[신문협회] INMA 보고서 : 언론사 AI(인공지능) 활용분야와 성공 사례

 

요약

INMA(국제뉴스미디어협회)는 6월 5일 언론사 AI(Artificial Intelligence. 인공지능) 활용 분야 및 우수 사례를 다룬 보고서 ‘News Media’s Next Urgent Investment’를 발간함. 보고서는 대표적인 언론사 AI 활용 분야로 △채팅 봇 활용 △예측성 분석/학습 △개인화 콘텐츠 제공 등을 꼽고, 각 분야별 성공사례를 소개함.

1) 채팅 봇 활용

• 채팅 앱에 AI를 적용해 독자와 직접 소통할 수 있음. CNN, 워싱턴포스트, 뉴욕타임스, 월스트리트저널 등 세계 유수 언론사들이 적극 활용 중임.
• 특히 워싱턴포스트는 페이스북 채팅 봇, 필즈 봇 같은 독자와의 소통을 위한 채팅 봇뿐 아니라, 헬리오그래프(자동기사 작성 봇), 마티봇(기자들에게 마감 기간을 알려주는 자동화된 봇), 독자분석 봇(각 기사의 인기도를 알려주는 봇) 등과 같은 내부 직원용 채팅 봇 또한 적극 활용 중임.

2) 예측성 분석/학습

• 데이터 분석가들은 통계 데이터를 바탕으로 미래 트렌드 및 행동 등을 예측함. AI는 특히 광고 수익 예측 또는 개인화 콘텐츠 제공에 자주 활용되며, 많은 언론사가 이 부문을 적극 활용 중임
• 미국 언론사 뉴스데이는 독자의 관여도, 이전 구독료 지불 행동 패턴 등을 분석해 유료 구독자들의 이탈을 줄이려고 노력함. 예를 들어, 뉴스데이는 구독 갱신 시 일괄적으로 동일한 메시지를 보내지 않고 독자 개인별로 관여도, 구독료 지불 방법, 구독 습관 등을 분석해 그에 맞는 메시지를 보냈음. 이러한 전략을 활용한지 3~4달 후 뉴스데이의 유료구독 중단률이 13%감소함.

3) 개인화 콘텐츠 제공

• AI 를 활용해 데이터 분석 및 자연어 처리(컴퓨터를 이용하여 사람 언어의 이해, 생성 및 분석을 다루는 인공 지능 기술) 등의 과정을 거쳐 개별 이용자들이 좋아할만한 콘텐츠를 분석해 제공할 수 있음.
• 중국의 뉴스 추천 모바일 앱인 ‘Toutia’, 일본의 뉴스 모음 앱인 ‘스마트뉴스(Smartnews)’ 등 개인화 뉴스 앱이 큰 성공을 거두고 있음.

4) 기계 학습 및 신경망 분석

• 인공지능이 직접 데이터를 입력하고 학습해 미래 행동 방향 등을 예측할 수 있도록 하는 것이 기계학습임. 이 부문은 앞으로 신경망 분석 학습 알고리즘으로 발전할 것이라고 함. 이 알고리즘은 인간의 뇌와 신경 시스템의 상호연관성을 기계에 적용시켜 새로운 AI를 만들어내는 것임.
• 하지만 언론사들은 여전히 △재정적 문제 △인공지능 시스템 구축을 위한 언어 장벽 △인공지능 관련 구인난 등의 문제에 직면하고 있음. 앞으로 인공지능은 언론사 운영에 필수불가결한 기술이 될 것으로 예상돼 이러한 문제를 적극적으로 해결하려는 노력이 필요함.

개요

현재 미디어 업계는 인공지능(Artificial Intelligence : AI)을 다양한 분야에서 활용 중임. 예를 들어, 채팅 봇 운영, 인터넷 타깃 광고 집행, 가상비서 서비스 활용, 로봇저널리즘을 활용한 기사 작성 등에 인공지능이 쓰이고 있음. 이러한 추세를 반영해 국제뉴스미디어협회(INMA)는 6월 5일 언론사의 AI 활용 분야와 우수사례를 소개한 보고서를 발간함.

AI정의와 언론사 AI 활용 분야 및 우수사례

AI는 컴퓨터가 인간의 ‘사고’ 과정을 통해 특정 요구나 문제를 해결할 수 있도록 만들어진 컴퓨터 알고리즘을 말함. 현재 미디어 기업들은 AI 관련 기술 인프라를 확대해 관련 상품 및 내부 시스템을 구축하고 있음. 언론사가 AI를 활용할 수 있는 대표적인 분야는 다음과 같음.

