AI가 차기의 일자리 킬러(Job Killer)가 될 것이라는 우려가 실재한다. 그러나 현재 시장에 나온 AI 툴 및 서비스 대다수는 종업원을 대체하는 것이 아니라 이들의 업무 생산성을 높이는데 초점을 맞추고 있다. 오늘날 AI가 업무 현실 속에서 동작하는 3가지 주요 패턴을 알아본다.
소프트웨어 회사인 애비(ABBYY)가 진행한 최근의 설문조사에서는 종업원의 3분의 2 가량이 회의록을 작성하거나 긴 문서를 검토하는 등의 작업을 기계에게 넘긴다면 좋을 것이라고 응답했다.
오늘날 판매 담당자들은 이미 세일즈포스(Salesforce), 마이크로소프트 다이내믹스(Microsoft Dynamics) 같은 서비스에서 AI 툴을 활용하고 있다. 이들 툴은 우수한 판매 예측을 제공하고 유망 고객을 겨냥하고 거래를 성사시키는데 기여한다.
AI는 일반 비즈니스 업무에서도 유용하게 활용되고 있다. 보다 효율적으로 상호작용하도록 매니저들을 지도하는 것으로부터, 이메일 메시지를 발송할 적절한 시기를 제안하고, 다른 경우라면 화이트보드에 방치되어 있을 정보로부터 가치를 추출하는데 이르기까지 AI로 구동되는 툴은 다양한 업종에 걸쳐 비즈니스 생산성을 증대시키고 있다. 자체 머신러닝 팀을 구축하지는 않을지라도, 어떻게 하면 이들을 최대한 활용할 것인가에 대해서는 생각할 필요가 있다.
지능적인 검색 및 포착
스마트폰과 소비자 클라우드 스토리지 서비스는 이미 상당 기간 동안 이미지 인식을 이용해왔다. 자동으로 사진에 태그를 부착하는 용도가 대표적이다. 셰어포인트 온라인(SharePoint Online), 원드라이브 포 비즈니스(OneDrive for Business) 등의 비즈니스 클라우드 스토리지 서비스 또한 동일한 기능을 제공하기 시작했다.
셰어포인트의 제품 마케팅 책임자인 탬 홈은 “셰어포인트 문서 라이브러리에 수많은 지능성을 접목시켰다. 가령 이미지 하나가 업로드 되면 AI는 지리적 위치를 파악하고 대상을 인식하고 텍스트를 추출한다”라고 말했다. 레스토랑에서 받은 영수증을 스캔 하거나 사진을 찍는다면 비용 보고서를 위한 정보를 직접 추출할 수 있다는 설명이다.
영수증 OCR 기능을 담은 원드라이브
올해 말 선보일 예정인 다음 단계는 플로우(Flow)를 이용해 이 정보를 비즈니스 프로세스에서 활용하는 것을 더욱 용이하게 만들 전망이다. 플로우는 워크플로우를 생성하는 마이크로소프트의 로우-코드 툴이다.
홈은 “AI가 이들 사진에서 값을 추출한다. 이를 플로우와 연계하면 인지 서비스(Cognitive Service)로 번역, 필사, 감정 분석이 가능하다”라고 말했다.
예를 들어, 보험 중재인이 손해를 증명하는 사진을 찍은 후 이를 차량인 경우 자동차 사업부로 자동으로 전송할 수 있고, 또는 주택인 경우 주택보험 팀으로 자동으로 전송할 수 있다. 또는 새로운 회사 로고에 대해 교육할 때 조건부 포맷팅(conditional formatting)을 이용해 기존 로고를 이용하는 문서를 모두 강조 표시할 수도 있다.
어도비 스캔의 최신 버전은 이미지 인식(image recognition)에 의해 명함을 찍을 때 이를 인식할 수 있다. 그 후 명함의 텍스트에 대해 OCR을 수행하여 추출한 정보를 바탕으로 신규 연락처를 생성한다. 이는 이메일 주소의 형식을 이해하는 것을 포함한다.
