개발자가 아닌 기획, 영업, 홍보, 인사, 총무 등의 일반 업무를 담당하는 사람들이 인공지능을 제대로 이해하고 관리하며, 개발자와 소통하면서 제대로 활용할 수 있는 기술을 설명합니다. 실제로 인공지능을 적용하여 성공한 14개 사례도 소개합니다.

특징

기업에서는 AI를 만드는 사람도 중요하지만 구축한 AI를 제대로 이해하고 운용할 수 있는 사람을 원하고 있습니다.

사람들 대부분은 ‘AI를 이해하려면 전문 지식이 필요하지 않을까?’라고 생각합니다. 하지만 개발자가 아닌 일반 직무에 관련된 대부분의 사람에게는 전문 지식이 필요하지 않습니다. 프로그램 코드를 만들 필요도 없고, AI의 개념만 이해하고 있으면 됩니다. 수학이나 통계에 약해도, 컴퓨터를 잘 다루지 못해도 괜찮습니다.

이 책에는 비엔지니어가 AI 엔지니어와 의사소통하기 위한 지식을 한데 모아두었습니다. 디지털 기술로 가장 장래성이 있는 AI에 초점을 맞춰서 AI 엔지니어와 대화하면서 AI를 제대로 활용하기 위한 문과 계열의 AI 인재 만들기가 이 책의 목표입니다.

감수 오니시 가나코 (大西可奈子)

•AI 연구가

•2012년 오차노미즈여자대학원 박사 후기 과정 수료. 박사(자연과학). 같은 해에 NTT도코모 입사. 2016년부터 2년간, 정보통신연구기구(NICT)에 파견. 대화 시스템 연구 개발에 종사. 2020년부터 AI 기획 담당자로 대형 IT 기업 근무. AI의 설계 및 운용 분야 종사하면서 AI에 관한 강연 및 세미나, 기사, 서적 집필 및 감수 등 다양한 분야에서 활약. 저서에는 《가장 쉬운 AI 입문서(인공지능)》(아티오)이 있다.

•<공식 웹사이트> https://kanakoonishi.com/

검토 박정환

인공지능으로 더 좋은 세상을 만들고 싶은 AI 전문가로, 현재는 알세미 AI Lab에서 인공지능을 활용한 반도체 모델링을 연구하고 있다.

호기심 많은 성격에 대학 재학 시절 학과와 상관없는 인공지능 공부를 시작하였다. 인공지능 전문 블로그를 운영하면서 다양한 인공지능 관련 글을 쓰고 있다. 비전공자학사 출신으로 인공지능 연구원이 된 후기를 공유하기도 하면서 비슷한 고민을 가진 사람들에게 조언과 도움을 주고 있다.

블로그 : simpling.tistory.com

번역 전지혜

대학에서 이공 계열을 전공, 일본에서 유학한 후 일본계 전자회사에서 일하면서 익힌 전문적인 내용을 바탕으로 번역 일을 시작했다. 번역 일을 천직이라 느껴 2014년부터 본격적으로 프리랜서 번역가로 전향했다. 현재는 다수의 산업 번역과 함께 수많은 출판 번역을 함께 진행하며 활동 중이다. 주요 역서로는 《가장 쉬운 인공지능 입문서》, 《그림으로 생각하면 심플해진다》, 《적게 자도 괜찮습니다》, 《카메라, 시작해보려 합니다》 등이 있다.

제1장 AI 프로젝트의 핵심 인물은 문과 계열 AI 인재입니다.

AI를 활용할 수 있는 인재가 되자.

거대한 디지털의 흐름에 올라타자

AI 지식은 ‘웬만큼’ 만으로도 충분하다

AI는 현대 직장인의 필수 기술이다

최강의 문과 계열 AI 인재로 가기 위한 필수 요건

도대체 AI란 무엇일까?

광의적인 AI와 협의적인 AI

AI의 진화 과정을 4가지로 구분하면 핵심을 알 수 있다

AI 시스템의 기본 원리도 입력 데이터를 처리하여 출력하는 것이다.

