[AI Algorithm] AI알고리즘의 비즈니스 활용과 제조부문 활용 Part 2. (feat. Smart Factory)

Part 1.에서 "마케팅, 가격전략" 을 알아봤다면 이번에는 "금융, 제조" 부문에서 AI Algorithms을 어떻게 활용하는지를 알아보고, 산업 부문에서 화두가 되고 있는 Smart Factory를 위해서 AI Algorithms를 어떻게 활용할 수 있는지 살펴보도록 하겠습니다 '-'

 

---

"금융권의 자동화! Robo-Advisor & Reg-Tech"

 

금융부문에서는 기존의 금융관련 수치 데이터와 함께 다양한 내/외 변수 데이터를 활용하여 보다 정확한 현황 및 미래 예측을 위해 AI 알고리즘을 활용하고 있습니다.  내/외 변수들을 자동/수동으로 수집하고 분석하여 기존 펀드매니저 분들이 하시던 일을 대신하게 된 것입니다!

 

기존에 금융권에서 컴퓨터가 대신할 수 없던 이유는 수치적인 데이터 뿐만 아니라 금융 전문가들이 뉴스/이슈/세계 동향 등 정성적인 정보에 대한 분석이 필요했기 때문인데요, 자연어 처리기반 감성분석의 발전으로 알고리즘 내에서 '사람만이 할 수 있다고 믿었던' 정보 처리에 대해 알고리즘의 대체가 가능해지면서 금융권에서의 AI알고리즘 활용도가 발전되고 있습니다 '-'

 

자연어 처리기반 감성분석이란, 형태소 분석, 고정밀 구문분석과 같은 구조 분석을 바탕으로 정보추출, 정보요약, 문서기술 등의 결과물을 만들어내는 방법 입니다.

이러한 자연어 처리기반 감성분석을 통해 이루어지는 대표적인 금융권 사례는 펀드매니저의 역할을 대신하여 금융투자를 조언하는 '로보어드바이저(Robo-Advisor)'와 금융권의 규제준수 여부를 파악하는 '레그테크(Reg-Tech)'가 있습니다.

로보어드바이저(Robo-Advisor)란, 로봇(Robot)과 어드바이저(Advisor)의 합성어로 금융투자 (펀드, 주식 등)에 대해서 알고리즘을 기반으로 포트폴리오 작성, 조언, 또는 직접 투자를 실행하는 금융서비스 입니다. 투자 대상인 회사들의 수치적인 상황뿐만 아니라 정성적인 정보인 뉴스, 시장트렌드 등을 함께 수집하고 분석하게 됩니다.

더하여 투자자의 나이, 성별, 투자성향 등에 대한 개인 특성 정보도 함께 수집하여 반영하기 때문에 투자자에게 '보다 만족스러운 투자 포트폴리오를 제공한다'는 것이 특징입니다. 다른 투자자들의 수익률 시뮬레이션도 함께 진행하여 수익률 향상을 위한 기반을 제공한다는 것이 매력적인 로보어드바이저는 전세계 글로벌 금융사들이 공격적으로 투자하고 있는 분야이기도 합니다. (아무래도 수익률에 대한 %를 받는 펀드 매니저들보다 로보어드바이저를 활용하는 것이 경영적인 측면에서 더 회사에 이득이니깐요 ^^)

 

레그테크(Reg-Tech)란, 규제(Regulation)와 기술(Technology)의 합성어로 AI 알고리즘을 활용하여 금융관련 이슈(규제준수/이상거래 여부 등)를 파악하는 기술을 뜻합니다.

기존에 데이터를 직접 받아서 가공하고, 분석한 후 비교하는 과정에서 발생하는 수작업의 workload를 효율적으로 줄이고 있습니다. 또한 알고리즘을 기반으로 진행되기 때문에 정확도나 신뢰도의 측면에서도 높은 수준을 이룰 수 있다는 기대를 받고 있습니다 '-'

 

 

로보어드바이저의 대표적인 사례는 세계적인 금융회사인 Goldman Sachs의 'KENSHO Technology'가 있습니다. Goldman Sachs의 경우 'IT회사로의 전환'을 발표한 이후 로보어드바이저에 대한 투자를 공격적으로 해왔습니다. KENSHO Technology는 기업공시, 회계정보, 뉴스, 경제지표 등 9만개 이상의 요소를 Input으로 하여 투자 포트폴리오에 대한 조언을 합니다. 그 결과로 KENSHO Technology는  "Technology Pioneer"로 선정되며, S&P Global, Morgan Stanley, J.P.Morgan, Bank of America, Citi Bank 등 세계적인 금융사를 고객으로 확보하고 있습니다.

 

 

Zestfinance는 신용평가 알고리즘으로 기존과 다른 금융서비스를 제공하는 회사입니다. 이들은 SNS정보, 온라인상에서의 행동정보 등 기존 금융사에서 이용하지 않던 정보를 활용하여 더 많은 고객에게 신용대출 서비스를 제공합니다. 이러한 알고리즘으로 개인간 금융서비스 거래를 제공하는 업체로는 Poland의 Firendly Score와 Hongkong의 Lenddo가 있습니다. 우리나라에서도 이러한 다양한 금융서비스가 출시되면 좋겠네요 ^^

 

---

"다양한 기회가 존재하는 제조산업의 AI 알고리즘!!"

