최근 세기의 대결로 불리며 큰 화제를 낳았던 이세돌 9단과 인공지능 알파고 간 바둑 대결을 계기로 인공지능의 주요 기술인 ‘기계 학습’에 대한 관심이 고조되고 있다. 국제적 정보기술 자문회사인 가트너가 실시한 조사 결과에 따르면 비즈니스 분석 소프트웨어 시장에서 기계 학습을 포함한 ‘고급 분석’ 분야가 가장 빠르게 성장하는 것으로 나타났다.


현재 기계 학습은 제품의 구매 가능성을 예측하고 이상 거래 탐지 및 신용 위험도 평가를 위해 활용되는 등 다양한 산업 분야에서 그 가능성을 입증하고 있다. 지금과 같은 디지털 비즈니스 시대에 기업들이 기계 학습을 적용해 성공적인 비즈니스 성과를 창출하기 위해서는 먼저 기계 학습이 제공하는 혜택과 위험성에 대해 이해해야 한다.

기계 학습의 큰 장점은 인간이 모든 문제를 완벽하게 이해할 필요가 없다는 것이다. 쉽게 말해 자율 주행 차량을 이용할 경우 그것이 무엇인지는 알아야겠지만 바퀴가 어떻게 제어되는지까지 신경 쓰지 않아도 된다. 또한 기계 학습은 전문가나 기존 소프트웨어로는 분석하기 어려운 고차원적 데이터의 의미를 찾아낼 수 있다. 반면 기계 학습의 모든 내용을 암기할 수 있는 강력한 성능은 ‘과잉 일반화’의 오류를 야기할 수 있다. 유동적인 물가 상승률이나 계절의 변화와 같이 예측하기 힘든 변수가 발생하면 잘못된 결론을 내릴 수 있기 때문에 지속적인 모니터링이 중요하다.

기계 학습의 성공적인 도입을 위해서는 기계 학습을 통해 달성하고자 하는 사업 목표를 설정하는 것이 중요하다. 예컨대 6개월에서 1년 후의 가상 비즈니스 시나리오를 10가지 정도 구상하고 이 중 3개 정도의 시나리오를 시범적으로 적용해보는 것이다. 이와 더불어 기업의 엔터프라이즈 아키텍처 담당자들은 인사(HR)업무 담당자와 협력해 기업 경쟁력을 유지하고 인재를 양성하기 위한 기계 학습 육성전략을 수립해야 한다. 이를 통해 기업들은 기계 학습을 비즈니스 시나리오에 적용시킴으로써 디지털 비즈니스 시대에 경쟁력을 유지할 수 있을 것이다.