[첨단 헬로티]

시장조사기관 IDC가 인공지능과 머신러닝에 대한 지출이 2017년 120억 달러에서 2021년 576억 달러로 증가할 것으로 전망했다. 머신러닝은 벤처캐피털 투자, 사모펀드(PE) 자금조달, 합병·인수의 지적재산권(IP) 및 특허분야에서도 우위를 차지하고 있다.

성장속도 빠른 머신러닝

광범위한 데이터 분석 이뤄지는 중

투자은행 JP Morgan의 관련 보고서에 따르면, 비즈니스 인텔리전스(BI, 기업에서 데이터를 수집, 정리, 분석하고 활용해 효율적인 의사결정을 할 수 있는 방법에 대해 연구하는 학문) 및 분석 시장에서 머신러닝을 지원하는 데이터 사이언스 플랫폼은 2021년까지 연평균 13% 성장할 것으로 예상된다.

데이터 사이언스 플랫폼의 성장세는 같은 기간 연평균 8% 성장할 것으로 예상되는 전체 BI 및 분석시장의 성장세보다 높고, 데이터 사이언스 플랫폼은 2017년 30억 달러에서 2021년 48억 달러로 성장할 것으로 분석된다. 

▲ 그림 1. 머신러닝을 지원하는 데이터 사이언스 플랫폼의 성장세

특허 데이터베이스 관련 조사기관인 IFI Claims에 따르면 머신러닝 특허는 2013년에서 2017년 사이 34%의 연평균성장률(CAGR)로 증가했으며, 이는 특허 가운데 세 번째로 빠른 속도이다. IBM, Microsoft, Google, LinkedIn, Facebook, Intel 및 Fujitsu는 2017년 7대 머신러닝 특허 생산 업체이다.

시장조사업체 Forrester는 고객문의 및 구매활동의 증가로 입증된 예측분석 및 머신러닝(Predictive Analytics & Machine Learning, PAML)시장이 2021년까지 연평균 21% 성장할 것으로 예측함. 또한 이를 주도하는 업체들은 SAS, IBM 및 SAP 등이라고 분석했다.

컨설팅업체 딜로이트 글로벌(Deloitte Global)도 머신러닝 파일럿 및 구현의 수는 2017년에 비해 2018년에 두 배, 2020년에 다시 두 배가 될 것으로 예측했다. 머신러닝의 속도를 증가시키는 요인으로는 응용 프로그램 인터페이스(API)의 보급지원, 데이터 사이언스 작업의 자동화, 결과를 설명할 수 있도록 통찰력을 제공하는 트레이닝을 들 수 있다.

샌프란시스코에 위치한 소프트웨어 회사 MEMSQL에서 2018년 가장 중요한 데이터 이니셔티브(특정한 목적을 달성하기 위한 새로운 계획)에 대해 1600명 이상의 전문가를 대상으로 실시한 설문에서 응답자의 61%는 머신러닝과 인공지능을 가장 많이 선정했고, 이들 중 58%는 생산과정에서 이미 머신러닝과 인공지능을 적극적으로 사용하고 있다고 응답했다.

미국의 비즈니스 소셜 네트워크 서비스 회사인 LinkedIn 에서 발표한 ‘2017 US Emerging Jobs Report’에 따르면 지난 5년간 가장 큰 성장을 보인 직업은 머신러닝 엔지니어로 5년 전보다 9.8배 늘었다.

Microsoft의 프로그램 매니저인 V씨는 “최근 MS에서 발표한 Windows ML을 통해 클라우드에서 트레이닝한 머신러닝 모델을 로컬 데스크톱 응용 프로그램으로 가져올 수 있다”면서 “개발자들이 클라우드를 왕복하는 대신 자신의 데스크톱에서 GPU를 사용해 실시간으로 머신러닝 모델을 실행할 수 있게 됐다”라고 덧붙였다.

Google과 MIT의 연구에서 현재 머신러닝을 사용하는 조직에 대해 실제로 얻는 결과물이 무엇인지에 대해 조사를 실시했다. 45%는 머신러닝이 광범위한 데이터 분석 및 통찰을 이끌어 냈다고 했고, 35%는 더욱 빠른 데이터 분석이 가능하게 됐다고 응답했다.

