최근 구현되고 있는 인공지능은 과거와 크게 다르다. 컴퓨팅, 데이터, 알고리즘의 한계가 차례로 극복되며 인공지능 분야에 큰 변화가 일어나고 있다. 인공지능의 발전은 그 영향력이 제조, 금융, 의료, 자동차 등 거의 모든 산업에 미칠 수 있다는 점에서 엄청난 잠재력이 크다. 본지에서는 세계에 불고 있는 인공지능 신드롬과 관련해 LG경제연구원 이승훈 책임연구원이 발표한 자료를 소개한다.
1. 인공지능의 진화
수십 년 동안 가능성만 보여 온 채 지지부진했던 인공지능은 2012년부터 딥러닝(Deep Learning)에 기반을 둔 시스템이 실제 구현되기 시작하면서 큰 전환기를 맞고 있다. 이미 10년 전에 제안되었던 이론이 최근에서야 급속하게 구현될 수 있었던 데에는 딥러닝을 처리하기 위한 컴퓨팅 환경의 급속한 발전과 빅데이터로 대변되는 데이터의 급증이 가장 크게 작용했다. 딥러닝에 필요한 정보의 처리를 일반 CPU 대비 수십 배까지 빠르게 처리할 수 있게 하는 GPU의 발전, 그리고 수많은 컴퓨터의 동시 작업이 가능케 된 클라우드 컴퓨팅 환경의 발전은 과거 수년이 걸렸던 정보 처리 시간을 단 몇 시간, 몇 분 단위로 단축하고 있다. 게다가 인터넷 기반의 온라인에서 생성되는 데이터와 함께 스마트폰 등 센서가 탑재된 다양한 모바일 디바이스에서 수집되는 정보의 증가 속도는 기하급수적이다. 센서를 통해 수집된 각종 실시간 정보는 단순한 정보의 양적(Volume) 확대만이 아닌 정보의 다양성(Variety) 측면의 확대를 동반해 온라인에 존재하는 빅데이터와 현실 세계의 간극을 빠르게 좁히고 있다.
이러한 핵심 기술 요소들의 발전으로 인해 인공지능은 이제 현실 세계로 다가오고 있다. IT 기업들은 현재 바둑과 같은 게임, 이미지/영상 인식, 음성 인식과 같은 분야의 인공지능을 구현하면서 향후 다양한 산업에 적용 가능할 수 있도록 기술 역량을 높여가고 있다.
기존 머신러닝 vs. 딥러닝 딥러닝은 인간이 정보를 인식 사고하는 방식을 모방해 구현한 것이다. 딥러닝을 통해 기계가 스스로 수많은 정보에서 지식을 구성해 간다. 이것이 사람의 정보를 분석하고 특성을 모델링해 기계를 학습시키는 기존 머신러닝(Machine Learning) 방법들과 근본적으로 다른 점이다. 기계가 스스로 정보를 분석한다는 점에서 기존 방법 대비 성능 및 경제적 효율 측면에서 엄청난 혁신을 이루게 된다. 기존 머신 러닝 기법들은 사람이 관여하는 모델링이 정교화돼지 않는 한 데이터가 아무리 많이 주어진다고 해도 성능이 일정 수준 이상 높아지지 않는 한계를 갖는다. 이와 달리 딥러닝은 기계가 스스로 정보를 분석하기 때문에 학습에 주어지는 정보량이 증가할수록 성능이 지속적으로 향상된다. |
2. 인공지능의 플랫폼화
최근 개발되고 있는 인공지능은 범용적 특성을 갖는다는 점에서 기존 인공지능과 크게 다르다. 과거 IBM의 딥블루(Deep Blue)가 인간과의 체스 대결에서 승리했을 당시의 인공지능은 단지 체스를 목적으로 한 체스 전용 인공지능이었다. IBM은 실제 딥블루의 소프트웨어뿐만 아니라 하드웨어조차도 체스 게임의 연산을 빠르게 계산할 수 있도록 전용 하드웨어를 설계하여 구현했다. 이 때문에 비록 인간과의 체스 대결에서는 승리했지만 딥블루의 인공지능을 기반으로 다른 영역에 활용하는 것은 거의 불가능했다. 하지만 이와 달리 알파고 등 최근 딥러닝 기반으로 구현되고 있는 기술들은 하드웨어는 물론이고 소프트웨어 자체도 상당히 범용적 특성을 가지고 있다. 알파고를 구현한 딥마인드의 하사비스 등 구글 관계자들은 자신들의 인공지능 기술의 범용성을 매우 강조하고 있으며 한 분야에서 습득한 지능을 다른 분야에 응용 가능하게 하는 지능의 이식(Transfer)을 궁극적으로 지향한다고 밝히고 있다. 실제 딥마인드는 ‘Atari’라는 게임의 인공지능에 사용했던 핵심 기술을 응용해 알파고를 구현했고, 이를 기반으로 다음에는 ‘스타크래프트’ 등 게임 인공지능을 개발할 계획이라고 밝혔다. 비록 게임 영역에서 인공지능의 이식을 구현하고 있지만 궁극적인 발전 방향은 범용 기술에 기반을 둔 인공지능의 다양한 응용이다. 즉 최근의 인공지능 기술들은 기계 학습을 위한 충분한 양질의 데이터와 일정 부분의 소프트웨어적 구현만 있다면 다양한 분야로 활용이 가능하다.
