보라빛 소를 만나기 위한 도약

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1788호(2017. 3. 22 발행)에 기고한 원고입니다. 

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

닛산_클라우드 기반 글로벌 인사관리 시스템.pdf

ž 닛산자동차는 전세계 약 12​​만 4천명의 그룹 직원을 대상으로 클라우드 기반 ERP를 통해 직원 관련 정보를 일원화하는 인사 시스템의 통합을 추진하고 있음

Ø 이는 지역과 거점 별로 달리 적용해 왔던 인사평가 지표와 구조를 통일하고 글로벌 차원에서 적절한 인력을 배치 및 활용하기 위한 체제를 정비하려는 시도임

Ø 닛산이 이러한 새로운 인사 시스템의 도입은 4년여에 걸친 대규모 프로젝트로, 시작된 것은 지난 2013년이며 2017년 6월에 완료될 예정임

Ø 닛산은 인사 정책과 관련해 애플과 구글 같은 미국 기업을 벤치마킹 하고 있다며, 이들 기업에 뒤지지 않게 기업을 최고의 인재가 능력을 발휘할 수 있는 장소로 만들기 위해 새로운 시스템을 활용하여 인재 유치 및 유지 정책을 개선해 나가고 있다고 설명

ž 닛산이 인사 시스템의 통일을 단행한 것은 글로벌 경쟁에서 살아 남기 위해 글로벌 차원의 인력 배치·활용을 최적화하는 구조가 필요하다고 판단했기 때문

Ø 닛산의 매출은 2016년 3분기 현재 12조 1,895억 엔, 판매대수는 542만 3,000 대였는데, 이 중 해외 판매가 약 90%를 차지하고 있으며, 일본 외에 북미, 유럽, 아시아·오세아니아, 중남미, 중동, 아프리카 등에 거점을 두고 거의 전세계에서 사업을 전개하고 있음

Ø 예전에 닛산은 인사 평가작업을 크게 유럽, 미국, 일본의 3개 권역으로 나누어 진행했는데, 유럽에서는 SAP의 'SAP ERP', 미국에서는 오라클의 ‘피플소프트(PeopleSoft)’를 이용하는 등 인사 시스템이 서로 달라 인사평가 방식도 권역마다 차이가 있었음

Ø 닛산과 같은 글로벌 기업이 인사 시스템뿐만 아니라 평가의 구조까지 통일하는 것은 쉽지 않은 일인데, 투자 대비 효과의 문제도 있고 지역별로 특성이 존재하는 것도 사실이기 때문에 인사 분야에 대한 시스템 투자가 어렵기 때문

Ø 그럼에도 인사 통일화를 추진하게 된 것은 전세계의 인사 시스템과 평가 제도의 통일을 통해 인력 활용을 최적화함으로써 글로벌 경쟁력을 강화할 수 있으리라는 경영진의 결단에 기인

ž 글로벌 차원의 전사 인사 시스템 통일을 위해 닛산은 도입하기로 결정한 것은 클라우드 기반 SaaS 서비스인 ‘워크데이(Workday)’였음

Ø 워크데이는 피플소프트의 설립자인 데이브 더필드가 만든 기업으로 인사 및 회계 기능을 SaaS 형태로 제공하고 있는데, 닛산은 이중 인사 기능을 전세계 그룹 차원에서 이용하기로 결정

<자료> Workday [그림 1] 클라우드 기반 인사 서비스 워크데이

Ø 워크데이를 선택한 이유는 대부분의 인사 솔루션들이 온-프레미스 버전을 확장한 형태로 클라우드 버전을 제공하는 것에 비해, 워크데이는 닛산의 필요로 했던 ‘처음부터 클라우드에서 제공되며 모든 비즈니스 사례가 포함되어 있는 환경’을 제공했기 때문

Ø 닛산은 2013년에 우선 홍콩과 남아프리카공화국에서 워크데이를 도입하여 자신들이 원하는 프로세스를 실현할 수 있는지 평가하였으며, 이후 북미, 일본, 유럽 순서대로 도입을 확장했고, 현재는 아시아·오세아니아에서 도입을 추진하고 있음

ž 닛산에 따르면 결과적으로 새로운 시스템은 80~90%의 업무를 글로벌 차원에서 표준화하였으며, 10~20%는 각 지역 및 국가의 사정에 맞추도록 하고 있음

