Offcanvas

������������ | ���������

“CFO들, AI/ML 스킬 확보하고자 기술 투자에 열심” 워크데이

워크데이(Workday)의 새로운 보고서에 따르면 최고재무책임자(CFO)가 AI/ML 스킬을 갖춘 인재 및 인력을 확보하고 유지하기 위한 기술 투자에 열심인 것으로 나타났다.    재무 관리 및 인적 자원 소프트웨어 업체 워크데이가 지난주 발표한 ‘글로벌 CFO 현황 설문조사(Global CFO Indicator Survey)’에 의하면 절반에 가까운 CFO(48%)가 재무 인재를 유치하기 위해 향후 5년 이내에 ‘소비자형(consumer-like)’ 인터페이스에 투자할 계획이며, 57%는 신입사원이 갖추길 바라는 역량으로 AI 및 ML 스킬을 꼽았다.  워크데이는 호주, 뉴질랜드, 싱가포르, 미국, 프랑스, 독일, 영국 기업(직원 수 500명에서 5,000명 이상)의 최고재무책임자 276명을 대상으로 온라인 설문조사를 실시했다. 해당 설문조사 결과에 따르면 CFO들의 40%가 5년 전만 해도 찾지 않았던 ‘애널리틱스 및 데이터 스토리텔링 스킬’을 우선시하고 있는 것으로 조사됐다.    워크데이의 최고회계책임자 필리파 로렌스에 의하면 AI를 통해 CFO들은 스프레드시트와 숫자를 샅샅이 뒤지는 시간을 줄이고, 비즈니스 가치 측면에서 빅데이터가 무엇을 의미하는지 설명하는 데 더 많은 시간을 할애할 수 있다. 또 CFO들은 AI/ML을 사용해 데이터에서 정보를 얻을 뿐만 아니라 해당 데이터의 중요성을 이야기할 수 있는 직원을 찾고 있는 것으로 드러났다. 그는 “이번 설문조사를 통해 CFO들이 그러한 이야기를 할 수 있는 역량을 원한다는 점을 알 수 있었다. 데이터를 언급하지 않는다면 아무도 그 이야기에 귀를 기울이지 않을 것”이라고 말했다.  포레스터 리서치에 따르면 5개 중 1개 기업이 비즈니스 인사이트 딜리버리를 강화하기 위해 AI 투자를 2배로 늘릴 계획이다. 아울러 포레스터는 지난 2021년 10월 공개한 ‘2022 전망: 인공지능(Predictions 2022: Artificial Intell...

최고재무책임자 CFO 인재 채용 인력 채용 인공지능 머신러닝 데이터 애널리틱스 IT 스킬

2일 전

워크데이(Workday)의 새로운 보고서에 따르면 최고재무책임자(CFO)가 AI/ML 스킬을 갖춘 인재 및 인력을 확보하고 유지하기 위한 기술 투자에 열심인 것으로 나타났다.    재무 관리 및 인적 자원 소프트웨어 업체 워크데이가 지난주 발표한 ‘글로벌 CFO 현황 설문조사(Global CFO Indicator Survey)’에 의하면 절반에 가까운 CFO(48%)가 재무 인재를 유치하기 위해 향후 5년 이내에 ‘소비자형(consumer-like)’ 인터페이스에 투자할 계획이며, 57%는 신입사원이 갖추길 바라는 역량으로 AI 및 ML 스킬을 꼽았다.  워크데이는 호주, 뉴질랜드, 싱가포르, 미국, 프랑스, 독일, 영국 기업(직원 수 500명에서 5,000명 이상)의 최고재무책임자 276명을 대상으로 온라인 설문조사를 실시했다. 해당 설문조사 결과에 따르면 CFO들의 40%가 5년 전만 해도 찾지 않았던 ‘애널리틱스 및 데이터 스토리텔링 스킬’을 우선시하고 있는 것으로 조사됐다.    워크데이의 최고회계책임자 필리파 로렌스에 의하면 AI를 통해 CFO들은 스프레드시트와 숫자를 샅샅이 뒤지는 시간을 줄이고, 비즈니스 가치 측면에서 빅데이터가 무엇을 의미하는지 설명하는 데 더 많은 시간을 할애할 수 있다. 또 CFO들은 AI/ML을 사용해 데이터에서 정보를 얻을 뿐만 아니라 해당 데이터의 중요성을 이야기할 수 있는 직원을 찾고 있는 것으로 드러났다. 그는 “이번 설문조사를 통해 CFO들이 그러한 이야기를 할 수 있는 역량을 원한다는 점을 알 수 있었다. 데이터를 언급하지 않는다면 아무도 그 이야기에 귀를 기울이지 않을 것”이라고 말했다.  포레스터 리서치에 따르면 5개 중 1개 기업이 비즈니스 인사이트 딜리버리를 강화하기 위해 AI 투자를 2배로 늘릴 계획이다. 아울러 포레스터는 지난 2021년 10월 공개한 ‘2022 전망: 인공지능(Predictions 2022: Artificial Intell...

