Article at a Glance교보생명이 추진한 빅데이터/AI 활용 웨이브 방법론의 특징은 다음과 같다.
1. 현업 직원들로 구성된 워킹 그룹에서 추진 과제를 도출하고, 비즈니스 가치와 기술적 구현 가능성을 균형 있게 평가해 실행 과제의 우선순위를 정했다.
2. 빅데이터/AI 개발 이전에 현업 담당자들과 협의해 ‘As is’ 프로세스와 ‘To be’ 이미지를 명확히 정의하고 실제 업무 적용 방안까지 세웠다.
3. 빅데이터/AI 과제 도출부터 업무 적용에 이르기까지 표준화된 절차를 통해 다양한 과제를 신속하게 추진했다.
4. 반복적인 빅데이터/AI WAVE와 역량 내재화 교육을 통해 직원들의 디지털 활용 역량을 높이고 빅데이터/AI 프로젝트의 지속성과 연속성을 높였다.
2016년 구글 딥마인드가 개발한 인공지능(AI) 바둑 프로그램 알파고가 세계 최정상의 프로기사 이세돌과 겨룬 대결에서 승리한 지 5년이 지났다. 당시 인간보다 더 똑똑한 기계인 알파고의 출현은 전 세계를 충격과 공포에 빠뜨렸다. AI가 인간의 일을 상당 부분을 대체할 것이란 두려움 섞인 전망도 나왔다. 하지만 5년이 지난 지금, 다행스럽게도 아직까지 AI는 우려했던 것만큼 피부에 와 닿을 정도로 우리의 삶을 바꿔 놓지는 않은 것 같다. 왜 그럴까? 원천 기술이 나날이 발전하고 있는 것과 별도로 현실 속의 AI는 여전히 사람의 개입을 많이 필요로 하기 때문이다. AI를 도입하는 과정, 즉 데이터를 검토하고 필요한 데이터를 식별해 적재 요청하거나 전처리하고, 모델을 개발, 운영 및 적용하는 모든 과정에 사람이 필요하다. 더군다나 그 자체로 완벽한 AI 모델이 완성됐다고 할지라도 그게 정작 비즈니스 현장의 문제를 제대로 해결하지 못하면 무용지물이 될 수 있다. 이처럼 AI가 만능 기술인 것처럼 보이지만 실제로 AI를 도입하는 과정에는 많은 변수가 작용한다. 많은 기업이 AI를 도입하지만 이렇다 할 성과를 내지 못해 쉽게 좌절하는 이유다.
최근 기업의 AI 프로젝트가 늘어나면서 이렇게 복잡한 AI 도입 과정을 총괄하며 데이터 관점에서 문제를 해결하는 데이터 스트래터지스트(Data Strategist)의 역할이 부상하고 있다. 데이터 스트래터지스트는 비즈니스 과제를 도출하고 데이터 관점에서 과제를 정의해, 도메인의 데이터 오너뿐 아니라 데이터 애널리스트, 데이터 사이언티스트, 데이터 엔지니어와 협업하고 프로젝트를 관리 운영하는 역할을 맡는다. 이를 위해서는 데이터와 알고리즘뿐 아니라 비즈니스에 대한 이해도도 높아야 한다. 대개 AI 프로젝트팀의 팀장 혹은 총괄 프로덕트 매니저(PM)가 이런 역할을 맡는다.
국내 기업은 AI 프로젝트를 추진한 경험이 부족한데다 비즈니스와 기술 역량을 균형 있게 갖춘 인재 풀도 적어 실제 데이터 스트래터지스트가 어떻게 일하는지 잘 알려지지 않았다. 이에 DBR(동아비즈니스리뷰)는 2019년 AI 기반 보험 언더라이팅(underwriting)
1
시스템 ‘바로(BARO)’를 기획해 ‘2019 아시아보험산업대상’에서 국내 보험사 최초로 ‘올해의 디지털기술상’을 받은 교보생명 사례를 통해 이를 들여다봤다. ‘바로’는 세계 최초로 생명보험 상품 심사에 자연어 처리 기술을 결합해 주목을 끈 바 있다. 이 프로젝트를 기획, 주도한 교보생명 빅데이터지원팀 도상인 부장의 인터뷰를 통해 AI 프로젝트에 필요한 역량, 데이터 스트래터지스트의 역할과 과제 등을 정리했다.
AI 언더라이팅 시스템 ‘바로(BARO)’를 개발하게 된 계기는 무엇인가.발단은 2016년으로 거슬러 올라간다. 당시 사내에 처음으로 꾸려진 빅데이터 활용 태스크포스(TF)의 PM을 맡아 빅데이터를 활용한 비즈니스 과제 추진, 활용 역량 내재화, 인프라 고도화에 관한 전략과 마스터플랜을 수립했다. 2017년 정식으로 빅데이터활용팀을 만들어 빅데이터 과제를 추진하는 웨이브(Wave)를 시작했다. 웨이브는 크게 ‘과제 도출 → 과제 평가 → 과제 상세 정의 → 데이터 정제 → 모형 개발 → 파일럿 실행’의 과정으로 6개월 단위로 주기적으로 진행되는 빅데이터 활용 추진 방법론을 의미한다. 최근까지 5차례에 걸쳐 웨이브를 진행했는데 ‘바로’는 그중에서 2018년 8월 시작한 2기 웨이브에서 도출된 아이디어였다.
웨이브에서 과제 도출과 평가는 어떻게 이뤄졌나? 우선순위를 정하는 게 쉽지 않았을 것 같다.빅데이터/AI 웨이브가 시작되면 전 부서에서 워킹그룹에 참여할 직원을 부서별 1명씩 대략 30명가량 뽑았다. 이들이 빅데이터를 활용할 현업의 과제 아이디어를 자유롭게 제출하면 그 아이디어를 두고 워킹그룹에서 1차적으로 평가 절차를 진행했다. 평가는 혁신성과 파급성 등 사업적 가치와 내부 역량과 외부 환경 등 기술적 구현 가능성을 묻는 8개 항목에 대해 5점 척도로 점수를 매겼다. 그리고 사업적 가치와 기술적 구현 가능성을 각각 X축과 Y축으로 하는 사분면에 점수를 표시했을 때 양쪽 점수가 모두 높은 1사분면에 위치한 과제를 선정했다. 현실적으로 모든 과제를 다 모델링해볼 수는 없다. 그래서 이런 객관적인 절차를 거쳐 최종 과제를 선정했다. 이런 평가 과정을 거쳐 5번의 웨이브 동안 도출한 과제가 총 64개였다. 웨이브당 30명씩, 총 150여 명의 현업 직원이 AI 프로젝트에 참여했다.
닫기
