도미노피자의 AI 혁신, 경영으로 확산하다
지난해 매출13.78% 증가 ... 기록적 성장
피자 아모티콘으로 주문 가능 ..제로클릭도 선봬
도미노 피자는 신기술이 등장할 때마다 이를 적극적으로 활용한 대표적 기업입니다. 업무 효율화를 위해서였습니다. 디지털을 일찌감치 도입한 것도 업무 프로세스 개선 때문이었습니다. AI도 이런 차원에서 적극 활용하고 있습니다.도미노피자는 배송업체라고 불릴만큼 피자 배달에 일찍 관심을 가져왔습니다. 직접 배달을 피자 업계에서 처음 시작했으며 사업 정체기에 접어들었을 때 오히려 디지털 주문과 배송시스템 구축에 공을 들였습니다. 아무리 먼 지역이라도 30분 내 배달을 완성한다는 목표로 배달의 신속성을 중시했습니다. 지난 2019년에는 벤처기업 뉴로와 협력해 자율주행 배달프로그램을 시작했습니다. 자율주행은 휴스턴에서 시작되었지만 지금 LA 등에서도 자율주행차가 달리고 있습니다.
도미노피자는 구글과 페이스북 애플워치를 비롯해 자동차, 스마트TV, 알렉사를 비롯한 음성 인식비서 등에서도 주문할 수 있도록 했습니다. 15개가 넘는 다양한 플랫폼으로 AI를 사용하는 방법도 모색했습니다. 심지어 짧은 문자 서비스인 SMS를 통해서 원하는 피자 이모티콘을 보내기만 해도 주문이 접수되도록 했습니다. 최근들어서는 클릭 없이 앱을 열기만 해도 자동으로 주문되는 제로 클릭도 선보이고 있습니다. 쉽게 피자가게를 찾을 수 있도록 피자가게를 줄이지 않고 오히려 늘렸습니다.
먹는 피자 사진으로 데이터 확보...AI로 품질 개선
2019년 도미노피자는 미국에서 가장 시청률 높은 프로그램 중 하나인 슈퍼볼 광고에서 현재 어떤 피자를 먹고 있든, 스마트폰 사진을 찍어 보내면 무료 피자를 제공한다고 선전했습니다. 그 결과 수십만 장의 피자 사진이 모여들었습니다. 도미노는 엔비디아의 그래픽반도체(GPU)를 활용해 이들이 찍었던 사진을 선별하고 분류했습니다. 피자의 각종 모습이 훌륭한 데이터로 전환된 것입니다. 피자에 대한 개인의 인식과 선호도, 당시 경쟁사 피자들의 선호도도 금방 알 수 있게 됐습니다. 아이디어를 동원해 데이터 수집을 한 다음 AI를 통해 피자의 품질과 맛을 개선하는 작업에 나서고 있습니다.도미노는 또 '돔 피자 체커'라는 AI를 사용하고 있습니다. 각 매장의 요리사가 만드는 피자 사진을 찍고 모니터링해 토핑과 치즈가 고르게 퍼져 있는지, 선택한 재료가 피자 유형에 맞는지, 피자의 온도 등을 모니터링합니다. 피자가 고객들이 원하는 기준에 맞지 않으면 AI는 요리사에게 피자를 다시 만들도록 주문합니다. 이런 절차를 거쳐 피자가 완성되면 사진이 고객에게 전송되는 시스템입니다. 이 피자체커는 드래곤테일 시스템즈가 개발했으며 구글 이미지인식 알고리즘을 이용하고 있습니다. 이 체커는 현대 7개국 3000여 개 주방에 도입됐다고 합니다. 이렇게 하면 배달이 가끔 늦어지더라도 사용자들이 너그러이 이해한다는 겁니다.
