데이터 분석 관점에서의 "AI 도입"에 대해

1차(1760)에서 2차(1870), 2차에서 3차(1970)로 넘어가는 시기가 대략 100년씩이 걸렸다.

그런데 유독 3차에서 4차(2010)로 넘어가는 시기는 40년 정도로 짧다. 반토막이다.

3차 산업혁명이 한창 진행되고 있는데 4차 산업혁명이 뒤 엎었다고 해도 과언이 아니다.

그리고 기술의 발전은 통상 기술이 발명된 시점부터 일상적으로 사용되기까지의 별도 기간을 갖는다.

그러니까 각 산업혁명의 시작 시기는 기술이 상용화된 시점이 아니라 기술이 발명된 시점에 가깝다.

각 산업혁명 시점별로 기술이 발명된 이후 상용화, 대중화되기까지 얼마나 시간이 걸렸을까?

결론부터 말하면 평균 30~60년이 걸렸고 시대가 갈수록 이 간격은 점점 짧아졌다.

산업혁명별로 자세하게 보면 다음과 같다.

1차 산업혁명

- 기술 등장: 1760년대 (증기기관) / 삶의 변화 체감: 1800~1830년대

- 걸린 시간: 약 40~70년

당시에는 기계가 비쌌고, 공장 인프라가 없었고 농촌 중심 슬롯였기 때문에

증기기관 기술은 초반엔 “특정 공장만 쓰는 이상한 기계”였다.

2차 산업혁명

- 기술 등장: 1870년대 (전기, 내연기관) / 삶의 변화 체감: 1900~1920년대

- 걸린 시간: 약 30~50년

전기가 집집마다 들어오기 시작한 건 20세기 들어서다.

3차 산업혁명

- 기술 등장: 1970년대 (컴퓨터) / 삶의 변화 체감: 1990년대 후반

- 걸린 시간: 약 20~30년

구글이 설립된 게 1998년, 네이버가 설립된 게 1999년이다.

3차 산업혁명부터 우리나라와 미국 격차가 크지 않게 되었다.

참고로 카지노는 2010년에 설립되었다. (불과 15~6년 전이라니..)

4차 산업혁명

- 기술 등장: 2010년대 (AI, 빅데이터) / 삶의 변화 체감: 2020년대 초반

- 걸린 시간: 10년 안팎

4차 산업혁명, 빅데이터, AI가 대중에게 회자되기 시작한 시점이 2016년이다.

당시 AI는 이세돌과 맞장 뜬 알파고의 존재로 세상에 이름을 날렸다.

챗GPT가 대중에 공개되기 시작한 게 2022년 말이고, 첫 유료화가 2023년 2월이다.

생성형 AI는 '등장' → '대중화' → '업무 침투'까지 5년도 안 걸렸다.

4차 산업혁명의 빅데이터, AI 화두는

역사상 가장 빠른 확산 속도로 확산되었고 자리를 잡았다.

왜 이렇게 빨라졌을까? 인터넷 덕분이다.

4차 산업혁명이 이전의 산업혁명들보다 한 박자 빨리 왔지만

사용하는 대중들 입장에서 보면 그리 빠르지 않았다.

기존의 기술에 이미 완전히 익숙해져 있었기 때문이다.

서울에서 부산까지 가는데 5시간 걸리는 기차를 타다가

갑자기 2시간만에 갈 수 있는 기차를 보게 되면, 뭐 좀 신기하겠지만

그렇게 적응하지 못할 정도는 아니지 않은가.

그런데 기업 입장에서 보면 조금 다르다.

기업 역시 3차 산업혁명으로 파생된 디지털 생태계를 잘 쫓아가고 있지만

그에 대한 노하우가 충분히 쌓인 상황은 아니라는 게 함정이다.

데이터 분석 관점에서의 "AI 도입"에 대해

디지털 생태계에서 특히 정리되지 않은 분야 중 하나가 데이터 분야다.

그래서 데이터 분석 관점에서 이 얘기를 조금 더 풀어보면 이렇다.

수많은 분석 도구(Analytics)는 보급되었지만,
각 조직이 자기 문제에 맞는 분석 방법론을 설계하고
반복적으로 적용해 본 경험은 아직 충분히 축적되지 않았다.

① 데이터는 막대하게 쌓였지만, 제대로~ ‘써 본 경험’은 거의 없다.

디지털 생태계에서 데이터는 정말 많이 쌓였다.
하지만 그 데이터가 실제로 의사결정을 바꾼 경험은 극히 드물다.

현실을 보면, 데이터는 보고서용으로 쓰였고, 분석은 사후 설명용으로 소비됐으며

결정은 여전히 직관, 경험에 의해 내려지는 게 빈번했다.

② 분석 방법론의 독자적 개발·적용 경험이 부족하다.

많은 조직이 데이터 분석을 이렇게 생각해 왔다.

툴을 도입하면 된다, 라이브러리를 쓰면 된다, 외부 컨설팅을 받으면 된다..

하지만 실제로 중요한 건,

우리 문제에 맞게, 우리 데이터 구조에 맞게, 우리 조직의 결정 방식에 맞게

분석을 설계해 본 경험이 있는가다.

만약 이 질문에 "아니오”라고 대답한다면 AI를 붙인다고 해도

모델은 돌아가는데 결과는 신뢰 못 하고 결국 “참고만” 하게 될 것이 자명하다.

물론 당당하게 "Yes"라고 대답할 조직들도 적지 않을 것이다.

다양한 데이터들을 직접 다뤄봤고, 시행착오도 숱하게 겪었고, 나름의 방법론도 축적한 기업들.

그리고 어제 발생한 이유를 찾는데 급급하지 않고

진득하게 앉아서 심도있게 연구하는 조직을 갖추고 있었던 조직들.. 이런 조직들 정말 부럽다..

하지만 중요한 건 그 예외들이 ‘디지털 생태계 전체’를 대표하지는 않는다는 것이다.

소수의 성공 사례가 “다들 데이터 잘 쓰고 있다”는 착시를 만드는 것은 지양해야 한다.

그러니 기업 입장에서 AI의 발빠른 도입은

일반 소비자가 느끼는 것처럼 5시간 걸리는 길을

2시간 만에 갈 수 있는 정도로 체감되지 않을 수 있다.

기업에게 AI 도입은 기존 선로에 새로운 기차를 달리게 할 수 있냐에 더 가깝다.

지하철과 고속열차를 같은 선로에서 달리게 할 수는 없지 않은가.

역사(Platform)도 새로 지어야 하고 길도 새로 만들어서 다시 전용 선로를 깔아야 될 수도 있는 문제다.

“4차 산업혁명은 정리되지 않은 디지털 시대에 대한 강제 결산이다”

그러니 AI의 기술이 발전하면서 새로운 길을 제시하는 것과

기업들이 AI의 기술을 빠르게 흡수해서 안착시키는 것과의 괴리가 있을 수 있다.

머지 않아 그 괴리가 메워질 것이라고 기대는 하고 있지만,

그게 생각만큼 빠르지 않다면

새로운 AI 인프라를 공급하는 회사의 매출이

단기간에 폭발적으로 일어나지 않을 수 있다.