직관과 데이터 위주의 �ѫ��을 적절히 조합하는 역량을 키우는 것이 이러한 움직임에서 성공하는 궁극적인 열쇠라고 할 수 있습니다. 직관만을 고수하거나 �ѫ��만을 최우선으로 하는 접근법으로는 약속의 땅에 닿을 수 없기 때문입니다.

글쓴이: 톰 데이븐포트(Tom Davenport)

많은 사람이 지난 몇 년간 �ѫ��과 데이터 주도형 조직에서 직관의 역할이 있는지 제게 물어 왔습니다. 항상 직관이 힘을 발휘할 분야가 여전히 충분히 많다고 답을 드렸죠. 예컨대 가설은 여러분이 세상에 대해 보유한 데이터가 무슨 의미인지 밝히는 직관입니다. 물론 의 다른 점은 직관에서 그치지 않고 가설을 시험해보고 직관이 옳은지 배우게 된다는 점입니다.

�ѫ�� 초기에 직관이 중요해

�ѫ��중심 기업에서 직관을 발견할 수 있는 분야는 �ѫ�� 프로젝트를 수행할 사업영역을 선택할 때입니다. 이 가장 많이 필요한 분야를 결정하는 데 있어 집중적인 �ѫ�� 조사를 수행하는 기업은 거의 없습니다. 대상 분야의 선택은 보통 임원들의 직감에 의존��니다. 예컨대 사업에 �ѫ��을 활용 중인 시저스엔터테인먼트(Caesars Entertainment)의 경우 초기의 초점은 고객 충성도 및 서비스 �ѫ��이었습니다.

게리 러브맨(Gary Loveman) 회장은 시저스(당시 해라스)의 전국 카지노 전반에 걸쳐 고객 충성도가 낮다는 사실을 알고 있었다고 지적��니다. 또한 하버드경영대학원 재학 시절 고객 서비스 개선이 재무 실적 개선에 기여한다는 이론인 “서비스 수익 체인”에 관한 연구도 했습니다. 여러 산업에서 적용, 시험한 이론이지만 게임 회사에 적용된 적은 없었습니다. ��지만 충성도와 서비스의 가치에 관한 러브맨의 직관만으로도 이들 분야에 대한 수년 간의 �ѫ�� 프로젝트를 추진하기에 충분했습니다.

물론 가설과 마찬가지로 어느 분야에 �ѫ��을 적용할지에 관한 여러분의 직관이 실제로 타당한지 확인하는 일이 중요��니다. 러브맨은 시저스의 �ѫ�� 프로젝트 각각에 대한 투자효과(ROI)를 밝히도록 주장��니다. ��지만 �ѫ�� 전략의 초기 단계에서는 직관이 중요한 역할을 ��니다. 간단히 말해 고도로 �ѫ��적인 회사에서는 직관의 역할이 더욱 제한적일 수 있지만 아예 사라지는 일은 거의 없습니다.

빅데이터가 있으니 직관은 소용없다?

��지만 는 어떤가요? 물론 �ѫ��에 쓸 대량의 데이터가 있다면 직관이 그다지 유용하지 않습니다. 빅데이터를 일찍 도입한 온라인 비즈니스 기업의 대표주자인 구글, 페이스북, 링크드인 등의 경우 사용자의 클릭스트림(clickstream) 데이터가 넘쳐나기 때문에 더 이상 직감은 필요 없습니다. 그렇죠?

실은 그렇지가 않다고 ��니다. 신상품이나 서비스를 만들기 위한 주요 빅데이터 프로젝트는 종종 직관에 따르는 경우가 있습니다. 구글의 자율주행 차량의 경우 빅데이터 프로젝트라고 책임자들은 말��니다. 구글 펠로우 세바스티안 트룬(Sebastian Thrun) 스탠포드대학 교수가 이 프로젝트를 이끌고 있습니다.