주요 기업들은 이러한 범용적 특성을 갖는 인공지능 핵심 기술을 개발해 인공지능을 플랫폼화 하려는 움직임을 보이고 있다. 스마트폰 시대 소프트웨어 역량을 보유한 구글, 애플은 모바일 OS플랫폼을 구현하면서 다양한 분야의 앱/서비스가 기술적으로 구현되고 유통 가능하게 했다. 이들의 OS플랫폼은 게임, 미디어 콘텐츠뿐만 아닌 금융, 헬스케어 등에 이르기까지 다양한 산업을 포괄하는 범용 플랫폼의 역할을 하며 빠르게 생태계를 만들었다. 마찬가지로 주요 기업들은 다양한 산업 분야에 활용 가능한 범용적 특성을 갖는 인공지능 기술의 플랫폼화를 통해 생태계 확장에 나설 것으로 보인다. 인공지능의 핵심 기술은 주요 IT 기업들이 보유하고 다양한 개발자와 3rd Party들은 인공지능 플랫폼을 활용한 앱/서비스를 만들어 가며 생태계를 형성해 가는 구도이다. 인공지능이 적용 가능한 산업 범위가 매우 넓기 때문에 주요 기업들의 입장에서도 자신들이 단독적으로 모든 분야의 혁신을 만들어 가기에는 한계가 있다. 따라서 이들 기업은 산업에 응용 가능한 핵심을 자신들이 보유하며 플랫폼화를 통한 인공지능 생태계 확장을 시도할 가능성이 높다.
3rd Party들의 입장도 인공지능을 플랫폼으로 활용하면 자신들의 기존 앱/서비스를 고도화하거나 새로운 서비스를 혁신적으로 만들어 낼 수 있게 된다. 예를 들면 현재의 스마트 워치(밴드) 등을 활용한 헬스케어 앱들은 단순히 사용자들의 운동량, 심박 등을 모니터링하거나 축적된 패턴을 보여주는데 그쳤다. 하지만 헬스케어/의료 전문 인공지능 플랫폼을 활용하게 된다면 이들 서비스는 수집된 정보를 의학적으로 분석하는 것이 가능해져 실용적인 가치가 있는 헬스케어 서비스를 구현하는 것이 가능해진다. 혹은 기존 데이터 분석의 한계로 인해 활용하지 못했던 의료 전문 센서를 탑재하고 인공지능 플랫폼을 활용해 정보 분석을 해낸다면 스마트 워치(밴드)를 의학적 용도로 구현해 새로운 가치를 만들어 갈 수도 있는 것이다.
인공지능의 플랫폼화를 통해 산업을 혁신시키며 헤게모니를 차지하려는 주요 IT 기업의 목적과 플랫폼을 활용해 변화하는 산업 생태계 속에서 새로운 기회를 찾으려는 3rd Party 개발사들의 양면 니즈가 충족되고 있기 때문에 인공지능을 플랫폼으로 한 생태계는 빠르게 확대될 가능성이 높다.