이 때 음영을 제거하고 텍스트를 선명하게 하고 원근감을 교정하는 등 과거에 스캔된 이미지를 보정할 수 있고, 따라서 텍스트를 보다 정확히 인식할 수 있다. 마이크로소프트의 원노트 및 원드라이브용의 오피스 렌즈(Office Lens) 기능도 유사한 교정을 수행하지만, 이는 사진을 찍을 때로 한정된다.
계약서, 송장, 여타 보편적 문서 형식의 검색을 보다 용이하게 하기 위해 문서를 자동으로 인식하고 태그를 붙이는 것은 이미지 인식만큼 발전하지는 않았다. 하지만 박스(Box)가 박스 스킬(Box Skills) 플랫폼으로 이를 약속한다(아직 베타이고, 이미지 OCR과 음성 녹취를 포함한다).
애비(ABBYY)의 텍스트 애널리틱스 포 컨트랙트 서비스(Text Analytics for Contracts service)는 이미 AI를 이용하여 계약서를 검출하고 구매자, 판매자 등 개체의 역할을 식별하고, 준수해야 할 계약 상의 의무 등을 보다 용이하게 파악할 수 있게 해준다. 데이터 침해 통지, 인도 기한 등의 영역에서다.
아울러 위험을 평가하거나, 계약 조항이 일관성 있고 컴플라이언스 가이드라인을 준수하는지 등을 점검하는 것도 더욱 쉬워진다.
애비 영국 및 아일랜드의 책임자인 폴 굿인업은 향후 보험 슬립(insurance slips), 임대차 계약서(leases) 등의 반-구조적 비즈니스 문서(semi-structured business documents) 역시 처리된다고 전했다.
또한 이 툴은 핵심 정보를 강조 표시하는 재주를 갖췄다. 그는 “비즈니스 프로세스에 맞는 섹션, 조항, 사실 등의 위치를 정확히 지정해주기 때문에 문서를 빨리 읽을 수 있다”라고 말했다.
범위를 보다 확장하면, 아크로벳 도큐먼트 클라우드(Acrobat Document Cloud)가 있다. 이는 업로드 된 PDF 안의 목록, 표, 폼 필드, 및 숫자를 자동으로 식별하여 검색 및 양식 작성을 단순화한다.
마이크로소프트 역시 애저 인포메이션 프로텍션 서비스(Azure Information Protection Service)의 향후 버전에서 기밀로 표시되어야 할 문서를 자동으로 식별하는데 머신러닝을 이용하는 것에 대해 이야기한 바 있다.
회사에 따르면 셰어포인트 모바일 앱(SharePoint mobile app)과 오피스닷컴 포탈(Office.com portal)은 모두 AI를 이용해 이용자가 알 필요가 있는 동료들의 추천 문서를 제안한다. 지 스위트 드라이브(G Suite Drive)의 퀵 액세스 기능(Quick Access feature) 역시 동일한 기능이다.
홈은 이러한 서비스를 통칭해 ‘개인화된 지능형 검색 경험’이라고 표현하면서 “목표는 검색 상자를 클릭할 때 이용자에게 유용할 수 있는 앱, 파일, 신규 사이트를 즉시 추천하는 것이다. 따라서 이용자는 아무 것도 입력할 필요 없이 찾고자 하는 것을 찾을 수도 있다”라고 설명했다.
문서 작성 지능화
또한 AI는 기본적으로 문서를 생성하는 작업 자체를 더 쉽게 할 수 있다. 마이크로소프트 워드 2016의 최신 버전들에 있는 에디터(Editor) 기능과 구글 독스(Google Docs)의 신규 문법 체크가 대표적이다. 이들은 정확히 철자된 단어가 사용하기에 적절한 단어가 아니라면, 이를 알려주는데 머신러닝을 이용한다. 신기능은 아니지만, 상호 같은 새로운 어휘를 습득하기 때문에 새로움을 수용하지 않았던 기존의 규칙 기반 시스템보다 편리하다.
퀵스타터(QuickStarter) 및 파워포인트 디자이너(PowerPoint Designer) 기능은 이용자의 개요를 보면서, 이용할 슬라이드 레이아웃을 제안할 수 있고, 위키피디아 이미지로 이를 채울 수 있게 해준다. 또 텍스트 및 글머리 기호가 있는 목록에 대한 디자인을 다양하게 제안할 수 있다.