트룬 교수는 필요한 모든 데이터와 지도, 인프라가 확보되기 한참 전부터 자율주행 차량이 가능하다는 직관이 있었습니다. 교통사고로 친구를 잃은 사건에 동기를 얻어 자신이 무슨 일을 하는 지조차 모르면서 스탠포드대학교에서 이 문제를 다룰 팀을 꾸렸다고 인터뷰에서 밝혔습니다.

여러분이 알 수도 있는 사람

링크드인(LinkedIn)의 가장 성공한 데이터 상품 중 하나인 PYMK (People You May Know) 기능의 경우 예전 급우나 직장 동료가 무슨 일을 하고 있는지에 관해 사람들이 관심을 가질 지 모른다는 직관을 토대로 조너선 골드먼(Jonathan Goldman; 현재는 Intuit에서 근무 중)이 개발했습니다. 골드먼은 인터뷰에서 “사람들이 인맥을 넓히는 일을 도울 아이디어를 이리저리 궁리하던 중”이었다고 밝혔습니다. 이리저리 궁리하는 과정이야말로 직관적인 과정이라 할 수 있죠.

PYMK가 개발된 지 몇 년 후에 링크드인의 최고 데이터 과학자에 오른 피트 스코모록(Pete Skomorock)은 데이터 상품을 성공적으로 개발하려면 창의성과 직관이 핵심이라고 믿습니다. 이번 주 인터뷰를 통해 스코모록은 아직은 아이디어가 성공할지 증거가 충분치 않은 상황에서 데이터 과학자들의 직관을 믿고 후원할 용기가 있는 기업들이 성공하는 데이터 상품을 개발하는 주인공이라고 전했습니다.

모든 �ѫ��에 창의성과 직관이 중요해

전통적인 �ѫ��과 마찬가지로 결국에는 창의성을 데이터와 �ѫ��으로 시험해야 한다고 스코모록은 지적��니다. ��지만 실제로 아이디어가 성과를 낼 지는 몇 년이 지나서야 비로소 알게 될 수도 있다고 말��니다.

따라서 빅데이터건 전통적인 �ѫ��이건 간에 직관은 중요한 역할을 ��니다. 직관과 데이터 위주의 �ѫ��을 적절히 조합하는 역량을 키우는 것이 이러한 움직임에서 성공하는 궁극적인 열쇠라고 할 수 있습니다. 직관만을 고수하거나 �ѫ��만을 최우선으로 하는 접근법으로는 약속의 땅에 닿을 수 없기 때문입니다.

• 원문 출처 –

토마스 데이븐포트(Thomas H. Davenport) 교수는 MIT 디지털비즈니스센터 연구교수이자 뱁슨대학(Babson College) IT 경영학 교수로서, 국제�ѫ��연구소(International Institute for Analytics) 공동 창업자이며 딜로이트 애널리틱스(Deloitte Analytics)의 수석고문입니다. 베스트셀러 ��젶�자이자 를 공동 집필했습니다.

The post 데이븐포트 교수, 빅데이터와 직관의 역할 appeared first on �鶹ԭ�� Korea 뉴스센터.

데이터과학이 조직 내에서 넘어서야 할 가장 큰 걸림돌은 기존의 가설이나 믿음을 으로 시험할 경우 곧 사망에 이르고 만다는 사실입니다. 종종 제멜바이스 반사작용이 생겨 비즈니스 리더는 자신의 세계관과 맞지 않는 �ѫ�� 결과는 받아 들이지 않습니다.

산부인과 의사보다 산파가 더 안전하다?

새뮤얼 아베스먼(Samuel Arbesman)은 저서 를 통해 “1840년대 이그나스 제멜바이스(Ignaz Semmelweis)가 예리한 눈을 가진 의사였다. 비엔나 여러 병원에서 젊은 산부인과 의사로 재직하면서 산부인과에서 출산한 산모와 병원 반대편에서 산파를 통해 출산한 산모 사이에 이상한 차이가 있음을 발견했다”고 설명��니다.

제멜바이스는 데이터를 수집, 하면서 “병원에서 의사의 도움으로 아이를 출산한 산모의 발생건수가 산파의 도움으로 출산한 경우보다 훨씬 높다”는 사실에 주목했습니다. 산욕열은 출산 직후 산모를 사망에 이르게 할 수 있는 무서운 병입니다.