3. 주요 기업의 인공지능 플랫폼
실리콘 밸리의 주요 IT 기업을 중심으로 인공지능을 플랫폼화해 생태계로 만들어가려는 노력은 이미 시작되었다. 구글, 페이스북, 아마존 등과 같은 기업들은 확보하고 있는 엄청난 데이터와 사용자 정보를 활용해 인공지능을 고도화하고 있으며 다양한 B2C 영역에서 범용적으로 활용 가능한 인공지능 플랫폼을 준비 중에 있다. IBM, GE와 같은 기업들은 특정 사업 영역에 집중한 전문 인공지능 플랫폼 구현에 집중하고 있다. 이들 기업은 기존 사업 영역에서 축적된 역량과 데이터를 기반으로 한 인공지능 역량과 M&A와 제휴를 통한 특정 분야의 전문성을 기반으로 전문 인공지능 플랫폼을 구현해가고 있다.
1) 범용 인공지능 플랫폼(General A.I. Platform)
- Google, 기술력과 방대한 데이터를 기반으로 한 범용 인공지능 플랫폼
구글은 고도화된 인공지능을 구현하기 위해 필요한 핵심 요소인 알고리즘, 데이터, 컴퓨팅 인프라에 대해 모두 최고의 수준의 역량을 확보하고 있다. 개별 요소 기술들이 특정 산업에 목적성을 두고 개발된 것이 아닌 다양한 산업에 적용 가능하다는 것은 매우 큰 의미를 갖는다. 특히 데이터에 있어서 구글은 인터넷에서 생성되는 웹 기반의 정보뿐 아니라 안드로이드를 통해 모바일 환경의 실시간 정보도 수집 가능하다. 단순히 많은 양의 데이터를 갖고 있는 것이 아니라 높은 다양성을 갖는 데이터가 인공지능의 기계 학습 과정에 활용 가능하기 때문에 다양한 분야를 포괄하면서도 높은 수준으로 인공지능을 고도화 시킬 수 있다.
구글 인공지능 플랫폼 활용 예시(자료. LG경제연구원)
따라서 구글은 안드로이드를 플랫폼화해 모바일 산업 생태계를 주도했던 것과 마찬가지로 인공지능을 플랫폼화해 다양한 산업 생태계를 혁신시킬 가능성이 높다. 우선 구글의 인공지능 플랫폼을 통해 기존 안드로이드 생태계 내의 앱/서비스들을 시작으로 혁신적인 변화가 예상된다. 기존 안드로이드 플랫폼은 3rd Party 개발자들에게 소프트웨어 개발 툴과 앱 마켓을 통한 유통 채널을 제공하는 데 그쳤다. 하지만 인공지능 플랫폼을 활용한다면 개발자들은 쉽게 인공지능을 기반으로 한 지능형 앱/서비스를 구현할 수 있다. 실제 구글은 지난 3월 ‘Machine Learning Platform’이라는 이름으로 음성 인식, 이미지 분석, 번역 기능을 수행하는 인공지능 플랫폼을 공개했다. 음성인식, 영상 처리, 번역 등과 같이 오랜 시간과 높은 개발 역량이 요구되는 부분들을 플랫폼이 대신 처리해주며, 개발자들은 플랫폼을 활용해 처리된 영상의 결과를 가지고 가상현실 게임을 만들거나 번역된 정보를 가지고 다국어 안내 서비스를 제공하는 등과 같이 서비스 자체에만 역량을 집중해 고차원의 서비스를 구현할 수 있게 된다. 구글은 이와 같이 개발자들의 플랫폼 종속성을 만들어 가며 궁극적으로 자신들의 인공지능 생태계 확장으로 이어질 수 있도록 유도해 갈 것이다.
- Facebook, 정교화된 개인별 맞춤형 인공지능 플랫폼
페이스북 CEO인 주커버그는 지난 4월 12일 열린 페이스북 개발자 컨퍼런스에서 페이스북의 미래 10년 로드맵을 발표했다. 그는 VR, 미디어콘텐츠와 함께 인공지능을 미래 핵심 기술로 꼽았다. 페이스북은 2013년 딥러닝 분야의 핵심 연구자인 얀 레쿤(Yann LeCun) 교수를 영입하고 뉴욕, 파리 등에 인공지능 전용 연구소를 설립해 인공지능 핵심 기술 개발에 집중해 오고 있다. 뿐만 아니라 페이스북은 인공지능 고도화를 위한 데이터 확보에도 박차를 가하고 있다. 사용자들의 사회 관계망 정보(Social Network)를 활용해 사용자를 빠르게 확보한 페이스북은 이제 개별 사용자들의 성향, 특성을 유추할 수 있는 데이터를 집중적으로 확보하려 한다. 지난 2월 페이스북은 사용자들이 게시물에 감정을 표현할 수 있는 종류를 기존 ‘좋아요’에서 ‘기쁨’, ‘슬픔’ 등 6종류로 세분화했다. 이를 통해 페이스북은 특정 사물, 상황에 대해 사용자가 느끼는 감정을 보다 세분화하여 축적할 수 있게 되었다. 이러한 개개인의 성향, 특성이 구체적으로 반영된 정보가 인공지능의 기계 학습 과정에 활용될 경우 매우 정교한 수준으로 개인화된 가치를 제공할 수 있다는 점에서 큰 의미를 갖는다.