AI가 신규 매장 위치 결정
도미노피자는 다시 한 발짝 더 AI 혁신에 나섭니다. AI를 통한 업무 개선과 품질 개선에 이어 이제는 일부 의사결정 과정에도 AI를 활용하려 합니다. 지난달 도미노는 매장 내 인력을 예측해 작업 일정을 효율적으로 개선하는 프로그램을 도입했습니다. 피자 수요가 많을 때에는 인력을 많이 고용하고 수요가 줄어들면 고용을 줄이는 걸 예측하는 시스템입니다. 또한 새로운 매장을 짓기 위한 최적의 위치 식별도 AI가 할 수 있도록 했습니다. 도미노피자는 디지털 시대에도 매장이 중요한 점을 고려해 계속 매장을 늘리고 있습니다. 지난해에도 전 세계에 163개의 새로운 매장을 열었습니다. 하지만 이전과는 다른 점이 있습니다. 그동안은 경영자의 직관이나 정보 등을 고려해 신설 여부를 결정했다면 이제는 충분한 데이터를 기반으로 한 AI의 수요 예측으로 매장을 세운다는 겁니다. 운전자를 위한 배송 차량의 경로 간소화도 AI를 통해 완성할 계획입니다. 도미노피자는 이제 각종 의사결정 과정에도 AI를 쓸 계획인 것 같습니다. 도미노피자를 주시하는 이유입니다. ohchoon@hankyung.com-
기사 스크랩
-
공유
-
프린트
-
1
서울아산병원은 미국 시사주간지 '뉴스위크'의 ‘세계 최고 병원’에서 3년 연속 국내 1위 병원으로 선정됐다. 이에 걸맞게 빅데이터와 인공지능을 기반으로 하는 정밀의료 분야에서도 앞서 나가고 있다.서울아산병원은 내원 환자들의 중증도가 높고 고난도 수술과 처치가 활발한 만큼 환자 안전과 진료의 질을 높이기 위해 다각도로 많은 노력을 기울여 왔다. 이러한 노력은 1989년 개원 이래 자체 구축된 본원의 병원정보시스템(Asan Medical Information System, AMIS)에도 반영돼 있다. 요즘처럼 인공지능 진료지원 시스템에 대한 관심이 그리 높지 않던 시기였음에도 의사의 진료를 보조하고 진료의 질을 높이는데 도움을 주는 시스템(Clinical Decision Support System)을 AMIS 도입 초기부터 개발해 운영해 온 것이다. 항생제 처방시 임상적인 상황에 맞는 최적의 항생제 추천과 더불어 항생제의 특성을 고려하고 환자의 신기능을 반영해 적절한 용량을 제시해 주는 항생제 처방지원시스템, 그리고 항암제와 같은 고위험 약물 처방 입력 과정에서 발생할 수 있는 오류를 최소화하도록 환자별 상황에 맞는 적절한 항암제를 선택하고 용량, 용법을 정확히 입력할 수 있도록 지원하는 항암제 처방관리시스템 등이 대표적인 사례다. 최상의 진료를 위한 서울아산병원의 끝없는 도전 2018년엔 국내 최초로 연구용 클라우드 시스템(Asan Cloud Environment, ACE)을 구축했다. 보안성이 높은 폐쇄 환경에서 여러 연구진이 원활하게 협업할 수 있게 된 것이다. 외부 상용 클라우드까지 확장해 활용할 수 있도록 하이브리드형으로 설계된 게 강점이다. 최근에는 암 환자 40만여 명의 데이터를 정제하고 암유전체 변이정보와 다양한 임상 기록을 통합적으로 파악할 수 있는 '정밀의료 통합 플랫폼'을 자체적으로 개발해 실제 암 환자 진료와 연구에 적용하고 있다. 의료 현장 데이터 범위가 유전체까지 확대되고 암 정밀의료에 대한 요구도가 높아지고 있다는 변화상을 반영한 것이다. 