더욱이 제멜바이스는 “산부인과 전문의가 사체 부검을 하지 않는 병동의 경우 가정에서 출산하는 수준으로 산욕열 발생건수가 적다”는 사실도 파악했습니다. 따라서 제멜바이스는 “단순히 사체 부검을 하는 수준에서 벗어나 시체 보관소에서 바로 분만실로 향하는 의사들이 시체로부터 무언가를 산모에게 전파해 사망에 이르게 한다”고 주장했습니다.

간단한 손씻기로 산욕열 발생을 10분의 1로 줄여

제멜바이스는 간단한 제안을 ��니다. “분만을 돕는 의사는 염소살균 라임용액으로 손을 먼저 씻어야 합니다. 결과는 매우 효과적이었습니다. 예전에 비해 산욕열 발생건수를 10분의 1로 낮춘 것입니다.”

��지만 거의 돈을 들이지 않고 생명을 구한 아이디어에 대해 찬사를 받는 대신 제멜바이스는 의학계에서 배척을 받았습니다. 당시에는 아직 질병의 원인이 세균 때문이라는 세균이론이 널리 받아들여지기 전이었기 때문입니다. 우리의 세계관과 맞지 않는 데이터를 무시하는 경향을 제멜바이스 반사작용(Semmelweis Reflex)이라고 ��니다. 기존의 규범, 믿음, 패러다임과 상충되는 새로운 데이터를 거부하려는 반사적인 경향을 말��니다.

내 세계관에 부합하지 않는 �ѫ��은 틀렸어

데이터과학이 업계 유행어로 자리잡기 한참 전부터 모든 과학은 데이터의 근본적인 용도는 가설을 시험하는 데 있다고 이해��니다. 데이터과학이 조직 내에서 넘어서야 할 가장 큰 걸림돌은 많은 비즈니스 가설이 산욕열에 감염되면, 즉 기존의 비즈니스 가설이나 믿음을 데이터 �ѫ��으로 시험할 경우 곧 사망에 이르고 만다는 사실입니다. ��지만 종종 제멜바이스 반사작용이 생겨 비즈니스 리더는 자신의 세계관과 맞지 않는 �ѫ�� 결과는 받아 들이지 않습니다.

이그나츠 제멜바이스는 무시 당했고 결국은 미치광이 취급을 받았습니다. 동료들이 진실을 받아 들이지 않았기 때문이죠. (실제로 말년을 정신병자 수용소에서 보냈습니다.) ��지만 세균에 의한 질병 감염을 입증하는 확실한 증거가 나오면서 결국에는 의료관행이 바뀝니다. 세균이론 이전에는 이 의료 패러다임의 대세였죠. 질병은 네 가지 체액(흑담즙, 황담즙, 점액, 혈액) 불균형으로 생긴다는 이론입니다. 실제로 기분이 좋다는 뜻의 “in a good humor”라는 표현도 바로 여기에서 유래했습니다.

물론 여러분을 기분 나쁘게(in a bad humor) 할 생각은 없습니다. 을 하다가 정신병동 신세를 지게 될 지도 모른다고 겁을 줄 생각도 없습니다. 다만 여러분의 조직 내에서 데이터과학이 제시하는 인사이트를 공유하는 과정에서 하버드대학교 랜트 프리쳇(Lant Pritchett) 교수가 제시한 새로운 통찰에 대한 궁극적인 수용단계와 유사한 길을 걷게 될 수 있음을 알려드고자 ��니다. 수용단계: “미쳤군. 미쳤어. 미쳤네. 자명하네. (Crazy. Crazy. Crazy. Obvious.)” 혹은 “바보. 문제아. 진보. 당연. (silly, controversial, progressive, then obvious)”

The post 데이터과학과 제멜바이스 반사작용 appeared first on �鶹ԭ�� Korea 뉴스센터.