Ø 대형 프로젝트인 만큼 다양한 과제가 있었는데, 그 중 핵심적이었던 것은 ‘어디까지 글로벌화하고 어떤 부분을 로컬에서 대응하도록 할 것인가’ 하는 문제로, 가령 월급 지급 및 근무 시간에 대해 각국마다 존재하는 엄격한 규정을 하나로 통일하는 것은 매우 어려운 일임

Ø 또한 글로벌 표준화를 도입함에 따라 ‘전세계 직원들에게 왜 변화해야 하는지를 이해시키고, 새로운 KPI(핵심성과지표)를 도입하며, 누가 어떤 권한과 책임을 가지는지를 명확히 하는 작업’ 도 쉽지 않았지만 반드시 해야 하는 과제였다고 함

Ø 결과적으로 전세계적으로 85~90%의 KPI를 표준화하는 데까지는 나아갔으나, 급여 및 근태는 기본적으로 각 나라마다 법과 규정에 맞게 대응하도록 하고 있다고 함

ž 닛산은 글로벌 인사 시스템의 통합으로 인재에 대해 ‘하나의 기준’이 만들어졌고, 어떤 국가나 지역의 직원에 대해서도 동일한 기준을 적용할 수 있게 된 것을 성과로 꼽고 있음

Ø 이번 인사 프로젝트로 닛산은 전세계 직원 데이터를 집약한 데이터베이스인 '글로벌 인재 풀'을 구축하게 되었으며, 모든 직원에 동일한 기준의 평가 지표를 적용할 수 있게 되었음

Ø 지금까지는 서로 다른 권역과 국가에서 일하는 직원들을 평가할 때, 한 지역의 데이터 항목을 다른 지역의 유사한 항목으로 변환하는 등 데이터를 수 차례 교환할 필요가 있었음

Ø 새로운 시스템이 이미 많은 지역에서 가동되고 있지만 평가 기준을 통일하기 위해 글로벌 템플릿을 도입한 것은 2016년 3월이므로, 닛산은 도입 효과에 대해 아직은 시기상조라며 구체적으로 언급하지 않고 있음

Ø 그러나 이번 달로 1년 치의 데이터가 축적되기 때문에, 이 데이터의 분석을 통해 글로벌 단일 인사 기준의 도입 효과를 검증하고 수정해 나갈 계획이라고 함

Ø 닛산은 ‘직원의 동기 부여가 향상 혹은 지속되고 있는지, 중요한 포지션이 공식이 될 때 후임자가 얼마나 빨리 결정될 수 있는지, 직원 개개인의 역량을 최대화 할 수 있는 배치의 유연성을 어느 정도 실현​​할 수 있는 지’ 등을 주요한 평가 지표로 도입효과를 측정한다는 방침

Ø 또한 직원 100명의 인사 업무에 소요된 자원을 지표화 하고 이것이 얼마나 효율화 되었는지를 모니터링 함으로써 시스템의 투자 대비 효과를 계량화해 나갈 것이라 밝히고 있음

Ø 워크데이는 인공지능(AI)을 활용한 인사 데이터 분석 기능을 탑재하고 있으며, 자체 개발한 분석 엔진인 ‘사이먼(SYMAN)’을 통해 과거 데이터를 바탕으로 직원의 동향을 예측하고 있음

Ø 이 기능에 대해 닛산은 직원의 성과와 이직 가능성과의 관계를 조사하는 등의 용도로 사용할 수 있는지 조만간 검증해 나갈 계획이라 밝혔음

ž 비즈니스의 글로벌화와 전세계 어디서나 동일한 인터페이스로 접근할 수 있는 클라우드 서비스의 결합은 통일된 글로벌 인사 정책의 출현을 가져오고 있음

Ø 글로벌 기업들이 닛산처럼 전세계 차원의 통일된 인사 기준을 통해 인력 정책을 펴나가게 된다면, 기업들은 보다 일관성 있게 기업이 필요로 하는 인재상을 제시할 수 있게 되며, 또한 글로벌 차원에서 전사 역량의 극대화를 달성할 수 있게 될 것임

Ø 또한 직원들은 사내에서 자신의 역량을 평가 받고 펼칠 수 있는 공간을 전세계로 확장하는 효과를 얻을 수 있으며, 업무 역량 강화에도 도움을 받을 수 있게 될 것으로 기대

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1787호(2017. 3. 15 발행)에 기고한 원고입니다. 