엑셀은 이제 파워 BI(Power BI)에서 처음 선보인 인사이트(Insights) 기능을 포함한다. 데이터 안의 특이 값에 대한 시각화를 자동으로 생성하여 수치가 이례적으로 좋거나 나쁠 때 이를 더 용이하게 파악할 수 있다.
파워 BI에서는 ‘지난 분기 나의 최고의 고객이 누구였지?”, “올해 수익성이 가장 높은 지역이 어디인가?”와 같은 자연어 질문을 언제나 할 수 있다.
타블로(Tableau)는 이제 데이터로봇(DataRobot)의 머신러닝 생성 자동화 데이터 모델을 융합해 패턴과 상관성을 포착할 수 있는 이와 유사한 시각적 분석을 생성한다.
이력서와 같은 문서는 고도로 구조화되어서 인식하기가 더 쉽다. 그리고 링크드인(LinkedIn)은 직무 및 직함 같은 디테일의 거대한 저장소이다. 워드의 레주메 어시스턴트(Resume Assistant)는 CV 문서를 식별할 수 있고, 동일 직함을 가진 사람들이 자신의 프로파일에 무슨 스킬을 기재했는지 조회할 수 있는 창을 생성한다.
링크드인의 경력 관련 제품 관리 책임자인 쿠마레시 패터비라먼은 “사람들은 ‘공백 페이지’ 증후군에 시달린다. 동일 직무를 하는 사람들이 경력을 어떻게 서술했는지 보여주면 이력서 작성을 즉시, 그리고 쉽게 시작하게 된다”라고 말했다.
필기 인식은 인터랙티브 화이트보드가 보편화되면서 한층 유용해지고 있다. 예를 들어, 서피스 허브(Surface Hub)나 여타 대형 PC 터치스크린에서 실행되는 마이크로소프트의 화이트보드 앱(Whiteboard app)은 윈도우 스마트 잉크 AI(Windows Smart Ink AI)를 이용하여 형상과 표를 지울 수 있고, 목록, 전화번호 및 날짜를 인식할 수 있다. 참고로 다른 앱인 잉크 투 코드(Ink to Code)는 이용자 인터페이스의 스케치(sketches)를 비주얼 스튜디오 프로젝트(Visual Studio projects)로 변환한다.
마이크로소프트 화이트보드
아울러 화이트보드는 이용자의 그림을 바탕으로 빙 이미지(Bing Images)를 검색할 수 있다. 구글의 인터랙티브 화이트보드인 잼보드(Jamboard)에는 오토드로우(AutoDraw)라는 유사한 AI 구동 그리기 툴이 있다. 이는 그림판에서 그리고 있는 것에 합치하는 이미지를 찾는다. 그림을 대충 그리기만 하면, 즉시 알아볼 수 있는 이미지가 나타나며, 이를 쉽게 이용할 수 있게 된다.
한편, AI 구동 음성 인식은 이제 막 유용해지는 단계이다. 스마트폰은 지금까지 이용자의 음성을 청취하면서 이용자의 음성 프로파일을 구축해왔으며, 이 덕분에 스마트폰의 고품질 마이크에 대고 짧은 검색 질의를 진술하면 상당히 정확한 답을 내놓을 수 있다.
오늘날 트랜스크립션 서비스(transcription services)는 트린트(Trint), 사이몬 세이즈(Simon Sats), 스피치매틱스(Speechmatics), 콜노트(Callnote), 오터(Otter) 등 수 없이 많고, 이들은 레코딩 및 영상을 텍스트화하는데 AI를 이용한다. 참고로 이들은 대개 마이크로소프트, 구글 및 IBM의 음성 인식 클라우드 서비스로 구동된다.
텍스트본의 정확성은 음성 품질, 액센트, 다중 음성, 배경 소음, 업계 특수 어휘에 영향을 받을 것이다. 일반적으로, 이를 완벽한 문서 버전으로 변환하는 것보다 음성을 검색 가능하게 만드는 것에서 더 유용한 면이 있다.
