데이터로 먹고사는 시대가 온다.2

이어서 둘째. 데이터 활용을 통해 시간과 거래 비용을 단축할 수 있기 때문이다. 구글이 검색 시장을 장악할 수 있었던 가장 큰 이유는 '페이지랭크'라는 알고리즘으로 정확도 높은 검색 서비스를 제공했기 때문이다. 검색 기업이 직접 웨 페이지를 모아 분류하고 정렬해 제공하는 기존 서비스와 달리, 구글의 알고리즘은 사람들이 많이 찾는 페이지와 그 페이지에서 링크되는 페이지 중심으로 노출을 시킨다. 다시 말해서 '사람들이 어떤 페이지를 찾는가? 그리고 그 페이지에서 어디로 링크해서 가는가? 의 대에터를 활용해 검색의 만족도를 높였다. 페이스북도 이용자 데이터를 활용을 하여 과거 형험의 패턴을 찾아내 잠재 욕구를 파악하고 그 이용자에게 맞는 제품 및 서비스의 광고와 연결을 시킨다. 넷플릭스는 이요자의 영화 취향과 비슷한 취향의 다른 이용자가 선택한 영화를 해당 이용자에게 추천한다. 이용자는 영화를 고르는 시간을 줄일 수 있다. 이용자가 추천받은 콘텐츠에 만족할 확률이 높아질수록 영화 제작사는 콘텐츠 판매 수익을 더 많이 거두게 되는 셈이다. 셋째. 데이터에 기반한 인공지능 학습이다. 빅데이터가 쌓일수록 인공지능 학습이 강화된다는 사실을 무어의 법칙만큼이나 중요하게 여겨지고 있다. 아이가 언어를 배우려면 많은 단어와 문장을 접해야 하는 것처럼 똑같은 법칙이 적용된다. 인공지능의 능력을 강화하려면 최대한 많은 데이터에 노출시켜야 한다. 인공지능 학습 방식인 머신러닝은 하편으로 컴퓨터 연산 능력이 발전함에 따라, 다른 한편으로 인터넷을 통해 데이터 양이 폭발적으로 증가함에 따라 빠르게 진화했다. 데이터 기반 머신러닝이 본격화된 2010년대 디지털 기업들은 인공지능을 강화하여 사물 인식, 음성 인식, 기계 시각 분야에서 혁신적인 서비스들을 내놓고 있다. 그러면서 애플은 시리를 구글은 어시스턴스, 마이크로 소프트는 코타나 등을 출시했다. 데이터로 강화된 인공지능은 GAFA 같은 디지털 기업들이 전통적 제조기업과 금융기업들을 추월해 최상위 기업이ㅣ 되도곡 만든 일등 공신이다. 이처럼 데이터가 가치 창출에 기여하는 강도가 높아지면서 가치 창출의 중심이 산업자본주의 시대 '공장'으로 상징되는 유형 고정자본에서 물리적 형태가 없는 무형자본으로 이동했다는 주장도 있다. 이른바 '자본이 없는 자본주의'가 도래했다는 이야기인 셈이다. 정보통신 기업의 경우 전체 자산에서 기계, 건물, 부동산 등 유형자산 비중은 크게 낮아진 데 비해 지적재산권, 상표권 등 무형자산 비중은 압도적으로 높아지고 있다. 최근 연구 결과에 따르면, S&P 500 기업의 시장가치 가운데 유형자산은 불과 20퍼센트 정도다. 정보통신 기술과 데이터 수집 능력의 발전으로 상품과 서비스의 취약점이 실시간으로 개선되고, 개선에 드는 비용도 하락한다. 상품 가격이 낮아지고, 생산정이 오르며, '파괴적인 혁신' 상품과 서비스가 등장하는 속도가 빨라진다. 디지털 경제에서 데이터는 부의 증대를 위한 매우 중요한 핵심 요소가 된다. 그런데 기업이 가치를 창출하는 데 가장 중요하게 필요한 데이터는 인간 소비자에게서 나온다. 