉에 관한 것은 몇몇 특별한 사람에 대한 것을 확대해서 말하는 면도 있고요. 다행이도 인공지능 관련 다양한 디지털 컨텐츠가 공급되고 있습니다. 코세라와 같은 온라인 공개강좌(MOOC, massive open online courses), 이북, 유튜브 비디오가 있습니다. 그 어느 때보나 인공지능 같은 새로운 분야를 대규모의 사람들에게 효과적으로 교육을 제공할 수 있는 환경이 마련되어 있는 셈입니다. 현명한 CLO(Chief Learning Officer)라면 본인이 직접 컨텐츠를 만들려고 하지 않습니다. 대신 다양한 자료를 조합하고 직원들이 교육을 끝까지 잘 마무리할 수 있도록 단계적인 과정을 만드는데 전념을 합니다.
10여년 전만하더라도 직원을 교육한다는 것은 강사를 회사로 초청해서 강의를 하도록 하는 것이었습니다. 하지만 비효율적이기도 하고 효과 측정도 어려운 것이 사실이었죠. 반면에 디지털 컨텐츠는 직원들에게 좀 더 개인적으로 만족할 수 있는 경험을 제공할 뿐더러 비용도 저렴합니다. 만일 강사를 초청할 돈이 있다면 온라인 컨텐츠를 보충하는 방식으로 운영해야합니다. (이를 뒤집어진 교실(flipped classrom) 교육방식이라고 합니다. 잘만 활용하면 훨씬 빠르고 즐거운 경험을 결과로 얻을 수 있습니다. 저의 스탠포드 대학의 교실 수업은 이 교육방식으로 진행되고 있습니다.) 몇몇 인공지능 전문가를 고용해서 이런 직접적인 강의 컨텐츠를 만드는 것도 직원들이 인공지능 기술을 배우고자하는 동기를 부여받는데 도움이 될 수 있습니다.
인공지능은 여러 직업을 변화시킬 겁니다. 그래서 새로운 인공지능 시대에 각 개인이 새로운 역할을 잘 감당할 수 있도록 필요한 지식을 전달해 줘야합니다. 전문가의 도움을 받으면 팀별로 적합한 교육과정을 설계할 수 있습니다. 하지만 전반적인 계획은 아래와 유사할 겁니다.
- 임원과 사업부 리더: (>= 4시간 교육)
- 목표: 인공지능이 회사에 어떤 영향을 줄수 있는지 이해하도록 합니다. 새로운 인공지능 전략을 세우고 적절할게 자원을 분배할 수 있도록 합니다. 가치있는 인공지능 프로젝트를 지원하고 있는 인공지능 팀과 매끄럽게 협업을 할 수 있도록 합니다.
- 교육과정
- 기본 기술, 데이터, 인공지능이 할 수 있는 것과 없는 것에 대한 비지니스적인 이해.
- 회사의 전략에 인공지능이 미치는 영향.
- 비슷한 산업 분야나 동일한 산업에서 인공지능 적용에대한 사례.
- 인공지능 프로젝트를 진행하는 부서의 리더: (>= 12시간 교유)
- 목표: 인공지능 프로젝트의 방향을 정할 수 있어야합니다. 자원을 할당하고 진행상황을 관찰하고 이해할 수 있어야합니다. 프로젝트가 성공할 수 있도록 필요한 경우 잘못된 점을 수정할 수 있어야합니다.
- 교육과정
- 기본 기술, 데이터, 인공지능이 할 수 있는 것과 없는 것에 대한 비지니스적인 이해.
- 주요 알고리즘의 종류와 요구사항에대한 기본적인 기술적 이해.
- 인공지능 프로젝트에대한 업무흐름과 진행과정, 인공지능 팀에 필요한 역할과 책임, 인공지능 팀 관리에 필요한 이해.
- 인공지능 엔지니어 훈련생: (>= 100 시간 교육)
- 목표: 새로 교육을 받은 엔지니어는 데이터를 수집하고 인공지능 모델을 학습시키며 특정 인공지능 프로젝트를 수행할 수 있어야합니다.
