정두희

한동대학교 AI융합학부 부교수, 임팩티브AI 대표이사. 머신러닝·딥러닝 기반의 예측 모델을 설계하고, 그 예측이 기업 현장에서 실제로 작동하는 시스템이 되도록 만드는 일을 한다. 서울대학교 공과대학에서 기술경영 전공으로 박사학위를 받았다.
20년의 비즈니스 경력 중 15년을 AI와 예측 분야에 쏟았다. 삼성경제연구소에서 사회생활을 시작해 SERI CEO 수석으로 일했고, 《MIT 테크놀로지 리뷰》 한국판 편집장으로서 AI를 비롯한 글로벌 기술 흐름을 국내에 전했다. 2018년 한동대학교에 부임해 연구와 강의에 집중했으며, 2021년 임팩티브AI를 창업했다.
임팩티브AI는 AI 기반 수요·가격 예측을 핵심 기술로 삼아 기업용 솔루션 딥플로우DeepFlow를 개발하고, 국내외 무대에서 예측 AI 영역을 본격적으로 설계해 온 기업이다. 창업 이후 제조·유통·리테일·식음료·반도체·패션 등 85개 기업과 함께 일했다. 매출 300조 원의 글로벌 대기업부터 직원 열 명 규모의 D2C 브랜드까지, 산업과 규모를 가리지 않고 협력했다.
AI 분야 특허 79건을 출원·등록했으며, AI 기술 발전에 기여한 공로로 3년 연속 과학기술정보통신부 장관상을 받았다. 저서로 《3년 후 AI 초격차 시대가 온다》, 《한 권으로 읽는 AI 비즈니스 모델》, 《넥스트 빌리언 달러》 등이 있다.

“AI를 도입해도 왜 의사결정의 과정은 여전히 느린 것인가”
기업의 병목현상을 해결하는 혁신, 예측 AI를 주목하라
세계적인 경영컨설팅 회사인 맥킨지앤드컴퍼니에서 2025년 조사한 연차 보고서에 따르면, AI를 정기적으로 사용 중인 기업은 88%이지만 AI가 영업이익에 유의미한 영향을 미쳤다고 응답한 비율은 39%였다. 그마저도 대부분은 전체 영업이익의 5% 미만이 AI에서 비롯됐다고 답했다. 이처럼 AI를 도입해도, 실제 AI가 회사 안에서 제대로 작동해 의미 있는 결과로 이어지는 일은 드물다. 왜 이런 문제가 발생하는 것일까? 어떻게 기업의 병목현상을 AI로 해결할 수 있을까?
저자는 이 문제를 해결하기 위한 대안으로 예측 AI 시스템을 제안한다. 예측 AI는 미래의 흐름을 정량적으로 읽고, 그 결과를 바탕으로 행동의 시점을 앞당기는 AI다. 기상 캐스터가 날씨를 예보하거나 점쟁이가 사람의 운명을 점치는 것과 같은 영역이 아니라, 기업이 매일 마주하는 의사결정, 즉 제품을 얼마나 만들고, 언제 원자재를 사들이고, 누구를 우선할 것인지 고민하는 영역에서 정확도와 속도를 높이는 기술이다. 지금까지 모든 AI 담론은 챗GPT, 클로드, 제미나이와 같은 생성형 AI에 쏠려 있었다. 하지만 기업의 의사결정을 실제로 바꾸고 있는 것은 예측 AI다. 이제 예측을 잘하는 조직과 못 하는 조직 사이의 격차는 기하급수적으로 벌어질 것이다. 사전에 의사결정을 빨리 내리는 기업만이 시간차를 줄이고 시장 점유율에서 앞설 수 있다.

