인공지능 시대의 기업전략(2)

by

3장 도구로서의 인공지능

기계 학습을 통한 데이터 분석

데이터를 사용할 때 일반적으로 거의 데이터 분석을 의미합니다.

데이터를 사용하여 결정을 내려야 하는 회사


'추천 관련글,

데이터 분석이 다양한 경우의 숫자를 계산하고 수많은 경우의 숫자를 비교하여 의미 있는 차이점을 찾는 것이라면 컴퓨터가 인간보다 우월합니다.

Kensho는 금융 산업에서 인공 지능을 사용하는 대표적인 예입니다.

분석에 AI를 활용한 사례다.

자연어 처리와 기계 학습을 활용한 금융 분석 프로그램으로 종목 및 데이터 검색부터 시장 동향 분석, 투자 조언까지 모든 것을 제공합니다.

의료 분야에서는 IBM의 왓슨이 대표적이다.

Watson은 의사에게 도움이 되는 관련 정보를 제공하기 위해 방대한 의료 데이터, 과학 저널, 임상 시험 데이터 및 의학 교과서에서 학습합니다.

프로세스 분석

데이터 분석 단계가 개별적으로 보고 판단할 필요 없이 프로세스에 자연스럽게 통합되도록 합니다.

어디서나 사용할 수 있는 예측

예측 분석은 과거와 현재에 대한 분석이며 “현재” 분석이라고 하는 것이 더 정확합니다.



예측을 통한 진정한 개인화

기계 학습을 사용하여 예측을 수행하면 고객을 당연하게 여겼던 일부 그룹으로 그룹화하는 세분화에서 각 고객에 대한 개별 예측을 수행하여 진정한 개인화 서비스를 구현할 수 있습니다.

이에 대한 예는 Netflix 알고리즘입니다.


시각적 인식의 사용

현재 인공지능 영상인식 상태의 특정 영역(사람의 얼굴인식 등)에서는 사람이 지각할 수 있는 시각인식 능력을 넘어선다.

사람보다 더 정확한 것이 중요하지만 사람보다 훨씬 더 빠르게 더 많은 양을 감지할 수 있습니다.

예를 들어 의료 이미지를 읽는 로봇과 Walmart의 선반을 스캔하는 로봇이 있습니다.


콘텐츠 제작에 사용

기존 사물을 기반으로 유사한 사물을 만드는 것은 인공 지능을 사용하면 훨씬 빠르게 수행할 수 있습니다.

애니메이션, 그림, 소설, 작곡 등을 인공지능이 수행한다.



인간의 언어를 작동시키다

구글 어시스턴트, 애플 시리, 아마존 알렉사 등 음성인식 인공지능 서비스

자연어 처리 및 음성인식 기술을 인간-컴퓨터 연결 및 HCI(Human-Computer Interaction)에 적용

미래 예측

실시간 예측이 필요한 경우 지속적인 학습을 통해 데이터를 입력하고 각 데이터의 영향을 계산할 수 있습니다.

기계 학습 애플리케이션

McKinsey의 ‘The Age of Analytics: Competing in a Data-Driven World (Nicolaus Henke et al. 2016)’에 기계 학습 적용




4장 오해 속의 빅데이터

빅 데이터는 소셜 미디어 분석이 아닙니다.

빅데이터라고 하면 가장 먼저 생각하는 것은 자체 생산 설비의 로그 데이터나 자체 판매 데이터 등 기업이 소유하고 있는 데이터다.

하지만 SNS 텍스트 분석이 빅데이터 분석이라는 오해가 있다.

불필요하고 유해한 빅데이터

최근에는 데이터 앞에 “빅”이라는 단어를 추가하여 오해를 불러일으키고, 데이터 분석의 방향을 혼란시키며 기대 수준의 차이를 만드는 문제가 있습니다.

객체가 아닌 수단으로서의 빅데이터

우리는 빅데이터를 분석해야 할 것이 아니라 “기술”로 이해해야 합니다.

즉, 그러한 분석을 수행할 수 있는 수단으로 생각해야 합니다.

※ 본 내용은 의 내용을 바탕으로 작성되었습니다.

조직.