여러분들은 핀테크 서비스를 잘 활용하고 계신가요? 핀테크 덕분에 수수료 제로(0) 송금 서비스, 간편 결제, 자산관리, 대출 등등 다양한 서비스들이 제공되고 있습니다. 너무 편리해서 필자도 잘 사용 중인데요. 이렇게 나날이 핫!해지는 핀테크 분야에서 새롭게 부각되는 서비스가 있습니다.

 인슈어테크, 들어는 보셨나? 

 지난 달 프롭테크처럼 인슈어테크(InsurTech) 역시 보험(Insurance)과 기술(Technology)의 합성어로, 인공지능(AI), 사물인터넷(IoT), 빅데이터 등 IT 기술을 활용해 기존과 다른 보험 서비스를 제공하는 것입니다. 인슈어테크의 도입으로 보험 상품 개발이나 고객 관리 등의 분야에서 보다 고차원적인 서비스 제공이 가능해지죠. 

 쉬운 예시로는 보험사에서 제공하는 애플리케이션, 보험 비교 사이트로부터 발전된 예로는 직접 원하는 보험을 만들거나, P2P(Peer to Peer) 형태로 보험 서비스를 제공하는 서비스까지 다양합니다.

 도대체 어떤 기술을 어떻게 적용할까? 

 인슈어테크에서는 4차산업혁명의 핵심 기술들과 그 맥락을 함께 합니다. 크게 사물인터넷, 빅데이터, 인공지능, 블록체인 기술을 주로 적용하는데요. 이러한 기술과 서비스가 융합되어 지금과는 다른 보험 산업의 혁신을 일으키고 있습니다.

기획 및 글 | 사업기획팀 박예영

 부동산 산업의 디지털 혁신 – 프롭테크(PropTech) 

 전통적 부동산 시장에 새 바람이 불고 있습니다. 바로 프롭테크(PropTech)의 등장인데요. 지난해 손정의 회장이 프롭테크 스타트업 오픈도어에 4억 달러를 투자한 이후 이 기업 가치가 20억 달러를 상회하고 있습니다. 국내에서도 ‘직방’이 골드만삭스 등 외국계 컨소시엄으로부터 약 380억원의 투자를 받았습니다. 왜일까요? 전문가들은 프롭테크 산업이 향후 부동산 시장을 선도하게 될 것이라고 전망합니다. 

 프롭테크의 서비스 영역 

프롭테크의 서비스 영역은 크게 4가지로 분류하며, 아래와 같습니다.

기획 및 글 | 사업기획팀 박예영

요즘 RPA(Robotic Process Automation)라는 기술이 부상하고 있습니다. 혹시 알고 계시나요? 가트너(Gartner)는 2018년 RPA 소프트웨어 관련 전 세계 지출액이 전년보다 57% 증가한 6억 8000만 달러에 이르렀다고 분석하였고, 이 같은 성장세를 이어 나갈 경우 2022년에는 RPA 소프트웨어 시장이 24억 달러를 형성할 것으로 전망했습니다. 이렇게 전 세계적으로 RPA에 대한 관심이 쏠리면서, 관련 시장도 자연스럽게 성장하고 있습니다. 국내에서도 점차 금융사와 대기업 등에서 관심을 가지는 것 같은데요. 그래서 이번에는 로봇을 업무에 활용하는 방법 중 하나인 RPA기술에 대해서 이야기를 하려고 합니다.

 RPA란? 

<RPA, 출처: KPMG Japan>

 RPA(Robotic Process Automation)는 소프트웨어(SW) 로봇을 만들어 사람이 수행해온 단순, 반복적인 업무를 자동화하는 기술입니다. IT 시스템과 사용자 업무 프로세스를 최적으로 만들어 기존 시스템을 효과적으로 사용할 수 있게 해주고, 업무를 수행하는 시간을 단축할 수 있게 되는데요. 주로 표준화되어 있고, 명확한 규칙에 기반을 둔 업무에 적용되어 사람의 행동을 모방하는 형태로 업무를 수행하게 됩니다. 쉽게 말해서 자동화로 단순 반복되는 업무는 줄이고, 일하는 방식과 업무 프로세스를 최대로 효율화하여 최적화를 이룰 수 있게 해주는 기술이죠.

