컨텐츠 바로가기
69008655 0762021062469008655 08 0801001 itscience 7.1.3-HOTFIX 76 ITWorld 0 false true false false 1624519027000

기업이 AI를 구현하는 방법 : 자체 구축 vs. 구매

댓글 첫 댓글을 작성해보세요
주소복사가 완료되었습니다
구글 검색 기능에 사용되는 것과 같은 인공지능이 빠르게 확산되고 있다. 이런 시스템은 고객 피드백을 평가하거나 고객 질문에 답변하는 데 도움이 될 수 있다. 이 맥락에서 가장 먼저 언급되는 것은 AI의 하위 영역인 자연어 처리(Natural Language Processing, NLP)이다. NLP 유형의 소프트웨어는 사람의 언어를 이해하고 처리할 수 있다.
ITWorld

<이미지를 클릭하시면 크게 보실 수 있습니다>


ⓒ Getty Images Bank

소비자 인사이트의 중요성을 인지하는 기업이 증가하는 중이다. 고객, 시장, 제품 사용에 대해 많이 알수록 더 나은 의사 결정을 내릴 수 있다. 그러나 이 분야에서는 잘못된 데이터가 수집되거나 아예 데이터가 수집되지 않는 경우, 또는 데이터가 충분히 평가되지 않는 경우가 많다. 대상 그룹과 이들이 원하는 바를 정확히 이해하기 위해서는 정성적 데이터가 필요하다. 정성적 데이터를 통해서만 정량적 데이터를 올바른 맥락에 집어넣을 수 있기 때문이다.

필요한 것은 사용자 생성 콘텐츠(UGC) 형식의 피드백이다. 기업은 소셜 미디어, 이메일 조사 또는 고객 리뷰를 통해 이를 생성할 수 있다. 그러나 AI의 지원이 없으면 이런 유형과 양의 콘텐츠를 체계적으로 분석하기란 거의 불가능하다. 또한 담당자의 주관적인 인식이 전체적인 결과를 왜곡할 수도 있다.

얼핏 보면 기계가 언어를 처리하는 것은 그다지 흥미로운 분야가 아닐 수도 있다. 한 가지 유념해야 할 것은 인간의 언어는 복잡하고 비구조적이라는 점이다. 인간에게는 그 결과라고 해봐야 커뮤니케이션의 오해 정도로 나타날 뿐이다. 그러나 기계의 경우 기본적인 처리도 큰 과제다. 현재의 몇 가지 규칙(문법, 구두점, 철자)은 특히 사용자 생성 콘텐츠에서는 산발적으로만 관찰된다. 채팅 또는 제품 리뷰의 비구조적 데이터를 처리하기 위해서는 적절한 프로그램이 필요하다.

머신러닝(ML), 또는 더 정확하게는 딥러닝(DL) 덕분에 현대의 AI는 독립적으로(사람의 감독 없이) 언어를 학습할 수 있다. 그러나 이를 위해서는 언어를 학습할 수 있는 대량의 데이터가 필요하다. 데이터가 많을수록 AI도 더 정확히 작동할 수 있다.

구현 방법을 결정할 때 고려해야 하는 요소

이 의사 결정을 내리기 위해 기업은 다음과 같은 세 가지 주제를 살펴봐야 한다.
AI를 사용하는 목적
AI가 해결해야 하는 문제가 회사의 핵심 기능과 관련되거나 영업 개발에 기여하는가? 그렇다면 비용을 감당하고 자체 프로그램 개발을 고려해야 한다. AI를 내부적으로 개발해 경쟁사와의 차별화를 이끌어 시장에서 존재감을 드러내는 데 크게 기여할 수 있다. 물론 완성된 AI 솔루션을 구매하는 경우에도 기업은 적절한 공급업체를 선택함으로써 차별화할 수 있다. AI 솔루션의 품질과 기능은 제각각이기 때문이다. AI 운영 비용
자체적으로 AI를 구축하는 데는 개발 비용이 들지만, 비용은 완성된 솔루션을 사용할 때의 라이선스 또는 제품 구매 비용으로 상쇄된다. 자체 구축에는 대규모 개발팀과 많은 개발팀이 필요하며, 특히 NLP와 같은 크고 복잡한 프로젝트는 개발 위험성도 크다. 반면, 솔루션을 구매하면, 프로젝트 기간도 몇 개월 단축할 수 있다.

