출처: 토큰포스트
인공지능(AI)이 의사결정의 패러다임을 바꾸고 있는 가운데, ‘인과적 AI(Causal AI)’가 기업의 의사결정 역량을 획기적으로 향상시킬 기술로 주목받고 있다. 기존의 생성형 AI나 대형 언어 모델(LLM)이 상관관계를 바탕으로 예측을 제공하는 반면, 인과적 AI는 사건의 원인을 분석해 보다 정교한 의사결정을 가능하게 한다는 점에서 차별화된다.
최근 ‘더 큐브 리서치(theCUBE Research)’ 팟캐스트에서 스콧 헤브너(Scott Hebner)와 스튜어트 프로스트(Stuart Frost) 제미노 소프트웨어(Gemino Software) CEO는 인과적 AI의 중요성을 강조했다. 프로스트 CEO는 “기존 AI 모델은 단순히 데이터 패턴을 기반으로 예측할 뿐, 왜 그런 일이 일어나는지는 설명하지 못한다”며, “기업들이 필요로 하는 것은 단순한 AI 기술이 아니라 실제로 더 나은 결정을 내릴 수 있는 도구”라고 말했다.
기존의 AI 기술은 기업 운영에서 특정 문제를 감지하는 데 유용하지만, 그 원인과 해결책을 제공하지 못하는 한계가 있었다. 예를 들어, 제조 공장에서 AI가 장비의 다운타임이 증가하고 있음을 감지할 수는 있지만, 왜 그런 일이 발생하는지 또는 어떻게 해결할지를 설명하지 못하는 것이다. 반면, 인과적 AI는 특정 변수가 다른 변수에 미치는 영향을 모델링하여 보다 정밀한 원인 분석과 최적의 해결책을 제시할 수 있다.
이 같은 기술적 진보는 기업들이 다양한 시나리오를 시뮬레이션하고, 실제 행동에 나서기 전에 그 영향을 미리 평가할 수 있도록 만든다. 프로스트 CEO는 “한 번 인과적 AI에 익숙해지면 다시 기존 방식으로 돌아가기 어렵다”며, “보다 정교한 의사결정을 가능하게 한다는 점에서 본질적으로 우월한 기술”이라고 강조했다.
또한, 인과적 AI는 높은 신뢰성을 바탕으로 규제 환경 및 이해관계자의 요구에 부합하는 투명하고 설명 가능한 AI 모델을 제공할 수 있다. 설명 없이 단순 상관관계에 의존하는 AI 모델은 기업이 신뢰할 수 없는 정보를 바탕으로 중요한 결정을 내릴 위험을 초래할 수 있기 때문이다.
헤브너는 “단순한 상관관계는 인과관계를 의미하지 않으며, 예측은 곧 판단이 아니다”라며, “진정한 의사결정을 위해서는 상관관계가 아닌 ‘이유’가 필요하다”고 설명했다.
이와 함께, 기업들은 인과적 지식 그래프를 AI 인프라에 통합함으로써 보다 안정적이고 신뢰할 수 있는 의사결정 지원 시스템을 구축할 수 있다. 프로스트 CEO는 “인과적 지식 그래프는 원인과 결과 관계를 체계적으로 정리해 AI 모델을 보다 정교하게 개선하는 역할을 한다”며, “이 시스템이 활성화되면 기업의 전체 의사결정 역량이 상당한 수준으로 업그레이드될 것”이라고 전망했다.
현재 AI 의사결정 기술이 빠르게 발전하는 가운데, 신뢰성과 정확성을 확보하기 위한 기업들의 관심이 높아지고 있다. 인과적 AI는 이러한 요구를 충족하며 차세대 AI 혁신을 주도할 기술로 자리 잡을 것으로 보인다.
