AI 우선 전략을 취하는 기업이 나날이 늘고 있습니다. AI 기술 덕에 의지와 열정이 있다면 기업이라면 매우 정교한 수준의 예측 기반 경영을 할 수 있습니다. 시장을 예측하고, 고객의 마음을 헤아리고, 상품 유지보수 시기를 파악하는 등 AI 기술은 능동적으로 기업이 움직일 수 있는 새로운 힘을 제공합니다. 하지만 과거 빅 데이터가 그러했듯이 AI가 중요한 것은 잘 알겠는데, 이를 어떻게 조직의 역량으로 삼고, 전략적 자산으로 활용할지 생각해 보면 뭔가 명확히 보이지는 않습니다. 그렇다고 시행착오를 거듭할 수도 없습니다. 이미 AI 경주는 시작되었고, 이 흐름에 빨리 올라타야 합니다. 관련해 경영진과 엔지니어 모두 뚜렷하게 AI 전략을 이해하고 실행에 옮기는 데 도움이 되는 백서를 하나 공유합니다.
모두의 궁금증을 해결
‘Google Cloud AI Adoption Framework’ 백서는 AI에 대한 총체적인 가이드를 제시합니다. 보통 AI 프로젝트를 놓고 경영진과 엔지니어가 궁금해하는 것은 좀 다릅니다.
경영진이 알고 싶은 것은 다음과 같은 내용이 주를 이룹니다.
- “어떤 기술을 갖춘 인력이 필요하며 팀은 어떻게 구성해야 합니까?”
- “현재 계획 또는 추진 중인 머신 러닝 프로젝트 중 최우선순위는 무엇입니까?”
- “규제 준수 및 지속 가능한 경영 측면을 잘 고려하여 AI 서비스를 구현할 수 있습니까?”
엔지니어가 찾는 답은 좀 다릅니다.
- “데이터 및 머신 러닝 자산을 어떻게 검색, 공유, 재사용할 수 있습니까?”
- “클라우드 네이티브 서비스를 어떻게 활용할 것이며, 어떻게 확장해 나가야 할까요?”
- “프로덕션 환경에서 데이터 및 머신 러닝 파이프라인을 어떻게 구축하고 운영할 수 있습니까?”
위와 같은 질문에 대한 답을 담은 것이 바로 ‘Google Cloud AI Adoption Framework’ 백서입니다.
AI 전략을 성공으로 이끄는 프레임워크
백서에서 소개하는 프레임워크는 다양한 산업 분야 기업과 스타트업에 클라우드 기반 AI 서비스를 제공하며 쌓은 구글의 노하우를 정리한 것이라 볼 수 있습니다. 이 프레임워크는 사람, 프로세스, 데이터, 기술로 이루어집니다. 각 요소의 원활한 상호작용은 AI 프로젝트 성공을 이끕니다. 백서는 이 상호작용을 6가지 주제로 구분해 설명합니다.
- Lead: 데이터 과학자와 엔지니어가 비즈니스 유즈 케이스에 머신 러닝을 적용하려면 전폭적인 지원이 필요합니다. 더불어 적절한 동기부여도 빠지면 안 됩니다.
- Learn: 데이터 과학자와 머신 러닝 엔지니어 인력 충원과 함께 지속적인 교육을 통해 역량을 강화합니다.
- Access: 데이터 과학자와 엔지니어는 머신 러닝 관련 데이터 및 각종 자산에 원활히 접근할 수 있어야 하고, 자산은 손쉽게 탐색, 공유, 재사용이 가능해야 합니다.
- Scale: 머신 러닝 프로젝트가 많아지고, 더 큰 데이터 세트를 다루는 모델이 늘어나면 운영 부담이 커집니다. 클라우드 네이티브 서비스를 사용해 이를 줄일 수 있습니다.
- Security: 데이터를 분류하고 보호할 방법이 필요하고, 각종 규제 준수 측면에서 AI 관련 데이터 활용을 충분히 설명할 수 있어야 합니다.
- Automation: 머신 러닝 파이프라인 구현으로 모델 개발, 트레이닝, 배포같이 빈번하게 반복해서 이루어지는 작업을 자동화합니다.
기업의 AI 여정은 크게 전술, 전략, 전환 3단계를 거치며 성숙해집니다. 전술적 측면에서 특정 목표를 달성하는 것이 일반적인 출발점입니다. 목표를 거듭 달성하는 가운데 기업은 전사 측면에서 전략을 개발합니다. 데이터 및 머신 러닝 파이프라인 정립과 클라우드 네이티브 접근의 확대 등이 이 단계에서 이루어집니다. 이런 과정을 거치면서 본격적인 AI 전환이 시작됩니다. ‘Google Cloud AI Adoption Framework’ 백서는 우리 회사의 AI 성숙도를 측정하는 데에도 훌륭한 기준점을 제시합니다. 현재 우리 회사는 어느 단계에 있는지, 한발 더 나아가는 데 있어 무엇을 해야 하는지 알 수 있습니다. 더 자세한 내용은 백서를 다운로드해 참조하기 바랍니다.