 인공지능(AI), 빅데이터, 사물인터넷(IoT) 등 다양한 기술이 발전하면서 기업 내부에서는 업무에 활용이 가능한 RPA에 대해 관심이 높아졌습니다. 사람의 노동을 디지털 노동으로 대체해 업무의 효율성을 높이고, 비용을 최소화 할 수 있기 때문입니다. 특히 국내에서는 주 52시간 근무제를 시행하면서 기업들마다 RPA의 도입을 긍정적으로 검토하고 있는데요. 아직 초기 단계이지만 대기업, 금융사를 주축으로 RPA를 도입하거나 검토하는 사례가 확대되고 있습니다. 현재는 전형적인 업무나 사람의 판단이 적게 들어가는 분야에 주로 적용되고 있지만, RPA의 역할은 계속해서 확대될 것으로 예상됩니다. 이를 위해서는 인공지능(AI) 기술 결합은 정말 필수겠죠?

 각 조직 및 기업에서 요구하는 프로세스 자동화 역할에 따라 로봇은 아래 3가지 유형으로 분류됩니다. 이 로봇들은 모두 RPA로 알려졌지만, 로봇이 처리할 프로세스나 작업에 따라 선택됩니다.

1. Probots: 반복적인 규칙을 따르는 프로세스 데이터 처리

2. Knowbots: 데이터 수집 및 저장

3. Chatbots: 가상 비서 역할을 하며 실시간으로 고객 문의에 응답

 기대효과/장점 

작년 12월 IT Trends 2019에서 5G와 AR/VR에 대하여 언급하였습니다. 이번에는 이어서 5G가 가져올 세상에는 어떤 콘텐츠들이 성행할지, 실질적으로 사용자가 어떤 변화를 느낄 수 있을 것인지 살펴보겠습니다. 정말 비싼 5G 스마트폰을 서둘러서 구매할 가치가 있을까요?

　<출처: Getty Images>

 필자는 정보를 찾을 때 주로 유튜브를 많이 활용합니다. 저처럼 여러분들도 유튜브를 자주 보실 것 같은데요. 유튜브에서 영상을 찾아 보려고 하는데, 만약 로딩이 오래 걸린다면 어떻게 하시나요? 저는 기다림을 참지 못하고 답답해서 꺼버리거나, 무한으로 새로고침(F5) 하곤 합니다. 이렇게 콘텐츠 소비가 주로 모바일/온라인에서 이루어지면서, 사용자들은 콘텐츠를 소비하기위해 기다리는 것을 참지 못한다고 하네요. (저와 같은 사용자들이 많은 것 같습니다.ㅎㅎ)

 지금은 대부분 LTE(4G)를 사용하고 있는데요, 기다리는 것을 참지 못하는 이용자들의 특성을 반영하여 4G는 콘텐츠 품질을 떨어뜨리더라도 즉각적으로 소비가 가능하도록 하였습니다. 그러나 5G 기술이 성숙되었을 때는 지금보다 100배 가량 빠른 전송속도를 갖추게 됩니다. 그래서 고화질, 고품질 콘텐츠를 빠르고 안정적인 스트리밍을 통해 시청할 수 있게 되는 것이죠.

본문 외 reference

STARTUP4, 5G와 콘텐츠 산업의 변화 전망

ChosunBiz, 가상현실, 5G 콘텐츠 전쟁의 핵심으로

BLOTER, 이통3사 5G 경쟁, 어떤 콘텐츠 보여줄까

기획 및 글 | 사업기획팀 박예영

 AIOps란? 

AIOps <출처: Gartner, 2017>

 AIOps는 AI 기술을 IT 운영(Operation)에 접목한 것으로, “IT운영을 위한 인공지능(Artificial Intelligence for IT Operations)”을 뜻합니다. (또는 Algorithmic IT Operations 라고도 합니다.) AIOps는 빅데이터 분석과 머신러닝, 그리고 기타 AI 기술을 활용해 IT인프라의 문제를 파악하고 해결책을 제시하는 과정을 자동화 합니다. 사람이 직접 개입하는 대신 AI를 통해 실수를 줄이고, 보다 더 효율적으로 IT 인프라를 운영하는 것이죠. 날로 복잡해지는 여러 자산을 관리함에 있어서 인공지능을 통해 운영자의 시간과 노력을 줄여줄 수 있습니다. 