따라서 페이스북의 인공지능 플랫폼은 개별 사용자의 성향과 특성을 반영한 맞춤형 인공지능 플랫폼으로 구현될 가능성이 높다. 기존에는 서비스가 모든 사람에게 동일한 형태로 제공되었던 것과는 달리 페이스북의 플랫폼을 활용하면 개별 사용자에 따라 서비스가 개인화되는 것은 물론 상황에 따라 최적화된 형태로 제공될 수 있다. 지난 페이스북 개발자 컨퍼런스에서 공개된 대화형 인공지능 플랫폼인 ‘챗봇(Chatbot)2’도 초기에는 정보, 서비스 전달에 주력하겠지만 종국에는 인공지능을 기반으로 개별 사용자의 선호도를 정확하게 분석해 서비스를 제공할 가능성이 높다.
구글 대비 공공 데이터(Public Data) 영역에서 페이스북의 상대적인 경쟁력은 낮지만 페이스북은 개별 사용자의 특성과 성향을 누구보다 정확히 분석 가능하기 때문에 인공지능 플랫폼을 통해 개인화, 맞춤화된 가치를 제공할 수 있을 것이다.
- Amazon, 실생활로 파고드는 인공지능 플랫폼
아마존은 2015년 Alexa라는 대화형 인공지능 에이전트를 출시 후 지속적으로 발전시키고 있다. 인간과 대화하는 형태로 구현된 Alexa는 정보 검색에서부터 아마존 쇼핑몰을 통한 상품 주문, 결제에 이르기까지 다양한 기능을 수행한다. 게다가 최근에는 가정 내 가전, 전등, 스위치 등과 같은 다양한 스마트 기능을 갖춘 디바이스들과 연동되어 사용자의 상황에 맞게 제어하는 기능을 제공하기도 한다. 아마존의 인공지능은 이렇게 사용자의 실생활과 밀접한 영역을 시작으로 점진적으로 확장되고 있다.
아마존은 이러한 Alexa의 기능에 자신들의 기존 사업 경험과 축적된 데이터를 접목해 인공지능을 플랫폼화 할 수 있다. 사용자가 아마존 쇼핑몰을 이용했던 기록을 분석해 개개인별 구매 성향을 정확히 파악할 수 있다. 개인화가 가능한 아마존의 인공지능 플랫폼을 활용하면 쇼핑몰 내의 상품 판매자들은 단순히 사용자들의 주문을 받아 상품을 판매하는 것이 아니라 사용자별로 최적화된 상품을 광고하여 주문을 유도하거나 혹은 주기적으로 소비하는 소모품에 대해 사용자가 필요할 순간을 파악해 알아서 적시에 배송해 주는 선제적 서비스로 고도화될 수 있다.
2) 산업별 특화 인공지능 플랫폼(Vertical A.I. Platform)
- IBM, 의료 전문 인공지능 플랫폼
IBM은 Watson을 구현해 인간과의 퀴즈 대결에서 승리하는 등 인공지능의 가능성을 일찍부터 보여 왔다. 방대한 정보를 조합해 지식을 만들어내는 Watson의 핵심 기술을 활용해 IBM은 의료, 금융 분야에 특화된 인공지능으로 발전시켜 가고 있다. IBM은 인공지능의 핵심 기술은 보유하였지만 각 분야의 사업 경험과 데이터가 부족했다. 이를 보완하기 위해 IBM은 산업 내 관련 기업을 M&A하거나 제휴해 분야별 전문성을 높여가고 있다.