이 플랫폼은 진료 중인 의료진이 개별 환자의 복잡한 임상 정보 및 경과를 그래프 등을 통해 빠르고 쉽게 파악할 수 있어 최적의 치료 방향을 결정하는데 도움을 준다. 뿐만 아니라 바이오뱅크와의 연계를 통해 정밀의료를 위한 바이오마커와 신약 개발 연구에도 사용되고 있다. 빅데이터연구센터 개소…오픈이노베이션 첫발병원은 현장 경험이 풍부한 의료진과 양질의 의료 빅데이터를 보유하고 있다. 문제는 이를 분석하고 활용할 전문 인력과 시간, 시스템이 불충분하다는 점이다. 반면 기업, 대학, 연구소 등 외부 기관은 충분한 기술력과 전문 인력, 사업화 능력 등을 갖추고 있지만 의료 데이터 접근은 현실적으로 어렵다는 약점을 안고 있다. 이를 활용하기 위한 전문 의료 지식이나 현장 경험도 부족할 수밖에 없다. 서울안산병원은 2017년 헬스이노베이션 빅데이터센터 (현 빅데이터연구센터)를 설립해 해법 찾기를 위한 첫발을 내디뎠다. 빅데이터연구센터는 병원 내 빅데이터와 관련된 여러 분야별 전문 인력과 인프라들이 유기적으로 융합된 체계를 마련해 빅데이터 활용 역량을 강화하고 있다. 아울러 의료 빅데이터 활용이 필요한 원내⋅외 연구자와 기업, 기관 간의 연계와 협력을 지원하는 오픈 이노베이션 센터로서 두 가지 자문 서비스도 운영하고 있다. 첫 번째가 빅데이터 연구사업화를 지원하는 BIRD 서비스 (Bigdata Innovation Research & Development)이고, 두 번째가 데이터 활용 관련 정책 및 규정에 대해 자문하는 TREE 서비스 (Technology & Research rEgulatory guidance)다. 이를 통해 현재까지 300여 건의 원내⋅외 개인 및 기업 연구자들을 대상으로 기술, 교육, 창업, 공동 연구를 지원하고 상호 협력하게 해주는 가교 역할을 해오고 있다. 본 센터는 또 의료 빅데이터 인재양성과 인재발굴의 장을 마련해 오고 있다. 2018년부터 운영해온 의료정보분석전문가 과정이 대표적이다. 이 과정은 다양한 분야 전공자들이 보건의료 빅데이터에 대한 접근성 및 이해도를 높이는 데 초점을 맞추고 있다. 전자의무기록 데이터, 의료영상 데이터, 공공보건의료 데이터, 생체신호 데이터에 대한 전문적인 교육과 팀프로젝트를 통한 실제 의료데이터 분석기회를 제공한다.2017년도부터 개최해온 의료 빅데이터 분석경진대회는 의료 빅데이터를 통해 진료현장의 난제를 해결하고 빅데이터 전문가를 발굴하기 위해 마련됐다. 개인, 대학, 스타트업 등의 적극적인 참여하게 다양한 종류의 의료데이터 활용 기회를 제공하고 공동 해결 방안을 모색하는 장이 돼왔다는 평가다. 실제로 2017년 경진대회입상 팀은 성공적인 창업으로까지 연결되기도 했다. 의료 데이터 활용을 위해 해결해야 할 대표적 과제 중 하나가 의료기관 간 데이터의 이질성 해소와 데이터의 품질 향상이다. 빅데이터연구센터의 표준의료데이터 추진단은 의료데이터 활용에 중요한 기반이 되는 의료용어들을 국제 표준용어로 매핑하고, 데이터를 공통데이터모델에 따라 표준 변환하는 역할을 체계적으로 수행하고 있다. 아울러, 분석에 바로 활용하기 어려운 비정형데이터를 정형화하는 도구를 개발하고 데이터 품질을 관리함으로써 데이터 활용도를 높이는 데 기여하고 있다. 본격적인 의료인공지능 시대 열다서울아산병원은 국내 최초·최대의 병원·기업 연합 컨소시엄인 ‘닥터앤서’ 사업의 총괄 주관 기관이다. 