 AIOps의 구성요소 

<출처: DZone>

 AIOps를 이루는 두 가지 핵심 요소는 빅데이터와 머신러닝인데요, IT운영 과정에서 생산되는 분산된 각종 데이터들을 분석하여 머신러닝을 통해 지속적으로 적용함으로써 IT운영의 자동화를 이루게 됩니다. 

The technologies that make up an AIOps platform <출처: bmc>

 조금 더 자세히 말하면, 우선 검증된 데이터가 필수적입니다. 실제 기업 환경에 적용되어 신뢰할 수 있는 데이터가 양적으로도 질적으로도 충분해야 합니다. 그리고 수집한 데이터들을 분석한 후에 인공지능이 이 데이터들을 효과적으로 학습해야 하죠. 이 역시 꽤 긴 시간이 필요한 과정입니다. 이렇게 구현된 인공지능은 실제 IT 서비스로 구체화되어야 비로소 완성되는 것입니다.

 AIOps의 활용 

AIOps Platform Enabling Continuous Insights Across IT Operations Management <출처: Gartner, 2018>

 가트너는 위 그림과 같이 AIOps가 IT운영 전반에 걸쳐 지속적인 통찰을 가능하게 한다고 설명했습니다. AIOps에서 Logs, Text, Wire, Metrics, API등의 데이터 유형들을 처리하여 다음과 같이 활용할 수 있습니다.

▶ Causal Analysis (인과관계 분석)

▶ Anomaly detection (이상 탐지)

▶ Performance analysis (성과 분석)

▶ Prediction(예측)

▶ Correlation and contextualization (상관관계와 맥락화)

▶ Intelligent Remediation(지능적 개선)

 AIOps의 도입 효과 

그렇다면 AIOps 도입 후 얻을 수 있는 효과는 무엇일까요?

1. 업무의 효율성 증가 

 AIOps는 일상적이고 반복적인 업무를 자동화하여 업무의 효율성을 증가시킵니다. 이 덕분에 운영자는 반복적인 업무 수행 대신 좀 더 운영을 효율화 할 수 있는 업무에 집중할 수 있게 됩니다.

2. 운영 비용 감소 & 안정적이고 예측 가능한 인프라 제공

 AIOps는 분석과 예측을 통해 최적화된 자원을 사용함으로써 운영 비용을 최소화할 수 있습니다. 또한 보다 더 안정적이고 예측 가능한 운영이 가능해집니다.

3. 기타 부서와의 협업 최대화

 AIOps는 각 팀에게 관련 데이터를 제공합니다. 그래서 IT팀이 비즈니스 부서와 데이터 사일로 없이 원활한 의사소통이 가능해지고, 협업을 효율적으로 할 수 있게 되죠. 데이터를 기반으로 한 의사결정이 가능함으로써 기업은 새로운 트렌드에 민감하게 반응할 수 있게 됩니다. 

 ※ 데이터 사일로(silo): 데이터가 전체적으로 통합되지 않고 개별 부서나 사업 부문별로 고립적으로 활용되는 것

본문 외 reference

Gartner, Market Guide for AIOps Platforms

IDG, IT 인프라 운영의 새로운 기준

TechTarget, AIOps

기획 및 글 | 사업기획팀 박예영

 엣지 컴퓨팅이란? - 클라우드 컴퓨팅과의 비교 

 클라우드 컴퓨팅과 엣지 컴퓨팅을 비교하기 전, 먼저 왜 클라우드 컴퓨팅이 등장했는지 알아봅시다. 간단하게 말씀드리면, 먼저 온라인 상에서 오가는 데이터 양이 급증했습니다. 또한 기기도 PC에서 스마트폰, 웨어러블, 스마트홈 등으로 확장되었죠. 이렇게 IoT 기기들이 다양해지고 전송되는 데이터 양이 증가하면서, 이 수많은 데이터들을 인터넷을 통해 시간과 장소에 구애 받지 않고 공유·전송할 수 있는 방식이 발전하기 시작했습니다. 이렇게 클라우드 컴퓨팅이 등장하였습니다.