2일 전

'고용도, 해고도 하는' 디지털 보스의 시대··· 난제가 다가온다

하이브리드 업무 환경 확산에 따라 매니저와 경영진의 직원 관리에 어려움이 생기면서 인공지능과 머신러닝(AI/ML) 이용이 급증하고 있다. 시장조사업체 IDC의 최신 보고서에 따르면, 2024년까지 전 세계 2,000대 기업의 80%가 AI/ML 기반의 ‘디지털 매니저(Digital Manager)’를 이용해 직원을 고용, 해고, 교육할 예정이다. 그러나 인간 개입이 없다면 기업 5곳 중 1곳만이 유의미한 가치를 얻게 될 것으로 전망했다.   세계적으로 계속되는  코로나19 팬데믹은 여러 기업이 새 직무 모델을 채택하지 않을 수 없게 만들었다. 완전한 원격 접근법, 개인과 팀이 디지털 및 물리적 장소 모두에서 일하는 하이브리드 접근법 등이 대표적이다. IDC에 따르면 이처럼 분산된 노동으로의 변화는 기업을 관리, 지휘, 조직하는 새로운 방식에 대한 요구로 이어졌다. 2021년 4월 IDC가 공개한 ‘미래 기업 탄력성 및 지출 설문조사(Future Enterprise Resiliency and Spending Survey)’를 보면, 실제로 기업 약 41%가 원격 및 하이브리드 인력을 관리하는 것을 핵심 기술로 보고 있고, 채용이나 사내 개발을 통해 확보하려는 계획인 것으로 나타났다. 오늘날 AI/ML을 활용한 디지털 경영 솔루션은 기업 경영 전반에서 널리 사용된다. 이력서를 검사하고 구직자에게 전화하고 일일 직원 성과를 측정하고 추가 교육을 권고하고 일정 직무, 특히 교대 유형의 직무에 언제 얼마나 많은 직원이 필요한지 결정하는 것 등이다. IDC의 세계 ‘일의 미래(Future of Work)’ 시장 조사 서비스의 연구소장인 에이미 루미스는 "AI/ML을 이용해 직원을 채용하고 해고하는 일이 파격적으로 보일 수 있다. 그러나 이는 오늘날 인력 관리 분야에서 이런저런 수준에서 널리 쓰이고 있다. 알고리즘은 흔히 직원을 스택-랭킹(stack-ranking)하는 데 사용되고 채용에 가장 적합하거나 해고해야 할 사람에 관해 권고한다”라고 말...

디지털보스 소프트웨어로봇 인공지능 채용

2022.01.12

하이브리드 업무 환경 확산에 따라 매니저와 경영진의 직원 관리에 어려움이 생기면서 인공지능과 머신러닝(AI/ML) 이용이 급증하고 있다. 시장조사업체 IDC의 최신 보고서에 따르면, 2024년까지 전 세계 2,000대 기업의 80%가 AI/ML 기반의 ‘디지털 매니저(Digital Manager)’를 이용해 직원을 고용, 해고, 교육할 예정이다. 그러나 인간 개입이 없다면 기업 5곳 중 1곳만이 유의미한 가치를 얻게 될 것으로 전망했다.   세계적으로 계속되는  코로나19 팬데믹은 여러 기업이 새 직무 모델을 채택하지 않을 수 없게 만들었다. 완전한 원격 접근법, 개인과 팀이 디지털 및 물리적 장소 모두에서 일하는 하이브리드 접근법 등이 대표적이다. IDC에 따르면 이처럼 분산된 노동으로의 변화는 기업을 관리, 지휘, 조직하는 새로운 방식에 대한 요구로 이어졌다. 2021년 4월 IDC가 공개한 ‘미래 기업 탄력성 및 지출 설문조사(Future Enterprise Resiliency and Spending Survey)’를 보면, 실제로 기업 약 41%가 원격 및 하이브리드 인력을 관리하는 것을 핵심 기술로 보고 있고, 채용이나 사내 개발을 통해 확보하려는 계획인 것으로 나타났다. 오늘날 AI/ML을 활용한 디지털 경영 솔루션은 기업 경영 전반에서 널리 사용된다. 이력서를 검사하고 구직자에게 전화하고 일일 직원 성과를 측정하고 추가 교육을 권고하고 일정 직무, 특히 교대 유형의 직무에 언제 얼마나 많은 직원이 필요한지 결정하는 것 등이다. IDC의 세계 ‘일의 미래(Future of Work)’ 시장 조사 서비스의 연구소장인 에이미 루미스는 "AI/ML을 이용해 직원을 채용하고 해고하는 일이 파격적으로 보일 수 있다. 그러나 이는 오늘날 인력 관리 분야에서 이런저런 수준에서 널리 쓰이고 있다. 알고리즘은 흔히 직원을 스택-랭킹(stack-ranking)하는 데 사용되고 채용에 가장 적합하거나 해고해야 할 사람에 관해 권고한다”라고 말...