1) 채팅 봇 활용

채팅 봇은 채팅 앱에 AI를 적용시켜 독자가 요구하는 방향으로 직접 소통을 할 수 있는 소프트웨어 프로그램을 말함. 세계 유수 언론사들, 예를 들어 CNN, 워싱턴포스트, 뉴욕타임스, 월스트리트저널 등이 현재 채팅봇을 적극 활용 중임. 이들 중 특히 워싱턴포스트는 독자와의 소통 목적뿐 아니라 내부적으로도 적극적으로 채팅봇을 활용하고 있음.

워싱턴포스트 사례

• 워싱턴포스트는 페이스북 메신저 애플리케이션에 채팅 봇 소프트웨어를 활용해 독자들과 소통하고 있음. 예를 들어 이용자들이 최근 5개 뉴스 아이템을 보고 더 많은 정보를 보여 달라고 할 수도 있고, 봇을 통해서 간단한 질문(예를 들어 ‘브렉시트 뉴스를 보여줘’와 같은)을 하면 이와 관련된 최근 뉴스를 추천해 주기도 함. 봇과 소통하는 과정에서 워싱턴포스트가 만든 뉴스 관련 이모티콘을 활용할 수도 있음. 예를 들어 ‘좋은 뉴스’ ‘사실이라면 큰 사건이군’ ‘할 말이 없다’ 등과 같은 내용이 담긴 이모티콘을 채팅 앱 내에서 활용할 수 있음
• 워싱턴포스트가 미국 대선 기간 동안 활용한 ‘필즈 봇’을 통해 독자들은 뉴스에 대한 감정적 반응을 전달 할 수 있음. 예를 들어 필즈 봇이 독자에게 ‘선거가 오늘 너의 기분을 어떻게 만들었니?’라고 질문하고, 독자들은 어떠한 기분을 느꼈는지 응답함. 이 응답을 바탕으로 워싱턴포스트는 매일 아침 독자들이 선거와 관련된 뉴스를 어떻게 받아들였는지, 왜 그렇게 느꼈는지 등을 표로 전달함.
• 하지만 워싱턴포스트 제품 개발 부서 부장인 조이 마르버거(Joey Marburger)는 아직까지 채팅봇 및 AI를 활용한 부문에서 수익창출은 미흡하다고 밝힘. 하지만 워싱턴포스트 내부적으로 개발된 다양한 AI 프로그램들은 기자들의 기사 작성 및 독자 관리에 많은 도움을 주고 있다고 함. 예를 들어 헬리오그래프(자동 기사 작성 봇. 로봇저널리즘을 활용한 기사 작성 AI)나 마티 봇(기자들에게 마감 기간을 알려주는 자동화된 봇), 독자 분석 봇(각 기사의 인기도를 알려주는 봇), 구독-시작 봇(subscription-starts bots 구독과 독자 서비스 팀에게 독자들을 잘 살펴보도록 알림을 주는 것)과 같은 내부적인 프로그램들은 조직의 효율성을 높여주고 있다고 함.
• 또한 워싱턴포스트는 아마존 에코, 구글 홈과 같은 가상 비서를 적극 활용하고 있음. 특히 워싱턴포스트는 아마존 에코를 통해 제공되는 플래시 브리핑을 받아보는 독자 수는 매달 20-30%씩 증가하고 있다며 만족감을 보였음. 웹에서 기사를 읽는 사람들의 수와 플래시 브리핑을 통해 기사를 받아보는 사람들의 수가 점점 비슷해지고 있다며 워싱턴 포스트는 기대감을 보임.

2) 예측성 분석/학습 (predictive analytics/learning)

• 예측성 분석은 데이터 분석가들이 통계 데이터를 바탕으로 미래의 트렌드나 행동 등을 예측하는 것임. 특히 광고 수익 예측 또는 개인화 콘텐츠 제공에 자주 활용됨. 많은 언론사들이 이 부문을 적극적으로 활용 중임.
• 세계 유수 언론사들도 이 부문을 적극적으로 활용 중임. 예를 들어 파이낸셜 타임스는 예측성 분석을 활용해 독자들의 콘텐츠 활용정도와 수익 예측, 독자들의 기사 관여도에 따른 유료 구독 전환율을 예측하고 있음. 십스테드는 개인화 기사 추천 및 타겟 광고 집행에 예측성 분석을 활용 중임. 뉴욕타임스 또한 데이터를 활용해 관여도에 따른 유료 구독 회원 가입 정도 등을 분석한다고 함.