마커스 노가 수석부사장은 지능형 기업의 비전을 실현하는 기술의 역할을 고객 사례와 함께 제시하고, 지능형 기업의 미래 트렌드를 (1) 지능형 프로세스 자동화, (2) 대화형 인공짶ĵ�, (3) 빅데이터 활용 등 크게 세 가지로 명쾌하게 정리했습니다.

글쓴이: 박범순(Adam Park)

기업용 소프트웨어 전문 기업 에스에이���(������) 본사에 새로운 조직이 생겼습니다. 이름하여 클라우드 플랫폼 비즈니스 서비스 조직. 이 조직의 수장으로 임명된 마커스 노가(Markus Noga)는 �鶹ԭ��에서 , , , , 통합 개발 플랫폼 등의 사업을 이끌어 온 경력을 자랑��니다. 새로운 조직을 맡게 된 만큼 세계 각지의 �鶹ԭ�� 현지법인을 돌며 자신의 비전을 공유하는 자리를 가졌습니다.

디지털 기술로 실현하는 지능형 기업의 미래

어제 아침 서울 강남에 있는 본사 건물 24층 유니버스홀에서 마커스 노가 수석부사장은 한국 직원들 앞에서 을 실현하는 기술의 역할을 고객 사례와 함께 제시했습니다. 나아가 머신러닝 기술로 실현하는 지능형 기업의 미래 트렌드를 (1) 지능형 프로세스 자동화, (2) 대화형 인공짶ĵ�, (3) 빅데이터 활용 등 크게 세 가지로 명쾌하게 정리했습니다.

지능형 기업은 머신러닝/인공짶ĵ�, 사물인터넷, 통합 등의 기술 역량을 기존 업무 프로세스에 내장하는 한편, 데이터를 활용해 새로운 분야로 비즈니스 모델을 확대하고 기존의 업무 프로세스를 확장��니다. 또한 데이터 관리 역량과 디지털 플랫폼을 활용해 고객경험, 직원경험, 제품경험, 브랜드경험 등 ��니다.

RPA로 지능형 프로세스 자동화

산업화 시대를 거치면서 산업용 로봇을 활용한 공장 자동화로 큰 폭의 생산성 향상과 운영 효율화를 경험했습니다. 이제는 소프트웨어 애플리케이션 차원에서 사람을 흉내내는 디지털 로봇을 활용해 기업과 개인의 할 수 있습니다. 일반적으로 RPA라고 부르는 덕분입니다.

인간의 관리 감독 없이 자율적으로 일하는 완전 자동화 프로세스가 있을 수 있고, 경우에 따라서는 사람과 로봇이 서로 협력해서 효과를 발휘하는 부분 자동화 프로세스도 있습니다. 개인의 단순 반복 업무 처리와는 달리 기업의 업무 프로세스는 복잡한 규칙을 따르는 경우가 많죠. 그래서 기업용 애플리케이션 분야에서는 프리스타일 체스처럼 사람과 로봇이 힘을 합쳐서 일하는 로봇 데스크탑 자동화(RDA)가 더욱 효과적일 수 있습니다.

이미 전 세계 100여 개 고객사에서 10만 여 개의 RPA 봇을 적용해 �鶹ԭ��와 제3자 애플리케이션 전반에 걸쳐 다양한 업무 프로세스를 자동화하고 있습니다.

대표적으로 BNP파리바스의 온라인 은행 사업부인 헬로뱅크(Hello bank)는 유럽 전역에 걸쳐 3백만 이상의 고객이 있습니다. 고객 가입 절차가 복잡해 12개 넘는 애플리케이션과 30개 이상의 수작업 단계를 거쳐야 가입 처리가 가능했죠. 이제는 사람과 함께 일하는 200여 RPA 봇을 적용해 가입 처리 시간을 25분에서 5분 이내로 80% 이상 단축했습니다. 불과 6주만에 개발을 완료하고 현업에 적용할 수 있었습니다.