- 교육과정
- 머신러닝과 딥러닝에대한 깊은 기술적 이해. 다른 인공지능 툴에대한 기본적인 이해.
- 인공지능과 데이터 시스템을 구축하기 위한 활용가능한 (오픈소스와 다른 3자가 제공하는) 툴에 대한 이해.
- 인공지능 팀의 업무흐름과 진행과정을 구현할 수 있는 능력.
- 추가: 진화하는 인공지능 기술을 따라잡을 수 있는 지속적인 교육.
4. 인공지능 기술을 활용할 전략을 세웁니다.
인공지능을 활용한 전략은 회사가 새로운 가치를 만들 수 있도록 도와주면서 경쟁자를 방어할 수 있는 방패를 제공해 줍니다. 일단 팀들이 초기 인공지능 프로젝트의 성공을 보고 인공지능에대한 이해도를 형성하게 되면 인공지능이 최고의 성과를 낼 수 있는 분야가 무엇인지 어디에 자원을 투입해야하는지 구분할 수 있게 됩니다.
몇몇 임원들은 인공지능 전략을 세우는 일이 최우선 과제라고 생각할 헙니다. 제 경험으로 보면 대부분의 기업은 인공지능에대한 기본적인 경험을 쌓기전에 사려 깊은 인공지능 전략을 세우지는 못 합니다. 앞서 말한 1~3단계를 일부라도 실행해야 그런 단계에 이르게 됩니다.
경쟁자를 방어할 수 있는 전략도 인공지능에대한 애해도와 함께 변화가 됩니다. 생각해볼 만한 몇가지 접근법은 아래와 같습니다.
회사 전반적인 전략과 맥이 맞는 여러개의 난이도가 높은 인공지능 자원을 확보합니다.
인공지능은 기업들이 새로운 방식으로 경쟁력을 확보할 수 있도록 하고 있습니다. 마이클 포터는 비지니스 전략에 관한 글에서 경쟁자를 막을 수 있는 비지니스를 만드는 하나의 방법으로 회사 전반적인 전략과 연관된 다양한 난이도 높은 자원을 확보하라고 합니다. 그래서 경쟁자들이 한번에 이 모든 자원을 따라할 수 없도록 하는 것입니다.
회사의 사업 분야에 맞는 강점을 만드는데 인공지능을 활용합니다.
일반적인 인공지능 분야의 강자인 구글과 같은 기업과 경쟁하려고 노력하지 않는게 좋습니다. 대신 회사의 산업 분야에 특화된 인공지능 관련 기술에서 강자가 되어 독특한 인공지능 기술로 경쟁 우위를 점유할 수 있어야합니다. 어떻게 인공지능이 회사의 전략에 영향을 주게 되는지는 산업에따라 상황에따라 달라집니다.
인공지능 피드백 루프에 맞는 전략을 설계합니다.
많은 산업 분야에서 다른 기업보다 우위에 서기위해 데이터를 확보하는 것을 볼 수 있습니다. 예를들어 검색엔진 선두 기업인 구글, 바이두, 빙, 얀덱스는 어마한 양의 검색과 사용자의 클릭 데이터를 가지고 있습니다. 이 데이터는 각 기업이 좀 더 정확한 검색 엔진을 만드는데 도움을 주고 있습니다. (A)좀 더 정확한 엔진으로 좀 더 많은 사용자를 확보합니다. (B)많은 사용자는 더 많은 데이터를 생성합니다. (C)이 루프는 경쟁자들이 검색 엔진 산업에 진입하는 것을 어렵게 만듭니다.
데이터는 인공지능 시스템에서 가장 중요한 부분입니다. 그래서 훌륭한 인공지능 기업들은 잘 설계된 데이터 전략을 가지고 있습니다. 잘 설계된 데이터 전략은 아래 내용을 포함하고 있습니다.
- 전략적인 데이터 확보
유용한 인공지능 시스템은 100개의 데이터 포인트(small data)에서 100,000,000개의 데이터 포인트(big data) 중의 어느 곳에서도 만들어 질 수 있습니다. 하지만 많은 데이터를 보유하고 있다는 것은 언제나 강점이 됩니다. 인공지능 팀은 정교하고 수년을 내다보는 전략을 세워 데이터를 확보합니다. 데이터 확보 전략은 산업분야와 상황에따라 달라집니다. 예를들어 구글과 바이두는 다양한 무료 제품을 가지고 있습니다. 이 제품으로 직접 돈을 벌지는 않지만 데이터를 확보해서 다른 분야에서 돈을 벌고 있습니다.