파워포인트용의 프리젠테이션 트랜슬레이터(Presentation Translator) 애드-인은 (프리젠테이션에 대한 실시간 자막과 번역을 생성) 많은 용어들이 슬라이드나 슬라이드 노트에 있다는 특징을 활용한다. 즉 맞춤형 음성 인식을 수행할 수 있다. 훈련하기까지 5분 정도 소요되고, 따라서 프리젠테이션을 연습하면서 이를 미리 켜 놓으면 된다. 아울러 헤드셋 마이크를 사용하는 경우 더 정확하다.
마이크로소프트 애저 스트림(Azure Stream) 비디오 서비스는 셰어포인트와 팀즈를 통합한다. 따라서 맞춤형 사전을 위해 채굴할 수 있는 엄청난 양의 콘텐츠를 확보할 수 있다. 가령 동영상에서 음성 인식을 제고하고, 아울러 회의나 프리젠테이션에 참석한 사람의 디테일로 얼굴 인식을 이행할 수 있다. 동영상의 텍스트가 일단 생성되면 핵심어를 검색하거나 셰어포인트 내의 발표자를 선택함으로써 동영상 내 연관 지점으로 점프할 수 있다.
업무를 정교하게 조율하는 AI
개인의 생산성에 일조하는 이런 툴들은 대개 IT팀의 부가 작업 없이 이용할 수 있다. 하지만 자동 문서 분류가 보편화됨에 따라 이를 기존 데이터 유출 및 권리 관리 툴에 어떻게 통합할 것인가를 검토해보아야 한다.
최근의 연구에 따르면 관리자들 상당수는 일요일 저녁에 다음 주를 준비하는 이메일을 발송함으로써 직원들이 근무 시간 외에도 이메일을 확인하도록 의도하는 것으로 나타난다. 항상 메시지에 대비해야 하는 직원들은 스트레스에 대해 불평하거나, 집중력을 상실하거나, 심지어 신경 쇠약에 걸릴 수 있다. 그리고 일부 사법권역에서는 직무 이메일을 시간 외 근무로 간주한다. 최근 아일랜드의 한 임원은 시간 외 직무 이메일에 대해 법원으로부터 7,500 파운드를 벌금을 판결 받았다. 직원들은 또 회의 중 이메일을 보내는 것을 매니저의 또 다른 나쁜 습관으로 꼽곤 한다.
오피스365의 마이애널리틱스 및 워크플레이스 애널리틱스 기능은 머신러닝을 이용해 마이크로소프트 그래프(Graph)로부터 이메일과 회의 패턴을 분석한다. 개인 이용자는 회의에서, 이메일을 쓰면서, 또는 시간 외 근무를 하면서 소비한 시간에 대해 주간 이메일 보고서를 받고, 이메일 조회 수가 얼마인지도 알 수 있다. 매니저들은 매니저들이 보고서에 얼마나 많은 시간을 소비하는지, 사람들이 업무 시간 후에 이메일을 일상적으로 사용하는지 여부, 가장 성공적인 팀의 업무 패턴이 어떠한지 등의 취합 통계를 볼 수 있다.
이를 통해 문제 행동을 파악할 수 있고, 이들이 개선되고 있는지 추적할 수 있다. 아울러 이용자는 자신의 작업 방식에 대해 즉각적 힌트도 받을 것이다. 예컨대 늦은 밤 동일인에게 메시지를 반복해서 보낸다면, 아웃룩에서 툴 팁이 튀어 나와 해당 메일이 아침에 발송되도록 예정되어 있음을 알려주는 것이다.
이와 비슷하게, 하이브(Hive) 프로젝트 관리 서비스의 새로운 예측 애널리틱스 대시보드는 머신러닝을 이용하여 업무가 지나치게 많으면서 직원이 부족한 팀이 어떤 팀인지 알려주고, 팀이 프로젝트 시간을 제대로 추산하고 있는지도 알려준다. 단 이들 툴에 의해 가시화된 문제를 처리하는 일은 아직도 사람이 AI의 개입 없이 해야 할 일이다.dl-ciokorea@foundryco.com