대화형 인공짶ĵ�으로 인간답게 자연스럽게

은 자연어처리(NLP)와 챗봇 구축 서비스를 결합하고 머신러닝을 활용해 직원경험과 고객경험을 자연스러운 대화 방식으로 바꿀 수 있게 돕습니다. 다시 말해 챗봇 개발 플랫폼과 을 결합해 채팅 중심의 대화형 사용자 경험을 제공��니다. 이미 는 직원을 위해 대화형 HR 사용자 경험을 우선적으로 제공하고 있습니다.

디지털 비서의 도움을 받으면 원하는 상품을 찾고 구입하기가 훨씬 쉽습니다. 챗봇과 대화를 하듯이 “친구한테 줄 선물이 필요해”라고 하면 “예산은 어느 정도에요?”라고 묻고 “120달러”라고 하면 “어떤 종류의 선물을 원하세요?”라고 하면서 상품 종류를 이미지로 보여줍니다. 원하는 항목을 선택하고 고른 다음, “비슷한 상품 없을까?”라고 하면 “이미지를 대화창에 끌어다 놓으세요”라고 ��니다. 끌어다 놓으면 유사한 상품을 제시��니다. 그 중에 맘에 드는 품목을 선택하면 “이대로 체크아웃할까요?”라고 묻고 “그래”라고 답하면 주문으로 진행하죠.

이처럼 동일한 챗봇을 어느 대화형 채널이나 플랫폼이든 적용 가능��니다. 온라인 쇼핑몰은 물론 페이스북 같은 사회관계망서비스에도 적용할 수 있죠. 방금 말씀 드린 예와 같이 대화형 에이전트가 이미지처리 머신러닝을 적용해 원하는 품목을 찾도록 도울 수도 있습니다.

프랑스에 4백만 가입자를 둔 레드텔레콤(RED Telecom)은 30세 이하 고객을 대상으로 챗봇 우선 고객 서비스를 시작했습니다. 고객이 원하는 것을 찾는 정확도가 85% 수준이며 문제를 자동으로 처리하거나 담당자에게 전달��니다. 특히 연말에 계약 갱신 수요가 집중되는 특성이 있어 피크 시즌을 일시적 인력 증원으로 해결하기에는 무리가 있었죠. 이제는 대화형 AI를 적용해 일시적 인력 증원 없이도 연말 피크 시즌에 대응��니다.

양질의 빅데이터 활용으로 머신러닝을 업그레이드

빅데이터의 확산으로 데이터가 폭발적으로 증가하는 요즘 무엇보다 비즈니스에 정말로 중요한 데이터를 찾기가 쉽지 않습니다. 처음 가보는 낯선 대도시에 들어서는 기분이죠. 가고자 하는 목적지를 찾아 어떻게 가야할지 막막하기만 ��니다.

디지털 시대를 맞아 성공 비즈니스의 관건은 데이터가 얼마나 많은가 보다는 누가 데이터를 잘 활용하냐의 문제라고 할 수 있습니다. 데이터를 준비하고 모델을 생성한 후 머신러닝 훈련을 시켜서 해당 서비스를 적용해야 하는 환경이라면 특히 같은 서비스를 통해 통찰을 확보할 수 있습니다.

이미 150여 개사에서 머신러닝을 적용 중이고 다양한 데이터를 처리할 수 있는 데이터허브 고객도 100여 개사에 이릅니다. 다임러(�ٲ����������)의 경우 와 차량 일정관리, 색상과 같은 분류 데이터 등 정형, 비정형 데이터를 아우르는 데이터 관리가 가능��니다. 정제된 데이터를 바탕으로 머신러닝 모델을 훈련을 시키고 통찰을 이끌어 내고 있습니다.

오픈소스가 제공하는 우수한 빅데이터 �ѫ�� 기능을 �鶹ԭ�� 환경에서 활용할 수 있습니다. 데이터 과학자가 이제는 데이터를 마음대로 가지고 놀 수 있습니다. 데이터 소스, 변환, 추출 등 250여 종의 연산자가 제공되기 때문이죠. 계산한 결과는 에 전달할 수 있습니다.