전국 25개 상급 종합병원과 ICT · SW 기업 21개가 참여하는 이 사업을 통해 8개 중점질환 (심뇌혈관질환, 심장질환, 유방암, 대장암, 전립선암, 치매, 뇌전증, 소아의 희귀난치성 유전질환)에 관한 21개의 소프트웨어 개발을 진행했다. 이 사업을 통해 개발된 의료인공지능 소프트웨어들은 실제로 전국 여러 의료기관에 본격적으로 도입되기 시작했다. 본원에서는 흉부촬영, 유방촬영, 관상동맥 석회화, 대장내시경, 그리고 발달장애와 난청과 같은 희귀질환의 유전자 진단영역에 도입했다. 건강증진센터와 소아청소년과에서도 활용 중이거나 도입을 준비하고 있다. 건강증진센터에서는 흉부 X-선 검사의 이상 가능성을 조기에 탐지해 영상의학과 전문의가 우선적으로 실시간 판독할 수 있도록 지원하는 인공지능 소프트웨어를 사용하고 있다. 과거에는 건강검진을 모두 마친 이후에 검사결과를 확인할 수 있었다면, 이제는 건강검진을 받고 있는 동안에도 호흡기 감염 가능성을 조기에 발견해 적절한 대응이 가능하게 된 것이다. 아울러 요즘과 같은 시기에 감염병의 확산을 막는 데에도 도움이 될 것으로 기대된다.미래 의료 환경을 향한 끊임없는 도전입원 환자 중 일부는 임상경과의 악화로 인해 중환자실 치료를 받거나 심정지, 사망 등의 위해사건을 경험하게 된다. 이때 의료진이 임상경과의 악화를 조기에 인지하고 치료한다면, 위해사건의 발생을 예방할 수 있다. 서울아산병원은 2008년 국내 최초로 신속대응팀을 운영하기 시작했다. 입원 환자의 임상경과 악화를 실시간으로 포착하고 있다. 임상경과 악화 및 위해사건 발생을 예측하기 위해 조기경고점수(early warning score)가 활용되고 있는데, 이 점수체계는 예측력이 높지 않아 임상 현장 활용에 많은 어려움이 있다. 이를 해결하기 위해 호흡기내과 홍상범, 오동규 교수 연구팀과 빅데이터연구센터 오지선, 심우현 교수 연구팀은 지난 수 년간 서울아산병원에 입원한 환자들의 의무기록을 인공지능 학습을 통해 분석하고 이를 기반으로 예측 알고리즘을 개발하고 있다. 연구팀은 이 예측 알고리즘이 기존 조기경고점수보다 훨씬 우수한 예측력을 가지는 것으로 확인하는 성과를 거뒀다. 이 사례는 최근 대한중환자학회에서도 발표됐다. 특히 인공지능 기반 예측 알고리즘은 거짓 알람(false alarm)의 비율을 유의하게 줄임으로써 의료진의 피로도를 경감시키고 의료 자원을 보다 효율적으로 활용할 수 있게 됐다는 평가를 받고 있다. 연구팀은 현재의 예측 알고리즘을 고도화해 수년 내 임상 현장에 적용할 계획이다. 한편 서울아산병원 3층에 있는 70여 개의 수술실 한가운데에 있는 커맨드센터에서는 각 수술방에서 전송되는 수천 가지의 생체신호를 모니터링하고 이들 중 위험 신호를 골라낸다. 서울아산병원은 2007년 국내 최초로 수술실에 고해상도 생체신호 수집 환경을 구축했으며, 최근 김성훈 교수 연구팀은 이를 실시간으로 모니터링하고 평가하는 시스템으로 발전시켰다. 그동안 데이터베이스에 저장된 생체신호 데이터는 40여 종의 웨이브 데이터와 169종의 수치데이터를 포함한 90만 시간 분량이다. 특히 환자 상태나 치료에 대한 60여 종류의 레이블링 데이터를 포함하고 있어 양적인 측면 뿐 아니라 데이터의 품질 또한 매우 높다고 자부한다. 머지않은 미래에 의료서비스 수준을 크게 향상시키는데 기여할 것으로 기대된다.
