당신은 AI를 개발하게 된다, 개발자가 아니더라도

프롤로그 ㅣ 불을 만지기 전 불을 다루는 법 배우기

1장 AI 개발과 편향의 덫
구글의 성 편향 번역
남성 이력서로 학습한 아마존 채용 AI의 결과
잘못된 머신러닝으로 억울하게 감옥에 가게 된다면
AI는 하나의 기술이 아닌 진화하는 기술의 집합
머신러닝, 학습과 추론 사이의 여러 단계들
딥러닝, 인간의 의사결정을 모방하다
“왜 아무도 제게 알려주지 았았죠?”
AI는 사업에 도움이 되는 만큼만 가치가 있다
16시간 만에 중단된 마이크로소프트의 신제품
실패는 피할 수 있다

2장 기존 사업에 AI를 적용할 때 벌어지는 일들
유서 깊은 패션 기업이 AI를 도입했을 때
월마트의 재고 정리 AI 도입 과정
마르케사의 AI 드레스 제작기
농업에 머신러닝이 가져온 경제성과 효율성
이베이의 AI, 크릴로프 개발기
크로스펑셔널팀을 구축하라
시작하기 전 성공을 명확히 정의하라

3장 골디락스 문제 선택의 중요성
오토데스크의 환상적인 골디락스 문제 설정
오토데스크의 골디락스 문제 해결 후 달라진 변화
미국 우정청의 골디락스 문제 선택
데이터가 많은 곳으로 가라
시중 제품을 활용하는 것도 좋은 방법이다
AI팀의 힘을 키우는 문제 설정
쉬운 문제로 시작해 ROI로 증명하라
성공하는 AI기업은 어떻게 개발을 시작하는가

4장 AI는 데이터로 완성된다
제대로 된 데이터가 없으면 반드시 실패한다
월마트의 데이터 주석 작업 4단계
오래 쓸 수 없는 데이터는 무의미하다
왜 빅테크 기업은 마르지 않는 데이터에 집착하는가
이 데이터는 어디에서 와서 어떻게 쓰이는가
좋은 것에 쓰레기가 섞이면 쓰레기가 나온다
“당신의 기침소리까지 녹음하고 있다”는 기사가 뜬다면
데이터 파이프라인 구축하기

5장 강력한 AI조직 구축하는 법
유능한 인재가 활약하는 조직 구축하기
고급 인력 제대로 활용하기
인센티브의 재구성
AI 조직 구성의 3가지 단계
인력이 부족할 때 채용 우선순위
소프트 스킬의 중요성, AI를 모르는 팀과 협업하는 능력
6장 성공으로 향하는 파일럿 설정하기
트위터의 테러리스트 계정 삭제 작업
성공하는 파일럿은 어떤 형태인가? 전략목표 세우기
작게 시작해 확장 가능한 파일럿을 만든 옴니어스 사례
확장할 수 없는 파일럿은 의미가 없다
팀을 벗어나 소통하라

7장 시제품에서 완제품으로
개발자의 예상은 자주 빗나간다
현장에 적용할 때 고려해야 할 3가지
상황에 맞춰 수정하고 적응하라
2주 전에 옳았던 일이 지금은 위법일 수 있다, 법률 검토
반드시 당신의 노력을 무너뜨리는 악당들이 나타난다

8장 AI기업으로 변신한 뉴욕타임스의 AI 리더십
인쇄매체를 넘어 AI기업으로, 뉴욕타임스의 변신
왜 전사적 AI 교육이 필요한가
데이터 파이프라인 관리
각기 다른 생각들의 구심점, 데이터 거버넌스
부서 간 영역을 뛰어넘는 회사 만들기
예산과 자원 할당
조직에 AI근육 붙이기

