AI·머신러닝 발전, 데이터로 의사 결정 가능해져

최근 주요 지방자치단체들의 데이터센터 유치가 활발하다. 이러한 배경에는, 데이터센터 유치로 관련 기업이 유입되면 ‘일자리 창출’과 ‘지역 경제 활성화’라는 두 마리 토끼를 잡을 수 있다는 판단이 있다. 즉 “기업이 데이터를 경제적 가치로 전환해 경쟁력을 확보하고 성장을 이루는” 경제모델의 원리다. 때문에 ‘인공지능 대전환’ 속에서 ‘데이터 경제’를 이야기하는 것은 일면 자연스러운 현상이다. 사람이 방대한 양의 데이터를 일일이 처리하기에는 시간과 비용이 너무 많이 드는 데다, 현실적으로도 불가능하기에 그렇다. 반면 AI는 인간과 유사한 방식으로 데이터를 학습해 스스로 지능을 고도화하며, 이를 통해 인간의 지각, 추론, 학습 능력 등을 구현한다는 게 이사야 교수의 설명이다.
“소비자 행동, 시장 변화, 기술적 동향 등 다양한 정보를 담고 있는 게 바로 데이터입니다. AI와 머신러닝이 발전하면서 데이터 분석과 예측이 급격히 향상됐고, 이에 기업들은 데이터 기반의 전략적 의사 결정을 통해 경쟁력을 강화하고 있어요. 기업은 데이터에서 의미 있는 인사이트를 빠르고 정확하게 도출할 수 있고, 그렇게 얻어진 정보는 기업의 의사 결정에 많은 도움이 됩니다.”

AI의 데이터 분석, 산업·기업 경쟁력 높여

이 교수의 주요 연구 분야는 ‘거시경제 및 통화경제학’, ‘국제경제학’, ‘응용 시계열 계량경제학’, 그리고 AI의 하위 분과인 ‘머신러닝’이다. 이중 머신러닝은 데이터에서 패턴을 인식하고 이를 바탕으로 학습과 예측을 수행함으로써 최적의 의사 결정을 지원한다. 결국 데이터 경제에서는 단순히 데이터를 확보하는 것이 아닌, 이를 어떻게 분석하고 활용하는지가 더욱 중요하다는 것. 이것이 바로, 이 교수가 “기업 경쟁력은 양질의 데이터를 확보한 뒤 유의미하게 분석하고 적용하는 과정에 달려 있다.”고 생각하는 이유다.
“향후 다양한 산업에서 큰 변화가 일어나지 않을까 합니다. 데이터 경제가 산업 전반의 혁신을 가속화하고, 그 가운데 미래 경쟁력이 강화되니까요. 특히 AI와 데이터 분석을 통해 비용 절감과 운영 효율성 증대는 물론, 고객에게 개인화된 경험을 제공할 수 있을 거예요. 그렇게 되면 기업 측에서도 변화의 필요성이 절실해질 거고요.”
이 교수의 말에 의하면 데이터 경제을 적용할 경우 제조업에서는 ‘설비 데이터’를 활용, 이를 통해 설비의 고장 가능성을 예측하고 정비가 필요한 적정 시점을 설정할 수 있게 된다. 또 실시간 데이터로 작업 속도와 품질 검사를 자동 조정해 생산성을 높이면서도, AI가 분석한 센서 데이터를 확보하면 이후에는 ‘생산 공정의 최적화’와 ‘자율적인 공장(스마트 팩토리) 실현’이 가능해진다.
금융업에서도 데이터 분석과 위험 관리의 효율성을 높일 수 있다. 실시간으로 ‘거래 데이터’를 분석, 비정상적인 패턴을 탐지함으로써 각종 사기 행위를 예방하는 것이다. 고객의 재정 상태와 소비 패턴을 분석해 개인에게 꼭 맞는 상품을 추천하거나, 대출 조건을 최적화함으로써 더 세밀한 맞춤형 서비스를 제공할 수 있음도 물론이다.
유통업에서도 데이터의 효용은 마찬가지다. 고객의 구매 이력을 분석, 맞춤형 마케팅과 재고 관리 등으로 활용되는 데이터는 고객 만족도를 높임과 동시에 소비자 트렌드 및 계절적 변동 예측에 도움을 준다. 재고를 최적화함으로써 비용 절감과 재고 부족 및 과잉을 방지한 결과다.
AI와 데이터 분석은 이렇듯 산업군 전반에 걸쳐 비용 절감과 효율성 증대에 유익하며, 고객 맞춤형 경험 제공 면에서도 유의미하다. 결과적으로 데이터 경제는 산업 혁신을 가속화하고 미래의 경쟁력을 강화하는 데 중요한 역할을 할 것으로 기대돠고 있다.

데이터의 윤리적 사용으로 디지털 전환

이 교수는 데이터 경제가 한국의 경쟁력을 높임은 물론 우리의 삶에 실질적 변화를 가져올 것으로 전망하고 있었다. 다만 그러기 위해서는 개인정보 보호와 데이터 활용 간 공유와 협력을 원활히 하는 관련 법·제도의 개선이 선결되어야만 한다. 또한 데이터센터, 클라우드 인프라, 5G·6G 네트워크와 같은 디지털 인프라를 통해 데이터와 AI가 보다 경제적이고 효율적으로 활용되도록 하는 게 중요하다. 물론 고급 데이터 분석과 AI 기술을 다룰 수 있는 인재 확보를 위해 산학 협력 프로그램을 강화하고, 직업 교육 프로그램을 확대하는 것 또한 절대적으로 필요하다.
“정책적 뒷받침이 마련되면 데이터 공유가 수월하고, 이는 새로운 비즈니스 모델과 가치 창출의 결과로 이어져요. 또 데이터 보호 기술을 강화하고 보안 규정을 정립해 데이터 사용의 신뢰성을 높이기도 해야 할 거예요. 중소기업이나 비IT 기업도 데이터 경제에 참여할 수 있도록 지원하는 것도 필요할 것 같습니다.”
데이터 경제는 그 자체로 혁신적인 가능성을 제시한다. 물론 개인의 프라이버시 침해, 사회적 불평등 심화, 데이터 편향성 문제 등 간과할 수 없는 문제들이 존재하는 것이 사실이다. 그러나 이미 의료나 교육 분야에서 개인 맞춤형 서비스를 제공하며 그 가능성을 증명한 데이터가 산업 전반의 효율성을 높일 수 있음은 물론, 경제 성장을 위한 잠재력을 지니고 있다는 것 또한 의심할 여지가 없다. 종종 편향성의 문제가 거론되기는 하지만 교통·에너지·치안 등 분야에서 환경 관리 및 복지 정책 구축을 위한 자료가 된다는 점에서 공공의 이익을 증진하는 등 긍정적인 측면이 더 많다.
이에 대해 이 교수는 “결국 데이터 경제의 부정적 영향을 최소화하면서 긍정적인 기여를 극대화하려면 윤리적 데이터 사용 원칙과 투명한 데이터 관리가 필요하다.”면서 “이러한 원칙을 위에서 프라이버시와 공정성을 우선할 때 데이터 경제는 비로소 ‘디지털 전환’과 더 공평하고 풍요로운 삶을 가져다줄 거라고 믿는다.”고 말했다.