AI 프로젝트의 3가지 함정

[함정 ❶ 프로젝트의 목표가 모호한 상태로 시작하는 경우

[함정 ❷ AI 프로젝트는 데이터가 생명이다

[함정 ❸ PoC의 무한 반복만 할 뿐 본격 도입까지 진행되지 않는다

문과 계열 AI 인재에게 필요한 3가지 능력

AI는 평소 생활 속 어디에 사용되고 있을까?

AI로 무엇을 할 수 있을까?

AI의 특기 분야 중 하나인 ‘화상 인식’

스마트폰으로 익숙해진 ‘음성 인식’

AI의 ‘미래 예측’으로 무엇이 가능할까?

AI 사례를 알아두면 아이디어가 샘솟는다

제2장 AI와 기계학습에 대한 기초 지식

‘기계학습’이라는 말이 뭐지?

‘기계학습’은 AI를 뒷받침해주는 기술 중 하나이다

학습 과정은 ‘입력 → 학습모델 → 출력’이다

문과 계열 AI 인재가 알아야 할 기계학습 개념은 3가지뿐이다

기계학습의 3가지 학습법

기계학습 삼형제의 장남, 지도형 기계학습

디지털 사진의 위치 정보도 학습 데이터로 이용할 수 있다

데이터에 정답 라벨을 달아서 학습시킨다

요구되는 정확도는 프로젝트마다 다르다

분류 외에 미래 예측에도 강하다

[요약] 장남격인 지도형 기계학습은 ‘학습 데이터’로 힘을 발휘한다

차남, 비지도형 기계학습은 숨겨진 특징을 밝혀낸다

비지도형 기계학습은 요약에도 강하다

[요약] 비지도형 기계학습의 클러스터링은 요약에 강하다

강화학습은 스스로 점점 똑똑해진다

강화학습의 기능은 사람의 지능에 가깝다?

[요약] 강화학습은 보상을 주면 성장한다

AI 활용의 핵심을 쥐고 있는 딥러닝

딥러닝은 기계학습 삼형제의 여동생 개념이다

딥러닝의 대표적인 알고리즘

현재 AI의 4가지 취약점

AI는 만능이 아니다! 여전히 취약한 부분들

[취약점 ❶ 소량의 데이터로는 추리하기가 어렵다

[취약점 ❷ ‘합리적이지 않은 판단’을 내리기가 어렵다

[취약점 ❸ 문맥에서 의미 파악하기가 어렵다

[취약점 ❹ 임기응변에 대응하기가 어렵다

제3장 [기획력] 가설과 현장의 목소리를 형상화한다

어디에 AI를 사용할 것인가?

AI 프로젝트의 목표는 효율화(업무 개선) 또는 새로운 콘텐츠?

프로젝트의 목표는 2가지 중 하나이다

프로젝트의 대략적인 흐름을 확인하자

AI로 어떤 과제를 해결하고 싶은가?

업무 과제를 발견해내는 3가지 질문

[사례 연구] 콜센터의 인력 부족을 해소하고 싶다

결론부터 생각한 후에 전체를 한 번에 파악한다

3단계로 가설을 세운다

AI의 ‘작업’과 ‘기술’을 구분해서 생각해본다

[1단계] AI의 ‘작업’에서 추리한다

AI가 잘하는 작업에 초점을 맞춰 생각해본다

[지도형 기계학습 ❶ 분류

[지도형 기계학습 ❷ 예측

[비지도형 기계학습 ❸ 클러스터링

[비지도형 기계학습 ❹ 차원 축소

[강화학습 ❺ 행동 패턴 학습

[2단계] AI의 ‘기술’에서 추리한다

화상 인식이나 음성 인식은 다양한 용도로 사용된다

[사례 연구] 콜센터의 자동 음성은 어떻게 만들어졌을까?

