현실 세계에선 비즈니스 운영으로 인해 데이터양이 지속적이고 기하급수적으로 증가합니다. 가상 세계에선 AI(Artifical Intelligence)가 현실 데이터를 실행 가능한 증거로 변환하지만, 이를 번역하는 과정에서 언어의 뉘앙스가 손실되기 쉽습니다. 만약 이때 컴퓨터에 구문을 이해하도록 가르친다면 정보 지능이 향상되지 않을까요?
제 동료 중 한 명은 언어를 이해하는 것이 말처럼 쉽지 않다고 말하곤 합니다. 이렇듯, 그의 캐치프레이즈 (Catch Phrase) 자체가 인간이 말하고 쓰는 언어에는 AI의 이해 수준을 넘어서는 의미가 내포되어 있다는 것을 증명하기에, 앞선 그의 말은 쉽게 무시할 수 없습니다.
자연어 처리(Natural Language Processing, NLP) 소프트웨어 회사 프록셈 (Proxem)의 설립자인 프랑수아 레지스 쇼마르탱(François-Régis Chaumartin)은 2020년 첫 만남 때 다음과 같이 말했습니다. "어른이 되면서 잊어버렸겠지만, 학교에서 읽고 쓰는 법을 배우는데 오랜 기간이 걸렸죠. 읽고 쓰는 법을 배우는 게 왜 이렇게 어려울까요? 바로 인간의 언어는 중의성을 가지고 있기 때문입니다. 즉, 우리는 한 단어로 많은 개념을 설명하고, 하나의 개념을 여러 단어로 설명합니다."
인간의 언어는 아름답지만, 속어, 진부한 표현, 구의 전환, 반어법, 동음 이의어 같이 컴퓨터가 이해하기 어려운 복잡 미묘한 요소들을 가지고 있습니다. 전 세계적으로, 각 언어와 방언은 고유한 뉘앙스를 가지고 있기 때문에 모든 번역과 해석에는 오류가 생길 여지가 있습니다. 이것이 바로NLP가 수년 동안 데이터 사이언스 및 AI 분야에서 제대로 성과를 내지 못했던 이유입니다.
회사 지식의 80% 이상이 규정, 요구 사항, 계약서, 이메일 및 소셜 미디어를 비롯한 텍스트 문서 뒤에 암묵적인 형태로 숨겨져 있습니다. 이때, 의미론적 분석을 제대로 하지 못하면 약한 신호를 놓치기 쉽습니다. 예를 들어 맞춤법 오류, 업계 용어 및 인터넷 채팅 용어로 인해 분류가 잘못되거나, 심지어 귀중한 데이터가 빠지는 일이 발생합니다. 이때, 많은 양의 텍스트 데이터를 신속하고 정확하게 관련 개념과 실행 가능한 인사이트로 변환하는 능력이야말로 비즈니스의 핵심 이점입니다.
자연어와 머신 러닝 기술을 결합한 강력한 의미론적 지능은 지식 해석을 자동화해 암시적 지식을 명시적 지식으로 변환합니다. 모든 사람이 명시지를 사용하게 되면 기업과 소비자, 환자, 파트너 또는 직원 간의 긴밀한 연결망이 생성되어 그들의 경험과 기대에서 인사이트를 포착하고 맥락화합니다. NLP는 많은 양의 정보 흐름을 명확하고 예리하게 현황과 동향으로 변환함으로써 개별 경험을 하나로 모아 재사용이 가능한 지식으로 만듭니다. 이러한 현황과 동향은 운영 우수성을 개선할 뿐만 아니라 혁신 기회를 파악하는 데에도 사용합니다. 혁신은 결과적으로 고객 만족도와 충성도를 높여 비즈니스 성과를 향상합니다.
지금까지 NLP는 보고서를 분석, 고객 피드백 응답, 검색 결과 개선에 사용되었습니다. 하지만 이제 장비에 대한 예측 유지 관리를 통해 운영 효율성을 개선하는 고급 애플리케이션으로 인식되고 있습니다. 예를 들어, 유사한 고객 클레임을 자동으로 식별하는 기능 덕분에 모든 산업 분야에서 품질 결함을 조기에 감지합니다. NLP 덕분에 버츄얼 트윈(Virtual Twin) 환경에 무한대의 지식과 노하우를 적용하게 되었으며, 디자이너와 엔지니어가 정확한 3D 환경에서 차질 없이 새로운 제품과 프로세스를 생성하게 되면서 무한한 가능성이 열리고 있습니다.
우리는 빅데이터 시대에 살고 있지만, 필요한 모든 정보를 손에 넣을 수 없습니다. 인간의 언어를 제대로 이해하도록 AI를 가르치면서 훨씬 더 지능적이고 혁신적인 고객 중심 기업으로 나아갈 가능성이 커지고 있습니다.
모건 짐머만(Morgan Zimmermann), 다쏘시스템 넷바이브즈 (NETVIBES) CEO
