증강현실은 미래를 위한 구축이다

데이터 과학은 성공적이지 않지만, 목표만 맞다면, 인간과 기계가 함께 일하면서 직원들에게 힘을 실어줄 수 있다.

 

2년마다 디지털 환경의 크기가 두 배로 증가함에 따라 - 2020년에는 44조 기가바이트에 이를 것으로 국제 데이터 공사의 계산에 따르면 - 비즈니스 리더들이 데이터 과학을 수용해야 한다는 압박감이 점점 커지고 있다.  데이터가 새로운 석유라면 C-suite 임원들은 그들이 어떻게든 가치를 떨어뜨려야 한다는 것을 깨닫는다.

빅데이터와 분석이 힘을 합쳐 거대한 데이터 볼륨을 차세대 통찰력으로 전환하는 방법이 됐다.  인공지능(AI)과 사물인터넷(IoT)이 제공하는 방대한 데이터 집약적 기술을 활용하기 위해 빠르게 움직이지 못하는 조직은 경쟁업체에 의해 익사당하는 상황에 직면해 있다.

그러나, 증강 기업 보고서가 "실버 총알"이 아니라, 그리고 특히 AI를 둘러싼 혼란스럽고 오해의 소지가 있는 과대광고에도 불구하고, 데이터 과학은 그 목적이 잘 지향되어야 하고, 최종 결과 그 자체로는 아니지만, 관련 비즈니스 과제를 해결하기 위한 필수적인 무기로 보아야 한다.

잘못된 유언비어 유포에도 불구하고 로봇들이 우리의 모든 일을 떠맡지는 않을 것이다.

비즈니스 리더들은 왜 그것이 그들의 조직에 의해 정확히 이용되어야 하는지 그리고 그 여부를 결정하기 위해 시간을 가져야 한다.  소규모 개선에 집중하십시오.  "만약 여러분이 정말로 큰 일을 생각하기 시작한다면, 여러분은 아무것도 하지 않을 것입니다."라고 마이크로소프트의 최고 운영 책임자인 클레어 바클레이는 말한다.  내가 고치려고 하는 문제가 무엇이냐고 스스로에게 물어보아라.

데이터 과학은 가장 중요한 자산인 사람을 소외시키지 않음으로써 노동력을 최적화하는 수단으로 매우 중요하다.  잘못된 유언비어 유포에도 불구하고 로봇들이 우리의 모든 일을 떠맡지는 않을 것이다.

AI와 IoT가 직원들의 일상생활에서 반복적인 업무를 대신할 수 있게 해 고부가가치와 보다 즐거운 업무 시간을 자유롭게 하는 등 자동화의 힘이 인간과 기계가 함께 일할 수 있도록 한다는 것이 진리다.

행복한 노동자는 생산적인 노동자다.  사업상의 수완은 그렇다.  인간-기계 인터페이스와 인간과 자동화의 지속적인 관계에 관한 AI의 대체 개념화인 증강 인텔리전스를 활용하면 핵심 직원의 참여가 촉진되고 인재 유지가 강화되며 수익성이 높아진다.

미래의 증강 기업은 노동자들에게 강력하고 지능적인 도구로 인적 기관을 손상시키지 않고 데이터를 조회하고 새롭고 혁신적인 방법으로 작업할 수 있는 권한을 부여할 것이다.

 

소규모 조직이 혜택을 누리기

현대적인 도구는 이런 종류의 인간과 기계간의 제휴가 더 이상 거대한 예산을 가진 글로벌 기업들에게만 국한되지 않는다는 것을 의미한다.  옥스퍼드대 AI 전문기업 마인드 파운드리(Mind Foundry)의 고객 서비스 책임자인 다비드 질리 박사는 "소규모의 조직이라도 머신러닝의 혜택을 받을 수 있다"라고 말했다.

"직원들이 가장 잘하는 일에 집중하기보다는 일상적인 업무에 시간을 낭비하고 있는지 자문해 보십시오. 비즈니스를 진척시키는 보다 전략적인 사고에 자유롭게 시간을 할애할 수 있을 때 얼마나 더 많은 성과를 거둘 수 있을까?"

그러나 데이터 과학의 이점을 극대화하기 위해서는 C-suite를 포함한 많은 노동자들이 진화하고 기술을 향상해야 할 것이다.

C-suite 수준의 비통한 지식 부족은 숙련공들의 빈민가뿐만 아니라 씻겨 내려갈 것이라는 절박한 두려움과 결합되어 놀랄 만큼 많은 수의 데이터 과학과 AI 프로젝트를 성공시키지 못하고 있다.

실제로 Gartner는 2020년에 약 60%의 빅데이터 프로그램이 시범 단계를 넘어서는 데 실패했다고 추정했다. 그리고 이 분석 회사의 닉 허드커는 그 해 11월 트위터에 삭제된 이후 "너무 보수적"이었고 그 수치는 사실 85%에 가깝다고 쓰면서 계산을 업데이트했다.

