in where? 🦸‍♀️ - AI examples

1. 제조/IoT 산업 내 AI 혁신과 스마트팩토리

[1] 제조 분야

{1} 스마트팩토리

- 제조 생산을 위한 수직적 통합 및 네트워크화된 제조 시스템을 갖춤

- 제조 공정 및 운영 데이터와 통합

- 오작동모니터링(설비혁신) -> 제품성능모의실험(품질혁신) -> 데이터 기반 의사결정 최적화(운영혁신) 순서로 진행

 

* 오작동 모니터링

- 기계 설비의 오작동율은 환경(제조율, 습기, 온도 등)에 따라 다름

- 따라서 특정 센터 1-2개만으로 오작동을 예측하기에는 정확도의 한계가 존재

- 다양한 데이터에 기반한 AI를 사용하여 한계 극복, 오작동 시점을 예측 가능

 

* 제품성능모의실험 (Digital twin)

- 실제 공장을 만들어 제품 생산을 테스트하는 데에는 막대한 시간과 비용 소모

- 데이터에 기반한 가상의 공장에서 모의 실험을 진행하여 제품 개발, 제품 개선, 유지보수 등 진행

 

ex) 지멘스의 전사 통합 자동화 플랫폼 TIA

- SIEMENS사는 독일의 유럽 최대 엔지니어링 회사

- 제품 설계 - 생산계획 - 생산 엔지니어링 - 생산 - 서비스에 이르는 제조 과정을 통합한 TIA(Totally Integrated Automation, 전사통합자동화)로 digital twin 실현

- SIEMENS는 지난 20여년간 생산량을 13배 증가시켰으며, 인력은 그대로 유지하면서 제품 불량률을 0.0009% 수준으로 떨어뜨림

 

* 데이터 기반 의사결정 최적화

- 스마트팩토리 내에서 창출되는 빅데이터 분석을 통하여 의사결정 최적화

- 데이터 기반의 최적 운영 스케쥴링 등을 통해 전력 사용량 절감 등 활용 가능

 

 

{2} 산업자동화 - 공정 자동화

- ICT와 기계 기술 등을 활용하여 정해진 tool에 의해 자동 운전 가능

- 제조 공정 자동화를 통한 인건비 및 운영비 절약

 

* 공정 효율 증대

- AI 기술을 활용하여 기존에 사람이 발견하지 못했던 비효율 등의 발견이 가능하다

- 데이터 분석을 통해 병목 및 개선이 필요한 지점을 찾아 공정 최적화

-> 분석에 기반하여 이를 최적화할 수 있는 인공지능 솔루션을 적용할 수 있다.

 

* 재고 관리 및 물류 자동화

- 데이터화된 물류 자원을 공유하여 수요 및 공급 예측

- 사람의 도움 없이 하차, 검수, 적재, 분류, 상차에 대한 물류 전 과정 자동화

{3} 인공지능 적용을 위해 필요한 점

* 해당 domain에서의 확실한 목표 확립

 

* 데이터분석전문가와의 지속적인 communication

 

* 인공지능에 필요한 data를 확보할 수 있는 환경 조성

2. E-Commerce 산업의 AI 혁신

[1] 맞춤형 상품 추천

* 고객은 스스로 경험한 적 없는 상품에 대한 선호도 파악이 어려움

* 보유한 데이터를 바탕으로 고객군 별로 모든 상품에 대한 선호도를 예측하여 고객 개개인에게 해당 선호도 예측 결괏값을 제공

→ 소비자 개개인의 데이터에 기반해 추천 상품 목록을 제작 및 제공, 추가 매출 기회 획득

 

 

{1} 추천 알고리즘

- 미리 설정한 규칙 기반 추천이 아닌, 고객 데이터에 따른 인공지능형 추천 알고리즘

- 구매 내역, 고객 프로파일, 소비 패턴, 상품 선호도 등의 데이터를 바탕으로 미래의 소비를 예측

→ 고객들의 선호도 데이터가 많이 쌓일 수록 정밀한 예측이 가능하다

 

 

- 상단 예) 내가 구매한 물품과 유사 상품을 추천해주는 방식 / 이용자 1이 피자를 살 때 같이 샀던 물품 데이터를 기반으로 다른 이용자2가 피자를 살 때 같이 추천해줌

