책 속으로

딥러닝 방식의 인공지능은 그동안 인공지능 과학자들이 추구해 왔던 인간의 일반지능에 상당하는 지능은 아니다. 이러한 인공지능 연구의 성과에 대해 스탠퍼드대학교의 유명한 인공지능 연구자인 페이페이 리(Fei-Fei Li) 교수는 “현대의 인공지능은 화재가 발생한 집 안에서 완벽한 바둑 한 수를 두는 기계를 의미한다”라고 설명한다. 리 교수는 현재 활용되고 있는 인공지능 지식과 기술이 범용성을 결여하고 있고, 주변 환경에 대한 인식 기능이 없어서 작동 환경에 대한 맥락을 이해하지 못하는 한계를 지니고 있다고 지적한다.
그렇다면 현재까지 개발, 활용되고 있는 좁고 약한 인공지능의 한계를 뛰어넘어 일반적이고 강한 인공지능을 개발할 가능성은 얼마나 될까? 1950년대 후반에 시작된 인공지능 연구가 60여 년이 지난 지금까지 일반적이고 강한 인공지능을 개발하지 못했으니 앞으로도 어려울 것이라고 보아야 할까? 인공지능 분야의 비전문가인 저자들이 이 문제를 판단하기란 거의 불가능하다. 다만 오늘날 좁고 약한 인공지능 연구의 핵심 아이디어와 이론모형을 제시한 로젠블랫은 자신의 연구 방향의 핵심이 인간 지능활동의 논리적·과학적·이성적 사고방식을 재현하려는 것이 아니라 ‘경험주의적’ 입장에서 인간의 지능 활동을 관찰하고 이를 재현하려는 것이라고 주장한 바 있다. _제1장 하이에크의 변명, 51~52쪽

의식과 무의식의 배분은 나름대로 최적화되어 있다. 예를 들어 새로운 일은 의식적 사고 작용의 비중이 크며, 힘든 일이 된다. 수학문제 풀기, 컴퓨터 코딩은 초기에는 한 단계도 빼지 않고 의식적·논리적으로 하는 행위이다. 대부분의 사람들이 수학 공부를 싫어하는 이유는 수학 공부가 반사작용, 기억력, 균형 감각, 영감에 의한 창조적 사고 등 무의식적 지능 활동보다는 의식하의 지능 활동을 필요로 하기 때문이다. 그리고 이런 활동은 뇌를 피곤하게 하는 에너지 다소비 활동이다. _제2장 합리주의와 경험주의의 대결, 89쪽

현재의 인공지능 컴퓨터 시스템은 컴퓨터의 처리 용량, 처리 속도의 향상 성과를 반영하여 좀 더 많은 종류의 데이터를 활용하고, 좀 더 빠른 주기로 패턴을 찾아내 업데이트하여 금융업무 등에 활용할 수 있게 된 것이라고 평가할 수 있다. 결국 인공지능 시스템이 경험을 통해 스스로 이해하고 배우며 진보하는 단계까지 발전되기 이전에는 인공지능 컴퓨터 시스템은 여전히 금융인을 위해 복잡한 계산을 빠르고 정확하게 수행하는 계산 도구에 머물러 있을 전망이다. 앞으로도 한동안 금융인들의 경험과 관찰, 통찰력 등이 금융부문에서 핵심적이고 희소한 자원이겠지만, 동시에 인공지능 컴퓨터 기술을 이용해 예측력이 높은 금융활동 관련 패턴체계를 찾아내고 유지·관리할 수 있는 역량을 확보하지 않으면 금융인이 금융인으로서의 경쟁력을 유지하기가 어렵게 될 것으로 판단된다. _ 제3장 알 수 없는 미래와 금융산업, 121쪽

