문과계열 비전공자를 AI 활용 인재로 만들어주는 책

문과계열 비전공자를 AI 활용 인재로 만들어주는 책 - 프로그래밍 지식이 전무해도 OK
전지혜 옮김, 박정환 검토, 오니시 가나코 감수 / 아티오 / 2022년 7월

디지털 트랜스포메이션(DX, 디지털 전환)이라는 말이 일상이 되어가고 있는 지금, 기업의 업무 처리 방식과 업무 형태는 '혁신적인 디지털 기술'에 힘입어, 엄청난 변화를 겪고 있습니다.

현재 시점에서 '디지털 기술'이라고 한다면 다양한 IT 관련 기술들이 있지만, 그 중에서도 가장 큰 기대와 잠재성이 있는 기술은 인공지능(AI)이라 할 수 있습니다.

당연하게도 인공지능을 탑재한 SW 나 시스템이 늘어 갈수록 이를 개발하는 인공지능 엔지니어의 숫자도 증가할 수 밖에 없습니다. 특히 최근에는 직접 코딩을 하지 않더라도 마우스 조작 몇 번으로 인공지능을 구현할 수 있는 툴 들도 다양하게 제공되고 있어(이를 '노코딩 AI'라고 합니다), 기술적 진입장벽도 점점 낮아지고 있는 추세입니다.

오늘 소개해 드리는 <문과계열 비전공자를 AI 활용 인재로 만들어주는 책>에서 저자는 이렇게 이야기 합니다.

"그렇지만 AI 사업을 기획하고 추진할 수 있는 '문과 계열 AI 인재'는 압도적으로 부족한 상태입니다."

저자가 언급한 '문과 계열 AI 인재' 란 프로그램을 만드는 IT 전문 엔지니어가 아닌 비 엔지니어이자 AI 프로젝트를 추진하는 역할을 맡은 사람을 가리킵니다. AI 프로젝트 기획 담당자 혹은 프로젝트 관리자 모두 '문과 계열 AI 인재' 인 셈이지요.

저자는 이러한 문과 계열 AI 인재와 전문 AI 엔지니어 사이의 관계성에서 AI 프로젝트의 성패를 예측하고 있습니다. 결국 '비즈니스'와 '기술' 이라고 하는 양극단의 간극을 메우는 것이 문과 계열 AI 인재의 필수 요건이며 핵심 역할인 셈입니다.

다시 말해, AI 기술을 활용하면 어떤 상품과 서비스가 잘 필릴지, 어떻게 하면 가치있는 상품과 서비스를 만들 수 있을지를 파악하고 이를 위한 시스템 설계를 AI 엔지니어와 상의할 수 있는 역량이야 말로 AI 영역에서 문과 계열이 빛을 발할 수 있는 영역이란 이야기입니다.

이를 위해서는 비단 IT 기업에서의 경험이 일천하더라도, 자신의 현장(도메인)에서 쌓아온 비즈니스 기술(혹은 비즈니스 로직)에 본서에서 제시하고 있는 'AI 핵심 개념(지식+기술)' 을 더해주면 최강의 문과 계열 AI 인재가 될 수 있다는 것이 저자의 주장입니다.

자사의 장점을 파악하여 비즈니스 전략을 세우고, 이를 성공적으로 실현하기 위해 AI 엔지니어와 긴밀한 의사소통을 하면서 전체 프로젝트를 이끌어 나가는 인재 !!

책에서는 이러한 문과 계열 인재가 갖추어야 할 최소한의 AI 핵심 개념 즉, AI 지식과 기술을 '기획력', '분석력', '추진력'의 3가지 능력으로 나눠서 각 장에서 자세히 소개하고 있습니다.

간단히 설명하자면,,,,,

1. 비즈니스 로직을 대조하며, AI를 사용해 좋은 결과를 예측하는 '기획력'

가설과 현장의 목소리를 형상화한다, 어디에 AI를 사용할 것인가 ?

2. 성공적인 프로젝트를 위해 필요한 데이터 정의와 AI 학습용 데이터 수집 능력을 가리키는 '분석력'

데이터가 프로젝트의 성패를 쥐고 있다, 어떤 데이터를 이용할 것인가?

3. PDCA(계획->실행->평가->개선)의 반복을 통해 AI 시스템을 완성하기 위해 프로젝트를 관리하는 능력인 '추진력'

AI 시스템 도입을 위한 7단계, 어디를 향해 나아갈 것인가?

문과 계열 AI 인재가 알아야할 기계학습 개념으로 지도형 기계학습, 비지도형 기계학습 그리고 강화학습에 대한 설명과 함께 AI 활용의 핵심을 쥐고 있는 딥러닝 까지 알기 쉽게 설명하고 있습니다.

특히 하나의 AI 시스템에 지도형, 비지도형, 강화 학습이 같이 병용되는 경우는 거의 없지만, 지도형 기계학습 X 딥러닝, 비지도형 기계학습 X 딥러닝 처럼 실제 프로젝트에서 딥러닝과 함께 병용되어 사용되기도 함을 기억할 필요가 있습니다.

참고로 5장에서 제시하는 AI 시스템 도입을 위한 7단계는 아래와 같습니다.

1단계 : 알고리즘 선택하기

2단계 : 학습 데이터 정리하기

3단계 : 프로토타입 공유하기

4단계 : PoC(포크)

5단계 : 개발하기

6단계 : 본격 도입하기

7단계 : 시스템 운용하기

특히, 마지막 장에서는 제조, 건설, 보험, 정보 통신, 요식업 등 다양한 업종 및 업태에 적용되는 14가지 AI 프로젝트 사례를 '과제 -->AI 시스템 --> 해결' 이라는 도식에 맞춰 그림을 통해 소개하고 있어, 앞 장에서의 자칫 개념적이고 추상적인 AI 프로젝트의 전모를 좀 더 현실감있게 설명하고 있어 많은 도움이 되리라 생각합니다.

예를 들어, AI OCR을 도입하여 택배 회사의 운송장 집계를 자동화하여 데이터 입력 및 분리 시간을 단축한 사례나 글로벌 기업의 기계학습을 통한 다언어 번역 툴을 사용하여 시간과 작업량을 향상시킨 사례 그리고 영상과 GPS 학습을 통해 도로의 균열 및 파손을 감지하여 도로 보수를 위한 점검 작업 시간과 비용을 대폭 절감한 사례 등은 비즈니스의 이상과 현실의 간극을 메우는 적절한 사례라 생각합니다.

물론 업태나 업종이 다르더라도 과제 해결에 이르는 접근 방식이나 아이디어는 충분히 좋은 참고가 되리라 확신합니다.

이제 수 많은 기업에서 인공지능 기술을 앞다투어 도입하여 커다란 성과를 올리고 있을 만큼 AI 프로젝트가 많이 진행되고 있지만, AI를 만드는 사람보다 AI를 운영할 수 있는 사람을 필요로 하는 시대라는 점을 기억할 필요가 있습니다.

이런 점에서 이 책은 AI 개발자와 원활한 의사소통을 하면서 주도적으로 AI를 운영하기 위한 모든 기술을 담고 있다고 생각합니다.

관심있는 분들의 일독을 권합니다.

* 출판사로부터 도서를 제공받아 주관적으로 작성한 리뷰입니다.