뉴스데이 사례

• 뉴스데이는 독자의 관여도, 이전의 구독료 지불 행동 패턴 등을 분석해서 유료 구독자들의 이탈율을 줄이려고 노력했음.
• 구체적으로는 다이내믹 메시징 전략을 활용함. 뉴스데이는 구독모델을 갱신할 때 일괄적으로 같은 메시지를 보내지 않고 독자 개인별로 관여도, 구독료 지불 방법 및 습관 등을 분석해 그에 맞는 메시지를 보냈음. 이 전략을 활용한지 3-4달 후 뉴스데이는 유료구독 중단 비율이 13% 감소했다고 보고함.
• 또한 유료 구독 이탈 확률이 높아 보이는 독자층에게는 “놀라게 하고 기쁘게 하라”라는 전략을 취함. 이들 독자층에게 다양한 선물을 보내고 독자의 반응을 체크했다고 함. 이러한 노력으로 독자 이탈률이 40% 가량 줄었으며, 특히 구독감사카드를 보내는 것이 가장 효과적인 방법이었다고 함. 뿐만 아니라 뉴스데이는 이탈 확률이 높은 독자들 중 언론사와 직접 커뮤니케이션을 할 때 영향을 더 쉽게 받을 것으로 보이는 독자층을 ‘swing group’이라고 타깃화한 뒤 집중 공략하였음.
• 뉴스데이는 데이터 분석을 통해 독자들이 퍼즐 책을 받아보는 것을 원한다는 것을 알았고, 무료로 퍼즐 책을 제공했다고 함. 후에 이 퍼즐 책을 계속 받고 싶으면 일정 금액을 지불하도록 했는데, 뉴스데이는 독자들이 처음부터 유료로 지불하라고 했을 경우에는 거부감이 크기에 이와 같은 전략을 취했다고 함.

3) 개인화 콘텐츠 제공

개인화된 콘텐츠 제공은 기계학습과 자연어처리 알고리즘 기술을 결합해야 가능한 기능으로서, 미디어 회사에서 가장 널리 쓸 수 있는 인공지능 활용 부문임. 기사 및 동영상 추천, 특정 지역 관련 콘텐츠, 뉴스레터에 포함될 추천 기사, 타깃 광고 등과 같은 개인화된 콘텐츠 제공에는 이전의 개인의 기사 읽기 패턴을 분석한 기계학습과 자연어처리 알고리즘이 필요함.

중국 Toutia 사례

• 최근 중국에 기반을 둔 ‘Toutia’라는 뉴스 추천 모바일 앱은 중국에서만 7억 명, 전 세계적으로는 6800만 명이 활용 중임. 이들은 소셜미디어에서 데이터를 모은 뒤, 기계 학습을 통해 각 개인에게 적합한 연관성이 높은 뉴스들을 추천해 줌. 이 회사는 2012년 이후 약 11억 달러(한화 약 1조 2,430억원)의 펀딩을 받았음. 현재 Toutia는 중국을 넘어 미국, 일본, 브라질, 동남아시아 국가들과도 사업을 함께 진행할 예정이라고 함.
• Toutia의 추천 알고리즘은 다음의 6개의 단계를 거침. 1)정보 수집 2)소셜 미디어 분석 3)이용자 프로필 확인 4)취합한 모든 정보들을 자체 내부 모델에 적용 5)이용자 관심사와 매칭되는 영역 확인 6) 이를 바탕으로 개별 이용자들에게 적합한 개인화된 뉴스 전달 등임.

일본 Smart News 사례

• 일본의 ‘스마트뉴스’라는 뉴스 모음 앱 또한 1500개 이상의 언론사와 협력하고 있으며 전 세계적으로 2천만 명 이상이 다운로드한 것으로 집계됨. 이 앱 역시 기계 학습 알고리즘을 기반으로 개인에게 맞춤화된 뉴스와 정보를 전달한다고 함. 미국에 진출한 스마트뉴스는 앞으로 영어권 국가들로 서비스를 늘려갈 계획이라고 함. 스마트 뉴스 또한 2013년 이후 8830만 달러(한화 약 998억원)의 펀딩을 받음.

