[정보통신신문=최아름기자]

4차산업혁명의 핵심 기술로 평가받고 있는 인공지능(AI)의 기업 도입이 생각보다 크게 더디게 이뤄지고 있는 것으로 나타났다.

이에 대한 해결책으로 도입 초기에만 편중된 도입 지원사업의 전단계 확대와 직원 역량 교육 커리큘럼, 기술거래 가이드라인 마련 등이 정부 정책 대안으로 제시됐다.

한국정보통신정책연구원(KISDI)는 17일 AI 도입·확산의 저해 요인 분석 및 정책적 시사점’이라는 제목의 보고서를 펴냈다.

보고서에 따르면, AI는 기존 SW와 달리 데이터 의존성이 높아 학습데이터로 훈련된 AI 모델 성능이 실제 비즈니스 환경에서의 성능을 보장하지 않는 것으로 나타났다. 개발단계에서 탁월한 성능을 보인 AI 모델도 실제 활용 환경에서 성능이 급격히 떨어지는 데이터 쉬프트(Data Shift) 문제가 빈번히 발생하고 있는 것이다.

또한 AI 모델 개발 및 운영은 블랙박스 구조를 가진 알고리즘 학습과정으로 인해 많은 불확실성을 내포하고 있는 것으로 확인됐다. 같은 데이터를 가지고 학습하고 학습단계에서 유사한 성능을 보인 AI 모델들도 실제 운영 시에는 상당한 성능차이가 발생할 수 있는 것이다.

구글은 초기값만 다를 뿐 같은 데이터로 학습해 개발 단계에서 유사한 성능을 보인 모델들 간에도 실제 운영 시에는 성능 편차가 심하게 나타나는 것을 발견했다.

이러한 문제의 원인으로 비명세성(Underspecification)이 제시되고 있다. 인공지능 학습 및 이로 인한 결과 도출 과정에 대해 파악이 어렵기 때문에 AI 도입기술 기업들도 AI 모델의 결과해석 및 검증, 문제 발생 시 원인파악이나 근본적 해결방안 도출에 애를 먹고 있다.

이러한 불확실성은 AI 성과창출의 주요한 장애물이 된다. 또한 AI 모델개발 및 운영과정에서 생태계 내 다양한 주체들간의 책임분쟁을 야기할 수 없게 되며 AI기술 수요시장을 위축시킬 수 있다.

해외에서도 AI를 도입한 많은 기업들이 실패를 경험하고 있으며, 실패의 주요 원인으로 △AI 성능의 불안정성 △내부역량 부족 △AI-비즈니스 전략의 정합성 부족 등이 지적되고 있다.

글로벌 IT 시장조사기관인 IDC의 2019년 발표에 따르면 AI 도입기업 중 92%가 실패를 경험하고 있는 것으로 파악됐다. AI 도입 실패의 이유는 작동하지 않는 AI, 내부역량 부족 등이었다.

MIT&BCG는 또한 많은 기업들이 AI 인력확보에 어려움을 겪고 있다며, 내부 인재 재교육을 통해 이 문제에 적극 대응하고 있는 기업들은 59%의 성과를 얻은 반면, 그렇지 않은 기업들은 19%의 성과를 얻는 데 그쳤다며 역량 내재화의 중요성을 강조했다.

해외 상황이 이러할 진데, 국내 상황은 더 열악하다.

국내 AI 도입·공급기업들은 AI 도입의 주요 장애물로 △초기 투자비, 인프라 비용 등 비용부담 △내부 인재부족, AI 기술 미성숙, 데이터 부족 등 역량 부족 및 기술 미성숙 △투자 대비 성과 불확실 등 불확실성 등을 지적하고 있다.

또한 AI의 플랫폼 내재화로 기술력보다는 가치있는 데이터 확보가 중요해지고 있다.

그동안 전문가들의 전유물로 여겨지던 AI 기술을 내재화해 AI 코딩이 전혀 필요없거나 쉬운 개발을 지원하는 노코드(No-code), 로우코드(Low-code) AI 플랫폼이 경쟁적으로 출시되고 있는 것이다.

따라서 책임있는 AI 활용이 AI 도입 성공의 핵심 요소로 중요해지는 한편, 특정 AI 플랫폼에 고착돼 다른 플랫폼으로 이전이 어려워지는 플랫폼 락인(Lock-in) 우려는 증가할 수밖에 없다.

또한 AI에 대한 기술적 이해가 미흡한 기업들로의 AI 도입이 확산되면 AI 성능의 불안정성, 알고리즘 편향 등의 문제가 광범위한 분야에서 조직적으로 나타날 수 있다.

도입 기업들이 AI를 이해하지 못한 상태에서 사용하게 됨으로써, AI 서비스의 복잡성이 생태계내 책임분쟁을 심화시킬 가능성도 존재하게 된다.

결국 AI 도입의 가장 큰 저해요인이 전단계에서 내부역량 · 인재 부족으로 수렴하게 되는 이유다.

현재 정부는 중소기업의 AI 도입을 위해 데이터 구매·가공, AI 솔루션 구매, 고성능 컴퓨팅 자원 지원 등 요소별 지원사업을 추진하고 있다. 대부분 수요-공급기업을 매칭해 도입 자금을 제공해주는 방식이다.

국내 AI 도입 및 시장형성에 기여하기도 했지만, 도입 초기 단계에 집중된 사업구성, 공급기업 매칭방식, 지원의 단발성으로 인해 역량 내재화 등을 통해 지속가능한 AI 모델구축으로 연결되기에는 한계가 존재하는 것이 사실이다.

보고서는 성공적 AI 도입·확산을 위한 향후 대응방안으로 △단계별 수준고도화 및 역량 내재화 지원 △ AI기술거래 가이드라인 마련 등을 제시했다.

AI 기술 · 솔루션 도입을 지원하는 AI 바우처 사업 외에도 AI 사전준비단계 기업의 비즈니스 프로세스 설계를 위한 사전컨설팅 지원사업, AI 모델운영단계 기업들을 대상으로한 AI 고도화 지원사업 등을 추진해야 한다고 보고서는 제안했다.

또한 데이터 관리·AI 모델 운영역량을 내재화할 수 있도록 AI 학습전문가 커리큘럼을 설계하고 AI 도입·고도화 지원사업과 연계해 AI 도입기업 재직자의 AI 학습전문가 과정을 지원해야 한다고 덧붙였다.

더불어 내부역량이 부족한 기업들도 다양한 방식으로 AI를 도입하고 유연하게 확장해나갈 수 있도록 AI 성능의 한계를 개선하는 기술서비스 개발 지원해야 하고, AI 도입 고려 기업들이 사전에 발생가능한 위험을 인지할 수 있고, AI 모델 도입, 개발, 운영과정에서 분쟁 발생 시 문제해결에 참고할 수 있는 기술거래 가이드라인 마련도 필요하다고 강조했다.

가이드라인에는 AI 도입방식별 계약방식 및 계약 시 고려 요소, 문제 예방법, 데이터 품질평가 기준, 계약에서의 기여도 판단기준, 학습용 데이터 권리 존재 여부 등의 내용이 담겨야 한다고 덧붙였다.

최아름 기자 다른기사 보기