일상적인 머신 러닝 사용 사례 10가지

머신 러닝(ML)은 머신이 패턴을 인식하고 예측을 생성하여 데이터 세트와 과거 경험을 학습하는 인공 지능(AI)의 하위 분야로 210억 달러 규모의 글로벌 산업이며, 2029년까지 2,090억 달러 규모의 산업(ibm.com 외부 링크)으로 성장할 것으로 예상됩니다. 다음은 일상 생활의 일부가 된 머신 러닝의 실제 적용 사례입니다.

Forbes(ibm.com 외부 링크)에 따르면 마케팅 및 영업팀은 다른 어떤 기업 부서보다 AI와 ML을 우선순위에 두고 있다고 합니다. 마케팅 담당자는 리드 생성, 데이터 분석, 온라인 검색 및 검색 엔진 최적화(SEO)에 ML을 사용합니다. 예를 들어, 많은 기업이 장바구니에 상품을 담아두거나 웹사이트를 종료하는 사용자에게 연락하기 위해 이를 사용합니다.

ML 알고리즘 및 데이터 과학은 Amazon, Netflix 및 StitchFix와 같은 사이트의 추천 엔진이 사용자의 취향, 검색 및 장바구니 기록을 기반으로 추천을 제공하는 방법입니다. ML은 또한 특정 고객의 관심사를 충족할 수 있는 제품을 식별하여 개인화된 마케팅 이니셔티브를 추진하는 데 도움이 됩니다. 그런 다음 해당 관심사에 맞게 마케팅 자료를 맞춤화할 수 있습니다. ML은 또한 다른 메트릭 중에서도 열람률과 클릭률을 확인하여 캠페인을 면밀히 모니터링할 수 있는 기능을 제공합니다.

ML은 고객의 말을 이해할 수 있을 뿐만 아니라 고객의 어조를 이해하고 고객 지원을 위해 적절한 고객 서비스 상담원을 연결해 줄 수 있습니다. 음성 기반 쿼리는 음성 인식을 위해 자연어 처리(NLP) 및 감정 분석을 사용합니다.

텍스트 기반 문의는 일반적으로 채팅봇, 즉 대부분 기업이 자사 전자 상거래 사이트에서 제공하는 가상 에이전트를 통해 처리됩니다. 이러한 챗봇을 사용하면 고객이 기다릴 필요가 없으며, 동시에 많은 고객이 접속하더라도 24시간 내내 즉각적인 응대를 할 수 있어 보다 긍정적인 고객 경험을 제공할 수 있습니다. 고객 서비스를 위해 watsonx Assistant 시스템을 사용한 한 은행은 챗봇이 모든 고객 질문의 96%에 대해 여러 언어로 정확하고 신속하며 일관되게 답변했다는 사실을 알게 되었습니다.

기업은 ML을 사용하여 소셜 미디어 및 기타 활동을 모니터링하여 고객 반응과 리뷰를 확인합니다. ML은 또한 기업이 빅데이터를 광범위하게 사용하여 고객 이탈(기업이 고객을 잃는 비율)을 예측하고 줄이는 데 도움이 됩니다.

Amazon의 Alexa 및 Apple의 Siri와 같은 가상 개인 어시스턴트 또는 음성 어시스턴트가 수행하는 작업을 지원하는 것은 바로 ML입니다. 이 커뮤니케이션에는 음성 인식, Speech to Text 변환, NLP 또는 Text to Speech가 포함될 수 있습니다. 누군가가 가상 어시스턴트에게 질문하면 ML은 답변을 검색하거나 그 사람이 이전에 했던 유사한 질문을 기억해냅니다.