그런 의미에서 개인 데이터야말로 정말 실질적인 기치의 원천이다. 개인 데이터는 데이터를 생성하는 인격과 분리해서 사고할 수 없다. 그런데도 기업은 개인 데이트를 즈 주체인 인격으로부터 아무런 동의도 구하지 않거나 아주 형식적인 동의 절차만 거치고 간단히 수집하고 있다. 기업은 이처럼 아주 손쉽게 개인 데이터를 수집해서 자유롭게 가공하여 비즈니스에 활용한다. 다른 기업이나 기관에 가공한 소비자 데이터를 판매하기도 한다. 개인은 자신의 데이터가 어디에 어떻게 사용되는지는 전혀 알지도 못하면서 기업이 그 데이터를 활용하여 획득한 수익에 대해서도 철저히 소외되어 있다. 앉아서 주고 서서 받는다는 속담처럼 지금까지는 기업은 개인들에게서 데이터를 쉽게 가져가는 반면 개인들은 기업에세서 데이터의 대가를 받아내기가 힘들었다. 사실은 거의 불가능했다고 할 수 있다. 데이터 경제가 커질수로그 이 문제는 갈등으로 번질 것이다. 나의 데이터를 누군가가 마음대로 가져간다. 하늘을 향해 나는 화살을 쏘았다. 하살은 땅에 떨여졌으나 어디에 떨어졌는지 찾을 수 없었다. 너무나 빨리 날아가버리는 바람에.. 눈이 화살을 따르지를 못하네.. 오랜 세월이 흐른 후 한 느티나무에 박힌 부러지지 않은 화살을 나는 보았다네.. 이렇게 무심코 쏜 화살은 먼 훗날 엉뚱한 나무에 박혀 있는 것은 보게된다. 하감은 살아가면서 어딘가에 흔적을 남긴다. 그 흔적은 데이터로 기론이 된다. 다시 말해서 우리의 삶은 곧 데이터를 생성하는 과정이다. 우리가 하는 노동이나 일상 활동은 물론 사회적으로 맺는 관계, 심지어 우리의 존재 그 자체가 데이터의 원천이다. 그리고 스 수많은 데이터 가운데 시장 가치가 있는 데이터는몇가지 범주로 구분된다. OECD가 발간한 한 연구 보고서에는 데이터를 이렇게 구분을 했다. 1. 이용자 생성 콘텐츠(글, 사진, 동영상 등) 2. 활동. 습관 데이터(검색 기록, 구매 기록, 가입 기록 등) 3. 소셜 데이터(SNS활동 기록 및 '친구'관계) 4. 위치 데이터(거주지 및 직장 주소, GPS상 위치) 5. 인구학적 데이터(연령, 젠더, 인종, 소득, 성, 정치성향) 6. 공공 행정 데이터(이름, 금융 기록, 건강 기록, 전과 기록) 이렇게 나뉜다. 더 단순화하면 데이터를 4개의 범주로 구분하기도 한다. 첫째. 개인의 신원 정보다. 나이, 성별, 이력, 학력, 거주지, 가족관계 등이 여기에 해당이 된다. 둘째. 활동 정보다. 개인이 어디에 가고 어디에 머물며 무엇을 검색하고 또 어떠한 물건을 구매하며 무슨 행사에 참여하는지에 대한 정보다. 셋째. 신체. 건강 정보다. 질병, 부상, 치료에 대한 기록, 유전 정보 라이프로그 데이터 등이 이에 포함이 된다. 넷째. 콘텐프다. 내가 부산 광안리 해수욕장에 가서 사진을 찍고 '부산 광안리 해수욕장'이라고 언급해 SNS에 올린다면, 디지털 기업들은 그 사진으로 인공지능에게 부사 광안리 해수욕장의 지리 환경을 인식하도록 학습을 시킨다. 나뿐 아니라 많은 사람들이 부산 광안리 해수욕장에서 찍어 올린 사진이 머신러닝의 재료가 된다. 시장가치가 있는 데이터를 축적하는 공간이자 데이터를 배타적으로 수집하기 위한 도구가 바로 디지털 플랫폼이다.