Intuit가 천체 물리학을 활용하여 AI 기반 플랫폼을 구축하는 방법

Intuit의 인공 지능 부사장 Nhung Ho가 어둠 속에서도 데이터 기반 답변을 찾는 방법과 혁신에 너무 늦지 않은 방법에 대해 이야기합니다.

Nhung Ho는 다섯 살 때 베트남에서 미국으로 이주했을 때 영어에 어려움을 겪었습니다. 그러다가 2학년이 되자 그녀의 세계는 확장되었습니다. "선생님이 천문학에 관한 큰 그림책을 펴셨어요. 그게 뭔지는 기억나지 않지만 딱 찰칵 소리가 나더라고요. 마치 제가 사랑에 빠진 것 같았어요."라고 그녀는 말했습니다. "그리고 사실 저는 천문학 책을 읽으면서 영어를 배웠어요." 

Intuit의 인공 지능 부사장 Nhung Ho는 데이터가 AI 혁신을 어떻게 이끄는지에 대해 BBC와 이야기합니다(제공: Klawe Rzeczy)

그 순간 그녀는 결국 예일 대학교에서 천체 물리학 박사 학위를 취득하게 되었고, 그곳에서 왜소 은하의 진화에 관한 박사 논문을 완성했습니다. 그러나 20년 동안 스타를 쫓아온 후 Ho는 다른 방향, 즉 데이터 과학으로 경력을 쌓기로 결정했습니다.

그녀는 자신의 경력 여정이 일반적이지 않다는 것을 알고 있지만 두 분야 사이에 강력한 유사점이 있다고 생각합니다. "내 열정은 방대한 양의 데이터와 함께 간단한 기술을 사용하여 명확하지 않은 문제를 해결하는 것입니다."라고 그녀는 말합니다. 

이러한 접근 방식으로 인해 그녀는 미국의 다국적 금융 소프트웨어 회사인 Intuit에 입사하여 인공 지능 부문 부사장으로 재직하게 되었습니다. QuickBooks 및 TurboTax를 포함한 회사의 개인 금융 및 중소기업 소프트웨어 제품군 전반에 걸쳐 작업하면서 Ho는 틈새 부서에서 Intuit의 미래 전략의 핵심으로 AI를 발전시키는 원동력이었습니다. 이 회사는 수백만 명의 고객과 중소기업 소유자를 완전히 맞춤화된 기술 기반 경험에 연결하는 "AI 기반 전문가 플랫폼"이 되기 위해 최선을 다하고 있습니다.

Ho는 이 책임을 주도하고 있으며, 그녀를 천체 물리학자로서 성공으로 이끈 기술은 그녀가 지금 사용하는 것과 동일합니다. 무엇보다도 이는 자신의 가정에 도전하는 것을 의미하더라도 데이터가 알려주는 이야기를 따르는 것입니다.

"저희 팀원들이 묻는 질문 중 하나는 '우리는 몇 번이나 실패할 수 있나요?'입니다."라고 Ho는 말합니다. "하지만 저는 실험을 실패로 정량화하지 않습니다. 저는 이를 최종 솔루션 구축을 향한 중심점으로 정량화합니다. 새로운 데이터를 얻을 때 신속하게 방향을 전환할 수 있어야 합니다. 이것이 바로 데이터라는 의미입니다. 중심의." 

Ho는  AI가 데이터를 사용하여 문제를 이해하고 어둠 속에서 답을 찾는 등 스스로 문제를 해결하지 못하는 이유를 설명합니다.

 

첫째 – 왜소은하는 데이터 과학과 어떤 관련이 있습니까?

왜소은하는 99%가 암흑물질로 이루어져 있어 실제로 볼 수 없다는 점에서 독특합니다. 그 안에는 별이 수천 개 밖에 없습니다. 그들은 수천 광년 떨어져 있고 기본적으로 하늘에서는 보이지 않습니다. 내 임무는 이러한 왜소은하를 식별하고 지도를 작성하는 것이었습니다. 그리고 그것은 실제로 현재 데이터 과학자로서 제가 하는 일과 매우 유사합니다. 저는 건초 더미에서 바늘을 찾으려고 노력하고 있습니다. 

학자로서 저는 하늘에서 오는 방대한 데이터를 사용하여 은하계를 찾으려고 노력했습니다. Intuit에서 저는 사용자로부터 수집된 방대한 데이터에서 통찰력을 찾고 있습니다. 나는 동일한 기술을 많이 사용합니다. 우리는 데이터에서 통찰력을 찾고 그로부터 뭔가를 구축합니다. 제가 왜소은하 지도를 만든 방식이죠. 이제 보너스는 제가 실제로 소비자에게 대면하는 영향을 미친다는 것입니다. 이는 제가 학계에서 정말 놓쳤던 것입니다.

 

학계에서 전환했을 때 Intuit에 관심을 갖게 된 이유는 무엇입니까?