의학 분야의 경우 IBM은 2012년 캐더링 암센터와의 제휴를 통해 약 200만 페이지의 의료 전문 서적, 60만 건의 진단서, 150만 건의 환자 기록을 확보했다. 이후 약 4조 원이 넘는 규모의 집중적인 M&A를 통해 의료 분야의 역량을 빠르게 확보하고 있다. 특히 지난 2월 약 3조 원을 들여 인수한 ‘Truven Health Analytics’는 미 연방 정부 및 주 정부 등 약 8,500개 고객사에 헬스케어 서비스 제공하는 기업으로서 막대한 양의 의료 정보를 보유한 기업이다. IBM은 데이터 확보를 위해 엄청난 금액으로 기업들을 인수하면서 인공지능의 전문성을 높여 가고 있다.
이미 의료 전문 인공지능 플랫폼인 ‘Waston Health’를 운영 중인 IBM은 다수의 헬스케어 서비스 기업들을 참여시키며 생태계를 만들어 가고 있다. Medtronic이라는 헬스케어 디바이스 제조 기업은 Watson을 활용해 사용자들의 디바이스에서 수집된 생체 정보를 의학적으로 분석한다. 예를 들어 인슐린 수치를 모니터링하는 경우 사용자의 수치를 주기적으로 측정해 Watson에 전달하고 Watson은 이를 분석해 이상 징후가 예견되면 사용자에게 미리 경고하거나 당 섭취 절제 등을 권고해 위험을 사전에 방지한다. 인슐린 수치의 패턴 변화를 단순히 분석하는 수준이 아닌 전문적인 분석 기술을 통해 매우 미세한 변화를 미리 감지하거나 전문의 수준의 진단과 처방함으로써 기존 헬스케어 기업들이 제공할 수 없었던 전문 서비스를 제공한다.
이처럼 Watson의 인공지능의 전문성이 점차 높아지면서 헬스케어 서비스를 제공하려는 Startup은 물론이고 전문 의료 기관까지도 Watson을 활용하는 사례들이 나타나고 있다.
센서 및 헬스케어 디바이스가 발달함에 따라 환자들의 생체 정보를 실시간으로 수집할 수 있게 되었지만 반면 전문의와 같은 사람이 관리하고 분석해야 할 정보량이 급증하게 되었다. 이러한 한계와 문제에 대한 해법을 Watson과 같은 인공지능이 제시하기 시작한 것이다. Watson을 플랫폼으로 한 생태계가 지속적으로 확대된다면 Watson이 의료 산업을 주도할 가능성도 있을 것이다.
한편 IBM은 의료 산업 외 Watson의 주력 산업으로 금융, 날씨를 선정해 마찬가지로 관련 기업들을 M&A하거나 전문 인력을 빠르게 확보하면서 영역을 확대해 나가고 있다.
- GE, Industry 4.0 선도할 산업 인공지능 플랫폼
항공, 에너지, 헬스케어, 제조 등 다양한 산업 분야에서 오랜 사업 경험을 갖고 있는 GE는 산업 현장에 인공지능을 적용하고 있다.
약 1,200명의 소프트웨어 개발자를 확보하고 실리콘밸리에 소프트웨어 연구소(GE Digital)를 설립한 GE는 산업용 클라우드 플랫폼인 ‘Predix Platform’을 발표하며 산업 현장에 인공지능 플랫폼 적용을 확산시키며 4차 산업 혁명시대를 주도하려 한다.
GE의 정보통신 책임자인 Jim Fowler(CIO)는 머신러닝(Machine Learning)과 같은 인공지능 기술이 적용되지 않으면 도태될 수밖에 없다며 인공지능의 중요성을 강조한다. Predix가 기본적으로는 센서, 기계 간 통신, 데이터 분석과 같은 IoT 기술을 지원하는 클라우드 플랫폼이지만 결국 이를 넘어 인공지능이 접목될 수밖에 없음을 의미하기도 한다. 실제 Predix는 이제 단순한 기계 간 연결, 정보 수집의 단계를 넘어서 기계들이 정보를 분석하고 상황에 따라 능동적으로 작업을 수행하는 방향으로 발전하고 있다. GE는 Predix를 인공지능 기반의 ‘Intelligence Platform’화하기 위해 인공지능, 특히 머신러닝/딥러닝 분야의 인력을 빠르게 확보하고 있고, 지난 3월에는 딥러닝 분야의 신생 벤처인 Arterys에 15억 원을 투자하는 등 다양한 방법을 동원해 역량 확보에 집중하고 있다.