9장 AI 성숙도를 높이는 과정
구글이 영상 검토 인력을 1만 명이나 뽑은 이유
트렌치코트는 재킷인가 아닌가?
뉘앙스의 차이와 허용 가능한 융통성의 범위
고객이 약관에 동의했어도 뭐든 할 수 있는 것은 아니다
2,700억 원의 벌금을 낸 영국항공, 거버넌스의 중요성
1년 만에 바뀐 트럼프의 의미, 드리프트 모니터링
오래 가는 AI를 위한 관리 기술

10장 AI, 개발할까 구매할까?
애플의 페이스ID가 불러온 문제
구축하든 구매하든 가장 중요한 것

에필로그

몇 년 안에는 AI 전략이 없는 기업을 찾기 힘들어질 것이다. 오늘날 AI 전략 개발을 위해 노력하지 않는 기업은 2002년에 웹 전략이나 2008년에 모바일 전략을 추진하지 않기로 결정한 회사와 다르지 않다. 시장에서 도태되지 않고 살아남으려면 AI가 반드시 필요한 세상이 됐다. AI는 이미 우리 곁에 공기처럼 존재하고 있다. 사람들은 AI 기반 시스템을 활용하며 살고 있다는 사실조차 인식하지 못한다. 쇼핑할 때나 운전할 때, 점심 메뉴를 고를 때나 운동할 때, 일을 하거나 공부할 때 대다수의 사람들이 AI를 활용하며 보이지 않는 기술의 혜택을 누리고 있다. 하지만 AI를 개발하는 일은 매우 복잡하고, 빅테크 기업만 할 수 있는 거대한 일처럼 느껴진다. 하지만 꼭 그런 것은 아니다. 물론 우리도 같은 경험을 했기 때문에 이 일을 시작할 때 얼마나 막연하게 느껴질지 이해할 수 있다.
- 프롤로그 중에서

AI를 활용해 경쟁우위를 점하는 길은 간단하지 않지만 앞으로 살펴볼 모범 사례를 참고하면 성공 확률이 훨씬 높아질 것이다. 우리는 구글과 애플, 페이스북, 테슬라, 아마존, 뉴욕타임스 등의 빅테크 기업은 물론 AI에 관련된 일을 하는 여러 기업들의 AI개발의 성공과 실패담을 살펴봄으로써 당신의 비즈니스 활동에 AI를 접목했을 때 성공에 더 빨리 도달할 수 있는 방법을 전해주고자 한다. AI모델은 어렵다. 지구상에서 가장 크고, 마음대로 사용할 수 있는 모든 자원을 가진 회사라도 크고작은 문제에 직면하게 된다. 앞으로 살펴보겠지만 애플뿐만 아니라 구글, 월마트, 테슬라, 마이크로소프트와 같은 많은 빅테크 기업도 계속해서 벌어지는 도전 과제를 극복해야 했다.
- 프롤로그 중에서

AutoCAD나, 3ds Max 등의 건축·설계 소프트웨어 서비스를 제공하는 기업 오토데스크의 고객 기술지원 서비스는 아날로그 방식이었다. 수많은 엔지니어와 건축가들이 기술 설계와 모델 작업을 할 때 오토캐드 LT 소프트웨어를 사용하지만, 막히는 일이 생기면 고객 센터에 전화를 걸거나 메일을 보내는 방법밖에 없었다. 기업에서는 사람이 일일이 처리하다 보니 대기 순서가 길어졌다. 평범한 문의 사항을 처리하는 데 하루가 넘게 걸렸다. 그래서 오토데스크가 AI를 도입하기로 했을 때 해결해야 할 여러 가지 문제를 단 하나로 좁히기로 했다. 문의 사항 처리 시간을 단축하여 고객 경험을 개선하는 것이었다. 수백 가지 불편 사례와 문의를 자동화하는 모델을 개발하는 대신, 고객 센터에 접수되는 요청 가운데 압도적인 비중을 차지하는 단 하나의 문제만 해결하는 데 집중하기로 했다. 그것은 비밀번호 재설정 요청이었다. - 3장 골디락스 문제 선택의 중요성