ML은 Facebook Messenger 및 Slack에서 사용하는 것과 같은 메시징 봇의 기반이기도 합니다. Facebook Messenger에서 ML은 고객 서비스 챗봇을 지원합니다. 기업은 챗봇을 설치하여 빠른 응답을 보장하고, 이미지 캐러셀과 클릭 유도 문안 버튼을 제공하며, 고객이 가까운 옵션을 찾거나 배송을 추적할 수 있도록 돕고, 안전한 구매를 가능하게 합니다. Facebook은 또한 성인이 18세 미만의 사람에게 대량의 친구 요청이나 메시지 요청을 보내는 경우와 같이 사기 행위나 원치 않는 연락을 감지하기 위해 머신 러닝을 사용하여 Messenger 채팅을 모니터링합니다.

Slack에서 ML은 동영상 처리, 키워드로 쉽게 검색할 수 있는 트랜스크립션 및 라이브 캡션을 지원하며, 잠재적인 직원 이직률을 예측하는 데도 도움을 줍니다. 일부 기업은 ML을 사용하여 질문과 요청에 답변하는 챗봇을 Slack에 설정하기도 합니다.

Google Gmail의 ML 알고리즘은 고객의 이메일을 기본, 소셜 및 프로모션 카테고리로 필터링하는 작업을 자동화하는 동시에 스팸을 감지하여 스팸 폴더로 라우팅합니다. ML 툴은 이메일 앱의 '규칙'을 넘어 이메일을 분류하여 더 빠른 조치를 위해 적절한 사람에게 라우팅하고, 첨부 파일을 올바른 위치로 이동하는 등의 작업을 통해 이메일 관리를 자동화할 수도 있습니다. 예를 들어 Levity(ibm.com 외부 링크)와 같은 이메일 관리 자동화 도구는 ML을 사용하여 수신되는 이메일을 텍스트 분류 알고리즘으로 식별하고 분류합니다. 이를 통해 카테고리에 따라 개인화된 응답을 작성할 수 있으므로 시간을 절약할 수 있으며, 이러한 사용자 정의는 전환율을 개선하는 데 도움이 될 수 있습니다.

사이버 보안에서 ML을 사용하는 방법에는 4가지가 있습니다.

1. ML과 얼굴 인식은 기업의 보안을 보호하기 위한 인증 방법에 사용됩니다.
2. 바이러스 백신 프로그램은 AI 및 ML 기술을 사용하여 맬웨어를 탐지하고 차단할 수 있습니다. 
3. 강화 학습은 ML을 사용하여 사이버 공격을 식별 및 대응하고 침입을 탐지하도록 모델을 훈련시킵니다.
4. ML 분류 알고리즘은 이벤트를 사기로 분류하고 피싱 공격을 분류하는 등의 용도로도 사용됩니다.

예를 들어, ML과 딥 러닝은 은행업에서 사기 탐지 등에 널리 사용됩니다. 은행 및 기타 금융 기관은 의심스러운 온라인 거래 및 추가 조사가 필요한 기타 비정형 거래를 인식하도록 ML 모델을 훈련시킵니다. 은행 및 기타 대출 기관은 ML 분류 알고리즘과 예측 모델을 사용하여 누구에게 대출을 제공할지 결정합니다.

많은 주식 시장 거래가 ML을 사용합니다. AI와 ML은 수십 년간의 주식 시장 데이터를 사용하여 추세를 예측하고 매수 또는 매도 여부를 제안합니다. ML은 또한 사람의 개입 없이 알고리즘 거래를 수행할 수 있습니다. 주식 시장 거래의 약 60~73%(ibm.com 외부 링크)는 대량으로 빠르게 거래할 수 있는 알고리즘에 의해 이루어집니다. ML 알고리즘은 패턴을 예측하고, 정확도를 개선하고, 비용을 절감하고, 인적 오류의 위험을 줄일 수 있습니다.

