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 머신러닝을 부활시키고 나서 아직 10년도 되지 않은 시기이고, 원래부터 머신러닝은 그렇게 쉬운 분야도 아니었다. 따라서 그 전에 이 분야에 관심을 갖고 공부한 사람이 아니면, 배운 지 별로 오래되지 않은 사람이 대부분이다. 기술은 특정 연구진에 의하여 나날이 발전하고 있지만, 난이도 때문에 타 분야에 비해 더 접근이 어렵다. 지금 이 수준에 오른 것도 그나마 글로벌 IT기업(Google, Facebook, Amazon, ..) 들의 오픈소스 툴과 프레임웍(TensorFlow, PyTorch), 소스와 학습결과물(Google BERT, GPT-3, CNN, ...)이 공유된 덕이라고 생각하면 된다. 다운로드하여 누구나 돌려볼 수 있게 된 것이 불과 몇 년이다.
사실 돌이켜 보면 과거 통계/머신러닝 쪽의 강자 역할을 했던 상용 툴들도 딥러닝 최신 기술들은 최근까지도 제대로 지원하지도 못했다. SAS, MS Azure 나 Amazon AWS의 클라우드 머신러닝 툴들도 불과 몇 년 전만 해도 tensorflow나 pytorch 같은 스펙을 제대로 지원하지 못했으며 간신히 최근에 지원을 시작했고 최근 쏟아져 나오는 자연어 처리 기술을 예를 들면 여전히 거의 지원하지 못하고 있는 실정이다. (클라우드 관련해서는 Google GCP가 제일 마음에 들었는데, 최근에는 다른 곳도 많이 좋아졌고 더 편한 점이 있다)
그래서 전문가라도 하루하루 더 낯선 분야가 되어가는 AI 사업과 교육의 관계는 떨어질 수 없고, 하나라고 생각해볼 수 있다. 배우지 않고는 앞으로 나갈 수 없다.
사실 본인도 AI 아이템들을 검토해나가면서 그 비지니스 가치 성립이 쉽지 않다는 것을 깨달으면서 오히려 교육 사업이 더 초기에 유망하지 않나 생각도 들었다. 어설프게 모델을 직접 돌려서 경험담을 이야기해주는 것보다 툴 사용법이나 실제 교육을 해주면 더 귀담아들은 경험도 있었다. 대개 AI 업무를 검토하다 보면 상대편 담당자들(고객), 임원들이 교육에 목마른 경우를 많이 만나는 것도 당연한 일이겠다.
그리고 대체 아는 사람들이 있어야 뭐가 진행되지 않겠는가. 그리고 앞서 수차례 밝힌 것처럼 경험 있는 작은 소수가 프로젝트를 진행하기에는 역시 쉽지 않은 것이, 회사 전체의 업무를 스캔하고 각자 자리에서 데이터를 통해 기회를 보고 꾸준히 관리해가는 것이 필요한데, 이렇게 투자 대비 이익(ROI)을 높이기 위해서는 최대한 많은 사람들이 머신러닝/통계 방법론을 이해해야 한다는 생각이 많이 들었다. 그리고 뒤에 밝히겠지만 교육으로 어느 정도 지식을 갖춘 직원들은 정보원 역할도 같이 수행할 수 있게 된다. AI 담당자 대신 그 업무 분야를 리뷰하고 제보해줄 수 있다.
결국에는 당분간 AI 프로젝트는 교육과 하나가 될 수밖에 없고, 혼자서가 아닌 다 같이 실질적인 진전을 이루기 위해서는 더욱더 가치를 두어야 하는 주제이다. 최대한 아군을 많이 확보해서 모두 한걸음 딛기 전에는 AI를 통한 생산성 향상이 선순환을 이루기가 어렵다.
그런데 이렇게 마음을 먹어도 마땅한 방법이 없다. 그러면 연관된 구성원들을 며칠짜리 교육을 보내면 될까? 하지만 그것은 또 업무 영속성을 지니기가 힘들어서, 그때뿐인 경우가 많다. 그 어려운 전체 과정을 며칠 안에 하다 보니 효과는 떨어지고 시간이 지나면 곧 잊게 되기 쉽다. 의외로 기업 대상 교육 프로그램이나 클라우드 회사들의 세미나에 가보면 실습 교육도 있긴 하지만 대개 대동소이하다. 그러면 좋은 방법이 없을까?
1) 교육은 쉽고 가깝게 한 바퀴를 스스로 돌도록 해야 한다.
머신러닝과 통계는 원래 쉽지 않은 분야이며 이 전체를 알 수 있도록 전달하는 것은 개인적으로는 기업 단기 교육으로는 해결하기 어렵다고 생각한다. 어쩔 수 없이 사내에는 전문가 그룹은 필요하다. 하지만 이 전문가 그룹의 가이드를 받고 실행할 모든 직원들이 머신러닝 AI 전문가가 될 필요는 없다.
따라서 최근의 글로벌 IT회사들이 공개하는 툴을 가지고 내부에 IT 역량을 다소 지닌, 의지 있는 직원들을 대상으로 체험형 위주로 쉽게 진행하되, 가까이 있는 툴로 한 바퀴는 돌 수 있도록 한다. "쉽게", "스스로", "가까이 있는 툴로", "한바퀴"가 중요한 단어들이다.
