곳곳에서 인공지능(AI) 시스템 도입이 이어지고 있다. 조직 내 구성원들 중에는 그다지 반기지 않는 이들도 있을 것이다. 단순히 ‘저 기계가 나를 대체할 것’이라는 두려움 때문만은 아니다. AI 자체에 대한 신뢰도, 익숙지 않은 것에 대한 거리감, 프로세스 변동으로 인한 번거로움 등 다양한 요인이 작동한다. 이런 가운데 AI가 유독 ‘잘 받는’ 사람들도 있다. AI 시스템과 인간 사용자가 어떻게 발을 맞춰 나갈 수 있을지 그 협업 케이스를 중점적으로 살펴본다. 지난해 12월, 프랑스계 컨설팅 회사 캡제미니(Capgemini)는 제조업에서의 인공지능(AI) 활용을 담은 보고서를 내놨다. 이 보고서에서 캡제미니는 AI를 제조업 생산 설비에 적용할 때 고려할 만한 세 가지 유즈 케이스(Use case)를 제시했다. 지능형 정비(intelligent maintenance), 퀄러티 컨트롤(product quality control), 수요 예측(demand planning) 부문이 그것이다.
캡제미니는 그중 한 가지 케이스로, 제너럴모터스(GM)가 어셈블리 로봇에 카메라를 달아 생산 라인의 오류 발생을 잡아내는 현상을 소개했다. 볼보도 기존의 조기 경고 시스템이 구축해 둔 대규모 데이터세트를 AI로 학습하고, 기계 고장이나 오류를 일으키는 요인들을 매주 분석해내고 있다고 한다. 이같이 생산라인에서의 AI 도입은 기계의 효율을 높이는 데 혁혁한 공을 세우고 있다는 내용이 중점적으로 보고됐다.11Capgemini Research Institute. Scaling AI in Manufacturing Operations: A Practitioners’ Perspective. 2019.12.
닫기
사람에 따라 AI 협업 방식도 다를 수 있다
국내 반도체 제조 라인에서도 비슷한 연구가 최근 진행됐다.22강신우. 알고리즘 기반 제안이 사용자의 반도체 장비 인터락 분류에 미치는 영향. 서울대학교 공학석사 학위논문. 2020.02.
닫기 통상 이 반도체 라인에서는 이상 알람이 울리면 사람이 직접 내려가 기계의 오류를 확인하는데, 이 연구 논문을 쓴 저자는 이 같은 이상 발생 알람 데이터를 모아 직접 알고리즘을 짰다. 그리고 그것이 과연 현장 엔지니어들에게 얼마만큼, 또 어떠한 도움을 줄 수 있는지를 구체적으로 따져봤다. 국내 반도체 공장 내 기계에서 수집된 데이터와 이곳의 엔지니어들이 기록한 레이블, 그리고 현업인 78명의 코멘트가 다뤄진 실증 연구였다.
저자는 앞선 리서치에서는 언급되지 않은 몇 가지 흥미로운 지점을 짚어냈다. 먼저, 전문가와 비숙련자 사이에 AI가 얼마나 도움을 주는지 느끼는 체감 온도 차이다. 경력 4년 이상의 전문가 그룹보다 경력이 짧은 비숙련자들에게서 ‘알고리즘으로부터 효과적인 도움을 얻었다’는 답을 더 많이 받은 것이다. 선배가 부재중인데 급히 처리해야 하는 사항을 맞닥뜨렸을 때 특히 큰 도움이 된다고 밝혔다고 한다.
유재연jane@yellowdog.kr
옐로우독 AI펠로우
필자는 서울대 융합과학기술대학원에서 석사 학위를 마치고 현재 박사과정에 있다. 인간과 컴퓨터 상호작용(HCI)분야에서 데이터사이언스를 공부했고 주로 인공지능 기술과 인간이 함께 협력해가는 모델에 대해 연구하고 있다. 현재는 소셜임팩트 벤처캐피털 옐로우독에서 AI펠로우로 일하고 있다.