 

* 유투브 추천 알고리즘

- 유투브의 경우 추천 알고리즘을 가장 적극적으로 사용하는 대표적인 서비스

- 대부분의 조회수가 검색이 아닌 추천 동영상을 통해 발생

- 고객 개인의 취향과, 영상 간의 관계, 동질 집단의 특성 등을 분석하여 맞춤 동영상 추천

[2] 개인화된 마케팅 전략

* 고객 개개인의 특성을 분석하여 소비자들 각각에 최적화된 서비스를 제공

* 다양한 도구를 통해 고객 프로파일, 행동, 성향, 관심사 데이터 등을 수집하여 분석

→ AI를 활용하여 고객별 구매 성향을 예측하여 맞춤형 마케팅 메시지 도출 가능

 

[3] 고객 편의 서비스 제공

- 쇼핑의 편의성을 높일 수 있도록 다양한 인공지능 기술을 활용한 서비스 제공

- Amazon의 AI 비서 Alexa의 경우 AI 스피커를 활용하여 주문 상황 조회, 배송 조회, 제품 추천, 기존 상품 재구매 등의 다양한 편의 기능을 지원하여 추가 매출 기회 획득

- Chatbot은 고객문의에 대한 신속한 처리로 고객의 편의는 물론 다각화된 문의 대응 가능

3. Web/App 서비스 산업 내 AI 혁신

[1] 방문정보 분석 (PC, UV, 신규방문 및 재방문 비율 등)

* 연령/성별, 지역, 트래픽 소스, 방문페이지, 제품 등의 측정 기준을 통해서 사용자의 특성 분석

→ 사용자의 유지 이탈, 집단 간 상이한 행동 패턴 분석 가능

ex) Google Analytics, Google Firebase

[2] Web/App 서비스 내 (화면단위) 행동 패턴 분석

* 행동데이터 = 사용자가 서비스를 사용하며 겪게 되는 행동을 데이터화 한 것

ex) 익스피디아 A/B test, 웹사이트 내 heatmap 분석

 

 

- A안과 B안을 랜덤으로 나누어 사용자의 행동 결과를 분석하고 후보 중 한 곳을 선택 (A/B test)

- 히트맵 분석을 통해 사람들이 제일 마우스를 많이 올리는 곳에 주목을 끌고 싶은 컨텐츠 또는 원하는 광고를 게재하게끔 한다

 

* 기본 단위인 '화면' 단위의 고객행동 패턴 분석

- 마우스 클릭, 마우스 오버, 스크롤, 체류시간 등등 AI가 고객의 행동 데이터를 분석하여 고객의 행동을 예측한다

→ 고객의 행동에 맞춘 반응형 이벤트 노출 등으로 고객 이탈 방지, 추가 매출 기회 제안

4. 금융/재무 산업에서의 AI 혁신

[1] 업무 자동화

* 기존의 반복업무를 자동화하는 SW 기술인 RPA(Robotic Process Automation)에 인공지능을 접목하여 스스로 판단하여 업무 수행을 하는 인지형 RPA 기술이 활용됨

- 보안: 데이터 보안 및 관리

- 자료 공유 및 업무 확장성: 업무량 증가 및 변동에 유연한 대응

- 이상 탐지: 이상치 데이터 탐지 및 분류

- 비용절감: On-shore - Off-shore - Robot

- 업무 생산성 향상: 24시간 작동, 빠른 처리 속도

- 업무 품질 향상: Human Errror 제거

[2] 금융 편의 서비스

* 고객의 편의성을 높일 수 있는 AI기반 interface를 제공하여 각종 금융 서비스 제공

 

[3] 개인화된 자산 운용 서비스

* 고객의 투자성향과 투자금액에 따라 개인 맞춤형 자산 운용 서비스 제공 (로보어드바이저와 비슷)

 

- 다양한 금융사의 예 -

[4] 신용평가

* 인공지능 기반의 기술을 바탕으로 고객의 신용등급을 세밀하게 평가

- 기존 금융 정보 뿐만 아니라 비금융정보까지 분석함으로 금융 서비스 사각지대의 고객의 서비스 범위 확대

 

 

* 모든 내용 출처) 2021 NIPA/AI 기본/응용 교육과정