컨텐츠 바로가기

05.21 (화)

[AWS 리인벤트] “전문가와 대화하듯 AI로 기업 내부 정보 검색”

댓글 첫 댓글을 작성해보세요
주소복사가 완료되었습니다

[인터뷰] 바시 필로민 아마존 트랜스크라이브 SW엔지니어링 총괄

디지털데일리

[디지털데일리 백지영기자] '이번에 출시된 인공지능(AI) 관련 서비스 가운데 가장 영향력이 클 것으로 생각되는 것은 '아마존 켄드라'입니다. 마치 전문가와 대화하듯 직접적인 답을 얻을 수 있지요.'

아마존웹서비스(AWS)가 기업 내부 정보 검색에 머신러닝을 접목한 새 AI 서비스인 '아마존 켄드라(Amazon Kendra)'를 내놨다. 이는 머신러닝 기반 엔터프라이즈 검색 서비스다. 기존 웹 검색과는 달리 회사 내부에 사일로(silo, 장벽)로 존재해 있는 데이터를 쉽게 찾아 알려준다. 자연어로 쿼리를 날릴 경우에도 문구 내 맥락을 이해하고 답을 한다.

지난 3일(현지시간) 미국 라스베이거스에서 열린 'AWS 리인벤트 2019'에서 만난 바시 필로민 아마존 트랜스크라이브 SW엔지니어링 총괄(박사)<사진>은 디지털데일리와의 인터뷰에서 '아마존 켄드라를 써서 검색을 시작하면 마법과 같은 기능이라고 느낄 수 있을 것'이라고 강조했다.

필로민 박사는 현재 AWS AI팀에서 아마존 렉스,폴리,트랜슬레이트,트랜스크라이브,컴프리헨드와 같은 언어 및 음성 기술 분야 서비스를 총괄하고 있다. 현재 이 서비스들은 모두 한국어를 지원한다.

그는 '엔터프라이즈 검색과 웹 검색의 차이는 크다'고 운을 떼며 '회사 내부 문서들이 쉐어포인트와 인트라넷, 위키페이지, 아마존 S3 등에 사일로로 존재해 서로 연결되지 않고, 결국 이로 인해 여러 문제들이 야기되는 실정'이라고 지적했다.

현재 기업 내 대부분의 직원들은 자신들이 찾고자 하는 정보를 쉽게 검색하지 못하고 있다. 원인은조직 내부에는 체계적으로 정리되지 않은 방대한 양의 텍스트 데이터 때문이다. 일반적인 웹 기반 검색 도구들은 기존 데이터 사일로를 인덱싱하지 못하고, 자연어 쿼리를 제공하지 않아 정확한 결과를 제공하지 못한다.

특히 직원들이 키워드를 사용해 검색 시, 키워드를 사용해야 여러 링크들의 목록이 무작위로 검색된다. 직원들은 이 무작위 링크들을 일일이 확인해 자신이 찾는 정보를 찾아내야 하는 어려움이 있다.

아마존 켄드라는 키워드가 아닌 실제 질문을 이용해 여러 데이터 사일로를 검색하고, 무작위 링크를 제공하는 대신 AI 기술을 사용해 내부 직원들이 찾는 정확한 답변을 제공한다. 이것이 엔터프라이즈 검색과 일반 검색과의 차이라는 설명이다.

그는 '데이터 소스만 알려주면 빌트인된 커넥터 통해 인덱스를 활용, 쉽게 답을 찾아준다'며 '또, 어떤 문서 출처에서 답을 얻었는지 알려주고, 짧은 여러 문서를 통해서 전체 맥락을 이해한다'고 말했다.

직원들은 선호하는 자연어를 이용해 검색할 수 있다. 예를 들어 'IT 지원 센터는 몇 시에 문을 여나요?'과 같은 구체적인 질문을 하면, 아마존 켄드라가 'IT 지원 센터는 아침9시30분에 문을 엽니다'와 같은 구체적인 답변과 함께 IT 티케팅 포털 링크와 기타 관련 사이트 링크를 답변으로 제공한다.

또직원이 인사부서에 출산휴가와 관련된 질문을 했다고 하면 이와 관련된 FAQ(자주 묻는 질문)을 뽑아서 알려준다. 여성 뿐만 아니라 남성에 관련한 출산휴가 규정 등 연관된 내용까지 답을 해준다.

무엇보다 머신러닝 기반 서비스이기 때문에 스스로 학습을 통해 계속해서 발전한다. 필로민 박사는 '캔드라 장점 중 하나는 별다른 노력 없이 세팅이 가능해 검색에만 집중할 수 있으며, 클릭 데이터와 사용자 위치, 이용자들의 피드백에 따라 모델이 개선된다'고 강조했다. 이에 따라 전체적인정확도도 높아진다.

그는 '정확한 수치는 밝히기 어렵지만, 글로벌 제약업체 '화이자'의 파일럿 테스트 결과 어려운 의료기기 용어가 포함돼 있음에도 불구하고 화이자조차 놀랄 정도로 정확한 결과가 나왔다'고 강조했다.

<라스베이거스(미국)=백지영 기자>jyp@ddaily.co.kr

- Copyright ⓒ 디지털데일리. 무단전재 및 재배포 금지 -
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.