4) 기계 학습과 신경망 분석

• 기계 학습은 AI 알고리즘을 활용해 데이터 자체를 예측하는 것임. 모아 놓은 데이터를 기계가 직접 학습하여 앞으로의 데이터 패턴, 예를 들어 독자 뉴스 활용 경향 및 뉴스 콘텐츠에 대한 개인 선호도 등을 예측하는 것이 대표적 예라고 할 수 있음. 이 부문은 앞으로 신경망 분석 학습 알고리즘으로 발전할 것이라고 함. 이 알고리즘은 인간의 뇌와 신경 시스템의 상호연관성을 기계에 적용시켜 새로운 AI를 만들어내는 것임. 이 두 부문은 아직까지 적극적으로 활용되고 있지는 않지만 앞으로 기술이 발전하면 미디어 업계에서도 다방면에 적용될 수 있을 것으로 보임.
• 하지만 기계 학습 알고리즘을 활용하면 필터버블이 강해진다는 단점도 있음. 작년 연말 페이스북은 개인 뉴스피드 기사추천 방식을 기계학습 방식으로 전환함. 기자의 검증이 들어가지 않자 포드 자동차가 공장을 멕시코에서 미국으로 옮기는데 일조했다는 가짜뉴스가 성행하는 등의 문제가 발생하기도 하였음.

 

AI의 미래

구글의 알파고를 만들어낸 기술을 가진 Google의 딥마인드는 앞으로 미디어 분야에서도 활용될 가능성이 높음.  2015년부터 딥마인드 팀은 데일리 메일, CNN과 함께 수천 개의 기사를 인공지능이 읽고 후속 기사를 작성하는 학습 프로젝트를 진행했다고 함. 앞으로 언론사의 AI 도입은 더욱 활발해 질 것으로 보임. 그럼에도 언론사들이 AI를 적극적으로 활용하는 데는 다음과 같은 애로사항이 있음.

1) 비용 문제

• 언론사들이 빅데이터 및 AI 관련 부서를 신설하면 투자비용이 많이 들어감. 언론사 경영진은 투자대비 수익(Return on Investment)을 확보하는 시점에 대해 궁금해 할 것임. 투자대비 수익을 빨리 확보하기 위해서는 기술 인프라, 사용자 인프라를 구축하고 난 뒤 어떠한 부문(예를 들어 광고 혹은 구독 모델 등)을 통해 수익을 확보할지 우선순위를 명확히 해야 함.
• 재정적으로 힘든 언론사들은 AI를 도입하는 것이 부담일 수 있음. 그럴 경우 자체 AI를 개발하기 보다는 시중에 공개된 AI 관련 소프트웨어(예를 들어 자연어 처리 프로그램을 위해서는 워싱턴포스트가 개발한 Clavis 및 IBM이 개발한 Buzz Radar와 같은 프로그램을, 기계 학습 및 신경망 네트워크를 위해서는 구글이 가지고 있는 Tensorflow 및 중국의 Toutia나 SmartNews 프로그램을 예측 분석을 위해서는 뉴스휩이 개발한 Spike와 같은 프로그램등을 활용할 수 있을 것임)를 구입해서 적용하는 것도 하나의 방법이 될 수 있음.

2) 언어 문제

• 현재 AI개발에서 영어와 중국어가 가장 보편적으로 쓰임. 이 외의 언어로 운영되는 AI가 거의 없기에 다른 언어로 다시 프로그래밍 해야 하며 비용이 많이 든다는 단점이 있음.

3) 인력 문제

• AI 및 데이터 운영 부문에서의 인재를 찾는 것이 힘듦. 언론계가 아닌 곳에서 AI나 데이터를 다루어본 사람들을 영입하기도 하고 학계에서 사람들을 영입하기도 하지만 이러한 사람들을 찾는 것은 갈수록 힘들어지고 있음.

시사점

• 미래에는 AI 활용이 중요해 질 것임. 언론사의 AI 활용의 궁극적인 목적은 독자와의 유대관계 강화 및 효율성 증대로 인한 수익 창출에 있음. AI를 우선적으로 활용해 본 언론사들은 AI 활용을 처음 시작할 때 하나의 분야에 집중하는 것이 좋다고 조언함. 즉 타겟 광고, 실시간 독자 분석, 콘텐츠 추천 등 다양한 분야에서 인공지능을 활용할 수 있지만 우선적으로 하나의 분야에 집중하는 것이 좋다고 함.
• 구글의 모회사인 알파벳의 CEO은 앞으로는 ‘AI 퍼스트 세상’이 될 것이라고 AI의 중요성에 대해서 언급하였음. 언론사들은 AI를 어떻게 적용해 비용을 절감하면서 독자 관여도를 높일 수 있을지 고민해야 할 것임.

 

출처 : http://www.presskorea.or.kr/reference/mboard_detail.php?m=7&sm=26&tm=33&seq=260024&board_id=MEA&page=1&sort=2&search_select=&search_text=&sel_code=1