“불가능한 영역을 어떻게 예측하고 문제를 해결할 수 있는가”
예측 AI로 문제를 해결하고 성과를 얻은 기업들의 인사이트
저자는 예측 AI를 통해 결정의 시점을 앞당겨 의미 있는 성과를 거둔 기업의 사례와 실제로 예측 AI 시스템을 개발하며 겪은 경험을 토대로, 기업이 겪을 수 있는 여러 문제를 예측하고 해결할 수 있는지 상세하게 제시한다. 예를 들어 코로나19가 창궐하던 시기, 캐나다의 AI 스타트업 블루닷(BlueDot)은 세계보건기구보다 먼저 중국 우한에서 발생한 정체불명의 폐렴 사례에 대한 보고서를 발행했다. 이 기업은 우한 지역에서 출발하는 항공편 예약, 중국 의료 관련 SNS, 지역 신문 기사 등 수많은 비정형 데이터에서 정보를 수집하고 분석하는 AI 기술로 세계에서 가장 먼저 코로나19의 전조를 포착할 수 있었다. 저자의 연구팀은 2022년 러시아-우크라이나 전쟁 발발 이후 니켈 가격의 급등을 분석하고, LLM을 기반으로 비정형 데이터를 분석해 니켈 선물 지수를 예측하는 시스템을 만들었다. 이처럼 AI 시스템을 잘 활용하면 갑작스러운 ‘블랙스완’ 상황에서도 예측 가능한 영역으로 변화시킬 수 있다.
신제품의 판매에 따라 기존 제품의 수요가 줄고 재고가 늘어나는 자기잠식효과, 즉 카니발라이제이션 상황에도 예측 AI를 효과적으로 적용할 수 있다. 리테일 기업 아마존(Amazon)은 수억 개 제품 중 고객의 장바구니에 담긴 상품을 분석해, 어떤 선택을 했는지 살펴보고, 이에 따라 추천 알고리즘과 재고 배치를 동시에 조정하는 시스템을 도입하고 있다. 대형 유통사인 타겟(Target)은 오프라인 매장과 온라인 매장을 통합해 ‘품절이 발생할 상품’을 사전에 예측하는 데 집중한다. 특정 상품이 품절될 가능성이 높아지면, 고객이 대체할 가능성이 높은 상품까지 고려해 진열과 재고를 판단한다. 이처럼 ‘일어나지 않을 일’의 흐름까지 예측하는 것은 기업의 이익을 극대화하는 구조를 만들고, 경쟁력을 높일 수 있다.

“불확실성이 지배하는 시대, 어떻게 미래를 선점하고 경쟁력을 강화할 것인가”
현실에서 제대로 작동하는 AI 시스템을 만들기 위한 필수 조건
저자는 예측 AI가 제대로 작동하기 위해서 다섯 가지 엔진이 필요하다고 말한다. 즉, 데이터 안의 패턴을 학습하고 반복되는 구조를 찾아내는 모델, 조직 내부와 외부의 학습을 통해 만들어내는 데이터, 숫자에 이유를 붙이는 설명, 일어나지 않은 미래의 가능성을 펼쳐보는 시뮬레이션, 예측을 행동으로 잇는 에이전트 등이 예측 AI를 구성하는 핵심 요소다. 이 다섯 가지 기술적 준비가 갖춰지면 의사결정의 시점이 당겨질 뿐만 아니라 결정의 깊이까지 함께 깊어진다. 그리고 그 결정이 시스템 안에서 자율적으로 실행될 수 있다.
드라마틱한 변화는 ‘기술이 얼마나 정교한가’가 아니라 ‘기술이 사용자의 현실에 얼마나 가깝게 닿는가’에 달려 있다. 기업의 AI 프로젝트가 실패하는 이유는 대부분 엔지니어 중심이기 때문이다. 사용자 가치에 대한 정의와 설계가 빠진 채 기술만 개발하면, 모델은 나오지만 현장에서 체감할 인사이트는 나오지 않는다. 저자는 AI가 조직 안에서 완성되려면 저항의 구조를 이해하고, 심리적 안전을 먼저 설계하며, 도입하지 않고 스며들게 만들어야 한다고 말한다. 또한 의사결정을 강화하고 베네핏을 명확하게 측정해 공유하는 조직의 문화를 만들어야 한다고 강조한다. 기술은 가능성을 열어주지만, 그 가능성을 조직의 성과로 바꾸는 것은 결국 사람의 결정에 달려 있다. AI가 내려주는 답을 맹목적으로 따르는 것보다, AI가 일하는 방향을 설계하는 것에 집중해야 한다. 불확실성이 지배하는 시대, 먼저 앞서가기 위한 AI 시스템을 고민하고 있다면 이 책에서 그 해답을 찾을 수 있을 것이다.