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

실시간주차정보 센서 vs 기계학습 방식.pdf

[요 약]

스마트 시티 구축에서 중요 요소 중 하나는 주차 공간 정보를 실시간으로 정확하게 제공하는 것인데, 주차장 정보 시스템을 구축하기 위한 방법으로 현재 미국에서는 두 가지 기술방식이 경쟁하고 있음. 공공기관은 센서(IoT) 기술을 이용한 정보 집약 방식을 택하고 있으며, 민간기업 구글은 기계학습 기술을 이용한 알고리즘 방식의 정보 집약 방식을 택하고 있음. 스마트한 도시 정보 제공을 위한 센서와 알고리즘의 경쟁에서 누가 이길 것인지를 놓고 미국 내 관심이 높아지고 있음

[본 문]

ž 주차장 관리는 전통적으로 사물인터넷(IoT)의 전문 분야 중 하나로, 설치된 센서를 통해 차량의 주차 유무를 파악해 전반적인 혼잡 상황을 파악함

Ø 주차 관리 및 혼잡 정보를 발신하는 것은 행정부문의 책임이기도 한데, 따라서 최근 스마트 시티 구축에 나서려는 국가와 도시들은 대체로 센서 기술을 이용해 주차와 차량 관련 정보를 집약, 분석, 제공하려는 시도를 하고 있음

Ø 미국 캘리포니아주 샌프란시스코시의 경우도 주차장에 IoT를 적용하여 혼잡도를 파악하는 ‘SF Park(SF 파크)’라는 실증 실험을 진행하고 있음

Ø 샌프란시스코 시가지에 있는 노상 주차장에는 주차 미터기(Parking Meter)가 설치되어 있는데, 이용자들은 주차 후 동전이나 카드, 앱으로 요금을 지불하게 되어 있음

Ø 주차와 동시에 주자 미터기의 센서가 작동하여 차의 유무를 감지하며, 주자 미터기에 연결된 IoT 전용 네트워크인 ‘시그폭스(Sigfox)’를 통해 주차 공간의 혼잡 정보가 집약됨

ž 샌프란시스코시는 계획대로 IoT 주차 관리 시스템이 완성되면 주차 혼잡 정보를 실시간으로 알 수 있게 될 것으로 기대하고 있으나, 이 작업은 쉽지 않은 일이라는 지적도 있음

Ø 전문가들은 주차 미터기가 주차 여부를 제대로 감지 할 수 있는가 하는 문제가 있기 때문에, 계획대로 주차 혼잡도 정보가 제대로 파악될 수 있을지를 관심 있게 지켜보고 있음

[동영상] 샌프란시스코시의 SF Park 프로젝트에 사용되는 주차 미터기(Parking Meter)

Ø 가령 주자 미터기가 있는 주차 장소에 누군가 불법 주차하거나 또한 특별 허가증을 가진 차량이 주차하는 경우에는 공간 여유가 있다고 판단될 가능성이 있음

Ø 반면 주차 시간이 아직 남아 있는 상태에서 자동차를 빼는 사람도 있을 텐데, 이 경우에도 주차 중이라고 판단될 가능성이 있음

Ø 이런 이유 때문에 실시간으로 정확한 주차 공간 정보를 파악하는 것은 어려운 작업이며, 현재 실험 중인 주차 미터기 시스템에 보완이 필요하다는 의견이 적지 않음

ž 이에 비해 구글은 접근 방식을 바꿔 센서를 사용하지 않고 알고리즘의 파워를 통해 혼잡 상황을 파악하고 시설을 관리한다는 아이디어를 구현하고 있음

Ø 구글은 소프트웨어를 통해 차량의 흐름을 ‘기계학습(Machine Learning)’으로 분석해 혼잡 상황을 정확히 추정하려고 하는데, 이러한 아이디어는 지난 달부터 시작된 구글 지도의 주차장 혼잡 상태 표시 서비스에 반영되어 있음

<자료>Google [그림 1] 구글 지도의 주차장 혼잡 정보 제공

Ø 현재 구글 지도에서 목적지까지의 경로를 검색하면 [그림 2]에서 보는 것처럼 화면 하단에 주차를 의미하는 ‘ⓟ’ 아이콘과 함께 목적지 주변의 주차 난이도가 표시됨

Ø 주차장 혼잡도는 ‘수월(easy), 보통(Medium), 한정(limited)’의 셋 중 하나로 표시되며, ‘수월’이나 ‘보통’의 경우 ⓟ가 파란색으로 표시되는데, 이는 주차 공간을 찾기가 어렵지 않아 제 시간에 출발해도 괜찮음을 의미함

