하버드 머스트 리드 AI경영 / 마이클 포터

Lesson 01 실생활 속 AI
- 토머스 H. 대븐포트 & 라지브 로난키

• 기업은 AI기술을 대할 때 변혁적 접근법보다는 점진적 접근법을 취해야 하고, 인간의 능력을 대체하기보다 증강하는 쪽에 무게를 둬야한다.
• AI를 최대한 활용하려면 어떤 기술이 어떤 업무를 수행할 수 있는지 알아야 한다. 그리고 업무상의 필요에 따라 프로젝트 포트폴리오의 우선순위를 정하고, 프로젝트를 조직 전체에 확대 적용하기 위한 계획을 수립해야 한다.
• AI를 둘러싼 과대 선전 혹은 과대포장이 심했고, 실제로 여기에 속아 휘둘린 기업도 적지 않았다.

AI의 세가지 유형
1) 업무 처리 자동화 - 로봇 업무 처리 자동화 (RPA, Robotic Process Automation)
2) 인지적 통찰력
3) 인지적 관여

 

• 기술의 기초를 배우는 데 꼭 필요한 통계 및 빅데이터 기술을 지닌 핵심 직원의 역량을 적극적으로 활용해야 한다. 성공의 핵심요인은 바로 직원들의 학습 의지다. 
• 작업 흐름의 체계적 재설계가 필수적이다.

Lesson 02 스티치픽스 CEO가 직접 말하는, AI 스타일링 기술
- 카트리나 레이크

• 앞으로 10년 후에는 사람들이 청바지를 어떤 식으로 구매할까?
• 머신 러닝의 필수요소
  1) 데이터 과학자가 CEO에게 직접 보고한다.
  2) 데이터 과학으로 혁신을 이룬다.
  3) 사람도 중요하다.

 

Lesson 03 알고리즘도 관리자가 필요하다
- 마이클 루카 & 존 클라인버그 & 센딜 멀레이너선

• 알고리즘은 기획의 필수 도구지만, 의사결정자를 잘못된 길로 이끌기 쉽다.
• 알고리즘을 만들 때 달성하고자 하는 목표 전부를 정확히 지정한다. 조사 대상 데이터가 장기적으로 어떤 영향을 미치는지 고려한다. 입력할 데이터를 제대로 선택했는지 확인한다.
• 알고리즘의 역량, 즉 답변을 하는 질문과 답변을 하지 못하는 질문이 무엇인지 분명히 알아야 한다.
• 알고리즘은 근시안적인 경향이 있다. 단기적인 결과와 관련된 데이터에 초점을 맞춘다.
• 데이터의 길이, 즉 데이터의 양이 늘어나도 예측력이 증가하지만, 빅데이터의 위력은 데이터의 폭, 즉 폭넓은 데이터 수집에서 나온다. 포괄적인 정보의 활용이야말로 예측력의 핵심이다.
• 데이터는 다양해야 한다. 데이터의 출처 간에 상호 연관성이 적어야 한다.
• 상관관계가 곧 인과관계라는 등식은 성립하지 않는다.

 

Lesson 04알렉사 시대의 마케팅
- 니라즈 다와르

• 플랫폼이 신뢰성 있게 일 처리를 잘할수록 자연히 사용자의 충성도가 높아지고 더불어 사용자는 더욱 늘어난다. 시간이 지날수록 소비자의 선호도와 습관을 더 잘 알게 되므로 사람들의 니즈를 예측해 이를 충족시키기가 훨씬 수월해진다. 이로 말미암아 플랫폼 사용자는 더욱 늘어난다.
• 궁극적으로 고객을 만족시키는 일은 고객 자신보다는 AI비서가 더 잘할지도 모른다.
• 가장 중요한 일은 신뢰를 구축하는 일이다. - 정확성, 균형감, 사생활보호
• 브랜드가 던져야 하는 세 가지 질문
  1) 플랫폼은 누구를 위해 일하는가?
  2) 플랫폼을 통해 얻으려는 것이 무엇인가?
  3) 플랫폼이 우리를 선택하게 하려면 어떻게 해야 하는가?
  - 포지셔닝에 대한 대가를 지급하는 것
  - 데이터를 기초로 고객의 명시적, 묵시적 니즈에 부합하도록 계속해서 제품을 혁신하는 것

 