- 어떤 데이터가 가치있고 없는지를 분별
수 테라바이트의 데이터를 가지고 있다고 자동으로 인공지능 팀이 데이터로부터 가치 있는 것을 만들어 낼 수 있다는 것은 사실이 아닙니다. 많은 양의 데이터로부터 무조건 어떤 가치를 창출할 것이라고 기대하는 것은 참담한 실패를 맛보는 공식과도 같습니다. 실제로 별 가치가 없는데이터를 모으는데 너무 많은 투자를 하는 CEO나 수 테라바이트의 데이터를 소유한 기업을 사들이고 나서야 그 데이터가 별 쓸모가 없다는 것을 알게되는 CEO를 여럿 봤습니다. 초기에 인공지능 팀을 투입해서 이러한 실수를 최대한 방지해야합니다. 그리고 어떤 데이터를 획득하고 저장해야하는 지 우선 순위를 정하도록 해야합니다.
네트웍 효과와 플랫폼의 장점을 만들어야합니다.
인공지능 기술로 전통적인 방어전략을 만들어 낼 수 있습니다. 예를들어 네트웍 효과를 누릴 수 있는 플랫폼은 경쟁자를 따돌릴 수 있는 비지니스를 만들 수 있습니다. 이를 통해 자연적으로 승자 독식의 결과를 만들어 내서 기업이 살아남거나 소멸하거나 하게 합니다. 만일 인공지능 기술을 사용해서 경쟁자보다 사용자를 좀 더 빨리 확보할 수 있다면 플랫폼의 장점을 활용할 수 있는 방어전략이 만들어 집니다. 좀 더 넓게는 인공지능 기술을 활용해서 비용이 적게드는 전략으로 더 높은 가치를 창출하거나 다른 비지니스 전략을 수립할 수 있습니다.
5. 회사 안팎으로 소통을 채널을 구축합니다.
인공지능 기술은 회사에 상당한 영향을 줄 겁니다. 이 영향력이 더 넒은 이해관계자들에게까지 미치기 위해서는 소통 채널을 구축하고 운영해야합니다. 각 소통 채널별 고려애햐할 사항은 아래와 같습니다.
투자가와의 관계
구글이나 바이두와 같은 인공지능 기반 기업들은 인공지능을 활용할 수 있는 능력과 인공지능이 변화시킨 기반 기술로 인해서 더 많은 가치를 갖게 되었습니다. 회사에서 인공지능으로 인해 창출될 가치에대한 명확한 설명을 해 줘야합니다. 회사 내에서 인공지능 기술이 어떻게 성장하고 있는지를 잘 기술하고 잘 계획된 인공지능 전략을 가지고 있어야합니다. 이로인해서 투자가들이 회사의 가치를 더 적절하게 판단할 수 있도록 도움을 줘야합니다.
정부와의 관계
규제가 엄격한 산업(자율 주행차, 헬스케어)을 다루고 있는 회사는 규제안에서 활동하기위해 상당한 노력을 기울여야합니다. 인공지능이 산업이나 사회에 가져올 가치와 이익을 설명할 수 있는 신뢰성있고 설득력있는 이야기를 만들어 내야합니다. 이는 신뢰와 좋은 의도를 만들어 나가는 첫 단계가 됩니다. 프로젝트를 진행하면서 지속적이고 직접적인 규제 담당자와의 소통은 필수적으로 동반되어야합니다.
고객/사용자 교육
인공지능 기술은 고객들에게도 상당한 유익을 가져다 줄 것입니다. 적절한 마케팅 메시지와 제품 로드맵 메시지를 전달하도록 노력해야합니다.