저는 여기서 일하기 오래 전부터 Intuit 제품의 사용자였습니다. 나는 그것을 개인 재정을 추적하는 데 사용했습니다. 나는 세금을 납부하기 위해 TurboTax를 사용했습니다. 그리고 사용자로서 제품이 더 똑똑해지는 것 같지 않았기 때문에 개선의 여지가 많다고 생각했습니다. 

저는 TurboTax에 대한 이러한 비전을 가지고 있었는데, 이는 제가 직접 해야 할 수작업을 줄이면서 세금을 훨씬 더 빨리 처리할 수 있어야 한다고 생각했습니다. 또한 QuickBooks로 예산을 유지했는데 프로그램이 매달 몇 건의 거래를 잘못 분류했습니다. 수동으로 변경해야 했습니다.

인터뷰 과정의 일부는 기계 학습 모델 개선을 포함하여 제품을 더 좋게 만들 수 있다고 생각하는 몇 가지 방법을 설명하는 것이었습니다. 그리고 6개월 안에 저는 이러한 문제 중 일부를 해결할 수 있었습니다. 예를 들어, 우리는 사용자가 우리를 수정하는 시기를 알고 이를 모델이 얼마나 잘 작동하는지 알려주는 신호로 받아들입니다. 우리 팀은 모델을 조정할 수 있었고 사용자 수정이 즉시 감소했습니다.

이런 것들이 사소해 보일 수도 있지만, 개인 금융은 개인에게 매우 중요합니다. 세금은 매우 중요합니다. 사람들은 이러한 도움이 필요하며, 그러한 도움을 받으려면 사용 중인 제품을 신뢰해야 합니다.

Ho는 AWS re:Invent 2023에서 중소기업 시장의 AI 채택에 관해 연설했습니다(제공: Intuit 제공).

성공적이고 책임감 있는 AI 전략의 기반을 어떻게 마련합니까? 

우리가 AI를 가속화하고 기업으로서 AI 중심의 전문가 플랫폼이 되겠다고 선언한 지 5년이 지났습니다. 우리는 아주 작은 규모로 시작했고, 가장 먼저 한 일은 데이터 조직과 데이터 플랫폼에 막대한 투자를 하는 것이었습니다. 좋은 데이터 없이는 AI가 아무것도 해결할 수 없기 때문에 이는 매우 중요합니다. 

이러한 데이터 플랫폼에 대한 투자는 팀을 더 빠르게 구성하는 데 도움이 되었습니다. 우리는 고객이 원하고 필요로 하는 것을 우리가 제공하고 있다는 확신을 가지고 더 많은 작업을 수행하고 고객에게 전달할 수 있었습니다.

AI 조직 확장의 큰 부분은 해결할 문제를 선택하는 것입니다. 우리의 데이터를 사용하여 몇 가지 작은 문제를 식별하고 개념 증명으로 매우 빠르게 해결했습니다. 이는 우리가 동일한 방법을 사용하여 더 큰 문제를 해결할 준비가 되어 있다는 것을 조직과 소비자에게 입증했습니다. 우리는 해결책을 찾기 전에 문제를 사랑해야 합니다.

 

숫자로 보는 Intuit의 AI

• 650억: 일일 머신러닝 예측
• 60페타바이트 : AI 모델 훈련에 사용되는 고객 데이터
• 8억 1천만 건: 연간 AI 기반 고객 상호작용

 

강력한 AI 인프라 구축을 통해 다른 업계에서도 이익을 얻을 수 있는 곳이 있습니까?

AI가 의료에 어떻게 도움이 될 수 있는지에 대해 많은 이야기가 있는데 저도 이에 동의합니다. 개인 금융 및 중소기업 시스템과 같은 의료 시스템을 이해하는 것은 많은 사람들에게 어렵게 느껴질 수 있습니다. 나는 의사들과 같은 훈련을 받지 않았습니다. 나는 그들만큼 지식이 없습니다. 하지만 얘야, 그들이 도대체 무슨 말을 하는지 이해할 수 있었으면 좋겠어. 

WebMD 토끼 구멍으로 내려가서 무서운 질병이 생길 수 있습니다. 왜냐하면 우리는 기술 용어를 모르기 때문입니다. 우리는 물어봐야 할 질문을 모릅니다. 이는 데이터 과학자로서 해결해야 할 올바른 문제를 찾는 것과 같습니다. 현재 의료 분야에는 접근할 수 없지만 대규모 언어 모델을 통해 활용할 수 있는 지식이 많이 있습니다. 의사와 그들의 전문성에 대한 필요성을 없애는 것이 아니라 그 전문 지식을 번역하고 민주화하는 데 도움이 되므로 일반인이 자신의 의료 기록을 보고 이해할 수 있습니다.

 

모든 분야의 기업은 AI에 대해 어떻게 생각해야 합니까?

AI의 혜택을 누릴 수 있는 기업은 스타트업만이 아닙니다. 저희는 40년 된 기업입니다. 우리가 할 수 있다면 어떤 기업이라도 할 수 있어야 합니다. 많은 사람들이 '아, 배를 놓쳤구나'라고 걱정하고 있습니다. 보트를 놓치지 마세요. 보트는 계속해서 달립니다. 언제든지 보트에 탑승할 수 있습니다.