첫 번째 AI 겨울을 지나면서 연구자들은 한 가지 사실을 깨닫기 시작했습니다.

처음부터 인간처럼 모든 것을 이해하고 판단하는 AI를 만드는 것은 너무 어려운 일이었습니다. 사람처럼 말하고, 생각하고, 세상을 이해하는 기계를 단번에 만들기에는 당시 기술도 부족했고, 인간의 지능 자체도 생각보다 훨씬 복잡했습니다.

그래서 AI 연구는 조금 더 현실적인 방향으로 바뀌기 시작했습니다.

“모든 것을 아는 AI가 아니라, 특정 분야만 잘 아는 AI를 만들면 어떨까?”

이 생각에서 주목받기 시작한 것이 바로 전문가 시스템입니다.

전문가 시스템이란 무엇일까?

전문가 시스템은 말 그대로 특정 분야 전문가의 지식을 컴퓨터에 넣어 만든 프로그램입니다.

예를 들어 의사는 환자의 증상과 검사 결과를 보고 병을 추정합니다. 세무 전문가는 법과 규정을 바탕으로 세금 문제를 판단합니다. 엔지니어는 장비의 이상 신호를 보고 고장 원인을 찾습니다.

전문가 시스템은 이런 전문가들의 판단 방식을 규칙으로 정리해서 컴퓨터가 따라 하도록 만든 것입니다.

쉽게 말하면 이런 구조입니다.

만약 이런 증상이 있고,
이런 조건이 있으며,
이런 검사 결과가 나온다면,
이 가능성을 의심할 수 있다.

이런 식의 규칙을 많이 쌓아두면 컴퓨터도 어느 정도 전문가처럼 판단할 수 있을 것이라고 본 것입니다.

지금의 AI처럼 스스로 방대한 데이터를 학습하는 방식은 아니었습니다. 사람이 전문가의 지식을 정리하고, 그 지식을 컴퓨터에 입력하는 방식이었습니다.

왜 전문가 시스템이 주목받았을까?

전문가 시스템이 주목받은 이유는 현실적인 활용 가능성이 있었기 때문입니다.

초기 AI는 인간처럼 생각하는 기계를 만들겠다는 거대한 목표를 가지고 있었습니다. 하지만 그 목표는 너무 컸고, 실용적인 성과를 내기 어려웠습니다.

반면 전문가 시스템은 목표가 더 분명했습니다.

모든 대화를 이해하는 AI를 만들 필요는 없습니다.
모든 분야를 아는 AI를 만들 필요도 없습니다.
특정 분야에서 전문가가 판단하는 방식만 따라 하면 됩니다.

이 접근은 훨씬 현실적으로 보였습니다.

예를 들어 의료 진단, 화학 분석, 장비 고장 진단, 금융 판단, 기업 의사결정 같은 분야에서는 일정한 규칙과 전문 지식이 존재합니다. 이런 지식을 컴퓨터에 넣으면 실제 업무에 도움을 줄 수 있을 것처럼 보였습니다.

그래서 1970년대 후반부터 1980년대에는 전문가 시스템이 AI의 대표적인 성공 사례처럼 여겨졌습니다. 기업들도 관심을 가지기 시작했고, AI가 드디어 실무에 쓰일 수 있다는 기대가 커졌습니다.

전문가의 판단을 규칙으로 바꾸는 작업

전문가 시스템의 핵심은 지식입니다.

컴퓨터가 똑똑해지려면 먼저 전문가가 알고 있는 지식을 컴퓨터가 이해할 수 있는 형태로 바꿔야 했습니다. 이를 위해 전문가와 개발자가 함께 작업했습니다.

전문가는 자신의 경험과 판단 기준을 설명합니다.
개발자는 그 내용을 규칙으로 바꿉니다.
컴퓨터는 그 규칙을 바탕으로 결론을 내립니다.

겉으로 보면 간단해 보이지만, 실제로는 매우 어려운 작업이었습니다.

전문가들은 많은 것을 감각적으로 판단합니다. 오랜 경험을 통해 “이건 뭔가 이상하다”거나 “이 경우에는 보통 이렇게 본다”는 식으로 판단할 때가 많습니다. 그런데 이런 감각을 컴퓨터에 넣으려면 말로 정확히 설명해야 합니다.