컨설팅업체 AT Kearney에서 조사한 바에 따르면 Amazon·Google·Microsoft 등의 테크 리더들은 이미 머신러닝과 인공지능 분야에서 큰 폭의 이윤을 가져가고 있으며, 각각 머신러닝을 차세대 제품으로 설계하고 이를 고객 경험을 개선하고 채널 판매 효율성을 향상시키는 도구로 사용 중이다.

Amazon은 제품 추천, 대체 제품 제시, 사기 탐지, 메타 데이터 검증 및 지식 습득과 같은 사업의 주요 영역에서 고객 경험을 향상시키기 위해 머신러닝에 의존 중이다.

▲ 그림 2. 미국에서 지난 5년간 가장 많이 성장한 직업 순위

머신러닝 전문가 양성 시급

글로벌 ICT 선도기업은 인공지능 및 머신러닝 시장의 초기 주도권 확보를 위해 후발 주자와의 기술격차를 확대하는 데 주력하고 있다. IT 강국으로 성장한 한국이 새로운 도약을 이루기 위해서는 머신러닝을 비롯한 인공지능 분야에서 선도적 지위를 확보하는 것이 필수적이다.

세계 주요국과 비교했을 때 한국의 머신러닝 관련 기술 수준이 낮고 특허 보유수도 적기에 머신러닝 관련 인력 양성을 위한 정책과 지원이 절실한 상황이다. 전문가 외 머신러닝에 관심이 있는 학생들과 일반인들의 경우 온라인 교육서비스 코세라(Coursera)에서 제공하는 Andrew Ng 교수의 무료 머신러닝 강의 등을 통해 이해를 넓힐 필요가 있다.

글로벌 기업들은 머신러닝 기술을 바탕으로 다양한 영역에서 상용화를 시도하고 있으나, 국내 기업들의 머신러닝 개발은 미약한 수준이다. 머신러닝에 대해 관심이 있는 개발자들은 국내에서 Google 및 Microsoft 등이 자사의 AI 플랫폼에서 오픈소스로 제공하는 도구 활용할 수 있다.

머신러닝 기반 소프트웨어 분야의 중소기업 경쟁력은 기술분류 별로 차이가 있으나, 데이터 분석 기술은 중소기업이 다수 참여해 시장에서의 역할이 점차 커지는 중이다. 국내 중소기업의 경우 투자여력이 없어 머신러닝을 응용한 비즈니스 인텔리전스를 도입하기에 부담이 있는 것은 사실이지만, 궁극적으로는 중소기업의 경영개선과 생산성 향상에 효과적일 것이므로 장기적 안목으로 접근해야 한다. 정책적으로는 기술 니즈, 분야별 개발계획, 최종목표 등을 내용으로 하는 기술로드맵을 마련해 중소기업·스타트업의 개발 방향성을 제시해야 할 것이다.

주변 환경을 검토하고 계획을 세우는 로봇이나 자율주행자동차의 경우 머신러닝을 통해 환경을 데이터화한 분석도 필수이다. 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 학습시켜 작업 수행 방법을 익히는 것을 목표로 하는 머신러닝은 대규모 데이터를 처리하는 기술인 빅데이터를 잘 활용할 수 있는 도구이므로 머신러닝을 발전시키는 것은 4차 산업혁명을 맞이하는 국내 기업들과 정부의 당면 과제이다.

미국에서는 다양한 데이터셋이 구축돼 연구에 사용되고 있으나 국내에는 머신러닝 연구를 위해 필요한 데이터셋이 부족한 실정

한국의 기술인프라가 부족하다면 발전된 기술을 가진 다른 나라들의 정책을 벤치마킹하거나 글로벌 기업과 전략적 제휴 등을 통해 빠르게 기술을 확보해 나가는 대응이 요구된다. 또한 국내 기업들은 머신러닝 관련 콘퍼런스 등의 참석을 통해 최신 기술을 익히고 자체 역량을 개발하는 노력을 계속해야 한다. 

▲ 그림 3.