2022.01.12

2022년 IT 지출처··· ‘핫한’ 7가지 ‘지는’ 4가지

IT 리더들이 ‘기술’을 활용하여 혁신과 비즈니스 트랜스포메이션에 박차를 가할 방안을 모색하고 있다. 그렇다면 투자가 늘어나고 있는 기술은 무엇인지, 반면에 약화되거나 축소되고 있는 기술은 무엇인지 살펴본다.  팬데믹 기간 동안 가속화된 디지털 트랜스포메이션 물결을 타고 올해에도 기업들은 혁신을 촉진하고 비즈니스 운영을 트랜스포메이션하고자 기술을 적극적으로 활용할 전망이다. 이를 위해서는 기술 투자가 필요하다. 이를 아는 기업들은 새로운 기술 및 기존 기술 예산을 늘리고 있다. 액센츄어에 따르면 전체 디지털 지출은 2023년까지 총 IT 지출의 55%를 차지할 것으로 예상되며, 지난 2021년보다 약 10% 증가하는 수준이다.    액센츄어의 수석 전무이사 애슐리 스카이름은 이러한 지출이 4가지 핵심 영역에 집중될 것이라고 밝혔다. 첫 번째는 시장 출시 속도가 중요한 시장(예: AI, 블록체인, AR/VR 등)에서 가치를 입증하기 위해 새로운 사용 사례를 빠르게 시험하고 프로토타이핑하면서 기업들이 ‘재창조하고 혁신하는’ 영역이다. 두 번째 영역은 데이터 및 애널리틱스용 플랫폼 등 ‘새로운 역량 또는 수익원을 창출하는 혁신적인 투자’를 통해 확장하고 차별화하면서 비즈니스를 성장시키는 것이다. 세 번째는 ERP/CRM, 품질, 공급 계획 시스템 등 경쟁력 있는 비즈니스 역량 또는 프로세스 디지털화를 통해 가치사슬을 디지털화하는 것이다. 마지막은 비즈니스를 운영하고, 데이터센터 및 네트워크 등에서 보안 및 컴플라이언스를 유지하는 데 필요한 기술 역량이다.  여기서는 2022년 CIO와 IT 리더들이 투자하게 될 ‘뜨거운(Hot)’ IT 기술 7가지와 ‘차가운(Cold)’ IT 기술 4가지를 정리했다.   Hot: 클라우드 네이티브 관리형 서비스 KPMG의 수석 고문 마크 생크는 클라우드 네이티브 관리형 서비스를 활용하기 위한 투자가 이뤄질 것이라고 말했다. 그는 “예전엔 기업들이 클라우드 투자로 인한 벤더 락...

IT 투자 IT 리더 CIO IT 리더십 디지털 트랜스포메이션 클라우드 네이티브 사물인터넷 데이터 레이크 데이터 웨어하우스 프라이빗 클라우드 직원 인게이지먼트 애널리틱스 데이터 과학 고객 경험 보안

2022.01.10

IT 리더들이 ‘기술’을 활용하여 혁신과 비즈니스 트랜스포메이션에 박차를 가할 방안을 모색하고 있다. 그렇다면 투자가 늘어나고 있는 기술은 무엇인지, 반면에 약화되거나 축소되고 있는 기술은 무엇인지 살펴본다.  팬데믹 기간 동안 가속화된 디지털 트랜스포메이션 물결을 타고 올해에도 기업들은 혁신을 촉진하고 비즈니스 운영을 트랜스포메이션하고자 기술을 적극적으로 활용할 전망이다. 이를 위해서는 기술 투자가 필요하다. 이를 아는 기업들은 새로운 기술 및 기존 기술 예산을 늘리고 있다. 액센츄어에 따르면 전체 디지털 지출은 2023년까지 총 IT 지출의 55%를 차지할 것으로 예상되며, 지난 2021년보다 약 10% 증가하는 수준이다.    액센츄어의 수석 전무이사 애슐리 스카이름은 이러한 지출이 4가지 핵심 영역에 집중될 것이라고 밝혔다. 첫 번째는 시장 출시 속도가 중요한 시장(예: AI, 블록체인, AR/VR 등)에서 가치를 입증하기 위해 새로운 사용 사례를 빠르게 시험하고 프로토타이핑하면서 기업들이 ‘재창조하고 혁신하는’ 영역이다. 두 번째 영역은 데이터 및 애널리틱스용 플랫폼 등 ‘새로운 역량 또는 수익원을 창출하는 혁신적인 투자’를 통해 확장하고 차별화하면서 비즈니스를 성장시키는 것이다. 세 번째는 ERP/CRM, 품질, 공급 계획 시스템 등 경쟁력 있는 비즈니스 역량 또는 프로세스 디지털화를 통해 가치사슬을 디지털화하는 것이다. 마지막은 비즈니스를 운영하고, 데이터센터 및 네트워크 등에서 보안 및 컴플라이언스를 유지하는 데 필요한 기술 역량이다.  여기서는 2022년 CIO와 IT 리더들이 투자하게 될 ‘뜨거운(Hot)’ IT 기술 7가지와 ‘차가운(Cold)’ IT 기술 4가지를 정리했다.   Hot: 클라우드 네이티브 관리형 서비스 KPMG의 수석 고문 마크 생크는 클라우드 네이티브 관리형 서비스를 활용하기 위한 투자가 이뤄질 것이라고 말했다. 그는 “예전엔 기업들이 클라우드 투자로 인한 벤더 락...

