얼마 전까지만 해도 의료AI에 지금의 패션 AI처럼 안되는 이유가 많았다.

패션 AI를 잘 사용하기 위해서는 두 가지 이야기를 하고 넘어가야겠다. 하나는 왜 지금 패션 AI에 대해 고민하고 연습해야 하는가, 다른 하나는 어디에 어떻게 활용하면 되는가. 이 두가지 물음에 답하는 것이 패션 AI를 잘 만들고 쓰는 일에 다가설 수 있다고 믿는다.

“다음 번 인공지능 유행이 올 때쯤에는 아마도 많은 사람들이 기대하는 기술 솔루션이 나타날 확률이 높다.”

이는 솔루션 도입 문의가 있는 첫 미팅에서 하게 되는 여러가지 이야기 중 하나다. 이럴 때 보통 상대방은 의아해 하면서 AI 기술을 같이 쓰자고 모였는데 왜 안된다는 이야기부터 하는 것이냐며 반문하기 일쑤다.

“그때는 AI를 쓰지 않으면 경쟁에서 진다는 뜻 입니다.”

“AI를 써서 앞서갈 수 있는, 이길 수 있는 기회는 지금이 맞습니다.”

이러한 대화를 나누는 이유는 패션을 비롯하여 AI 도입을 위해 가장 중요한 문제에 대해 서로 뜻을 맞추기 위함이다. 당장의 AI는 안되는 기능과 이유가 너무 많다. 그래서 나중엔 ‘못쓰겠다, 안쓰겠다, 도움이 안 된다’로 귀결되곤 한다. 따라서 더 잘 만들어지면 그때 사용하겠다는 회사의 판단은 얼핏 보면 맞는 것처럼 들리기도 한다.

◇ AI 사용에 대해 ‘구체적’으로 고민하고 적용해야 승산 있다

지금 의료 AI는 대부분의 국가와 병원·기업에서 주력 사업으로 삼고 있는 솔루션이다. 불과 몇 년 전만 하더라도, 의료·바이오 AI 조차 지금의 패션 AI처럼 안되는 이유가 많았다. 몇 주 전 세계적인 경제잡지 이코노미스트에서는 의료 AI가 결국에는 우리를 진찰하게 되었다고 표지 모델로 선정했다. 이 변화가 패션 업계에도 오고 있고, 이러한 변화에서 승리하려면 지금부터 AI 사용에 대한 고민과 문제해결이 시급하다는 것이 지금 우리 모두에게 가장 필요한 이야기다.

이제 와서 의료 AI를 도입하는 병원과, 이미 산전수전 다 겪은 끝에 의료 AI를 도입한 병원이 있다면, 어디가 AI를 더 잘 쓰고 있을 것 같은가? 어느 병원이 오진율이 적고 더 정확한 진단을 내리고 있을 것이라 기대하는가? 물론 가장 중요한 것은 의사 선생님이지만, 의사가 피곤하거나 커피를 마시지 않은 시간에도 동일하게 일할 수 있도록 받쳐주는 것은 기술일 수 있다.

꽤 오랜 시간 동안 인공지능의 경쟁력은 ‘알고리즘’에 있다고 믿어왔다. 그렇기 때문에 더 좋은 성능을 내는 AI를 만들기 위한 회사에 수천억 단위의 투자금이 투입되고 있고, 그러한 회사에서 앞으로 무언가 근사한 AI 솔루션을 만들어 줄 것이라는 기대가 있다.

미래는 모를 일이지만 그렇지 않을 수 있다. 이미 챗GPT 같은 AI 모델 자체를 만드는 회사들의 한계가 곳곳에서 나타나고 있다. 특히 ‘성능이 더 좋은’이라는 기준이 무엇인지 생각해본 적이 있는가? 이는 번역이나 문서 요약 등 이미 정해져 있는 공학적인 기준에서의 성능이다. 문서 요약을 잘 하는 AI가 나에게 필요한 정보를 반드시 잘 전달하는 AI는 아닐 수 있다. 소위 ‘일머리’와 학교 성적은 다른 차원의 것이지 않은가.

◇ 로드맵 없이 진행하면 기술에 집중하게 되고 또 다른 시행착오를 겪을 수 있다

그렇다면 어떻게 ‘일머리’가 좋은 AI를 만들 수 있는가? 이 질문에 앞서 이것을 생각해 낼 수 있다면 성공적인 AI 활용이 가능할 것이다.

“과연 언제 일을 잘했다고 평가했는가.”

가령 트렌드 분석을 하는 팀이 있다고 치자. 트렌드 정보를 ‘빨리’만 가져오면 승리할 수 있는가? 아니면 ‘많이’ 가져와야 승리할 수 있는가? 주식시장에서는 (정보가 정확하다는 전제 하에) ‘빨리’ 가져오는 것이 수익의 차이를 가져온다.

우리 회사는 어떠한가? 실제로 이러한 질문들을 던져보면 ‘매출의 증가’와 ‘비용의 감소’를 답한다. 이것은 여러가지 활동들이 연결되어 나타난 결과이지, 단일 AI로 인해 발생한 성과가 아니다. AI의 일머리는 주로 자동으로 하니까 빠르거나 많아서 도움이 되는 경우와, 귀찮고 피곤한 것까지 다 따져보고 진행하기 때문에 최적화 되어있는 것으로 나눠 실마리를 찾아야 한다.

이렇게 부서나 팀마다 하는 일이 잘되고 안되는 기준을 설정해야 비로소 AI가 풀어야 하는 문제의 ‘채점 기준’이 매겨진다. 지금 대부분의 패션 AI 도입 현장에 가보면, 이러한 기준이 없이 도입한 솔루션이 문제를 해결해 줄 것을 기대하고 있다.

생성형 AI가 등장하고 이슈가 되자, 경영진이  우리도 생성 AI를 도입하라고 지시하고, 그 결과 방송에서도, 쇼핑몰 사진에서도 ‘이 사진은 AI가 생성한 작품입니다’라는 문구와 함께 광고가 나오고 있다.

그래서 다른 상품보다 고객이 더 클릭을 했는가? 그래서 기존 상품 설명보다 고객들이 더 오래 쳐다 보았는가? 구매 전환율이 높았는가? 아니면 그러한 기술 도입으로 인하여 상품 등록 개수가 증가해 일간 상품 조회수가 증가했는가? 이처럼 순간순간 우리가 ‘저 사람 일 잘하네’하고 느끼는 것처럼, AI에게도 명확하게 어떤 일을 해결해 주었으면 좋겠는지를 설정해줘야 한다.

이야기를 마치기에 앞서 그럼 도대체 AI를 어디에 적용하면 되는 것이냐? 하는 질문에 대한 실마리를 찾아 보려 한다. 경영컨설팅회사 맥킨지에서 작성한 AI를 어디에 쓰면 비용 대비 효과가 얼마나 있을 것인지를 추산한 표를 참고해보는 것도 좋을 것이다.

이 또한 바뀔 수 있는 데이터이지만 적어도 기회가 어디에 있는지, 그 효과가 상대적으로 얼마나 큰지는 가늠해볼 수 있다. 모쪼록 국내 회사들이 AI를 더욱 잘 써서 전세계 어디와 경쟁해도 이길 수 있는 힘을 다같이 가질 수 있었으면 한다.

경영컨설팅회사 맥킨지에서 AI 비용 대비 효과를 추산한 표