인재 확보
인공지능 분야 인재가 부족한 상황에서 회사의 브랜딩은 인재를 모으고 확보하는데 상당한 영향력을 갖게 됩니다. 인공지능 엔지니어는 흥미롭고 의미있는 프로젝트에서 일하기를 희망하고 있습니다. 초기의 성과를 외부에 알리려는 작은 노력만으로도 장기적으로 많은 효과를 얻을 수 있을 겁니다.
내부 소통
인공지능은 지금도 여전히 제대된 이해가 부족한 편입니다. 특별히 일반 인공지능(Artificial General Intelligence)은 과도하게 과장되어있고, 두려움의 대상이면서 불확실해 보이고 의심을 사고 있습니다. 많은 직원들은 인공지능으로 인해 자신의 직업을 뺏길수도 있다고 걱정하고 있는데 이는 문화에따른 차이도 있어 보입니다. (예를 들어 이런 걱정은 일본보다는 미국에서 더 확연해 보입니다.) 내부 직원을 대상으로 인공지능에 관한 설명을 하고 걱정을 불식시킬 수 있는 소통을 하는 것은 인공지능 기술을 받아들이기를 주저하는 사람들에게 도움이 될 것입니다.
성공을 위해 중요한 역사적인 시사점
인터넷이 어떻게 산업을 변화시켰는지를 이해하는 것은 인공지능이 미치게될 여향을 이해하는데 중요합니다. 인터넷의 태동기에 많은 기업이 저지른 실수를 인공지능 태동기에 반복하는 기업이 없기를 바랍니다.
인터넷의 시대를 거치면서 배운 중요한 점이 있습니다. 쇼핑몰 + 웹사이트 != 인터넷 기업
쇼핑몰에서 웹사이트를 만들고 웹사이트를 통해서 물건을 판매한다고 해서 쇼핑몰을 인터넷 기업으로 만들어 주는 것은 아닙니다. 실제 인터넷 기업의 정의는 “회사의 구조가 인터넷이 정말 잘 할 수 있도록 제공하는 것을 활용하도록 구성되어 있는가”를 따져봐야합니다.
예를들어 인터넷 기업은 광범위한 A/B 테스트를 하고 있습니다. 이를 통해서 두개의 서로 다른 웹사이트를 만들고 어떤 사이트가 더 잘 운영이 되는지 확인해 봅니다. 어떤 인터넷 기업은 수백개의 실험을 동시에 진행하기도 합니다. 이런 일은 실제 매장에서 하기는 매우 어려운 것입니다. 인터넷 기업은 새로운 제품을 매주 출시함으로 빨라야 분기별로 한번씩 변화를 줄 수 있는 실제 매장보다 더 빨리 새로운 사실을 배울 수 있습니다. 인터넷 기업은 프러덕트 매니저, 소프트웨어 엔지니어와 같은 독특한 업무 담당자를 가지고 있습니다. 이들은 일하는 방식이나 과정도 일반 매장을 갖고 있는 기업과는 확연히 다릅니다.
인공지능 분야에서 빠르게 성장하고 있는 딥러닝은 인터넷 태동기와 유사한 점을 보여줍니다. 일반적인 기업 + 딥러닝 기술 != 인공지능 기반 기업
성공적인 인공지능 기반 기업이 되기위해서는 “회사 구조가 인공지능이 정말 잘 할 수 있는 것을 활용할 수 있도록 구성되어야 합니다.”
성공적인 인공지능 기반 기업이 되기위해서는
여러개의 인공지능 프로젝트를 시스템적으로 실행할 수 있는 자원이 있어야합니다.
인공지능 기반 기업은 외부 혹은 회사 내부에 인공지능 기술과 전문가가 있어서 여러개의 인공지능 프로젝트를 수행하면서 비지니스에 직접적인 가치를 전달합니다.
인공지능에 대한 충분한 이해가 있어야합니다.
인공지능 기술에 대한 일반적인 이해가 필요합니다. 시스템적으로 가치있는 인공지능 프로젝트를 선별하고 진행할 수 있는 적절한 프로세스가 있어야합니다.
전략적인 방향이 있어야합니다.
회사의 전략이 인공지능에 기반한 미래의 성공에 맞춰저 있어야합니다.
Andrew Ng
Chairman and CEO, Landing AI