Ø 반면, 주차장 상태가 ‘한정(Limited)’일 경우 ⓟ는 붉은색으로 표시되는데, 이는 말 그대로 주차 공간이 한정되어 있어 주차 장소를 찾는데 시간이 걸릴 수 있다는 뜻이므로, 이용자는 주차에 걸리는 시간을 감안해 출발 시간을 조정하는 등의 판단을 할 수 있음

Ø 구글 지도는 주차가 어려울 경우 전철로 이동하는 것이 좋겠다는 등의 대안을 제시하고 있는데, 구글에 따르면 이 주차 정보 서비스를 시작한 이후 실제로 전철로 이동하는 루트의 검색 건수가 급증했다고 함

ž 구글에 따르면 이 서비스를 위해 주차 공간을 파악하는데 ‘크라우드 소싱(crowd sourcing)’과 ‘기계학습’이라는 두 기법을 사용 중이라고 함

Ø 구글은 이 새로운 서비스의 구조를 ‘기계학습을 이용한 주차의 어려움 예측(Using Machine Learning to predict parking difficulty)’이라고 이름 붙여 발표하였음

Ø 크라우드 소싱과 기계학습이라는 두 가지 적용 기술 중 크라우드 소싱은 사용자의 다양한 데이터를 집약하여 이용하는데 사용되고 있으며, 기계학습은 여러 가지 요인을 고려하여 주차 패턴을 분석하는데 사용된다고 함

ž 크라우드 소싱으로 집약되는 데이터에는 사용자의 위치 정보, 체류 정보, 주차장 찾기까지 걸린 시간 정보 등이 포함됨

Ø 주차 혼잡도 정보 제공 서비스를 위해 구글은 구글 지도에서 모은 사용자 위치 정보를 이용하고 있는데, 구글은 일찍부터 사용자 동의 하에 입수한 사용자의 위치 데이터를 이용해 다양한 서비스를 전개하고 있음

<자료> Google Help [그림 2] 구글 지도의 혼잡시간과 방문지속시간

Ø 사용자 위치 정보를 이용한 대표적인 서비스는 구글 지도에 나타나는 ‘실시간 트래픽(Live Traffic)’ 현황으로 차량의 흐름 상태를 실시간으로 표시해 줌

Ø 또한 구글 지도는 상점과 레스토랑의 ‘혼잡 시간(Popular Time)’ 및 ‘방문 지속시간(Visit Duration)’ 정보도 제공하고 있는데, 이들은 모두 유용한 정보 도구로서 이미 생활의 일부로 이용되고 있음

Ø 이들 데이터 외에도 구글 지도에서는 사용자에게 ‘주차장을 찾기까지 시간이 얼마나 걸렸습니까?’라는 질문을 보내고 답변을 집약한 후 주차장 찾기의 난이도를 산출한다고 함

Ø 구글은 이를 위한 기법 중 신뢰도가 높은 ‘지상 실측자료(Ground Truth)’ 방법을 사용해 데이터를 수집한다고 하는데, 지상 실측자료는 원격탐사자료를 분석하고 해석하는데 뒷받침이 될 수 있는 자료로 지상에서 직접 측정하고 확인한 보조자료 및 기준 자료를 의미함

ž 그러나 이 크라우드 소싱 방법만으로는 주차장의 정체를 정확히 추정할 수 없는데, 차를 주차하는 패턴의 수가 많고 이러한 요인을 고려할 필요가 있기 때문

Ø 예를 들어, 자동차를 사유지에 주차하는 이용자가 많다면 주차 소요 시간은 짧을 것인데 알고리즘은 이를 주차 여유 공간이 있는 것으로 오인할 가능성이 있음

Ø 또한 이용자가 택시나 버스로 이동한 경우도 주차 소요 시간이 걸리지 않으므로 알고리즘은 주차 공간이 있는 것으로 오인할 가능성이 있으며, 이처럼 주차 공간을 판정하는 데 크라우드 소싱 방식으로는 한계가 있는 것임

<자료> Google [그림 3] 차량 이동 패턴으로 주차공간 예측

Ø 이 때문에 자동차가 어떤 패턴으로 이동하면 주차장이 없음을 의미하는지, 그 특징량을 찾아내는 것이 관건이 되는데, 가령 [그림 3]처럼 점심 시간에 자동차가 거리를 뱅뱅 도는 움직임을 보이면 주차장이 없기 때문으로 판단하는 모델을 설정할 수 있음