Lesson 05모든 조직에 증강현실 전략이 필요한 이유
- 마이클 E. 포터 & 제임스 E. 헤플만

• 증강현실의 핵심은 데이터 및 데이터 분석 내용을 이미지나 동영상으로 전환해 실제 세계에 겹쳐 놓는다는 것이다.
• 증강현실 자체가 제품의 일부이다.
• 제조업체는 차세대 인터페이스가 자사 제품과 경쟁적 포지셔닝에 미칠지 모를 파괴적 영향력에 매우 진지하게 생각해볼 필요가 있다.
• 증강현실은 다양한 차별화 수단을 제시한다.
• 증강현실 포트폴리오를 확대하려면 캐드와 기타 모든 출처에 있는 기존 3차원 디지털 자산의 목록을 만들고 디지털 모형화 역량을 구축하는 부문에 투자해야 한다.
• 제품 인터페이스 용 증강현실 애플리케이션 대부분이 두부 장착형 디스플레이 HMD 를 활용하는 추세가 되리라 본다.
• 사용자는 절반은 현실이고, 절반은 가상인 세계를 보게 된다.
• 클라우드에 있는 사물의 디지털 쌍둥이, 즉 사물과 똑같은 디지털 이미지로 존재하는 3차원 디지털 모형은 스마트 사물과 증강현실 사이를 연결하는 다리 역할을 한다. 이 모형은 대체로 제품 개발 단계에서 캐드, 즉 컴퓨터를 이용한 설계 혹은 물리적 사물을 디지털화하는 기술로 만들어낸다.
• 미래 시계에서 인간의 역할을 잘못 이해한 부분이 있다. 인간은 기계와 알고리즘으로는 단기간에 따라잡을 수 없는 고유한 장점이 있다. 우리 인간은 지금의 로봇 능력을 훨씬 능가하는 정교한 운동기능을 보유하고 있다.
•  

 

Lesson 06드론, 일터로 가다
- 크리스 앤더슨

• 드론의 진정한 위력은 하드웨어가 아니라 소프트웨어에 있다.
• 새로운 기능이 자동으로 업데이트 - 이러한 기기를 엑소트로픽 Exotropic 
  이는 엔트로피와 달리 시간이 지날수록 가치가 상승하는 경향이 있다.

 

 

Lesson 07블록체인에 관한 진실

- 마르코 이안시티 & 카림 R. 라카니

• 분산형 데이터 베이스
  P2P 전송
  익명성과 투명성
  기록의 비가역성
  전산 논리
• 어떤 사업이든 간에 거래 내역을 꼼꼼히 기록하는 것이 핵심이다.

 

 

Lesson 083D 프린팅 전략 교본
- 리처드 A. 다베니

• 기존 공장에서 사용하던 값비싼 조립 라인을 대대적으로 변경하거나 공장시설을 확장 혹은 재편성하는 동안 공장 문을 닫지 않아도 된다.
• 3D프린터 자체가 금형기능을 갖춘 기존의 기계설비보다 대체로 저렴하다.

 

 

Lesson 09협업지능: 인간과 AI가 힘을 합치다
- H. 제임스 윌슨 & 폴 R. 도허티

• 기계가 인간을 대체한다는 것은 불가피하지도 않고, 가능성이 높지도 않다. 지금처럼 디지털 도구가 인간의 요구에 잘 반응한 적도, 인간이 디지털 도구에 잘 대응한 적도 없었다.
• 1) 비지니스 프로세스를 재설계하라
  2) 실험과 직원참여를 수용하라
  3) AI전략을 적극적으로 지휘하라
  4) 책임감있게 데이터를 수집하라
  5) AI가 통합되도록 업무를 재설계하고 직원의 관련능력을 개발하라
• 모든 문제의 종류
  1) 아는 것을 모르는 것
  2) 모르는 것을 아는 것
  3) 모르는 것을 모르는 것

 

 

Lesson 10상사가 로봇이라면
- 월터 프릭

• 기계가 우리보다 더 많이 알 때도 있다는 사실을 인정해야 하는 상황이다.
• 사람들은 알고리즘이 실수한 것을 보면 이에 대한 신뢰를 잃는다. 인간이 실수했을 때는 신뢰를 잃지 않는다.

 

 

Lesson 11허브 경제의 관리
- 마르코 이안시티 & 카림 R. 라카니

• 허브 경제는 더 많은 산업 부문으로 영역을 넓혀갈 것이고 소수 인력을 고용하는 소수 기업이 방대한 데이터와 가치, 권력을 장악하게 될 것이다.
• 가치와 부의 편중화는 반전되지 않으리라 생각한다.

 

 

mubnoos