문제는 전문가 본인도 자신의 판단 과정을 완벽하게 설명하지 못할 때가 많다는 점입니다.

사람은 경험을 통해 자연스럽게 판단하지만, 컴퓨터는 자연스럽게 알아듣지 못합니다. 모든 기준을 명확한 규칙으로 바꿔줘야 합니다.

이 과정은 시간이 많이 걸렸고, 비용도 많이 들었습니다.

전문가 시스템의 장점

그럼에도 전문가 시스템은 분명한 장점이 있었습니다.

첫 번째는 특정 분야에서 일관된 판단을 할 수 있다는 점입니다.
사람은 피곤하거나 상황에 따라 판단이 달라질 수 있습니다. 하지만 컴퓨터는 입력된 규칙에 따라 같은 조건에서는 같은 답을 냅니다.

두 번째는 전문가의 지식을 보존할 수 있다는 점입니다.
특정 전문가가 가진 지식과 경험을 시스템에 넣어두면, 다른 사람들도 그 지식을 활용할 수 있습니다.

세 번째는 반복적인 판단 업무를 줄일 수 있다는 점입니다.
매번 전문가가 직접 확인하지 않아도, 기본적인 판단은 시스템이 먼저 처리할 수 있습니다.

이런 장점 때문에 전문가 시스템은 기업과 연구기관에서 큰 관심을 받았습니다.

특히 전문 인력이 부족한 분야에서는 매력적인 기술로 보였습니다. 사람이 일일이 판단하기 어려운 문제를 컴퓨터가 도와줄 수 있다면, 업무 효율을 크게 높일 수 있기 때문입니다.

하지만 현실은 생각보다 복잡했다

전문가 시스템은 처음에는 매우 유망해 보였습니다.
하지만 시간이 지나면서 한계도 분명해졌습니다.

가장 큰 문제는 유지보수였습니다.

세상은 계속 변합니다.
법은 바뀌고, 의료 지식은 업데이트되고, 장비는 새로워지고, 기업 환경도 달라집니다. 그러면 전문가 시스템 안에 들어 있는 규칙도 계속 수정해야 합니다.

처음 만들 때는 잘 작동하던 시스템도 시간이 지나면 낡은 지식에 기반한 판단을 하게 될 수 있습니다.

또 다른 문제는 예외 상황이었습니다.

전문가 시스템은 정해진 규칙 안에서는 잘 작동했습니다. 하지만 규칙에 없는 상황이 나오면 취약했습니다. 사람 전문가라면 경험과 상식을 바탕으로 유연하게 판단할 수 있지만, 컴퓨터는 입력되지 않은 지식을 스스로 만들어내기 어려웠습니다.

예를 들어 어떤 환자가 전형적인 증상을 보이면 시스템은 잘 판단할 수 있습니다. 하지만 여러 질병의 증상이 섞여 있거나, 검사 결과가 애매하거나, 환자의 상황이 특이하면 판단이 어려워질 수 있습니다.

현실은 항상 규칙대로만 움직이지 않습니다.
전문가 시스템은 바로 이 점에서 한계를 보였습니다.

지식을 넣는 일이 너무 어려웠다

전문가 시스템의 또 다른 문제는 지식 입력 과정이었습니다.

컴퓨터가 전문가처럼 판단하려면 많은 지식을 넣어야 합니다. 그런데 그 지식을 수집하고 정리하는 과정이 매우 느리고 복잡했습니다.

전문가에게 물어보고, 판단 기준을 정리하고, 규칙으로 바꾸고, 테스트하고, 다시 수정해야 했습니다. 이 과정이 반복되다 보니 개발 비용이 커졌습니다.

게다가 전문가의 지식은 항상 명확한 문장으로 표현되지 않습니다.
경험에서 나오는 직관, 상황에 따른 감각, 말로 설명하기 어려운 판단이 많습니다.

이런 것들을 컴퓨터가 이해할 수 있는 규칙으로 바꾸는 일은 쉽지 않았습니다.

결국 전문가 시스템은 특정 분야에서는 유용했지만, 규모를 크게 확장하기 어려웠습니다. 분야가 넓어질수록 필요한 규칙이 폭발적으로 늘어났고, 예외 상황도 많아졌습니다.

처음에는 간단해 보였던 문제가 점점 복잡해졌습니다.