예를 들면 자신의 노트북에 툴을 설치하고, 간단히 미리 준비된 csv를 읽어서 학습을 통해 모델을 만드는 일을 정리한 가이드를 제공해 이를 스스로 할 수 있도록 유도한다. 중요한 것은 이 과정들이 혼자 가능하도록 해야 한다는 점이고 언제든지 수강자가 원하면, 재현할 수 있도록 해야 한다는 점이다. 생각보다 사내에는 최신의 기술을 배우고자 하는 욕구도 많다. 간단히 설명해주고 따라 할 수 있도록 가이드를 배포하자. 그리고 모든 과정을 마치고 나면 혜택을 주는 형태로도 운영해볼 수 있다.
필요하면 간단한 설명을 제공하고, 질의응답에 답변해준다. 이때 다시 한번 명심해야 할 것은 이 과정들을 짧고 간단하게 도전할 수 있도록 설계해야 한다는 점이다. 더 쉬울수록 더 많이 전파될 수 있다. 그리고 이렇게 한 바퀴 스스로 돌아야만 이 과정이 무엇인지 전체를 조망하게 될 수 있다. 그저 전문가가 하는 것을 구경하게 하는 교육은 의미가 적은 경우가 많다. 무엇이 되었건 스스로, 그리고 자신이 그 환경을 체득하여 재현할 수 있도록 해야 한다.
2) 회사 내부 데이터를 사용해서 스스로 개선 주제를 잡도록 도와야 한다
두 번째는 앞서 익힌 간단한 방법으로 자신에게 익숙한 분야의 데이터를 csv로 가공하여 얻은 다음에 정확도를 얻도록 하는 점이다. 즉, 배운 것을 어느 곳이든 자신과 가까운 업무에 사용하도록 해야 한다는 점이다. 자신만의 프로젝트를 하도록 도와야 한다. 그렇게 배운 지식은 잘 잊혀지지 않고, 그런 경험은 또한 나눌 가치가 있기 때문이다.
데이터를 추출하고 가공하는 것은 어려운 일이지만 몇 명을 그룹화하고 관련 전문가를 연결해 주거나 몇 가지 샘플의 사례를 줄 수도 있다. 다만 가급적 어떻게든 스스로 데이터를 관찰하고, 데이터를 뽑고 그것으로 앞의 방법론을 적용해 정확도를 어느 정도 갖는 문제 해결의 경험을 갖도록 하면 된다.
그러면 해당 수강자는 이제부터 모든 AI업무를 이해할 수 있게 된다. 자신이 뽑은 데이터와 모델을 가지게 되면 이후에는 새로운 모델 기술을 배워 정확도를 비교할 수 있고, 남과도 경쟁할 수 있고, 그 데이터도 스스로 개선할 수 있게 되는 상태에 있게 된다. 스스로 배울 수 있고 개선할 수 있는 강력한 바탕이 된다. 여기에 기반해 이론을 더 배워나가면 속도도 빠르다.
3) 이후에는 실제 전문가와 협업하면서 특정 문제를 해결해갈 수 있다.
앞서 교육보다 훨씬 더 많은 시간을 할애하면서 이제 전문가의 노하우들을 받게 된다. 툴이나 기술, 모델, 데이터에 대해서 자가로 다양한 학습을 하면서 기술을 늘리고 몇 가지 실제 비지니스에 응용할 프로젝트를 진행하게 되면, 모든 상황에서 단독으로 움직이기 힘들더라도, 일정 유형의 문제들은 풀어나갈 수 있다. 파일럿 Project를 수행하여 성공하도록 전사적으로 임원의 지원을 받아 독려하는 방법도 있다.
장기적인 관점에서는 교육을 잘 진행해 두면 당장의 프로젝트 성적은 좋지 않더라도 그다음을 기약하기가 훨씬 좋아진다. 모든 혁신은 사람이 의지를 가지고 수행하는 일이기 때문에 내부에 그러한 역량과 의지를 지닌 다수의 사람에게 전달되어 스스로 할 수 있도록 해주는 것이 여러모로 유리하다. 아무리 전문가라고 해도, 일정 주제를 선택해서 공들여 전문 지식을 쏟아부어도 결국에는 비지니스 가치가 낮을 수 있다. 실패의 위험성은 늘 있다.
결국 가용 AI 인력 시간의 많은 부분이 전문 프로젝트를 수행하는 데 사용되겠지만, 생각보다 훨씬 많이 주변에 관심 있고 역량 있는 직원들에게, 허들(hurdle)을 낮춘 스스로 재현 가능한 교육을 진행하고 역량을 끌어올려야 다양한 AI 사업들이 지속 가능하게 된다고 생각한다.
그리고 이런 활동을 통해 사내 AI 전문가들은 많은 사람들과 커뮤니케이션해가면서 주제 발굴이 가능하게 된다. 팀의 상황을 묻고 문제를 묻고 비지니스 가치가 있는 문제를 발견해낼 수 있다. 교육이면서 기회를 파악하는 것이 가능해진다. 아예 처음에 아무런 정보도 없다면 전사적인 교육 프로젝트를 진행하는 것도 그래서 좋은 접근이라고 생각한다. 반드시 생각보다 여러 가지로 많은 시간을 할당하여 이 문제를 다루고 해결책을 찾아 실행해야 한다. 꾸준히 노력하면 정직하게 보답받는 것도 바로 이 AI 교육분야이다.