비영리 기술 조직인 Change Machine은 IBM과 협력하여 재무 코치가 고객의 목표에 가장 적합한 핀테크 제품을 찾을 수 있도록 지원하는 IBM Cloud Pak for Data를 사용하여 AI 기반 추천 엔진을 구축했습니다. Change Machine의 제품 개발 이사인 David Bautista는 "IBM과의 협력을 통해 새로운 방식으로 데이터를 활용하는 방법과 머신 러닝 모델을 만들고 관리하기 위한 프레임워크를 구축하는 방법을 배웠습니다."라고 말합니다.

머신 러닝의 발전으로 패턴 인식에 대한 기계 학습이 이루어졌고, 이제는 머신 러닝이 방사선 촬영에 사용되기도 합니다. AI 기반 컴퓨팅 비전(ibm.com 외부 링크)은 유방조영술을 분석하고 조기 폐암을 검진하는 데 자주 사용됩니다. 유방암 진단을 위해 유방조영술을 실시하는 의사는 40% 확률로 암을 놓치는데(ibm.com 외부 링크), ML은 이 수치를 개선할 수 있습니다. ML은 또한 종양을 분류하고, 인간의 눈으로 보기 어려운 뼈 골절을 찾고, 신경 장애를 감지하는 작업에 대해 훈련되고 사용됩니다.

ML은 때때로 환자의 과거 의료 기록과 결과를 검토하여 새로운 치료 계획을 만드는 데 사용되기도 합니다. 유전자 연구, 유전자 변형 및 게놈 염기서열 분석에서 ML은 유전자가 건강에 미치는 영향을 식별하는 데 사용됩니다. ML은 특정 치료법이나 약물에 반응하거나 반응하지 않는 유전자 표식과 특정 사람에게 심각한 부작용을 일으킬 수 있는 유전자를 식별할 수 있습니다. 이러한 고급 분석은 데이터 기반의 개인 맞춤형 약물 또는 치료 추천으로 이어질 수 있습니다.

전통적으로 복잡하고 비용이 많이 들고 시간이 많이 소요되는 테스트를 거치는 신약 개발 및 제조는 ML을 사용하여 속도를 높일 수 있습니다. Pfizer(ibm.com 외부 링크)는 IBM Watson의 ML 기능을 사용하여 면역 종양 연구에서 임상 시험에 가장 적합한 후보를 선택합니다. Geisinger Health System은 임상 데이터에 AI와 ML을 활용하여 패혈증 사망률을 예방하고 있습니다. 이들은 IBM의 Data Science 및 AI Elite 팀과 협력하여 패혈증 위험이 가장 높은 환자를 예측하는 모델을 구축하고 있습니다. 이를 통해 치료 우선순위를 정하고 위험하고 비용이 많이 드는 입원을 줄이고 패혈증 사망률을 낮추는 데 도움을 받고 있습니다.

ML은 오늘날 우리의 교통 수단에 많은 정보를 제공합니다. 예를 들어 Google 지도는 ML 알고리즘을 사용하여 현재 교통 상황을 확인하고, 가장 빠른 경로를 결정하고, '주변에 탐색'할 장소를 제안하고, 도착 시간을 추정합니다.

Uber 및 Lyft와 같은 차량 공유 애플리케이션은 ML을 사용하여 승객과 운전자를 매칭하고, 요금을 설정하고, 교통량을 조사하고, Google 지도처럼 실시간 교통 상황을 분석하여 운전 경로를 최적화하고 예상 도착 시간을 예측합니다.

컴퓨팅 비전은 자율 주행 자동차의 원동력입니다. 자율 주행 자동차는 비지도 ML 알고리즘을 통해 카메라와 센서에서 데이터를 수집하여 주변에서 일어나는 일을 이해하고 취해야 할 조치에 대한 실시간 의사 결정을 내릴 수 있습니다.

ML은 스마트폰에서 일어나는 많은 일을 지원합니다. ML 알고리즘은 우리가 휴대폰을 켤 때 사용하는 얼굴 인식을 관리합니다. 알람을 설정하고 메시지를 작성하는 음성 어시스턴트를 구동합니다. 여기에는 NLP를 사용하여 우리가 말하는 것을 인식하고 적절하게 응답하는 Apple의 Siri, Amazon의 Alexa, Google Assistant 및 Microsoft의 Cortana가 포함됩니다.