 클라우드 컴퓨팅이란, “클라우드(cloud)”, 즉 인터넷을 통해 서버, 저장소, 소프트웨어, 분석 등의 컴퓨팅 서비스를 제공하는 것입니다. 네이버 N드라이브, 구글 Docs 등이 대표적인 예라고 볼 수 있죠. 하지만 이런 클라우드 컴퓨팅에도 여러 문제점이 있습니다. 서버에서 처리할 수 있는 데이터의 양을 넘어서기 시작했고, 데이터 지연 현상도 종종 발생하며, 컴퓨터의 통신 과정에서 발생하는 보안문제도 있죠. 

<출처: 삼성 뉴스룸(2017.05.17)>

 클라우드 컴퓨팅의 여러 문제들을 해결할 방법 중 하나가 바로 엣지 컴퓨팅입니다. 엣지 컴퓨팅은 클라우드 컴퓨팅과 대조되는데요, 클라우드 컴퓨팅은 데이터 처리와 연산이 중앙에 집중되어 있지만, 엣지 컴퓨팅은 IoT 기기들과 가까운 주변이나 기기 자체에서 데이터를 분산 처리합니다. 이 때 추려진 상위 작업은 클라우드로 전달되고요. 다시 말하면, 엣지 컴퓨팅은 데이터를 중앙(클라우드)으로 보내지 않고 엔드 포인트 근처에 배치하기 때문에, 데이터가 수집되는 끝단(엣지)에서 즉시 분석하고 현장에 적용할 수 있습니다. 이 방식을 포그(fog) 컴퓨팅이라고 부르기도 합니다.

 엣지 컴퓨팅의 장점 

기획 및 글 | 사업기획팀 박예영

 5G 상용화 

 국내 이동통신 3사가 지난 12월 1일 5G 전파 송출을 시작했고, 2019년에 상용화 예정입니다. 기존 LTE와 비교했을 때 초저지연·초고속·초연결이 확보됨에 따라 제공될 예상 서비스들이 기대되는데요.

<출처: KT>

 초저지연을 통해 자율주행차, 원격 의료 등 저지연이 매우 중요한 분야에 신뢰성 있는 서비스를 제공 하게 될 것이며, 초고속을 통해 AR·VR 등 초고용량 콘텐츠를 이동 중일때나 밀집 지역(ex.야구장) 등에서도 안정적으로 송수신이 가능할 것입니다. 그리고 초연결을 통해 에너지 효율이 높은 IoT 서비스로 스마트시티, 스마트홈, 대규모 센서 모니터링 등 새로운 시장이 창출될 것입니다. 이렇게 5G는 4차 산업혁명시대 차세대 네트워크의 핵심 인프라로 자리매김할 것으로 보입니다.

 AR/VR 확산 　

<출처: tubefilter Insights>

 다양한 산업군에서 AR·VR을 활용하고 있는데요, 5G 상용화까지 합세한다면 향후 새로운 콘텐츠 형태로 성장할 수 있을 것 같습니다. 몇가지 예를 볼까요?

(1) 교육: 한국교육학술 정보원 ‘AR·VR로 학교 수업에 날개를 달다!’

 초등 교과 교육과정과 연계하여 프로그램을 운영 중이며, 향후 프로그램 확대 방안을 검토할 계획이라고 합니다.

(2) 부동산: 직방 ‘VR 홈투어’

 부동산 정보 플랫폼 기업 ‘직방’에서 제공하는 VR 서비스는 실제 집을 걸어 다니며 방안 곳곳을 살펴보는 듯한 효과를 냅니다. 치수 측정도 가능하며, 가구를 미리 놓아볼 수 도 있지요. 

 또한 직방은 ‘빅데이터랩’을 신설하여 기존에 보유하고 있는 부동산 정보를 다각적이고 체계적으로 분석해 더욱 의미 있는 정보를 제공할 것이라고 합니다.

(3) 뷰티: SEPHORA Innovaion Lab 세포라 혁신 연구소

 Virtual Artist 라고 부르는 이 기술은 사용자의 얼굴을 스캔한 뒤 각종 제품을 가상으로 사용해볼 수 있으며, 카트 담기 기능을 통해 제품을 바로 구매할 수도 있습니다.