2022.01.10

리뷰 | VM웨어 위에서 AI를!··· 엔비디아 'AI 엔터프라이즈’ 살펴보기

VM웨어 환경에 최적화된 이 엔비디아의 AI 소프트웨어 스택은 그야말로 강력한 대안이다. 여전히 머신러닝을 위해 AWS와 애저, 구글 클라우드를 이용할 수 있겠지만, 어느 정도 규모가 되는 기업이라면 엔비디아의 'AI 엔터프라이즈'를 검토할 만한 이유가 충분하다. 엔비디아 런치패드를 이용하면 시험 테스트도 그리 어렵지 않다.    엔비디아 AI 엔터프라이즈(Nvidia AI Enterprise)는 다양한 기능을 갖춘 엔드투엔드 AI 소프트웨어 스택이다. 데이터를 정화하고 훈련을 위해 준비하고, 신경망 훈련을 수행하고, 좀더 유효한 형식으로 모델을 변환해 추론 서버에 배치하는 업무 등을 수행한다. 아울러 엔비디아 AI 소프트웨어 스위트는 쿠버네티스를 위한 GPU, DPU(Data Processing Unit), 가속 네트워크를 지원한다(아래 그림 상의 클라우드 네이티브 전개 계층). 아울러 VM웨어 v스피어 탄주(VMware vSphere with Tanzu) 상에 있는 공유 기기의 최적화를 지원한다. 탄주 베이직(Tanzu Basic)은 v스피어에서 쿠버네티스를 실행하고 관리하는 데 도움을 준다. 참고로 VM웨어 탄주 랩(VMware Tanzu Labs)은 피보틀 랩(Pivotal Labs)의 새 명칭이다. 엔비디아 런치패드(Nvidia LaunchPad)는 전체 엔비디아 AI 스택을 사설 컴퓨트 인프라에서 실행하도록 허용하는 단기적 시험 프로그램이다. 엔비디아 런치패드는 엔비디아 AI 엔터프라이즈를 위한 정연한 랩을 제공하고, 엔비디아 전문가 및 훈련 모듈로의 접근 기능을 내장하고 있다. 엔비디아 AI 엔터프라이즈의 의미는 AI 모델 훈련 및 배치 작업이 좀더 자유로와질 수 있다는 것이다. 적어도 대형 기술 기업에게는 그렇다. Ph-D 수준의 데이터 과학자와 GPU로 가득한 데이터센터를 보유한 기업이라면, AI 엔터프라이즈를 통해 경영, 제품 개발, 마케팅, HR 등의 용도에 맞춰 AI 모델을 훈련시키고 배치할 수 있다. ...

AI 엔터프라이즈 엔비디아 런치패드

2022.01.07

VM웨어 환경에 최적화된 이 엔비디아의 AI 소프트웨어 스택은 그야말로 강력한 대안이다. 여전히 머신러닝을 위해 AWS와 애저, 구글 클라우드를 이용할 수 있겠지만, 어느 정도 규모가 되는 기업이라면 엔비디아의 'AI 엔터프라이즈'를 검토할 만한 이유가 충분하다. 엔비디아 런치패드를 이용하면 시험 테스트도 그리 어렵지 않다.    엔비디아 AI 엔터프라이즈(Nvidia AI Enterprise)는 다양한 기능을 갖춘 엔드투엔드 AI 소프트웨어 스택이다. 데이터를 정화하고 훈련을 위해 준비하고, 신경망 훈련을 수행하고, 좀더 유효한 형식으로 모델을 변환해 추론 서버에 배치하는 업무 등을 수행한다. 아울러 엔비디아 AI 소프트웨어 스위트는 쿠버네티스를 위한 GPU, DPU(Data Processing Unit), 가속 네트워크를 지원한다(아래 그림 상의 클라우드 네이티브 전개 계층). 아울러 VM웨어 v스피어 탄주(VMware vSphere with Tanzu) 상에 있는 공유 기기의 최적화를 지원한다. 탄주 베이직(Tanzu Basic)은 v스피어에서 쿠버네티스를 실행하고 관리하는 데 도움을 준다. 참고로 VM웨어 탄주 랩(VMware Tanzu Labs)은 피보틀 랩(Pivotal Labs)의 새 명칭이다. 엔비디아 런치패드(Nvidia LaunchPad)는 전체 엔비디아 AI 스택을 사설 컴퓨트 인프라에서 실행하도록 허용하는 단기적 시험 프로그램이다. 엔비디아 런치패드는 엔비디아 AI 엔터프라이즈를 위한 정연한 랩을 제공하고, 엔비디아 전문가 및 훈련 모듈로의 접근 기능을 내장하고 있다. 엔비디아 AI 엔터프라이즈의 의미는 AI 모델 훈련 및 배치 작업이 좀더 자유로와질 수 있다는 것이다. 적어도 대형 기술 기업에게는 그렇다. Ph-D 수준의 데이터 과학자와 GPU로 가득한 데이터센터를 보유한 기업이라면, AI 엔터프라이즈를 통해 경영, 제품 개발, 마케팅, HR 등의 용도에 맞춰 AI 모델을 훈련시키고 배치할 수 있다. ...