세계 유수의 음료회사에 원료를 납품하는 될러(��ö������) 그룹은 고객이 원하는 내용을 기록한 내용을 통해 배우고 음료회사가 원하는 다음 상품에 사용할 최적의 포뮬레이션을 선택하는 데 도움을 얻고 있습니다. 말과 글 속에 숨은 뜻까지 읽어내는 머신러닝 덕분입니다.

경험경제 시대도 인간답게 자연스럽게

마커스 노가 수석부사장이 제시한 지능형 기업의 미래는 결국 디지털 기술과 빅데이터, 사물인터넷 등을 활용해 , 등 사람이 느끼는 경험 격차를 해소하고 보다 인간답게 자연스럽게 사는 세상을 앞당긴다는 비전과 통해 있습니다.

지능형 기업의 미래는 결국 사람이 다른 사람을 더 잘 헤아리고 생각하고 사람답게 대하는 세상을 만드는 데 있기 때문입니다. 고맙습니다.

The post 마커스 노가, 디지털 기술과 지능형 기업의 미래 appeared first on �鶹ԭ�� Korea 뉴스센터.

마케팅도 AI 적용에 있어 자유로울 수는 없습니다. 사실 그 반대죠. 여러 전문 매체는 인공짶ĵ�에 대한 언급이나 과도한 기대로 넘쳐납니다. 디지털 마케팅에서 얻은 모든 데이터가 유용한 응용 분야를 열어 줄 것이라는 사실은 부인할 수 없죠. 지난 10년간 ““이라는 용어가 업계에서 통용되어 왔습니다.

물론 마케팅은 항상 어느 정도는 데이터 주도형 활동으로 자리해 왔지만 통찰을 발견하는 능력이 최근 디지털 변혁 덕분에 기하급수적으로 강화되었습니다. 인공짶ĵ�은 이러한 데이터 과학이 마케터 사이에 확산되는 움직임의 다음 발전 단계죠. ��지만 과도한 기대 너머에 몇 가지 놓치지 말아야 할 중요한 시사점이 있어 보입니다.

괄목할 만한 성과에 대한 약속

AI 솔루션 벤더들은 괄목한 만한 성과를 약속하곤 ��니다. 실제로 몇몇 마케터가 “AI” 애플리케이션을 구현해 효과를 보았을 수 있지만 많은 이가 고작해야 미지근한 성과만 올렸을 뿐입니다.

이러한 단점 중 일부는 데이터가 문제가 있거나 불충분하기 때문이지만 일부는 우리가 마케팅 기술이라는 다소 불안정한 바다 속에서 헤엄치고 있어서 생긴 일입니다. AI 마케팅 기술의 파급효과에 대한 과장 광고에 넘어가 가짜약을 파는 약장수에게 속았다는 느낌만 받을 수도 있습니다. 이는 결국 현재는 불가능한 일이 실제로 가능해지더라도 극복하기 어려운 회의주의자만 양산할 수 있죠.

진정한 인공짶ĵ�은 결국 컴퓨터가 사람의 행동을 흉내내도록 가르치는 일입니다. 현재는 합산이나 분할처럼 사람의 뇌가 잘 못하거나 느리게 처리하는 여러 일을 훌륭하게 해냅니다. 대규모 데이터 세트를 토대로 가설을 이끌어낼 수도 있죠.

컴퓨터가 지능적인 활동을 복제하는 데 탁월할 수는 있어도 지능적으로 사고하도록 요청하면 아직은 기대에 못미칩니다.

아직은 지능적으로 사고하지 못해

인류가 아직 인간의 뇌가 어떻게 생각을 발전시키는지 완전히 이해하지 못하고 있다는 사실을 떠올려 보세요. 이런 상황에서 기계가 지능적인 사고를 발전시키도록 어떻게 훈련시킬 수 있을까요? 결국 AI는 사람이 설계해 놓은 행동방식의 영향을 받습니다. 그러다보니 원하지 않는 결과를 낳을 수도 있죠. 아마존에 물어보세요.