전문가 시스템이 남긴 의미

전문가 시스템은 완벽한 해결책은 아니었습니다.
하지만 AI 역사에서 매우 중요한 단계였습니다.

이전의 AI가 “기계가 인간처럼 생각할 수 있을까?”라는 큰 질문에 집중했다면, 전문가 시스템은 “AI를 실제 업무에 어떻게 활용할 수 있을까?”라는 질문을 던졌습니다.

이것은 매우 중요한 변화였습니다.

AI가 연구실 안의 실험에서 벗어나 기업과 산업 현장으로 들어가기 시작했기 때문입니다. 비록 한계는 있었지만, 전문가 시스템은 AI가 실제 비즈니스 문제를 해결하는 데 쓰일 수 있다는 가능성을 보여주었습니다.

또한 전문가 시스템은 지식의 중요성을 강조했습니다.

AI가 단순히 계산을 잘하는 것만으로는 부족하다는 점, 특정 분야의 전문 지식이 있어야 의미 있는 판단을 할 수 있다는 점을 보여주었습니다.

이 생각은 오늘날에도 이어집니다.
현대의 AI도 좋은 결과를 내려면 좋은 데이터와 도메인 지식이 필요합니다. 금융, 의료, 법률, 제조 같은 분야에서 AI를 활용하려면 그 분야의 전문성이 함께 들어가야 합니다.

규칙 기반 AI의 한계

전문가 시스템은 규칙 기반 AI의 대표적인 사례였습니다.

규칙 기반 AI는 사람이 정한 규칙에 따라 작동합니다. 이 방식은 설명하기 쉽고, 특정 조건에서는 안정적입니다. 어떤 규칙 때문에 그런 결론이 나왔는지도 비교적 확인하기 쉽습니다.

하지만 한계도 분명합니다.

규칙을 사람이 직접 만들어야 합니다.
새로운 상황에 유연하게 대응하기 어렵습니다.
예외가 많아질수록 시스템이 복잡해집니다.
지식이 바뀌면 계속 업데이트해야 합니다.

결국 전문가 시스템은 “사람의 지식을 컴퓨터에 넣으면 전문가처럼 판단할 수 있다”는 가능성을 보여주었지만, 동시에 인간의 판단을 규칙으로 모두 표현하는 것이 얼마나 어려운지도 보여주었습니다.

이 점은 AI 역사에서 중요한 교훈이 되었습니다.

AI는 다시 기대를 받기 시작했다

전문가 시스템의 등장은 AI 분야에 다시 활기를 불어넣었습니다.

첫 번째 AI 겨울 이후 식었던 관심이 다시 살아났고, 기업들은 AI를 실제 업무에 적용하려고 시도했습니다. AI가 막연한 미래 기술이 아니라, 돈과 시간을 절약할 수 있는 실용적인 기술처럼 보이기 시작했습니다.

하지만 이 기대 역시 영원히 이어지지는 않았습니다.

전문가 시스템은 강점이 있었지만, 비싸고 복잡했으며 유지보수가 어려웠습니다. 시간이 지나면서 기업들은 기대만큼 효과를 얻지 못하는 경우가 많아졌습니다.

AI는 다시 한 번 같은 문제와 마주하게 됩니다.

기대는 컸지만, 현실은 복잡했습니다.
특정 문제에서는 유용했지만, 인간처럼 유연하지는 못했습니다.
많은 돈을 들여 만들었지만, 관리와 확장이 쉽지 않았습니다.

전문가 시스템의 시대는 AI가 실용화에 가까워진 시기였지만, 동시에 또 다른 실망을 준비하던 시기이기도 했습니다.

AI는 이 시기를 통해 중요한 사실을 배웠습니다.
지능을 만들기 위해서는 단순한 규칙만으로는 부족하다는 것.
전문가의 지식도 중요하지만, 그 지식을 계속 관리하고 현실에 맞게 업데이트하는 것이 어렵다는 것.
그리고 인간의 판단은 생각보다 훨씬 유연하고 복잡하다는 것입니다.

전문가 시스템은 AI 역사에서 성공과 한계를 동시에 보여준 기술이었습니다.
완벽하지는 않았지만, AI가 실제 산업과 업무 현장으로 들어가는 첫 번째 중요한 통로가 되었습니다.