-
2
AI를 도입한 기업들이 똑같이 겪는 어려움이 있습니다. 데이터를 공유하고 AI를 이해하는 데 대한 내부 직원들의 신뢰 부족입니다. AI 기술에 대한 이해 부족도 큽니다. 한국과 미국 일본에서 이런 어려움을 호소하는 기업들이 늘고 있습니다. 이를 해결하는 방안은 무엇인지 찾아봅니다. 마케팅부서에서 데이터 공유 부족 심해 산업연구원이 최근 AI를 도입한 283개 기업을 설문 조사한 내용을 담은 '기업의 AI 도입 및 활용확대를 위한 정책과제'를 내놓았습니다. AI를 도입한 기업들의 어려움과 고민 등을 담았습니다. 이 조사에서 눈에 띄는 부분이 AI에 대한 내부 직원들의 인식이었습니다. 조사에 따르면 기업의 가장 큰 애로 사항은 AI 관련 조직의 역량 부족과 신뢰 부족(46%)이었습니다. 이게 투자 대비 낮은 수익(25.7%)보다 오히려 높았습니다. 이어 경영진의 AI 지식부족(14.3%),비즈니스모델의 부적합(11%)등으로 나타났습니다. 그만큼 AI에 대한 조직의 이해도가 떨어진다는 것이었습니다.지난해 마이크로소프트가 하버드대와 공동으로 미국 AI 도입 기업을 대상으로 시행한 조사 보고서에서도 비슷한 결과가 나왔습니다. 이 조사에서 기업에서 AI 활용을 가장 어렵게 하는 장벽이 내부직원들의 AI 지식의 부족(32%)이라고 응답했습니다. AI 성과에 리더들이 명확하게 반응하지 않는다(31%)는 응답이 다음이었으며 기존 시스템의 데이터 부족(27%),AI에 대한 업무의 재배치(27%)순이었습니다. 아무리 훌륭한 데이터 과학자들을 뽑는다고 하더라도 시스템과 조직문화가 뒷받침하지 않으면 자칫 AI 도입이 무용지물이 될 수도 있다는 것입니다. 특히 마케팅과 판매부서에서의 데이터 공유 부족이 AI 진척에 가장 큰 장애물이 될수도 있다고 이 보고서는 지적합니다. 내부 직원들의 AI 이해 부족 해결이 관건일본 기업 역시 AI 도입에서 이런 고민을 하나 봅니다. 일본의 경제지 니혼게이자이신문은 최근 게재한 'AI 현장에서 불만이 나오는 이유'란 제목의 칼럼에서 AI를 도입할 때 현장 담당자들의 불만이 줄곧 제기되고 있다고 소개합니다. 이런 질문들은 대개 '인공지능 예측은 믿을 수없다', 'AI의 예측이 틀리면 누가 책임질 것인가 ', '이 AI는 업무에 사용할 수 없다' 등입니다. 이 신문은 그 이유에 대해 AI를 도입한 뒤 업무 전환에 대한 사내 검토와 합의가 충분하게 이뤄지지 않았다는 점을 들고 있습니다. AI 도입을 맡은 개발팀들은 속도가 중요하므로 일단 도입한 뒤 딥러닝(심층학습)에 의해 이런 합의를 하면 된다고 생각합니다. 하지만 업무 현장에선 그런 학습 프로세스를 잘 이해하지 못하게 됩니다. 예를 들어 불량품을 검사하는 AI가 처음에는 대단하다고 평가하지만, 나중에 현장에서는 결국 불량품이 발견되면 누군가가 책임을 져야 한다고 불만을 토로합니다. AI의 정확도 보다 차라리 눈 검사가 낫기 때문에 AI는 필요하지 않다는 반발도 나옵니다. AI 데이터와 업무 현장의 데이터와의 괴리도 종종 발생합니다. 그렇게 되면 AI의 예측정확도는 떨어져 재학습도 필요하게 됩니다. AI는 한번 만들어지면 끝이 아니라 보수가 중요하다는 인식이 있어야 합니다. 결국 개발팀과 현장이 발을 맞춰가지 않으면 AI의 도입이 갈수록 어려워진다고 이 칼럼은 주장하고 있습니다.오춘호 연구위원 ohchoon@hankyung.com
-
3
