[분석지능개발팀 송지현 연구원]
McKinsey Global Institute에 따르면 “2025년까지 가치 생산 워크플로에 AI를 완전히 통합하는 기업이 2030년에 세계 경제를 지배하고 현금 흐름은 120% 이상 증가할 것입니다.” 라고 말했습니다.
현재 시점에 AI를 적용하기 위해 많은 기업들이 비용을 쏟아붓고 있는 것에 반해, 그 만큼의 이익을 얻지 못하고 있는 것이 현실입니다.
ML 모델을 시스템화 하여 구동하기엔 데이터 그리고 코드와 성능의 검증 과정이 주기적으로 반복 되어야 하고 오류 없이 성능이 저하 되기 때문에 문제를 식별하고 해결하는 일이 어렵다는 단점이 있습니다.
이를 해결하기 위해 구글, 아마존, 마이크로소프트 등의 다수의 기업에서 AI 플랫폼을 만들고 MLops 기술의 파이프라인을 탑재하여 배포된 ML 모델의 예측 입력 및 출력을 샘플링한 다음 해당 모델의 성능을 정답 라벨과 비교하여 분석하는 지속 평가 서비스를 제공합니다.
최신 클라우드 플랫폼의 트렌드는 AIaaS(AI as a Service)로 데이터 저장부터 배포까지 End-To-End로 가능한 서비스를 제공하는 것입니다.
AI 플랫폼은 사용하고자 하는 조직의 규모에 맞게 소규모 또는 대규모로 구축할 수 있으며 데이터 제공자 – 서비스 제공자 – 서비스 사용자 간 협업의 노고를 줄여줄 것이며 AI를 서비스로 실용화 하는 것에 많은 기여를 할 것입니다.
AI 프로젝트의 대부분이 아직 제품화에 이르지 못한 가운데, 노 코드 AI 플랫폼에 대한 관심이 고조되고 있습니다. 실제로 사용하기 쉬운 기계학습 플랫폼이 좋은 성능을 낸다면 앞으로 관리자나 기획자 등의 비 개발 전문가도 citizen developer로 AI를 사용할 수 있는 날이 올 것으로 보입니다.
데이터과학자에게는 단순한 모델을 학습할 경우 최적화 파라미터 튜닝을 해주며, 새로운 데이터가 들어올 때마다 재 학습을 해주고, 여러 모델 중에 성능이 좋은 모델을 선택해서 학습 결과를 제공하는 등의 최적화를 자동으로 해주기 때문에 난이도가 높거나 사람이 관찰하며 깊이 있게 연구할 작업에만 집중할 수 있게 될 것입니다.
이런 플랫폼의 활용으로 내가 기획하고 연구한 것을 바로 실행해서 결과를 볼 수 있다면 AI가 한층 더 가깝게 느껴질 것 같습니다.