2022.01.07

유니쿼화이, 특허 기술 ‘인공신경망 및 AI 모델링’ 공개··· "기존 소비가전을 AI 기기로"

인공신경망 및 AI 에지 컴퓨팅 전문기업 유니쿼화이가 기존 ‘스마트’ 소비가전 기기를 AI 기기로 대전환하는 새로운 패러다임 특허 기술인 인공신경망 및 AI 모델링 기술을 선보인다고  밝혔다. 회사에 따르면 유니쿼화이의 인공신경망 2.0 및 AI 모델링 기술은 다양한 소비가전을 AI 제품으로 전환시켜 소비자들이 첨단 AI 모델의 혜택을 받으면서도, 동시에 서비스를 에지 디바이스를 통해 이뤄지게 함으로써 개인정보를 보호할 수 있도록 한다. 유니쿼화이 조쉬 리 CEO는 “유니쿼화이는 오늘날의 첨단 AI 모델들이 소비자를 위해 풍성한 경험과 다양한 기능을 제공할 것으로 믿고 있다”라며, “결론적으로 유니쿼화이의 독점적인 인공신경망 2.0과 AI 모델링 기술이 ‘스마트’에서 ‘AI’ 패러다임 전환의 단초가 될 것”이라고 말했다. 유니쿼화이는 인공신경망(Neural Network 2.0), AI 모델링, 클라우드 그리고 디지털 콘텐츠 기술을 연결해 전화기, TV, 자동차 등의 다양한 소비가전의 성능을 현저하게 개선할 수 있는 AI 제품으로 업그레이드할 수 있는 시점이라고 전망하고 있다. 또한 시각과 음성 및 자연어 처리 분야의 AI 모델 첨단화 추세는 다양한 스마트 기기에 AI 성능을 더해 진정한 ‘휴먼’ 디바이스로 거듭날 수 있다고 내다봤다.  유니쿼화이는 AI 기술을 추가한다는 것은 곧 상호작용이 더해지는 것이며 이는 소비자의 경험치를 더욱 강화하는 것이라, 정말 오랫동안 기다려온 소비가전의 교체 수요 주기를 촉발할 수 있다고 예측했다. 인공신경망 2.0은 인공신경망 기술의 핵심 기반으로써 기존 MAC(Multiply-accumulate) 블록을 유니쿼화이가 자체 개발한 AIPE(AI Processing Element)를 이용해 인공신경망의 최소 단위인 뉴런 크기를 축소시켜 인공신경망 애플리케이션을 적용할 반도체 칩의 크기, 소비전력 및 가격을 최대 20배 정도 감소시켰다고 업체 측은 설명했다. ciokr@idg.co.kr

유니쿼화이 인공신경망 인공지능 엣지 기기

2022.01.03

인공신경망 및 AI 에지 컴퓨팅 전문기업 유니쿼화이가 기존 ‘스마트’ 소비가전 기기를 AI 기기로 대전환하는 새로운 패러다임 특허 기술인 인공신경망 및 AI 모델링 기술을 선보인다고  밝혔다. 회사에 따르면 유니쿼화이의 인공신경망 2.0 및 AI 모델링 기술은 다양한 소비가전을 AI 제품으로 전환시켜 소비자들이 첨단 AI 모델의 혜택을 받으면서도, 동시에 서비스를 에지 디바이스를 통해 이뤄지게 함으로써 개인정보를 보호할 수 있도록 한다. 유니쿼화이 조쉬 리 CEO는 “유니쿼화이는 오늘날의 첨단 AI 모델들이 소비자를 위해 풍성한 경험과 다양한 기능을 제공할 것으로 믿고 있다”라며, “결론적으로 유니쿼화이의 독점적인 인공신경망 2.0과 AI 모델링 기술이 ‘스마트’에서 ‘AI’ 패러다임 전환의 단초가 될 것”이라고 말했다. 유니쿼화이는 인공신경망(Neural Network 2.0), AI 모델링, 클라우드 그리고 디지털 콘텐츠 기술을 연결해 전화기, TV, 자동차 등의 다양한 소비가전의 성능을 현저하게 개선할 수 있는 AI 제품으로 업그레이드할 수 있는 시점이라고 전망하고 있다. 또한 시각과 음성 및 자연어 처리 분야의 AI 모델 첨단화 추세는 다양한 스마트 기기에 AI 성능을 더해 진정한 ‘휴먼’ 디바이스로 거듭날 수 있다고 내다봤다.  유니쿼화이는 AI 기술을 추가한다는 것은 곧 상호작용이 더해지는 것이며 이는 소비자의 경험치를 더욱 강화하는 것이라, 정말 오랫동안 기다려온 소비가전의 교체 수요 주기를 촉발할 수 있다고 예측했다. 인공신경망 2.0은 인공신경망 기술의 핵심 기반으로써 기존 MAC(Multiply-accumulate) 블록을 유니쿼화이가 자체 개발한 AIPE(AI Processing Element)를 이용해 인공신경망의 최소 단위인 뉴런 크기를 축소시켜 인공신경망 애플리케이션을 적용할 반도체 칩의 크기, 소비전력 및 가격을 최대 20배 정도 감소시켰다고 업체 측은 설명했다. ciokr@idg.co.kr

