[NIPA AI 교육/응용] 09. 산업별 AI 혁신 사례 살펴보기

1. 제조 분야에서의 인공지능

1.1. 스마트팩토리

• 제조 생산을 위한 수직적 통합 및 네트워크화된 제조 시스템을 갖춘 공장
• 제조 공정 및 운영 데이터와 통합

1.1.1. 오작동 모니터링(설비 혁신)

• 기계 설비의 오작동률은 환경(제조율, 습기, 온도 등)에 따라 다름
• 따라서 특정 센서(1~2개)만으로 오작동을 예측하기에는 정확도에 한계가 있음
• 즉, 다양한 데이터에 기반한 AI를 사용하여 한계를 극복, 오작동 시점을 예측할 수 있음

1.1.2. 제품 성능 모의 실험(품질 혁신)

• 실제 공장을 만들어 제품 생산을 테스트하는데에는 막대한 시간과 비용 소모
• 데이터에 기반한 가상의 공장에서 모의 실험을 진행하여, 제품 개발, 제품 개선, 유지 보수 등 진행

1.1.3. 데이터 기반 의사결정 최적화(운영 혁신)

• 스마트팩토리 내에서 창출되는 빅데이터 분석을 통하여 의사 결정 최적화
• 데이터 기반의 최적 운영 스케쥴링 등을 통해 전력 사용량 절감 등 활용 가능

---

1.2. 산업 자동화

• ICT와 기계 기술 등을 활용하여 정해진 툴에 의해 자동 운전이 가능
• 제조 공정 자동화를 통한 인건비 및 운영비 절약

1.2.1. 공정 효율 증대

• AI 기술을 활용하여 기존에 사람이 발견하지 못했던 비효율 등의 발견이 가능
• 데이터 분석을 통해 병목 및 개선이 필요한 지점을 찾아 공정 최적화
• 분석에 기반하여 이를 최적화 할 수 인쓴 인공지능 솔루션을 적용할 수 있음

1.2.2. 재고 관리 및 물류 자동화

• 데이터화 된 물류 자원을 공유하여 수요 및 공급 예측

---

1.3. 인공지능 적용을 위해 필요한 점

1. 해당 도메인에서의 확실한 목표 확립
2. 데이터 분석 전문가와의 지속적인 커뮤니케이션
3. 인공지능에 필요한 데이터를 확보할 수 있는 환경 조성

---

2. 이커머스 산업의 AI 혁신

2.1. 맞춤형 상품 추천

• 고객은 스스로 겨험한 적 없는 상품에 대한 선호도 파악이 어려움
• 보유한 데이터를 바탕으로 고객군 별로 모든 상품에 대한 선호도를 예측하여, 고객 개개인에게 해당 선호도 예측 결과값을 제공
• 소비자 개개인의 데이터에 기반해 추천 상품 목록을 제작 및 제공, 추가 매출 기회 획득

 

2.1.1. 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 쌓일수록 정밀한 예측이 가능

 

2.1.2. 유튜브 추천 알고리즘

• 유튜브의 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 동영상을 추천

---

2.2. 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

---

2.3. 고객 편의 서비스 제공

• 쇼핑의 편의성을 높일 수 있도록 다양한 인공지능 기술을 활용한 서비스 제공
• Amazon의 AI 비서 알렉스의 경우 AI 스피커를 활용하여 주문 상황 조회, 배송 조회, 제품 추천, 기존 상품 재구매 등의 다양한 편의 기능을 지원하여 추가 매출 기회 획득
• 챗봇은 고객문의에 대한 신속한 처리로 고객의 편의는 물론 다각화된 문의 대응 가능

---

3. 웹/앱 서비스 산업 내 AI 혁신

웹/앱 서비스 분야에서의 사용자 패턴 분석을 통한 인공지능 활용

 

3.1. 방문정보 분석(PV, 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

---

3.2. 웹/앱 서비스 내 (화면단위) 행동 패턴 분석

• 행동 데이터
  • 사용자가 서비스를 사용하며 겪게 되는 행동을 데이터화 한 것
• 웹/앱 서비스의 기본 단위인 '화면' 단위의 고객행동 패턴 분석
• AI가 고객의 행동 데이터를 분석하여 고객의 행동을 예측
• 고객의 행동에 맞춘 반응형 이벤트 노출 등으로 고객 이탈 방지, 추가 매출 기회 제안

---

4. 금융/재무 산업에서의 AI 혁신

4.1. 업무 자동화

• 기존의 반복 업무를 자동화하는 SW 기술인 RPA(Robotic Process Automation)에 인공지능을 접목하여 스스로 판단하여 업무 수행을 하는 인지형 RPA 기술이 활용됨
  • 보안 : 데이터 보안 및 관리
  • 비용절감 : On-share > Off-Shore > Robot
  • 자료 공유 및 업무 확장성 : 업무량 증가 및 변동에 유연한 대응
  • 업무 생산성 향상 : 24시간 작동, 빠른 처리 속도
  • 이상 탐지 : 이상치 데이터 탐지 및 분류
  • 업무 품질 향상 : Human Error 제거

 

4.2. 금융 편의 서비스

• 고객의 편의성을 높일 수 있는 인공지능 기반 인터페이스를 제공하여 송금, 조회, 이체, 금융 상품 추천, 마케팅 등의 금융 서비스를 제공
• 로도 어드바이저라고도 함

 

4.3. 개인화된 자산 운용 서비스

• 고객의 투자성향과 투자금액에 따라 개인 맞춤형 자산 운용 서비스를 제공

 

4.4. 신용평가

• 인공지능 기반의 기술을 바탕으로 고객의 신용 등급을 세밀하게 평가
• 기존 금융의 정보 뿐만 아니라 비금융정보까지 분석함으로, 금융 서비스 사각지대의 고객까지 서비스 범위 확대