(4) 기타: 이케아 Ikea Place

 이케아 플레이스 앱은 아이폰을 사용해서 가구 배치가 다양한 장소에서 어떻게 보여질 수 있는지 시각화해주는 앱인데요, 이케아 판매 상품을 브라우징하고 선택을 쉽게 하였습니다. 재배치도 쉽게 해볼 수 있으며 실제 제품 스케일과 98%의 정확성을 자랑한다고 하네요.

 AI 활용 증가 

(1) AI를 활용한 모바일 UI 개편: 네이버, 구글

① 네이버: AI기반 개인화 콘텐츠와 커머스 서비스 강화

<출처: ChosunBiz, 네이버 모바일 구글스타일로...>

 위의 왼쪽 그림처럼 앞으로 네이버 모바일 화면에는 딱 2가지, ‘그린윈도우’와 ‘그린닷’만 뜹니다. 그린윈도우는 검색창이고요, 그린닷은 새로 도입한 인터랙티브 검색 버튼입니다(화면 하단 초록색 원). 이 그린닷은 AI 기반의 다양한 검색도구를 제공하게 될 예정인데요. 사용자의 시간, 위치, 현재 확인 중인 정보의 종류, 언어 등을 파악해 사용자 맞춤 관심사를 연결해줄 것이라고 합니다.

② Google: 개인화 콘텐츠 서비스 강화

구글에서는 검색어를 입력하는 대신 AI가 사용자가 필요한 정보를 미리 예측해 먼저 제시하는 Query less search로 서비스 방향을 변경한다고 합니다.

 간단하게 설명 드리면, Discover는 모바일 첫 화면의 검색창 아래에 개인화된 뉴스피드를 제공하는 기능 이고요, Activity Card는 과거의 검색한 내용을 사용자가 확인할 수 있도록 해줍니다. Dynamic Organization은 예를 들어 ‘퍼그’라는 견종을 검색했을 때 ‘이름’, ‘건강’ 등 가장 일반적이고 관련성이 높다고 생각되는 하위 항목들을 표시하는 기능입니다.

　

(2) AI플랫폼 확대: 카카오

 헤이 카카오~ 다들 들어본 적 있으시죠? 아마 많은 분들께서 사용하실 것 같습니다. 카카오는 생활플랫폼으로 AI 서비스를 확대하고 있는데요, 특히 ‘자동차’와 ‘집’ 중심의 AI 플랫폼 확산 전략을 가지고 있습니다.

① 자동차

<출처: venture square, 카카오I, 기존 현대기아차 차량에 확대 적용>

 지난 11월 스마트홈 플랫폼 ‘카카오홈’을 출시하고 IoT 사업에 본격적으로 진출했죠. GS건설, 포스코 건설 등과 함께 아파트에서 작동하는 ‘kakao i’를 구축 중이라고 하는데요, 카카오홈 전용 앱과 카카오톡/카카오미니 등을 통해 언제 어디서든 제어 가능하도록 할 예정이라고 합니다.

 블록체인의 디지털 마케팅 접목 

 블록체인은 중앙시스템에 정보가 들어갔다가 중앙시스템에서 다시 배포되는 것이 아닌, 거래 내용이 네트워크 구성원 모두에게 공유되는 분산 데이터베이스입니다. 중간 개입자가 필요 없고, 많은 정보를 다양한 네트워크와 공유할 수 있죠. 이러한 점들로 보아 블록체인을 도입할 수 있는 분야는 무궁무진합니다. 

 이 블록체인을 요즘 디지털 마케팅에 접목해 성공한 사례들이 있는데요, 어떤 변화를 가져왔는지 보시죠.

(1) TOYOTA: 광고 캠페인 성과 21% 증대

 Gartner Top 10 Strategic Technology Trends for 2019 

 가트너가 선정한 기술 트렌드는 시대를 선도할 잠재성이 매우 크며, 혁신을 불러 일으킬 것으로 예상됩니다. 이번 2019년 10대 전략 기술 트렌드는 아직 세상에 많이 알려져 있지 않으며, 앞으로 4년동안 산업에 강한 영향력을 미칠 수 있는 트렌드들에 주목했다고 합니다.

