기업의 디지털 전환 여정에서 인공지능(AI)과 기계학습(머신러닝)은 빼놓을 수 없는 요소다. 소비자 데이터를 학습하면 최적화한 맞춤형 서비스로 고객 경험을 개선할 수 있다. 내부 업무 역시 필요한 자료를 빠르게 찾아 정리할 수 있으며, 보안 분야에 적용할 경우 비정상적인 접속 시도나 네트워크 부하도 빠르게 예상해 대응 가능하다.

이처럼 데이터 기반 전략은 경쟁사 대비 앞서갈 수 있는 주요 수단이지만, 활용은 쉽지 않다. 전사적인 의사결정을 위해선 각 부서에 흩어진 데이터를 모아 분석해야 하는데, 이러한 데이터가 분절(사일로화)돼 있기 때문이다. 마케팅 부서에서 고객 행동 관련 데이터를 갖고 있더라도, 데이터 분석과 코딩 지식이 없다면 향후 전략을 세우기 어렵다. 반면, 데이터 분석과 AI 조직은 활용할 수 있는 데이터가 없다.

랄프 클링켄베르크 알테어 데이터과학연구 수석 디렉터는 17일 아주경제와 만나 "데이터 사일로화는 많은 기업에 큰 문제다. 어떤 부서는 데이터를 가지고 있지만, 이를 어떻게 활용해야 할지 모르는 경우도 있다"며 "사일로화된 데이터를 하나의 큰 소스로 전환한다면 부서 간 장벽, 부서원과 데이터 간의 장벽을 허물 수 있다"고 설명했다.

알테어는 컴퓨터 과학·인공지능 분야 기업 솔루션 기업이다. 지난해 9월에는 데이터 분석 기업 래피드마이너를 인수하면서 빅데이터 관련 포트폴리오를 강화했다. 래피드마이너가 개발한 동명의 데이터 분석 소프트웨어 래피드마이너는 사용자의 개발 역량과 관계없이 데이터를 활용할 수 있도록 지원하는 노코드 플랫폼이다. 작게는 부서별 모든 유형의 데이터부터 크게는 제품 생애주기 전 단계의 데이터를 연결할 수 있다. 특히 데이터 활용에 대한 장벽을 허물어, 분야별 전문가가 협업할 수 있도록 지원한다.

클링켄베르크 디렉터는 "래피드마이너는 누구나 데이터를 연결하고, 변환하고, 자동화해 기계학습 모델을 구축·배포할 수 있도록 지원한다. 다른 부서에 있는 데이터를 가장 잘 아는 사람이 가져와 분석할 수 있으며, 데이터 전문가와 도메인 전문가 사이의 단절도 해소한다"고 설명했다.

그러면서 "특히 초보자를 위한 노코드 기반 오토ML 기능, 중급자를 위한 워크플로 빌더 기능, 고급자를 위한 풀 코드 기능까지 다양한 '페르소나'를 지원한다. 특히 오토ML은 알고리즘을 스스로 학습해, 사용자가 프로그램을 개발하거나 프로세스를 설계할 필요 없이 매개변수를 자동으로 최적화한다"고 덧붙였다.

특히 그는 래피드마이너를 통해 기업이 직면한 AI 전문가 수급 문제도 해결할 수 있을 것으로 내다봤다. 누구나 쉽게 AI 모델을 학습시키고 활용할 수 있는 만큼, 기업의 전반적인 AI 역량이 높아질 것이라는 게 그의 설명이다.

래피드마이너 활용 사례로는 금융 분야를 들었다. 고객과의 모든 거래 이력과 함께 고객의 생활 상황 등 맥락 정보를 활용하면 시기별 맞춤형 서비스를 제공할 수 있다. 이제 막 사회에 진출한 사람에게 필요한 예금 상품이나, 결혼·출산 시기에 맞는 대출 상품도 추천 가능하다.

이를 제조 현장에 적용할 경우 공장 내 장비나 부품 등의 교체 시기를 사전에 분석해 예기치 못한 공장 가동 중단을 막을 수도 있다. 알테어 관계자는 한 제조분야 기업의 경우 연 1~2회의 가동중단을 예방했으며, 이를 통해 하루 2000만 달러(약 265억원) 이상의 손실을 예방했다.

클링켄베르크 디렉터는 "여전히 많은 기업과 서비스가 AI로 가치를 창출할 수 있는 잠재적 기회가 있다. 특히 최근 주목받는 거대 언어 모델(LLM)과 래피드마이너의 오토ML을 연계한다면 키워드 몇 개를 입력하는 것만으로 기업의 내부 데이터 분석을 손쉽게 수행할 수 있을 것"이라고 말했다.