4. 향후 경쟁 전망
인공지능을 플랫폼으로 활용해 산업을 혁신해 나가려는 주요 기업들의 경쟁은 이미 시작되었다. 인공지능의 성능을 결정짓는 3대 핵심 기술 요소인 알고리즘, 데이터, 컴퓨팅 파워를 둘러싼 기업들의 경쟁이 예상된다. 이중 클라우드를 기반으로 한 컴퓨팅 파워의 경쟁에서는 주요 IT 기업들이 모두 상당한 수준의 역량을 확보하고 있기 때문에 쉽게 승부가 나지는 않을 전망이다.
반면 각 기업이 차별적으로 확보한 알고리즘 역량과 데이터가 주요 기업들이 구현해 내는 인공지능 플랫폼의 성능에 결정적인 영향을 미칠 것이다. 구글의 경우 인터넷 및 모바일 환경에서 엄청난 양의 데이터를 확보하고 있지만 상당 부분의 정보가 공공 데이터(Public Data)이다. 반면 페이스북, 아마존은 수년간의 서비스를 제공하면서 수집한 정보들은 개별 사용자의 성향을 정교하게 분석할 수 있게 하는 개인 데이터(Private Data)가 중심이 된다. 이들 기업은 개인별 사회관계망 정보, 선호도, 콘텐츠 소비 패턴, 온라인 쇼핑 이력 등 다양한 분야에 걸쳐 세분된 개별 사용자의 정보를 확보하고 있다. 인공지능의 성능이 기계 학습 과정에서 주어지는 데이터에 의해 상당 부문 결정되는 것을 감안할 때, 개인별 특화된, 맞춤형 서비스 제공을 위한 인공지능 플랫폼으로는 페이스북, 아마존이 구글 대비 우위에 있을 수 있다. 반면 구글은 매우 다양한 분야에 걸친 엄청난 양의 데이터를 보유하고 있다. 알파고를 통해 증명된 기술뿐만 아니라 내부에서 진행 중인 딥러닝 관련 선행 연구들은 이러한 구글의 데이터에 의해 엄청난 수준으로 발전될 가능성이 높다. 구글이 구현할 인공지능 플랫폼은 다양한 분야에서 범용적으로 활용 가능한 동시에 높은 수준의 완성도로 구현되며 페이스북, 아마존의 플랫폼과 경쟁할 가능성이 높다.
향후 인공지능 플랫폼의 경쟁에서는 선점 효과가 크게 작용할 가능성이 높아 보인다. 시장에 먼저 진출해 생태계를 먼저 만들어 나가는 기업이 절대적으로 유리할 가능성이 있다. 딥러닝과 같은 기계 학습 방법에 기반을 둔 인공지능 플랫폼은 방대한 데이터에 대한 학습을 통해 성능이 발전되고 정교화되기 때문에 초기에 많은 참여자를 생태계로 끌어모으는 인공지능 플랫폼과 후발 주자로 시장에 들어와 새롭게 생태계를 만들어가는 기업 간의 성능의 차이는 크게 벌어질 수밖에 없다. 그러므로 주요 기업들은 이미 인공지능 역량을 확보하기 위한 노력을 빠르게 진행 중이다. 기업들은 2013년 이후, 인공지능 특히 딥러닝의 핵심 기술을 보유한 기업 및 응용 기술을 확보한 기업을 경쟁적으로 인수하고 있다. 뿐만 아니라 기업들의 VC(Venture Capital) 등을 활용해 신생 벤처들에 대한 투자 또한 빠르게 확대하며 발전 유망 기술들을 선점하려는 노력도 진행 중이다. 이러한 기업들의 경쟁으로 초기에는 다수의 플랫폼이 공존하며 경쟁할 가능성이 있지만 초기 성능 격차와 그것으로 인한 쏠림 현상으로 인해 장기적으로는 소수의 플랫폼이 시장을 독과점하게 될 가능성이 높아 보인다.
LGERI 리포트 ‘인공지능 플랫폼 경쟁이 시작되고 있다
- LG경제연구원 이승훈 책임연구원’ 中