경우에 따라 긴 리드 시간(램프 업 시간)도 예상해야 한다. SaaS 또는 구매 옵션은 일반적으로 비용이 더 저렴하며, 거의 즉각 사용할 수 있다. 그러나 소프트웨어가 기존 시스템에 통합되고 그 결과를 정확히 해석해야 하므로 이 경우에도 일반적으로 특정한 내부 전문 지식이 필요하다. 예를 들어 UGC를 평가하려는 경우, 맥락에 따라 다양한 주제 및 관련된 분위기를 식별할 수 있는 시스템이 도움이 될 것이다. 이를 위해서는 AI에 다음과 같은 여러 역량이 필요하다.
  • 음성 인식
  • 토큰화
  • 음성 일부 태깅
  • 종속성 파싱
  • 명명된 개체 인식
  • 주제 추출
  • 범주화
  • 감정 분석

또한 해당 애플리케이션을 위한 적절한 모델 아키텍처, 적절한 알고리즘 및 기타 AI 모듈 선택도 복잡한 영역이다.

선택에 따르는 위험성

소프트웨어 개발 프로젝트에 지연이 발생하는 것은 드문 일은 아니다. 이는 급격한 비용 상승을 유발할 수 있다. 적절한 인재를 확보하는 것도 어려운데, 개발뿐만 아니라 소프트웨어의 지속적인 운영에도 전문 인력이 필요하다. 또한 원하는 품질을 달성하지 못할 위험도 있다.

구매 옵션에 대해서는 반대로 “소스 코드에 대한 통제 권한이 대부분 솔루션 업체에 있으므로 즉각적인 변경이 불가능하다”고 주장할 수 있다. 예를 들어 시스템에 버그가 있는 경우 오류 수정을 위해 먼저 솔루션 업체에 연락해야 한다. 이런 외부 지원에는 긴 시간이 소요될 수 있다.

또한 AI가 실무에서 모든 작업을 정확하게 수행하는지에 대한 의문도 있다. 주제와 감정을 올바르게 발견했는가? 시스템의 품질이나 정확도, 정밀도, 적중률 등은 어느 정도인가와 같은 질문이다. 결국 인공 지능 솔루션은 기본적으로 확률 시스템이다. 따라서 100% 신뢰성이란 것이 존재하지 않는다. 그러나 사람의 신뢰성 역시 100%에 이를 수는 없고, 항상 해석의 차이는 있다.

또 다른 위험은 데이터 자체와 데이터의 위치에 있다. AI 및 필요한 데이터가 온프레미스에 있는지 클라우드에 있는지 여부에 따라 컴퓨팅 속도와 데이터의 보안이 영향을 받게 된다.

적절한 AI 구현을 향한 길

결론적으로, 아쉽지만 이 질문에 대한 보편적인 답은 없다고 말할 수 있다. 각 사례에서 최선의 솔루션은 항상 개별적인 목표에 따라 좌우된다. 다시 요약하면 다음과 같다.
  • 소프트웨어가 해결하고자 하는 문제가 무엇인지를 이해한다. 이를 통해 회사가 경쟁 우위를 얻고 차별화할 수 있는가? 또는 회사의 일상적인 업무가 자동화되는가?
  • 소프트웨어 구매 및 개발의 실질적인 비용을 파악하고 있는가? 여기에는 팀, 라이선스 모델과 구현 및 유지보수 비용도 포함된다.
  • 소프트웨어 구매 또는 개발에 따르는 위험을 인지하고 있는가?

AI가 기업의 경쟁 우위와 성공에 크게 기여한다면 그 복잡성을 감내하고 스스로 개발해야 한다. 이를 통해 자체적인 표준을 정립할 수 있다. 더 높은 유연성을 얻고 시스템에 대해 더 많은 것을 배우게 되고 결과적으로 AI는 더욱 다방면에 유용하게 된다.

기업의 핵심 업무에 직접 적용하지 않는 솔루션은 구매하는 것이 효율적이다. 또 품질 수준이 모든 요구사항을 이미 충족하는 솔루션이 있다면, 구매하는 것이 좋다. 구매할 수 있는 AI 솔루션의 대부분은 이미 품질, 속도, 확장성에 최적화가 되어 있는 상태다. 따라서 데이터에서 최대한 신속하게 최대한 많은 가치를 끌어내려면 솔루션 구매가 적절한 옵션이다. editor@itwrold.co.kr

Stefan Ramershoven editor@itworld.co.kr
저작권자 한국IDG & ITWorld, 무단 전재 및 재배포 금지
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.