더 이상 미래의 트렌드가 아니다, 기업의 현실 과제다!
인공지능의 비즈니스 활용법을 다룬 최초의 책!

4차 산업혁명에 관한 한 지금 가장 현실적이고도 핫한 키워드, 인공지능(AI). 국내 대기업들도 최근 조직개편에서 앞다퉈 인공지능 사업팀을 신설하거나 강화하고 있다. 그러나 실상은 인공지능, 머신러닝, 빅데이터 등의 개념조차 제대로 정립되지 않은 채 혼용되거나 피상적으로만 이해하고 있는 수준이다. 이제 인공지능이 시범 단계를 넘어 본격 사업 단계로 접어든 것만은 분명한데, 현장에서는 기술의 활용 방법을 제대로 알지 못해 혼란을 더하고 있는 실정이다.

인공지능에 대한 관심이 막 시작됐을 무렵, 몇몇 해외서적들이 트렌드를 전망하는 방식으로 이 분야의 관심을 끌었다면, 이제는 한 걸음 더 들어간 ‘하우투(HOW TO)’가 필요한 시점이다. 이에, 실제 인공지능 관련 기술들을 현업에 적용하는 것을 일상 업무로 하고 있는 국내 최고의 전문가가, 기술의 컨셉을 쉽게 전달하고, 오해를 바로잡으며, 기업 임직원들에게는 기술을 어떻게 활용하면 비즈니스와 업무에 실질적인 도움이 될지를 구체적으로 이야기하는 책을 출간하였다.

대한민국 최초이자 최고의 Data Business-person

데이터 기술을 비즈니스에 적용하여 업무를 개선하고 혁신하는 데이터 기술 응용 전문가다. 현재 SK텔레콤 데이터 사이언스 담당 상무로 근무하고 있다.

비즈니스와 데이터 사이언스 양쪽의 전문 역량을 동시에 갖고 있는 것이 최대 장점이다. 20여 년 동안 인터넷·모바일 서비스, 솔루션, 교육, 이동통신 등의 분야에서 일하며 서비스 기획자로서, 마케터로서, 분석가로서 치열하고 다양한 경험을 해 왔다. 또한 국내 최고의 데이터 사이언티스트 그룹의 리더로서, 머신러닝을 비롯한 최신 데이터 기술을 실제 사업 현장에 적용하는 수많은 프로젝트를 진행했다. 지금은 변화관리를 중심으로 디지털 트랜스포메이션을 추진하고 있다.

비즈니스와 기술을 잘 이어주는 것, 그리고 이를 통해 기업이 발전하고 사회가 행복해지는 것이 스스로에게 부여한 중요한 삶의 목적이다. 이 책은 그런 소명을 이루기 위한 여러 시도 중의 하나다.

서문 | 인공지능 in 비즈니스
인공지능보다 더 중요한 것
관점의 변화가 반드시 필요하다
인공지능의 진짜 의미
인공지능 시대에 나는 어떻게 해야 하나
인공지능 활용에 필요한 세 가지

1부 | 도구의 이해

1장. 인공지능이란 무엇인가
명확한 정의가 없는 인공지능
어떻게 받아들여야 하나
인공지능의 구성 요소
데이터 드리븐 비즈니스
핵심은 머신러닝

2장. 머신러닝이란 무엇인가
머신러닝이 바꾼 컴퓨터 사용법
스스로 학습한다는 의미에 대한 오해
지도 학습으로 예측하기
비지도 학습으로 이해하기
강화 학습으로 원하는 대로 만들기
콘텐츠 생성으로 발전 중인 머신러닝
머신러닝 알고리즘과 딥러닝

3장. 도구로서의 인공지능
머신러닝이 하는 데이터 분석
분석을 프로세스 안으로
어디에나 쓸 수 있는 예측
예측으로 하는 진정한 개인화
시각 인지력의 활용
콘텐츠 생성에 활용
인간의 말로 일하게 하기
미래 예측
머신러닝의 활용처

4장. 오해 속의 빅데이터
빅데이터는 SNS 분석이 아니다
불필요하고 해로운 빅데이터
대상이 아닌 수단으로서의 빅데이터

2부 | 경영의 변화 ??5장. 왜 변화가 필요한가
뒤에 숨겨진 과정들
두뇌 한계를 뛰어넘기 위한 도구
결국은 변화 관리
인공지능 시대의 인간의 역할

6장. 경영의 변화
충돌하는 이해관계의 조정
조직 구조와 프로세스의 변경
구체적인 계획은 오히려 방해가 된다
다른 것을 시도할 여유
원활한 협업을 위한 조건
근본적 변화는 하향식으로만 가능하다
GE의 트랜스포메이션 사례

7장. 일하는 방식의 변화
기회는 일상 속에 있다
이벤트가 아닌 일상으로
기술이 선두에서 이끌어야 한다
공부하고 따라 해서 역량 키우기
실패, 시행착오, 갈등은 좋은 신호

3부 | 실질적 실행

8장. 데이터 활용의 단계
데이터는 분석하는 것이 아니라 활용하는 것
반드시 거쳐야 하는 단계
1단계 데이터 파악: 구체적으로
2단계 파일럿 프로젝트: 데이터 분석하면 실패
3단계 데이터 수집과 저장: 원시 데이터를 한곳에
4단계 본격적 데이터 활용 및 성숙
5단계 비즈니스 확장 및 신규 비즈니스 개발

9장. 현실적인 이슈
데이터 전문 조직의 구성
데이터 활용의 현실
IT 조직의 일이 아니다
데이터 관련 직종
데이터 전문가 채용과 취업
머신러닝 운영의 새로운 문제들

10장. 데이터 분석
데이터 분석이 뒤처진 이유
모호한 데이터 분석
기술적 분석
탐색적 분석
진정한 데이터 활용

감사의 글