2022.01.03

“상용화되는 모델은 13%에 그쳐”··· ‘NLP 모델’을 운영환경에 안전하게 투입하는 법

‘자연어 처리(Natural Language Processing; NLP)’ 모델을 프로덕션 환경에 투입하는 건 차를 구매하는 것과 비슷하다. 원하는 결과에 대한 매개변수를 설정하고, 몇 가지 접근 방식을 테스트 및 반복한다. 그다음 (비유하자면) 차를 몰고 나가는 순간 그 가치가 급락하기 시작한다. 자동차와 마찬가지로, NLP 또는 AI 기반 제품을 사용하면 많은 이점을 누릴 수 있지만 (적어도 계속해서 제대로 쓰려면) 유지관리를 멈춰서는 안 된다.  AI 모델을 만들어 내기도 어렵지만 프로덕션 환경에서 모델의 정확성을 확보하는 것 또한 어렵다. 모델의 정확성은 시장에 출시되는 순간 저하된다. 실제 운영 환경은 (모델이) 학습한 환경과 다르기 때문이다. 고속도로와 도로 주행 연습 장소가 다른 것과 같다. 이를 변수가 바뀌면 학습한 개념도 더 이상 정확하지 않을 수 있음을 의미하는 ‘개념 드리프트(concept drift)’라고 하며, 이는 AI 및 ML 분야에서 새로운 것은 아니지만 사용자들에게는 계속해서 문제가 되고 있다.    벤처비트(VentureBeat)에 따르면 최근 몇 년간 AI 및 NLP에 막대한 투자가 이뤄졌음에도 불구하고 실제 프로덕션 환경으로 전환되는 데이터 과학 프로젝트는 13%에 불과하다. 그 이유에는 개념 드리프트도 한몫한다.  그렇다면 제품을 프로젝트 단계에서 프로덕션 환경으로 안전하게 옮기려면 어떻게 해야 할까? 프로덕션 환경에서 (모델의) 정확성을 유지하기 위해서는 어떻게 해야 할까?  AI 모델을 프로덕션 환경에 투입하기 모델 거버넌스는 NLP 이니셔티브의 핵심 구성요소이자, 많은 제품이 프로젝트 단계에 머무르게 되는 이유이기도 하다. 이는 기업들이 특정 프로덕션 환경에서 모델의 활동, 액세스, 동작을 추적하는 방법을 다룬다. 위험을 완화하고, 문제를 해결하며, 컴플라이언스를 유지하려면 이를 모니터링해야 한다.  이 개념은 전 세계 AI 업계에 잘 알려진 문제이기...

인공지능 AI 자연어 처리 NLP 데이터 과학 개념 드리프트

2021.12.31

‘자연어 처리(Natural Language Processing; NLP)’ 모델을 프로덕션 환경에 투입하는 건 차를 구매하는 것과 비슷하다. 원하는 결과에 대한 매개변수를 설정하고, 몇 가지 접근 방식을 테스트 및 반복한다. 그다음 (비유하자면) 차를 몰고 나가는 순간 그 가치가 급락하기 시작한다. 자동차와 마찬가지로, NLP 또는 AI 기반 제품을 사용하면 많은 이점을 누릴 수 있지만 (적어도 계속해서 제대로 쓰려면) 유지관리를 멈춰서는 안 된다.  AI 모델을 만들어 내기도 어렵지만 프로덕션 환경에서 모델의 정확성을 확보하는 것 또한 어렵다. 모델의 정확성은 시장에 출시되는 순간 저하된다. 실제 운영 환경은 (모델이) 학습한 환경과 다르기 때문이다. 고속도로와 도로 주행 연습 장소가 다른 것과 같다. 이를 변수가 바뀌면 학습한 개념도 더 이상 정확하지 않을 수 있음을 의미하는 ‘개념 드리프트(concept drift)’라고 하며, 이는 AI 및 ML 분야에서 새로운 것은 아니지만 사용자들에게는 계속해서 문제가 되고 있다.    벤처비트(VentureBeat)에 따르면 최근 몇 년간 AI 및 NLP에 막대한 투자가 이뤄졌음에도 불구하고 실제 프로덕션 환경으로 전환되는 데이터 과학 프로젝트는 13%에 불과하다. 그 이유에는 개념 드리프트도 한몫한다.  그렇다면 제품을 프로젝트 단계에서 프로덕션 환경으로 안전하게 옮기려면 어떻게 해야 할까? 프로덕션 환경에서 (모델의) 정확성을 유지하기 위해서는 어떻게 해야 할까?  AI 모델을 프로덕션 환경에 투입하기 모델 거버넌스는 NLP 이니셔티브의 핵심 구성요소이자, 많은 제품이 프로젝트 단계에 머무르게 되는 이유이기도 하다. 이는 기업들이 특정 프로덕션 환경에서 모델의 활동, 액세스, 동작을 추적하는 방법을 다룬다. 위험을 완화하고, 문제를 해결하며, 컴플라이언스를 유지하려면 이를 모니터링해야 한다.  이 개념은 전 세계 AI 업계에 잘 알려진 문제이기...