<그림1 가트너의 2019 10대 전략 기술 트렌드>

출처: https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2019/ 

 위 그림에서 알 수 있듯이, 가트너가 제시하는 2019년 10대 전략 기술 트렌드는 ▲자율 사물(Autonomous Things) ▲증강 분석(Augmented Analytics) ▲인공지능 주도 개발(AI-Driven Development) ▲디지털 트윈(Digital Twins) ▲자율권을 가진 에지(Empowered Edge) ▲몰입 경험(Immersive Experience) ▲블록체인(Blockchain) ▲스마트 공간(Smart Spaces) ▲디지털 윤리와 개인정보보호(Digital Ethics and Privacy) ▲양자 컴퓨팅(Quantum Computing)입니다. 

 각 항목별 자세한 내용은 가트너 홈페이지를 참고해주시고, 이번시간에는 ‘인공지능 주도 개발(AI-Driven Development)’에 대해서 한번 생각해보겠습니다.

 AI-Driven Development 

 현재 대부분의 인공지능 개발은 데이터 과학자와 애플리케이션 개발자가 협력해서 만드는 것이라는 것, 알고 계시죠? 이에 반해 인공지능 주도 개발은, AI 개발자를 투입해 이를 개선하는 것을 말합니다. 가트너는 2022년까지 애플리케이션 개발 팀 중 최소 40% 정도가 AI 기반 가상 개발자를 보유할 것으로 보았습니다. 또한, 이 시대에는 비전문가들이 AI 도구를 통해 코딩 없이 앱을 만드는 것이 흔해질 것이라고 전망하기도 했습니다.

 이미 간단한 코딩은 AI가 할 수 있는 정도까지 왔는데요, 몇가지 예를 살펴보겠습니다.

 Auto Machine Learning

 아마존, 구글 할 것 없이 모두 이 시장에 뛰어들었죠. 지난 10월 뉴스레터의 ‘엑기스-새로운 시도, AutoML’ 코너에서도 다루었습니다.

아이언맨의 인공지능 비서 ‘자비스’를 아시나요? 아이언맨이 자비스에게 지시를 하면, 자비스는 그의 말을 정확히 인지하고 지시를 수행합니다. 자비스가 실제로 나의 비서가 된다면 얼마나 좋을까요? 현실에서도 자비스와 같은 인공지능 비서를 사용하게 될 날이 멀지 않은 것 같습니다. 

지난 5월, 구글 I/O 컨퍼런스에서는 놀라운 시연이 펼쳐졌습니다. 인공지능 비서 구글 어시스턴트가 직접 미용실에 전화해 직원과 대화하여 예약을 해주고 쉬는 날을 확인하는 시연을 보였습니다. 아마 아래 영상을 보시면 깜짝 놀라실 겁니다.

<영상 출처: YouTube, Jeffrey Grubb>

첫 번째 시연 중 미용실 직원의 기다려 달라는 말에 사람처럼 ‘으-흠’하고 반응하는 인공지능의 모습. 정말 놀랍지 않나요? 이 놀라운 광경은 구글 어시스턴트가 실제로 대화의 뉘앙스를 이해한다는 것이며, 이 기술을 “구글 듀플렉스”라 부른다고 구글 순다 피차이 CEO가 말했습니다. 

그래서 이번 시간에는 구글 듀플렉스와 그 중심 기술에 대해 알아보도록 하겠습니다.

구글 듀플렉스는 기존 대화형 AI보다 더 진화된 모습을 보여줍니다. 사람을 대하는 것처럼 자연스러운 대화 경험을 제공하며, 대화가 예상대로 흘러가지 않을 때도 지능적으로 반응할 수 있습니다. 음성도 아주 자연스럽고요.

듀플렉스의 중심에는 TFX(TensorFlow Extended)를 사용하여 설계된 순환 신경망(RNN, Recurrent Neural Network)가 있습니다. 높은 정밀도를 얻기 위해 구글에서는 익명 처리된 수십만 건의 온라인 예약 음성 녹음 데이터를 반복 학습시켰다고 합니다. 

추천 시스템(Recommendation System)이란?