Ø 반면, 이용자가 목적지에 도착하여 그대로 시설에 들어갔을 경우에는 주차장이 있었다고 판단할 수 있는데, 구글은 이러한 특징량을 파악하여 알고리즘에 반영하였음

Ø 이 밖에도 목적지의 특수한 조건이나 주차장의 위치에 따라 달라지는 요인도 고려할 필요가 있었다고 하며, 주차 시간과 주차 날짜에 따라 달라지는 조건 등을 도입하였음

Ø 또한 과거의 통계 정보도 이용하였는데, 이런 방식으로 구글은 최종적으로 20개의 모델을 분석하였고 이를 이용하여 알고리즘을 교육했다고 함

ž 앞서 언급한 기계학습 기술이 바로 이 20개 모델의 분석에 사용되었는데, 기계학습의 다양한 방법 중에서도 ‘로지스틱 회귀분석(Logistic Regression)’이 사용되었음

Ø 로지스틱 회귀분석은 변수간 인과관계를 분석하기 위한 통계학의 대표적인 기법으로서, 영향을 주는 변수가 연속형(3개 이상의 값)이고 영향을 받는 변수가 범주형(0과 1의 두 값)일 때 변수 사이의 인과관계를 추정하는 것임

Ø 로지스틱 회귀분석으로 알고리즘을 교육하여 변수를 입력하면 어떤 사항에 대해 그 결과를 예상할 수 있는데, 이 경우에는 운전자의 운행 데이터를 입력하면 주차장을 찾기가 쉬울지 어려울 지를 예측할 수 있음

<자료> Google [그림 5] 기계학습을 통한 주차장 혼잡 예측

Ø 알고리즘은 주차가 ‘쉽다’와 ‘어렵다’의 두 값을 출력하게 되며, 따라서 이는 ‘바이너리 로지스틱 모델(Binary Logistic Model)’이라 부를 수 있음

Ø 이 기법으로 샌프란시스코 도심 주차장의 혼잡을 예측하면 [그림 4]와 같이 시가지를 구획으로 나누어 각 주차장의 정체를 표시하게 되는데, 짙을 수록 혼잡이 심함을 나타냄

Ø 상단은 월요일, 하단은 토요일을 나타내며, 왼쪽은 오전 8시 오른쪽은 오후 9시의 표준적인 혼잡 정보를 표시하는데, 월요일 아침은 상업 지역의 주차장이, 토요일 밤은 관광 명소 지역의 주차장이 붐비는 것을 알 수 있음

ž 전문가들은 구글이 딥러닝(Deep Learning) 기술 부문에서 세계를 선도하고 있음에도 불구하고, 과감히 기계학습 기술을 주차 예측에 적용한 것에 관심을 표시하고 있음

Ø 인간의 뇌를 본 뜬 인공지능인 신경망(Neural Network)을 활용하는 대신 통계적 기법인 로지스틱 회귀분석을 사용한 것에 대해, 구글은 로지스틱 회귀분석이 이미 확립된 기술이어서 그 작동방식을 이해하기 쉽기 때문이라 설명함

Ø 이런 설명은 신경망은 그 내용이 블랙 박스이기 때문에 작동방식을 이해하기 어렵다는 인공지능 연구의 최신 이슈를 잘 보여주는 것이기도 함(주간기술동향 1778호 최신ICT이슈 ‘답은 맞는데 풀이과정을 알 수 없는 인공지능을 믿어야 할까?’ 참조)

[그림 5] 블랙박스처럼 알 수 없는 신경망

Ø 비단 구글만이 아니라 최근 다른 인공지능 연구 기업들에서도 기계학습을 재검토하려는 움직임이 확산되고 있는데, 신경망 전성 시대가 도래하고 있긴 하지만 오랜 세월에 걸쳐 축적된 기술을 개량하고 잘 이용하려는 시도도 병행하려는 것임을 알 수 있음