지난 1월에 선보인 화가 AI '달리(DALL-E)'가 화제입니다. 텍스트로 지시하면 그림으로 바로 전환하는 것도 그렇지만 인간의 상상력을 자극하는 그림들이 수십~수백개씩 쏟아지는 것도 관심을 끄는 주제입니다. 이 AI에 대해 벌써 디자인과 패션업계는 달리의 활용을 놓고 논란이 확산되고 있다고 합니다. 관련 업계를 도와주는 보완재가 될 것인지, 아니면 업계를 파괴하는 괴물이 될 것인지는 아직 판단하기에 이른 것같습니다. 마케팅에서도 이를 응용한 아이디어들이 많이 나오고 있습니다. 달리를 개발한 오픈AI는 마이크로소프트가 출자한 기업입니다. 마이크로소프트에서 달리에 대한 독점 라이선스를 가질 수도 있습니다. 달리가 비즈니스 관점에서 어떤 AI인지 알아봅니다. 화상 2500만건 학습 달리(DALL-E)는 텍스트를 이해해 그림을 그리는 대표적인 인공지능입니다. 영어 문장과 관련한 각각의 화상과 일러스트 2500만건을 학습했습니다. 텍스트에 포함돼있는 두개의 개념을 조합해 그릴 수도 있습니다. 오픈AI는 지난해 자연스런 문장을 쓰는 AI GPT-3를 개발하면서 달리의 개발도 동시에 한 것으로 알려지고 있습니다. GPT-3및 달리의 기반이 되는 기술은 트랜스포머(Transformer)로 불리는 기술입니다. 데이터를 분석할 때 의미가 있는 부분에 보다 주목하고 필요하지 않은 데이터를 제거하는 '어텐션(Attention)'이라는 기술을 활용합니다. 심층 학습에서 당연하게 여기는 CNN과 RNN 기술을 사용하지 않고도 고도의 언어 처리 수행이 가능합니다. 트랜스포머는 기존 모델에 비해 병렬화가 쉬워 모델 학습 시간이 훨씬 줄어드는 장점을 갖고 있습니다. GPT-3는 문장 생성에 트랜스포머를 적용한 것이지만 달리는 이를 화상에 적용한 것입니다. 달리에서는 화상을 일정한 크기의 패치(조각)로 나눠 번호를 매깁니다. 하나하나의 패치가 텍스트의 한 단어와 같이 취급됩니다. 텍스트에서 단어들의 법칙성을 발견하고 문장을 쓰는 것처럼 조각조각을 연결해 한 장의 그림을 만듭니다. 아보카도형을 한 의자, 거북이형 기린 등 기묘한 그림이 이렇게 해서 탄생합니다. 일반적으로 하나의 텍스트에 대해 512장의 화상을 먼저 만들게 됩니다. 그림이 문장 내용을 얼마만큼 표현할 수 있는지 다른 AI로 판정해 32개를 끄집어 냅니다.이 때 32개를 추출해 내는 AI를 클립(CLIP)이라고 합니다. 클립은 달리가 비즈니스에서 실용화될 때 가장 중요한 AI라고도 할 수있습니다. 건축에도 큰 영향 끼칠 듯 지난 1월 오픈AI가 블로그에서 달리를 게시한 이후 AI업계에선 달리의 API에 대한 엑세스 권한을 얻기위해 애타게 기다리고 있다고 합니다. 각 업계에선 이미 무엇을 할 수있는지에 대한 아이디어를 갖고 있으며 이 AI에 접근만 된다면 바로 상용화가 가능한 제품과 서비스를 만들 수있을 것으로 보고 있습니다. 가장 먼저 기대하는 분야가 패션과 인테리어라고 합니다. 디자이너는 불과 몇 초만에 웹사이트를 개선하고 이용자가 최초로 보는 웹페이지인 랜딩 페이지를 구축할 수있습니다. 수많은 디자이너가 달라붙어 옷감을 디자인할 필요가 없어졌습니다. 아이콘과 일러스트를 만드는데 시간을 절약할 수도 있습니다. 비즈니스 인텔리전스 전문가는 복잡한 그래프와 대시보드를 달리를 통해 그릴 수있습니다. 건축가가 건물을 시각화하거나 고고학자가 고대 구조물에 생명을 불어넣는데 사용할 수있습니다. 어떠 분야에서도 상상하는 만큼 활용이 기대된다고 말하는 전문가들도 많습니다. 하지만 아마존처럼 달리가 패선업계를 파괴할 수도 있다고 보는 시각도 있습니다. 그보다 마이크로소프트가 독점을 행사해 이 AI를 자사 제품에만 쓰게 한다면 상당한 제약이 뒤따를 것이라고 업계는 보고 있습니다. ohchoon@hankyung.com
!['베니스의 장인들' 르네상스 조선소에 쿵쿵쿵 망치질! 클래스가 달랐던 토즈 전시 [2024 베네치아 비엔날레]](https://timg.hankyung.com/t/560x0/photo/202404/01.36496137.3.jpg)