[3단계] 목표를 이미지화한다

입력부터 출력까지의 흐름을 정리한다

AI에서 한 발짝 떨어져서 고객 입장에서 기획을 재검토하는 것도 중요하다

[고객 여정 지도] 고객의 도달 과정과 행동을 가시화한다

CJM에서 무엇을 파악할 수 있는가?

고객 시점에서 자사 서비스의 제공 범위를 재검토해보자

[KPI] 프로젝트의 목표를 수치화한다

업무 개선도 KPI로 관리한다

‘요건 정의’는 전문가에게 맡겨 마무리한다

‘요건 정의’는 AI 시스템의 사양서이다

제4장 [분석력] 데이터가 프로젝트의 성패를 쥐고 있다

어떤 데이터를 이용할 것인가?

프로젝트 팀의 역할과 멤버 구성

역할을 이해하여 최적의 체제를 갖춰보자

[벤더 ❶ AI 도입을 위해 폭넓게 제대로 지원

[벤더 ❷ 개발팀의 역할은 3가지로 구분하여 생각한다

AI의 학습에 필요한 데이터를 준비

문과 계열 AI 인재를 중심으로 학습 데이터 준비를 진행한다

‘데이터’란 무엇인가?

AI에서 사용할 수 있는 5가지 종류의 디지털 데이터

데이터를 가공해서 ‘사용 가능한 상태’로 만들어야 한다

무작정 모은 데이터는 사용할 수 없을 수도 있다

[해결책 ❶ 클렌징으로 질을 높인다

[해결책 ❷ 공개 데이터 세트를 활용한다

[해결책 ❸ 데이터 세트를 새롭게 만든다

대량의 데이터를 정확하게 라벨링하기

어노테이션은 AI 개발에서 매우 중요하다

[사례 연구] 통신 판매 사이트의 챗봇

읽는 사람의 관점에서 매뉴얼을 작성하자

주관에 의지하는 어노테이션이란?

어노테이션을 외주로 주고 싶지만 비용이 걱정되는 경우

학습모델의 평가 방법을 알고 싶어!

AI의 정확도는 어느 정도까지 요구할 수 있는가?

AI의 정확도는 어떻게 판정하는가?

‘긍정의 정답’ 비율에 중점을 두는 적합률

정답을 놓치지 않으려면 재현율, 균형을 생각할 때는 F값

데이터 세트 종류와 사용 방법

기계학습에서 사용하는 3종류의 데이터 세트

사고 훈련으로 상상을 넓혀보자

제5장 [추진력] AI 시스템 도입을 위한 7단계 - 어디를 향해 나아갈 것인가?

기계학습의 개발 과정에 다가가다

‘추진력’은 개발을 관리하는 능력이다

우선 7단계의 개발 절차를 파악하자

[1단계] 알고리즘 선택하기

알고리즘에 따라 AI의 정확도가 현격히 바뀐다?!

기계학습에 사용되는 대표적인 알고리즘

‘분류’는 식별, ‘회귀’는 미래 예측!

비슷한 것끼리 그룹으로 묶는 ‘클러스터링’

[2단계] 데이터 정리하기

학습 데이터는 기계학습 엔지니어가 정리한다

[3단계] 프로토타입 개발하기

‘프로토타입 모델’로 이미지를 공유한다

[4단계] PoC(포크)

본 개발 전 단계의 검증 및 데모

PoC를 진행할 필요가 없는 경우는 언제일까?

PoC를 진행하는 최적의 시기는?

신기술과 조합하려면 서둘러서 PoC를 진행하라!

수정 및 검증을 반복하여 적절한 모델을 구축한다

지금 가능한 일과 가까운 미래에 가능한 일을 구분한다

과제 및 문제점을 정리하여 구분하자

[5단계] 개발하기

개발 기간 중에는 기계 학습 엔지니어를 돕는다

[6단계] 본격 도입하기

개발을 이어 나가면 AI 시스템이 진화한다

[7단계] 시스템 운용하기

관리 및 보수 방법을 결정하는 단계까지도 문과 계열