2021.12.31

‘AI옵스’로 가는 길 순탄치 않다··· 극복해야 할 장애물 6가지

‘AI옵스(AIOps)’는 기업들이 IT 운영을 지능적으로 관리할 수 있도록 지원한다고 말하지만 그 여정이 항상 순탄하지는 않다.  IT 운영팀은 할 일이 많다. 서로 독립적으로 작동하는 서버, 네트워크, 클라우드 인프라, 사용자 경험, 애플리케이션 성능, 사이버 보안 등을 관리해야 하기 때문이다. 직원들은 수많은 알림에 대응하고 여러 도메인과 관련된 문제를 해결하느라 고군분투한다. ‘AI옵스(AIOps)’는 IT 운영팀이 직면한 문제를 해결하기 위해 IT 운영에 인공지능을 적용한 기술 및 전략이다. 이는 오탐을 줄이고, 머신러닝을 사용해 문제가 발생하기 전에 이를 발견하며, 문제 해결을 자동화하고, IT 환경을 전체적으로 파악할 수 있도록 지원한다.   ZK 리서치 & 마서지(ZK Research and Masergy)가 지난 10월 실시한 설문조사 결과에 따르면 이미 AI옵스를 사용하고 있는 기업들이 65%에 달하는 것으로 나타났다. 또한 94%는 AI옵스가 네트워크 관리 및 클라우드 애플리케이션 성능 관리에 중요하다고 답했다. 84%는 AI옵스를 완전히 자동화된 네트워크 환경으로 가는 경로라고 밝혔으며, 86%는 향후 5년 이내에 완전히 자동화된 네트워크를 구축할 수 있을 것이라고 예상했다.   AI옵스는 여전히 새로운 개념이긴 하지만 이미 그 가치를 입증하고 있다. 올여름 발표된 EMA(Enterprise Management Associates)의 보고서에 의하면 62%의 기업들이 AI 옵스 투자에서 ‘매우 높은’ 또는 ‘높은’ ROI를 확보했다고 말했다(나머지는 손익분기점을 넘었거나 시기상조라고 답했다). 하지만 AI옵스로 가는 길이 항상 순탄한 것은 아니다. EMA 설문조사의 전체 응답자 중 절반 이상은 AI옵스가 구축하기 어렵다고 밝혔다. 가장 일반적인 장애물은 비용, 데이터 품질, IT 내부 갈등, AI에 관한 불신, 인력 부족, 통합 문제 등이었다. 도입 전에 명확한 전략을 수립하지 않는다...

AI옵스 인공지능 머신러닝 IT 운영

2021.12.29

‘AI옵스(AIOps)’는 기업들이 IT 운영을 지능적으로 관리할 수 있도록 지원한다고 말하지만 그 여정이 항상 순탄하지는 않다.  IT 운영팀은 할 일이 많다. 서로 독립적으로 작동하는 서버, 네트워크, 클라우드 인프라, 사용자 경험, 애플리케이션 성능, 사이버 보안 등을 관리해야 하기 때문이다. 직원들은 수많은 알림에 대응하고 여러 도메인과 관련된 문제를 해결하느라 고군분투한다. ‘AI옵스(AIOps)’는 IT 운영팀이 직면한 문제를 해결하기 위해 IT 운영에 인공지능을 적용한 기술 및 전략이다. 이는 오탐을 줄이고, 머신러닝을 사용해 문제가 발생하기 전에 이를 발견하며, 문제 해결을 자동화하고, IT 환경을 전체적으로 파악할 수 있도록 지원한다.   ZK 리서치 & 마서지(ZK Research and Masergy)가 지난 10월 실시한 설문조사 결과에 따르면 이미 AI옵스를 사용하고 있는 기업들이 65%에 달하는 것으로 나타났다. 또한 94%는 AI옵스가 네트워크 관리 및 클라우드 애플리케이션 성능 관리에 중요하다고 답했다. 84%는 AI옵스를 완전히 자동화된 네트워크 환경으로 가는 경로라고 밝혔으며, 86%는 향후 5년 이내에 완전히 자동화된 네트워크를 구축할 수 있을 것이라고 예상했다.   AI옵스는 여전히 새로운 개념이긴 하지만 이미 그 가치를 입증하고 있다. 올여름 발표된 EMA(Enterprise Management Associates)의 보고서에 의하면 62%의 기업들이 AI 옵스 투자에서 ‘매우 높은’ 또는 ‘높은’ ROI를 확보했다고 말했다(나머지는 손익분기점을 넘었거나 시기상조라고 답했다). 하지만 AI옵스로 가는 길이 항상 순탄한 것은 아니다. EMA 설문조사의 전체 응답자 중 절반 이상은 AI옵스가 구축하기 어렵다고 밝혔다. 가장 일반적인 장애물은 비용, 데이터 품질, IT 내부 갈등, AI에 관한 불신, 인력 부족, 통합 문제 등이었다. 도입 전에 명확한 전략을 수립하지 않는다...