기업들은 스마트폰 카메라에서도 ML을 활용하고 있습니다. ML은 이미지 분류기를 사용하여 사진을 분석 및 개선하고, 이미지에서 객체(또는 얼굴)를 감지하며, 인공 신경망을 사용하여 국경 너머에 있는 것을 예측하여 사진을 개선하거나 확장할 수도 있습니다.

오늘날 소셜 미디어 플랫폼에서는 ML이 많이 사용되는 것을 볼 수 있습니다.

• Facebook과 같은 소셜 미디어는 ML 얼굴 감지 및 이미지 인식을 사용하여 데이터베이스에서 얼굴을 식별함으로써 친구 태그 제안을 자동화합니다. 그런 다음 해당 소셜 미디어 사용자에게 해당 개인을 태그할 것을 제안합니다.
• LinkedIn은 ML을 사용하여 뉴스피드에서 항목을 필터링하고, 채용 추천을 하고, 다른 사람과 연결할 것을 제안합니다.
• Spotify는 ML 모델을 사용하여 노래 추천을 생성합니다.
• Google 번역은 자연어 처리 기술을 사용하여 130개 이상의 언어로 단어를 번역합니다. 일부 언어의 경우 사진, '대화 모드'의 음성, 증강 현실 모드를 사용하는 라이브 비디오 이미지로도 번역을 제공할 수 있습니다.

AI는 기존 애플리케이션의 전략 수립, 현대화, 구축 및 관리에도 도움을 주어 효율성을 높이고 혁신의 기회를 창출할 수 있습니다. 캘리포니아주 소노마 카운티는 IBM과 협의하여 ACCESS Sonoma라는 통합 시스템을 통해 노숙 시민들과 이용 가능한 자원을 연결했습니다. "IBM은 말 그대로 리프트 앤 시프트 방식으로 이용할 수 있는 오픈 아키텍처를 설계했기 때문에 우리는 4개월 만에 고객 9만 1,000명을 로드하고 주요 시스템 4개에 걸쳐 고객들을 연결할 수 있었습니다."라고 소노마 카운티 센트럴 IT의 혁신 담당 이사인 Carolyn Staats는 말합니다. "정말 놀라운 일정이었죠." 이들은 노숙자의 35%를 주택에 입주시켜 전국보다 4배 높은 비율을 기록했으며, 2년 만에 카운티의 노숙자 수는 9% 감소했습니다.

IBM에서는 파운데이션 모델, 생성형 AI, ML을 위한 새로운 스튜디오인 IBM watsonx에서 ML과 AI의 힘을 결합하고 있습니다.

watsonx는 기업이 비즈니스용 AI의 힘을 확대하는 데 도움이 되도록 구축된 차세대 데이터 및 AI 플랫폼입니다. 이 플랫폼은 세 가지 강력한 구성 요소로 구성됩니다. 바로 새로운 파운데이션 모델, 생성형 AI 및 ML을 위한 watsonx.ai 스튜디오, 데이터 레이크의 유연성과 데이터 웨어하우스의 성능을 위한 watsonx.data 합목적성 저장소, 그리고 책임감, 투명성 및 설명 가능성을 갖춘 AI 워크플로를 구축할 수 있는 watsonx.governance툴킷입니다.

이와 함께 watsonx는 조직에 다음과 같은 기능을 제공합니다.

1. watsonx.ai를 사용하여 비즈니스 전반에서 AI를 교육, 조정 및 배포합니다.
2. watsonx.data를 사용하여 모든 데이터에 대해 어디서나 AI 워크로드를 확장합니다.
3. watsonx.governance를 통해 책임감 있고 투명하며 설명 가능한 데이터 및 AI 워크플로를 활성화합니다.