애자일소다 "실질적인 비즈니스 문제, 강화학습으로 해결"

[ATS2019] 르 팜 투옌 애자일소다 책임연구원

"인공지능(AI)과 머신러닝 성공 사례가 늘어나고 있지만 아직까지는 제한적이다. 실제 비즈니스 현장에서 발생하는 문제는 매우 복잡하기 때문에 이보다 더 유연한 프레임워크를 필요로 한다. 애자일소다는 심층강화학습(DRL) 기반 AI 에이전트 베이킹소다(BakingSODA)로 문제 해결을 지원하고자 한다."

르 팜 투옌(Le Pham Tuyen) 애자일소다 책임연구원은 14일 서울 광화문 포시즌스호텔에서 열린 '아시아테크서밋(ATS) 2019'에 참석해 비즈니스 문제 해결을 위한 DRL의 중요성을 설명했다.

그는 이날 강화학습(RL)의 정의와 성공사례에 대해 설명했다.

그는 "일반적으로 머신러닝은 지도학습과 비지도학습 및 RL로 분류되며, 각각의 학습은 특정 분야에만 적용이 가능하다"면서 "실제 문제를 해결하기 위해서는 최적 프로세스를 찾을 때까지 각 분류별 머신러닝 분석을 반복해야 해서 시간이 오래 걸린다"고 말했다.

이어 "애자일소다는 목표를 달성하는 최적의 솔루션을 찾기 위해 RL 프레임워크를 기반으로 베이킹소다를 출시했다"고 말했다.

애자일소다 르 팜 투옌(Le Pham Tuyen) 책임연구원

RL 프레임워크는 심리학에서 많은 부분을 차용했다. AI 에이전트는 주변 환경과 상호작용하며 행동하며, 적절한 행동을 했을 경우 보상을 받을 수 있다. 에이전트가 최적의 행동을 학습할 때까지 이러한 학습 프로세스는 반복된다. 인간이 학습하는 과정과 비슷한 수순을 따르는 것이다.

투옌 책임연구원은 "RL은 일반적인 프레임워크로 지도학습과 비지도학습에 모두 적용될 수 있으며, 세계에 존재하는 다양한 문제의 대부분을 RL 프레임워크에 적용할 수 있다"며 "DRL이 떠오르면서 알파고, 로봇, 자율주행차 등의 애플리케이션이 등장하고 있다"고 말했다.

이날 그는 DRL의 실제 성공사례를 소개했다. 애자일소다는 DRL을 금융분야에 적용해 ▲이중결제 탐지 ▲대출사기 방지 ▲대출상품 최적화 등의 결과를 이끌어냈다.

그는 "애자일소다의 에이전트를 도입한 신용카드 회사의 경우 도입 전에는 매년 50만건의 이중결제 콜을 처리했지만, 에이전트 도입 이후 이중결제 콜 처리가 연 20만건으로 줄어들었다"며 "이렇게 되면서 인력의 63%를 절감할 수 있었다"고 말했다.

이어 "또 다른 캐피톨 회사는 DRL 에이전트를 이용해 대출 신청 건 중에서 어떤 신청이 사기인지 탐지할 수 있도록 했다"며 "애자일소다와 협력한 은행의 경우 대출상품 최적화 프로젝트에 DRL을 이용해 성공사례를 만들어냈다"고 말했다.

애자일소다는 이렇게 축적된 경험을 바탕으로 자동화 도구인 베이킹소다를 개발해 출시했다.

그는 "베이킹소다는 기업의 의사결정을 지원하고, 기존 경험에 의존하는 룰 기반 모델을 대체할 수 있다"며 "이를 통해 모델을 구축하는 시간과 비용을 절감할 수 있다"고 말했다.

또 "베이킹소다의 코어에는 DRL 프레임워크가 자리잡고 있어 클릭 몇 번 만으로 간단하게 프로젝트를 처리할 수 있다"고 말했다.

베이킹소다는 은행, 금융 서비스 및 보험과 같은 실제 비즈니스 문제를 해결하기 위해 만들어졌다. 에이전트 트레이닝을 위한 RL을 보다 쉽게 사용할 수 있는 방법을 제공하는 것을 목적으로 한다.

그는 "베이킹소다는 DRL뿐만 아니라 다양한 기능이 포함됐다. 유저 친화적인 사용자 인터페이스(UI)로 사용 용이성을 개선했으며, 리워드 기반 최적화를 통해 목표를 맞춤화했다"며 "향후 설명가능한 AI(eXplainable AI) 지원도 고려 중"이라고 말했다.