 

글로벌 컨설팅 펌들에서는 다양한 데이터가 발생하고 축적되어 있는 제조산업 분야에서 앞으로 AI알고리즘의 활용도가 높아질 것이라 기대하고 있습니다. 제조사 내부에서도 이러한 기회를 인지하고 다양한 형태로 AI 알고리즘을 활용하기 위해 노력하고 있으며 이러한 활동들의 목표 그림이 바로 'Smart Factory' 입니다 ^^ 다른 곳들에서는 'Brilliant Factory'라고도 합니다.

Smart Factory의 과정은 아직까지도 수작업으로 이루어지는, 또는 중복되거나 처음부터 불필요 했던 작업에 대한 정보화, 자동화를 통한 TCO 절감과 생산 효율성 및 생산량 향상을 통한 경쟁력 확보의 연속이 될 것입니다. 이 과정에서 AI 알고리즘을 기반으로 지능화를 함께 이룰 수 있다는 기대를 갖고 있습니다.

 

제조부문에서는 GE나 IBM의 'Smart Factory'와 'Brilliant Factory'가 사례가 AI 알고리즘 활용의 대표적이지만, 너무 잘 알려져 있는 것 같아서 다른 사례 두개를 준비해 보았습니다 '-'

 

먼저 CSOT의 AI 솔루션 도입 사례 입니다 '-'

1. Business Challenge : CSOT은 중국 선전에 위치한 Display 제조업체입니다. 시장이 커짐에 따라서 물량, 품질, 스펙에 대한 고객의 요구가 높아지고 이를 맞춤과 동시에 On-Time Delievery를 위한 기반 마련이 시급해 졌습니다.

2. Smart Factory 化 : 이에 CSOT에서는 제조 프로세스 최적화와 95%에 이르는 제조 공정의 자동화를 달성했으나 품질검사 단계의 시간절감 이슈가 문제가 되었습니다.

3. AI Based Solution 도입 : CSOT은 품질검사 단계에 AI Solution을 도입하여 품질검사 lead시간을 단축하고, 생산비를 절감함으로써 더 효율적이고 수익성 높은 공정을 이룩했습니다.

 

다음은 FANUC 사례입니다.

Deep Learning 기반의 산업용 로봇을 통해 생산성 증대를 기대할 수 있게 되었습니다. Deep Learning 기반인 만큼 샘플의 수가 많을수록 정확도가 높아지며, 현재 5,000개 샘플 기준 90%의 정확도(전문가 수준)를 보여주고 있습니다.

 

AI 알고리즘 기반의 솔루션과 Deep Learning 기반의 기계설비로 제조산업의 혁신이 지속적으로 이루어질 것이라 기대할 수 있게 만드는 좋은 사례라고 생각합니다 ^^

---

"제조산업의 AI알고리즘 활용 기회!"

 

Mckinsey, Deloitte, Gartner와 같은 대형 글로벌 컨설팅 펌들에서는 AI 알고리즘을 통한 제조 Yield 향상 및 Scrap 발생률 감소를 통한 FAB 운영 최적화로 제조 산업의 혁신이 이루어질 수 있을 것이라고 전망하고 있습니다.

예시로 준비한 것은 반도체 공정입니다.

AI 알고리즘을 기반의 실시간 칩 디자인 및 공정정보 분석은 Yield 향상과 더불어 향후 의사결정의 기반을 마련하는 기회가 될 수 있을 것이며, 실시간 Reporting을 통해 현업 엔지니어 부터 경영진까지 같은 정보를 함께 공유하는 기반을 마련할 것이라고 기대합니다.

AI 알고리즘에 IIoT(Industrial Internet of Things)와 Big data를 결합하면, 센서를 통해 정보를 실시간으로 수집하여 유지보수 예측으로 downtime이 감소하는 기회를 창출할 수 있을 것입니다.

 

AI 알고리즘. 국내외 제조 대기업들이 Smart Factory로 가는 길의 다리가 될 것이라 기대해 봅니다!

 

Source

1. “Machine Learning Provides Predictive and Prescriptive”(2016), Mckinsey

2. “AL l ML l DL Use Cases Across Industries (2018)”, IDC 재구성

3. Koscom 웹사이트 재구성

4. 금융보안원, 금융보안 분야 레그테크 도입방향, 금감원 레그테크 포럼 발표자료(2017) 재구성

5. “Big Data: 20 Mind-Boggling Facts Everyone Must Read(2015)”, Forbes, “The Digital Universe In 2020(2012)”, EMC, “The age of Analytics(2016)”, McKinsey Global Institute, “Big data(2011)”, McKinsey Global Institute, “Industrial Design(2017), National Endowment for the Arts

6. “Shenzhen China Star Optoelectronics Technology Co., Ltd(2018)” IBM

7. “Fabrication plants are struggling to manage increased complexity along the semiconductor value chain(2016), McKinsey&Company

8. 삼정KPMG “비즈니스 기회 창출을 위한 AI알고리즘의 활용(2018)＂