 대상자가 좋아할 만한 무언가를 추천하는 시스템을 말합니다. 아마 대부분의 사람들은 최소한 한 번쯤 이미 추천시스템을 경험했을 것 같은데요, 쇼핑을 하기 위해 사이트를 방문하여 특정 상품의 정보를 얻기 위해 클릭을 하면, 화면 어딘가에 추천아이템, 인기아이템, 당신이 좋아할 만한 아이템 등 다양한 이름으로 상품을 추천하는 것을 쉽게 발견할 수 있습니다. 또한 시스템의 문제에 대한 해결 방법 추천과 건강에 대한 치료 방법 추천과 같은 다양한 범위에서 추천 시스템이 활용될 수 있습니다.

 추천시스템은 아마도 일반인들이 가장 빈번하게 접하는 머신러닝 서비스라고 얘기해도 과언은 아닐 것 같은데요. 그만큼 추천시스템은, 특히 IT 서비스에서는 매우 중요한 핵심적인 기술이라고 할 수 있고, 전자상거래 관련 회사들은 추천시스템을 준비하거나 운영하고 있습니다.

추천 시스템의 주요 기술

 추천 시스템의 주요 기술은 2가지가 있고, 이 둘을 혼합하여 사용 가능합니다.

<그림1 | 사용자 기반 추천(좌)과 아이템 기반 추천(우)>

1. 아이템 기반 추천 : 사용자가 구매한 물건과 유사한 물건이나 연관성이 높은 물건을 추천하는 방식

2. 사용자 기반 추천 : 사용자를 유사한 사용자별로 그룹핑하고 해당 사용자 그룹내의 사용자가 구매한 물품을 그룹의 다른 사용자에게 추천하는 방식

3. 혼합형 추천 : 사용자를 그룹핑하고, 해당 그룹의 사용자가 구매한 물품들을 아이템 기반으로 연관성을 분석하여 연관성이 높은 물품을 해당 사용자 그룹에 추천하는 방식

 주요 기술의 장점 및 단점은 아래 표와 같으며, 대표적인 추천 알고리즘으로 Collaboration Filtering(CF, 협업 필터링)을 적용하고 있습니다.

<표1 | 추천 서비스 주요 기술의 장단점>

 그리고 최근에는 딥러닝 기술과 결합된 추천 방법을 개발하고 있거나 연구하고 있습니다.

성능평가

 Collaboration Filtering을 이용해 추천시스템을 개발했다면 해당 시스템의 성능을 평가해야 합니다. 성능평가는 주로 A/B 테스트를 적용합니다.

※ A/B테스트: 기존의 제품 또는 알고리즘과 신규로 적용한 알고리즘을 비교 평가하는 방식

추천 시스템의 활용 사례

 마지막으로 추천 시스템(Recommendation System)의 활용 사례를 보시죠. 사례를 보면 더 이해하기 쉬울 것입니다.

1. YouTube

 유튜브는 비디오 메타데이터(장르, 태그정보, 상영시간 등), 사용자 접속정보(로그인, 미로그인), 사용자 정보(로그인), 비디오 클릭 수, 비디오 플레이타임 정보 등의 정보들을 이용해 추천시스템을 운영하고 있습니다. 또한, 로그인 상태에 따라 다른 추천 방식을 적용하는데요. 미로그인 시(기본)에는 아이템기반으로 Collaborative Filtering 모델을 적용하여 추천하고, 로그인 후에는 사용자기반으로 Deep Collaborative Filtering 모델을 적용 중입니다.

2. 아마존

 아마존은 평점(Rating),구매행위(Buying Behavior) 그리고 검색행위(Browsing Behavior) 정보들을 이용해 추천시스템을 운영하고 있습니다. 또한 자체적으로 기존 데이터를 기준으로 추천하는 Item-to-Item Collaborative Filtering 알고리즘을 개발하였죠.

<그림2 | 아마존이 특허 출원 시 제출한 추천 시스템 요약도>

 이 외에도 넷플릭스, 페이스북 등 다양한 기업에서 추천시스템을 활용하고 있습니다.

Reference

https://www.oss.kr/info_techtip/show/5419f4f9-12a1-4866-a713-6c07fd36e647 

https://medium.com/@cfpinela/recommender-systems-user-based-and-item-based-collaborative-filtering-5d5f375a127f 

기획 및 글 | 사업기획팀 박예영

기술 협조 | 사업기획팀 윤효근 박사