금융산업에서의 인공지능 및 기계학습의 활용 현황은 다음과 같다. 금융기관 및 관련 기업들은 고객 응대, 가격 측정, 보험계약, 신용평가 등의 정확성 제고를 목적으로, 헤지펀드, 브로커, 딜러 등은 수익성 제고와 트레이드 최적화 등의 목적으로, 인공지능 및 기계학습을 도입하여 활용하고 있다. …… 금융권의 인공지능 도입 및 디지털 전환 시도를 통한 서비스 개선 및 효율화 달성 시도 이면에는 금융권 인력의 감축 및 그로 인한 고용 불안정 및 축소 가능성이 있다. 국내 금융권에서도 인공지능 기술을 활용한 업무 효율성 향상 모색이 활발하게 진행 중이지만 아직까지는 많은 사람들이 우려하고 있는 단기간의 대량 고용축소가 발생하지는 않은 상황이다. 다만 글로벌 금융위기 이후 이루어진 은행권을 중심으로 한 영업점의 감소와 그에 따른 은행원의 감소 추세는 꾸준히 지속되고 있다. _ 제4장 국내외 금융분야 인공지능 활용 현황, 127, 128쪽

인공지능과 빅데이터는 불가분의 관계이다. 데이터 없이는 인공지능의 성능 개선을 기대할 수 없고, 반대로 인공지능의 분석이 수반되지 않는 데이터의 가치는 매우 낮다. 특히, 인공지능의 성능이 투입되는 데이터의 양과 질에 크게 의존한다는 것은 잘 알려진 사실이다. 모든 금융기관들이 인공지능을 활용하는 것은 시대적 흐름이다. 그런데 주목해야 하는 사실은 모든 금융기관들이 보유하고 활용할 수 있는 데이터의 양과 질이 동일하지 않다는 것이다. _ 제6장 인공지능 활용이 금융산업 조직에 미치는 영향, 200쪽

전산화나 인공지능 적용이 용이한 정형적·단순 반복적 직군인 창구 사무원, 출납원, 은행 심사역, 카드 신청·정산 사무직, 단순 영업사원, 보험계약 체결·심사·지원 및 시황·동향 분석인 등과 같은 업무는 축소될 가능성이 높다. 반면에 같은 PB 업무라고 하더라도 고객과의 접점에서 창의성, 감수성이 요구되는 직종, 여러 가지 상황을 고려해서 고도의 정성적인 판단이 요구되는 데이터 분석가, 매니저의 역할은 유지되거나 오히려 확대될 수 있고, 인공지능 기술을 활용하는 새로운 수요가 창출될 수도 있을 것이다. _ 제7장 인공지능과 금융산업 고용 전망, 208쪽

… 컴퓨팅 파워의 증가로 표준화가 가능하고, 단순반복 업무의 상당 부분은 자동화로 대체된다는 점이다. 예를 들어 은행의 텔러 업무와 자료와 규정을 뒤지던 사서 작업은 전산으로 완전히 대체될 것이고, 중간 관리자 업무도 많이 없어질 것이다. 반면에 앞서 언급한 여신 심사역과 리스크 관리자의 업무 중 머신러닝과 딥러닝으로 대체가 어려운 사각지대뿐만 아니라, 고객과 접점 업무 중 대체 불가능하거나 현장에서 심도 깊은 대면 작업이 필요한 업무, 또는 경영자의 판단이 필요한 업무는 향후에도 인간 노동자의 영역으로 유지될 가능성이 있다. 특히 고객과의 접점 중 상품을 추천하는 기능은 인공지능을 보완재로 사용하는 인간 노동자의 새로운 영역으로 진화할 가능성이 있다. _ 제7장 인공지능과 금융산업 고용 전망, 230~231쪽

제1부 인공지능에 대한 이해
제1장 하이에크의 변명
제2장 합리주의와 경험주의의 대결
제3장 알 수 없는 미래와 금융산업

제2부 인공지능 활용 현황과 전망
제4장 국내외 금융분야 인공지능 활용 현황
제5장 금융부문 인공지능과 데이터 정책
제6장 인공지능 활용이 금융산업 조직에 미치는 영향
제7장 인공지능과 금융산업 고용 전망