AI 일반 (기술외) (6) 썸네일형 리스트형 AI 조직을 키우는 것은 기술 스타트업의 매출/순익 확보와 같다. AI 경제학 AI/머신러닝 프로젝트의 과거 가장 전형적인 모습은, 처음 도입되고 더 이상 사용되지 않아 폐기되는 모습이다. 그리고 이를 주도하는 AI조직의 성장은 정체된다. 그리고 이 과정을 전체로 살펴보면 기술 스타트업이 살아남는 과정과 비슷하다. 다른 말로하면 돈이 되는, 경제성이 있는 AI 도입을 잘 해내는 조직이 드물다. 많은 조직이 지속 가능하지 않는 길을 밟아 프로젝트가 사라진다. 그렇다. 분야 선택이 잘못되는 경우가 많다. 사실 이 비판은 대개 결과론적이라 좀 서운할 수도 있겠다. 하지만 어쩌면 명확해 보이는 안좋은 경제성에도, 시도된 프로젝트들도 있다. 즉, 일반적인 rule base와 다르게 데이터 관리 및 재학습, 모호함의 오버헤드를 지닌 AI의 특성을 미리 충분히 고려하지 못한 것이다. 예컨대 장.. 금융 AI, 어느 분야를 먼저 해야할까요? 내가 추진 분야를 적절히 고를 수 있다면, 이 문제는 너무나 중요한 문제가 아닐 수 없다. 사실은 그 어떤 주제보다도 다른 사람들과 많은 이야기를 나누고 싶은 분야이기도 하고, 컨설팅을 담당하는 분들을 만날 기회가 있으면 늘 질문하는 주제이기도 하다. 사람마다 추진했던 분야와 당시 상황, 관심도가 달라 의견이 많이 다를 수 있는 것도 어쩔 수 없다. 이에 관해 운이 좋아서, 외국의 잔뼈가 굵은 유명 솔루션 컨설턴트 분들과도 이야기를 나눌 기회가 있었다. 국내외 다양한 프로젝트 경험이 있는 분들과도 그렇다. 경험이 얕은 분도 계시고 다양한 분도 계셨다. 그러나 내 결론은 이렇다. 아무도 쉽게 정확한 정답을 말해줄 수 없다. (그래도 뒤에 후보 분야들 몇개와 내 의견-역시 편협하겠지만-을 다룰 예정이다) 조.. AI 하는데 교육은 챙길 수 있냐고요? 사실은 교육이 AI 프로젝트의 절반쯤 됩니다 AI 사업을 진행하려면 교육도 해야 하지 않나요?라고 물을 수 있는데, 필자의 답변은 좀 과장해서, AI 사업의 절반은 교육이라고 생각해야 한다는 것이다. 무슨 이야기일까? 현재 대부분의 기업은 AI 도입의 초기이다. 사실은 AI 기술을 선도하고 있는 회사에서조차 전문가 집단의 일부가 특정 응용에 성공했을 뿐이지 전사적으로 AI가 활용되고 있는 곳은 없다. 글로벌 기업에서도 이 AI 기술을 어떻게 하면 더욱 전파할 수 있을지 고민한 것도 몇 년 되지 않고 지금도 그 일은 진행 중일 뿐이다. 그 누구도 성숙한 상황에 있지 않다. 즉, AI 프로젝트를 추진함에 있어서 모두 초보자이고 바뀌고 있는 기술 덕에 조금만 시간이 지나면 다시 초보자가 된다. 2012년 딥러닝이 CNN을 통해 이미지 인식 분야에서 머신.. AI 외주는 어떻게 하면 좋을까? 대부분의 회사에서 여전히 AI라고 하면 외주를 검토하기가 쉽다. 내부 역량도 아직은 더 키워야하고, 솔루션이 같이 들어온다는 장점도 있고, 대내외의 AI 도입에 대한 관심도 많기 때문이다. 그리고 단언하겐데 이미 많은 회사들이 벌써 외주를 주어서 AI 프로젝트를 진행했었다는 사실이 드러나는게(?) 일반적이다. 고급통계나 머신러닝, 전문가 시스템 등 과거에도 AI프로젝트와 유사한 성격의 프로젝트가 있었을 것이다. 이렇듯 AI 프로젝트 외주는 생각보다 흔하게 진행되어 왔으며 앞으로 진행될 일이다. 그런데 어떻게 접근하면 좋을까? 맨 먼저 가장 중요한 것은 두 가지라고 생각한다. 바로 지속 가능하도록 하는 것과 그 지속 가능함이 비즈니스 가치를 지녀야 한다는 것이다. 이러한 기준 하에 모든 계약이나 프로젝트 .. AI 도입은 초기에는 완전 자동화가 아니라, 다수의 초보 보조자를 두는것과 같다 대한민국에서 최근 수년 안의 AI 인식 전환은 알파고가 이루었고 그 역할을 화려하게 해냈었다. 이제는 모르는 사람이 없는 이벤트가 되어 버렸는데, 당시에 인간 프로기사보다 바둑을 더 잘하는 AI로서 당당하게 등장한 것이다. 알파고는 그 대상이 동양적인 바둑이라는 점과 그 상대가 이세돌 프로기사였다는 점, 바둑과 이세돌 프로기사에 대한 존경심이 많은 우리나라에서 그야말로 나라 전체에 충격을 준 이벤트였다. 그러나 이 알파고의 부작용도 만만치 않는데, 바로 AI에 대한 여러가지 환상이다. 바로 머신러닝이 기술이 기업에 적용되었을 때 곧바로 완전 자동화를 꿈꾸는 달인으로서 간주될 수 있다는 점이다. 하지만 기업에 적용될 수 있는 머신러닝/딥러닝의 한계는 대개 비슷비슷하다고 생각한다. 전략적으로 데이터를 모아 .. AI하러 왔는데, AI 빼고 다한다? - 금융 AI 시작하기 "AI 하러 왔는데, 와.. AI 빼고 다하는 것 같아요"라는 말은 의외로 모든 회사에서 AI를 지향하는 담당자에게서 들을 수 있는 이야기이다. 금융 쪽뿐만 아니라 다른 산업 분야도 마찬가지로, 모두들 연구실이나 각 교육기관에서 AI 모델을 주로 배우던 전공자들이 회사에 입사했을 때 당면하는 맨 첫 상황이기 때문이다. 특히나 지금처럼 많은 회사에서 AI 분야를 시작하는 태동기일 때는 더욱 그렇다. 그리고 이는 최근 수년간의 기업 AI강연의 단골 메뉴이기도 하다. AI라는 업무에서 모델링 업무의 비율은 20%도 안된다는 이야기다. 교육받던 시절에는 각종 인식 모델의 장단점이나 정확도 향상, 여러 가지 이론적인 내용이 중요하지만 기업에 들어가 막상 AI 부서에 배치되면 이런 일보다는 숨겨졌던 나머지 일들이 .. 이전 1 다음