지난 2014년 거대 유통기업 아마존의 기술자들이 전 세계 각지에서 이상적인 채용 후보자를 찾는 AI를 만들어 채용 프로세스를 자동화할 방안을 모색했습니다. 아마존은 곧 이 을 가지고 있음을 발견했습니다. 결함은 알고리즘에 있었고 개발자들이 오류를 해결하려고 했지만 실패했습니다. 결국 이 프로젝트는 2017년 갑작스레 중단되었죠.

미라이(Mirai)는 도요타의 미래형 자동차입니다. 수소 연료전지로 달리며 완전충전 시 312마일(502km)의 주행거리를 자랑하며 수증기만 배출��니다. 그래서 과학기술에 열광하는 팬들을 위해 도요타는 개인의 관심사에 기초한 메시지를 담아 수천 건의 광고를 집행��니다. 광고 대행사인 사치앤사치에서는 AI로 도요타를 위해 수천 건의 스크립트를 작성했습니다.

스타트업과 업계 거대 기업 모두 광고를 가상의 기계 손에 맡기려고 노력해왔습니다. 사치앤사치(Saatchi & Saatchi)는 해 몇몇 광고 카피를 작성하도록 했습니다. 체이스뱅크는 해 일부 마케팅 카피를 손보게 하고 있습니다.

인공짶ĵ�이 작성했다고 소개한 이 광고는 실제로 광고 대행사 데이빗 마이애미가 작성했습니다. “와퍼도 여러분처럼 빵 맨션에서 살아요.”라는 특이한 카피도 나왔습니다.

다른 한 편으로는 많은 업계 관계자가 회의론을 펴고 있습니다. AI가 작성한 광고 카피라며 한 가짜 AI 광고만 봐도 그렇습니다. AI를 무시한 패러디였지만 버거킹의 풍자는 마케팅 업계에 AI의 잠재력에 관해 긍정, 부정 두 진영의 분리를 알 수 있게 ��니다.

비즈니스-투-비즈니스는 휴먼-투-휴먼

인공짶ĵ�과 머신러닝은 마케터과 광고주에게 분명 더 나은 미래를 약속��니다. 다가 올 수년 간에 걸쳐 가능해질 미래의 모습을 아직은 살짝 엿본 것일지 모릅니다. ��지만 아마도 한참 동안은 최고의 마케팅, 특히 비즈니스 마케팅은 오랜 전통의 인간 지능에 의존할 것으로 봅니다.

B2B 비즈니스에서 그토록 중요한 브랜드와 관계를 발전시키는 일은 인간적이고 감성적인 연결이 필요��니다. 강력한 컴퓨터가 대량의 데이터 풀을 �ѫ��해 광고를 노출시킬 최상의 시점을 결정할 수 있습니다. 훈련을 통해 실시간 입찰로 스마트한 매체 구매가 가능할 수 있습니다. ��지만 감성적인 연결이 왜, 어떻게 일어나는지 이해할 수는 없습니다. 이러한 감정적인 연결은 항상 앞으로도 비즈니스-투-비즈니스의 핵심적인 부분입니다.

마케팅 기술의 미래는 인공짶ĵ�에 완전히 의존할 필요가 없습니다. 프로세스 자동화가 도움이 될 수 있지만 AI 구현으로 인간지능(특히 감성지능)을 대체해야 한다고 믿는 건 마케팅 업계에 이익이 되지 않습니다.

B2B는 악수하고 계약을 맺는 시절을 훌쩍 뛰어넘어 변모해 왔습니다. ��지만 그런 관계를 형성하는 인간지능을 유지해야 할 필요를 넘어서지는 못했습니다. 사람이 그런 연결을 만듭니다. 따라서 사람은 항상 여러분 회사의 마케팅 전략을 개발할 때 항상 중심적인 역할을 할 전망입니다.

글쓴이: 앤디 키스()

• 원문 출처: ,

The post B2B 분야의 AI: 인간지능을 잊지 말아야 appeared first on �鶹ԭ�� Korea 뉴스센터.