Google Cloud AI 활용 사례: AI 프로젝트 성패를 좌우하는 것은?

예기치 못한 변수 앞에서 기민하게 해결책을 찾을 수 있는 역량!

구글 클라우드의 폭넓은 AI 서비스 포트폴리오를 잘 활용하면 프로젝트를 진행할 때 마주하는 여러 난관을 순조롭게 넘어갈 수 있습니다. 여기에 한 가지 덧붙이자면 기술력을 신뢰할 수 있는 구글 클라우드 파트너의 도움을 받으면 중도 포기를 해야 할 정도로 이슈가 많아도 빠르게 해결책을 찾아 원하는 것 이상의 성과를 거둘 수 있습니다. 👍

메가존은 국내 여러 고객의 AI 프로젝트에 참여한 경험이 있습니다. 관련해 여러 사례를 보유하고 있는데요, 이 중 가장 널리 알려진 것이 기아 자동차의 사용자 앱(Kia Motors Owner’s App)입니다. 이 앱이 개발되어 기아자동차 운전자의 손끝에 도달하기까지 과정은 AI 프로젝트를 추진하면 마주할 수 있는 여러 난관을 잘 보여줍니다. 어떤 프로젝트이건 상세한 계획과 원대한 목표를 세우는 것 못지않게 중요한 것은 예상치 못한 변수에 대응하는 역량입니다. 기아자동차는 메가존과 함께 여러 변수에 슬기롭게 대처하였습니다. 기아자동차의 예를 AI 프로젝트를 계획 중인 다른 조직에게 매우 의미 있는 모범 사례로 꼽는 이유입니다. 그렇다면 어떤 돌발 변수들이 등장했고, 이를 어떻게 접근했을까요? 주요 의사결정 포인트를 중심으로 이야기를 풀어 보겠습니다. 😀

데이터에 대한 고민

어떤 프로젝트이건 데이터 없는 AI는 있을 수 없습니다. 아무리 훌륭한 모델 또는 알고리즘을 만들어도 훈련에 쓸 적절한 데이터가 없다면 소용없습니다. 이것이 바로 많은 조직들이 데이터 확보에 많은 시간과 노력을 기울이는 이유입니다.

기아자동차 사용자 앱은 스마트폰 카메라로 설명서를 보고 싶은 조작 부위를 비추면 앱은 객체를 인식한 다음 관련 매뉴얼이나 영상을 보여 줍니다. 가령 스티어링 휠에 있는 조작 버튼 중 하나의 사용법이 궁금하면 앱을 열어 카메라로 해당 버튼으로 가리키면 매뉴얼이나 동영상으로 연결됩니다. 차를 새로 사면 차량 내부에 두꺼운 매뉴얼을 비치해 두고 궁금한 것이 있을 때마다 책자를 참조하던 것과 비교할 수없이 빠르게 원하는 정보에 접근할 수 있습니다.

복잡해 보이지 않는 AI 기능이지만 이를 구현하는 것은 어려운 일입니다. 자동차는 모델도 다양하지만, 연식에 따른 미세한 차이도 있습니다. 따라서 가능한 모든 이미지 데이터를 확보해야 합니다. 자동차라는 제품의 특성상 매뉴얼 제작 등을 위해 사진 자료는 풍부합니다. 언뜻 보면 AI 모델 훈련을 위한 데이터가 차고 넘쳐 보입니다. 하지만 모델 학습에 필요한 이미지로 활용하기에 다른 용도로 촬영한 사진은 쓰기 적절하지 않았습니다. 심볼 인식을 훈련하려면 한 부위를 다양한 각도와 조도에서 찍은 이미지 파일이 필요합니다.

모델 훈련에 필요한 이미지를 다시 촬영해야 하나?

이는 불가능한 일이었습니다. 자동차 종류별로 따져 보니 100만 장 이상이 필요하다는 계산이 나왔습니다. 찍는 것도 일이지만 100만 장이나 되는 이미지를 놓고 라벨링을 하는 것은 더 큰 문제였습니다.

프로젝트 초기에 데이터 확보라는 변수를 맞이하면?

대부분 프로젝트를 이어가야 하나, 중도에 포기해야 하나 고민을 합니다. 기아자동차는 메가존 전문가들과 머리를 맞대어 생각을 거듭한 끝에 돌파구를 찾았습니다. 바로 CAD 데이터 활용 방안을 떠올린 것입니다. CAD 데이터만 있으면 심볼 인식에 필요한 모든 데이터 세트를 만들 수 있습니다. 설계 데이터이다 보니 조명과 각도 같은 조건을 부여해 필요 이미지를 생성할 수 있다 보니 데이터 확보 문제가 모두 해결된 것이죠. 이렇게 확보한 데이터는 자동화 기반 라벨링을 통해 모델 훈련을 위한 데이터 준비 작업까지 순조롭게 진행되었습니다.

모델 훈련이라는 또 다른 거대한 산

데이터 준비라는 산을 넘으면 다음에는 모델이라는 또 다른 산이 기다립니다. 기아자동차 프로젝트의 경우 차종별로 중복되지 않게 모델을 관리해야 하는 것이 관건이었습니다. 자동차 모델이 많다 보니 이를 수작업으로 하다 보면 문제가 생길 가능성이 큽니다. 메가존은 ‘자동화’에서 답을 찾았습니다. 차종별 모델마다 데이터 파이프라인을 구축하였고, 데이터 준비부터 훈련 과정을 자동화하였습니다. 모델 훈련과 평가 과정을 자동화한 덕에 모델 최적화 시간을 앞당길 수 있었습니다.

데이터 준비, 모델 훈련과 평가까지 문제없이 일사천리로 진행한 후 기아자동차는 훈련을 마친 모델을 배포하기 위한 시스템을 구현하였습니다. 이를 마친 후 사용자 앱을 통해 객체 감지 기반 기능을 공식 서비스하였습니다. 이 과정이 모두 구글 클라우드에서 이루어졌습니다.

기아자동차 사례는 프로젝트 추진 시 마주할 수 있는 다양한 변수 앞에서 빠르고 유연한 의사결정이 얼마나 중요한지를 잘 보여줍니다. 기아자동차는 필요 데이터를 손쉽게 확보하는 아이디어부터 자동화 기반의 모델 개발과 배포 체계를 마련하기까지 클라우드의 이점을 200% 이상 활용한 사례입니다. 이 사례에는 행간의 의미가 담겨 있는데요, 바로 신뢰할 수 있는 파트너의 역할입니다. 기아자동차 사례는 고객의 고민에 대한 답을 클라우드 기술과 구글 클라우드의 다양한 서비스에서 찾아 적시에 제안한 메가존의 역할이 프로젝트 성공의 배경에 깔려 있습니다 ✌