마이크로소프트의 전망에 따르면, 내년까지 100억 개의 장치가 인터넷에 연결될 것이고 데이터 양은 2016년보다 50배 더 많을 것이라고 생각해 보라. 비즈니스 통찰력을 끌어내기 위해 엄청난 양의 데이터가 증가함에 따라 데이터 과학자와 분석가에 대한 수요와 공급의 괴리는 이미 연결될 수 없는 것처럼 보인다.

그렇다면 McKinsey가 데이터 분석을 위해 가장 필요한 위치 중 하나로 모든 리틱스 번역기의 비교적 새로운 역할을 식별했다는 것은 놀랄 일이 아니다. 그러나 새로운 직함을 가진 인재를 정기적으로 고용하는 것이 올바른 접근법인가 근시안적인가? 조직 전체에 걸쳐 데이터 우수성을 배포하는 데 초점을 맞춘 장기적인 전략은 미래의 성공에 매우 중요하다고 유럽, 중동 및 아프리카 영업 부스의 미겔 밀라노 사장은 주장한다.

 

 

 

기술 격차를 주의하라.

"새로운 역할이 등장하고 기술 요건이 변화함에 따라, 기존의 숙련된 인력 풀의 규모가 수요를 충족시킬 만큼 충분히 크지 않을 것"이라고 그는 말한다.  "이 문제를 해결하기 위해, 기업들은 지금부터 그들의 노동력을 다시 죽일 수 있도록 더 많은 투자를 해야 한다."

최근 데이터 과학을 민주화하려는 움직임은 널리 찬사를 받고 있다.  스탠퍼드 대학과 하버드 대학뿐만 아니라 쿠세라, 우드미, 그리고 다른 많은 대학들로부터 제공되는 무료 온라인 강좌들이 종종 있다.  그러나 비전문가가 데이터를 처리하고 통찰력을 전달하는 데 진정으로 도움이 되는 것은 사전 구축된 알고리즘과 오픈 소스 머신러닝 라이브러리의 도입이다.

보다폰 사업의 빅데이터 책임자인 데이비드 곤잘레스 마르티네즈는 경제 내에서 비즈니스에서 데이터가 차지하는 역할이 매우 중요한 점을 감안할 때, 기본적인 수준이라도 모두가 이를 이해할 필요가 있다고 말한다.  "이러한 민주화된 접근법을 통해서만 개별 팀들이 그들의 행동에 적응하기 시작할 것이다"라고 그는 말한다.

미래의 증강 기업은 인적 기관을 손상시키지 않고 새롭고 혁신적인 방법으로 데이터를 조회하고 작업할 수 있는 강력하고 지능적인 도구로 노동자들에게 힘을 실어줄 것이다.

하지만, 감시 요소를 유지하는 것은 필수적이다. 영국과 아일랜드의 SAS 데이터 과학 책임자인 Iain Brown은 자동화된 블랙박스 시스템으로 전환하여 복잡한 분석 데이터로부터 정보에 입각한 결정을 내리고, 사람들을 기계로 대체하며, 자동화되고 핸즈프리 AI 설루션을 만드는 것은 "위험한 게임"이 될 수 있다고 경고한다.

히타치 반타라의 설루션 엔지니어링, 빅 데이터 분석 및 IoT 담당 부책임자인 와엘 엘리파이씨는 특히 심층 학습의 일부 유형은 "일반인뿐만 아니라 전문가들에게도 그 본질에 따라 어떤 세부 사항도 이해하는 것이 사실상 불가능하다"라고 말한다.

그러한 융통성은 특히 과거의 성과로부터 훈련이나 학습이 인종이나 성별과 같은 편견을 형성할 수 있는 분야에서 많은 우려를 불러일으킨다.  브라운 박사는 공정성, 책임성, 투명성 및 설명 가능성이라는 약어가 윤리적으로 통제되는 모델의 초석이 되어야 한다고 말한다.  "이것이 없다면, 조직들은 잠재적으로 지배구조에 개방하고 위험을 통제하고 있습니다."라고 그는 말한다.

블랙박스 밖에서 생각하는 것은 이익이다.  데이터 모델이 어떻게 검증되는지 투명하게 보여주는 조직은 고객들에게 호감을 얻을 가능성이 높다. MS의 최근 AI  보고서에 따르면, 그 결과, 그들은 이익을 증대시킬 것이라고 한다. 바클레이 씨는 "AI가 해야 할 일을 고려하는 기업들은 그렇지 않은 기업들보다 9%나 앞서고 있는 것으로 나타났다"라고 지적했다.

수십 명의 비즈니스 전문가로부터 더 많은 조언을 얻고 데이터 과학의 긍정적인 측면과 함정에 대한 설명을 보려면 증강 엔터프라이즈 보고서를 다운로드하여 비즈니스를 미래로 이끌어 보십시오.