Ø 물론 기계학습에 재주목하는 것과 동시에 신경망이라는 블랙박스를 열어 구조를 해명하려는 연구도 더욱 본격적으로 전개될 것임

Ø 구글의 주차장 혼잡 예측 모델을 통해 유추해 본다면 AI 연구의 관점에서 올해의 큰 테마는 기계학습의 개량과 신경망의 해명이라 할 수 있음

ž 아무튼 주차장 혼잡 정보 예상 서비스를 놓고 미국에서는 센서와 알고리즘의 싸움이 시작되었으며, 둘 중 누구의 손이 올라 갈지를 두고 많은 이들이 흥미롭게 지켜보고 있음

Ø 구글과 SF 파크의 노력은 현재 미국 전역에서 전개되고 있는 스마트 시티 개발의 모델 케이스로 주목받고 있으며, 따라서 둘 중 어느 쪽이 경쟁에서 이길 것인지에 대해 지역 주민들뿐만 아니라 전국적인 관심이 높아지고 있는 상황

Ø 물론 수십 조 개의 센서를 활용해 데이터를 수집, 분석하려는 시도에 비해 알고리즘은 보다 비용효과적일 수 있다는 점에서 양자가 대립 구도로 규정되고 있기는 하나, 기술의 정확도 면에서 센서와 알고리즘은 물론 상호 보완적으로 접목될 가능성도 높을 것임

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1787호(2017. 3. 15 발행)에 기고한 원고입니다. 

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

알렉사 기반 스킬 1만개 돌파.pdf

ž 아마존닷컴은 최근 인공지능(AI)을 이용한 클라우드 기반의 음성 비서 ‘알렉사(Alexa)’에서 사용할 수 있는 서비스가 1 만 개를 넘어 섰다고 발표

Ø 이용 가능한 서비스를 아마존은 ‘스킬(Skill)’이라 부르는데, 이는 스마트폰 등 모바일 기기에서 사용하고 있는 앱과 비슷한 개념으로, 예를 들어 스킬을 이용해 자신의 은행계좌 잔고 확인이나 피자 주문을 음성 명령으로 처리 할 수 있음

Ø 스킬과 앱의 차이점은 사용자가 말을 걸게 되는 기기가 스마트폰이 아니라 아마존이 제조해 판매하고 있는 스피커형 음성 지원 기기 에코(Echo), 탭(Tap)과 미디어 전송 장치 파이어TV(Fire TV), 파이어 TV 스틱(Fire TV Stick) 등이라는 것

Ø 스킬은 아마존이 자체 개발 한 것과 아마존과 제휴하는 대기업이 개발한 것 등이 주로 제공되고 있는데, 아마존은 2015년 6월에 알렉사의 구조를 공개하고 스킬 개발용 소프트웨어인 ‘Alexa Skills Kit(ASK)의 제공을 시작해 써드파티의 적극 참여를 유도하고 있음

Ø 이렇게 개발된 스킬의 수는 1 년 만에 약 1천 개가 되었으며, 2016년 9월에 3천 개를 넘어섰고, 그 후 5개월 만인 올해 3월 초에 다시 3 배 이상 늘어 1만 개를 돌파

Ø 아마존은 정확히 몇 명의 써드파티 개발자가 ASK를 이용해 스킬을 만들고 있는지 공개하지 않았지만, 언론은 수만 명의 개발자가 이용 중인 것으로 추측하고 있음

ž 아마존은 애플이 앱스토어 생태계를 통해 하드웨어 시장을 장악한 것처럼, 알렉사 스킬 생태계를 통해 스마트폰 이후의 시장 선점을 겨냥하고 있음

<자료> Alexa Skills Store [그림 1] 아마존 알렉사 스킬 스토어

Ø CES 2017에서 알렉사의 경쟁 서비스인 구글 어시스턴트를 탑재한 제품은 거의 없었으나, 아마존은 박람회에 참여하지 않았음에도 불구하고, 약 700개 기업이 알렉사를 장착한 제품을 선보이며 CES 2017의 주인공으로 부상

Ø 아마존은 부스 하나 없이 CES를 점령했다는 평을 받았는데, 스마트폰부터 냉장고와 같은 가전, 자동차까지 모든 분야에 알렉사가 빠지지 않았음

Ø 아마존의 스킬에 해당하는 것을 구글은 ‘액션(Action)’이라 부르고 있는데, 현재 등록된 액션은은 100개를 넘지 못하고 있는 상태

Ø 반면 알렉사의 스킬은 거의 모든 분야에서 매일 등록되고 있으며, 모든 알렉사 스킬은 ‘알렉사 스킬 스토어(Alexa Skills Store)’를 통해 다운로드 받을 수 있음