2021.12.29

벤더 기고ㅣ“비즈니스 및 ESG를 위한 엔진으로” 2022년 자동화 시장 전망

코로나19 팬데믹이 바꿔 놓은 일상과 업무 환경, 비즈니스 관행은 기업의 디지털화를 더욱 가속화했다. 그리고 이런 디지털화의 최전선에 있는 기술이 바로 RPA로 대표되는 자동화 기술이다. 자동화는 팬데믹 기간 동안 모든 기업의 우선순위 기술로 자리 잡으면서 빠르게 확산됐다. 이제는 문화적 변화, 즉 질적 변화도 이끌어내고 있다. 유아이패스코리아 백승헌 전무(‘RPA 하이퍼오토메이션 플랫폼’ 저자)가 전하는 자동화 기술의 성과와 향후 전망을 일문일답 형식으로 정리했다.  Q 코로나19 팬데믹으로 자동화 시장은 폭발적인 성장을 기록했다. 성장세를 보여주는 숫자 이외에 주목해야 할 것이 있다면? 우선, 자동화 자체의 저변이 넓어졌다. 금융기관이나 대기업에서는 이제 일상적인 ‘비즈니스 언어’로 정착되고 있다. 그만큼 자동화의 성과 또한 커졌다고 볼 수 있다. 또 하나 더 중요하게 변화한 현실은 팬데믹 상황에서 복원력의 중심에 자동화가 자리했다는 점이다. 예기치 못한 수요 증가나 업무 중단 속에서 기업이 비즈니스와 서비스 수준을 유지하는 데 자동화가 큰 역할을 했다. 대표적인 사례로 정부의 재난지원금 처리 과정을 들 수 있다. 기존 인력으로는 불가능했던 막대한 처리 작업을 봇을 이용해 단기간에 해결할 수 있었다. Q. 확산 속도에 더해 자동화의 진화도 가속화되고 있다. 업무 시간을 줄여보려고 도입하던 과거의 RPA가 아닌 듯한 양상이다. RPA 기반의 자동화는 기술뿐만 아니라 비즈니스나 기업 문화 측면에서도 크게 발전했다. RPA 기술 자체는 물론, AI로 대표되는 차세대 기술과의 융합으로 한층 더 완성된 자동화를 구현하고 있다. 비즈니스 측면에서도 단순히 업무 효율을 높이는 차원을 넘어 실질적인 사업 성과를 견인하는 역할로 확장하고 있다. 향후에는 ESG로 대표되는 기업의 차세대 아젠다로 범위를 확장할 수 있을 것이라 기대한다. Q. 기존에도 업무 생산성을 개선해 비즈니스에 기여하지 않았는가? RPA의 시작은 시간 절감, 즉 효율성에 초점...

유아이패스 RPA 자동화 ESG 지능형 OCR 머신러닝 시맨틱 오토메이션 로봇 협업

2021.12.29

코로나19 팬데믹이 바꿔 놓은 일상과 업무 환경, 비즈니스 관행은 기업의 디지털화를 더욱 가속화했다. 그리고 이런 디지털화의 최전선에 있는 기술이 바로 RPA로 대표되는 자동화 기술이다. 자동화는 팬데믹 기간 동안 모든 기업의 우선순위 기술로 자리 잡으면서 빠르게 확산됐다. 이제는 문화적 변화, 즉 질적 변화도 이끌어내고 있다. 유아이패스코리아 백승헌 전무(‘RPA 하이퍼오토메이션 플랫폼’ 저자)가 전하는 자동화 기술의 성과와 향후 전망을 일문일답 형식으로 정리했다.  Q 코로나19 팬데믹으로 자동화 시장은 폭발적인 성장을 기록했다. 성장세를 보여주는 숫자 이외에 주목해야 할 것이 있다면? 우선, 자동화 자체의 저변이 넓어졌다. 금융기관이나 대기업에서는 이제 일상적인 ‘비즈니스 언어’로 정착되고 있다. 그만큼 자동화의 성과 또한 커졌다고 볼 수 있다. 또 하나 더 중요하게 변화한 현실은 팬데믹 상황에서 복원력의 중심에 자동화가 자리했다는 점이다. 예기치 못한 수요 증가나 업무 중단 속에서 기업이 비즈니스와 서비스 수준을 유지하는 데 자동화가 큰 역할을 했다. 대표적인 사례로 정부의 재난지원금 처리 과정을 들 수 있다. 기존 인력으로는 불가능했던 막대한 처리 작업을 봇을 이용해 단기간에 해결할 수 있었다. Q. 확산 속도에 더해 자동화의 진화도 가속화되고 있다. 업무 시간을 줄여보려고 도입하던 과거의 RPA가 아닌 듯한 양상이다. RPA 기반의 자동화는 기술뿐만 아니라 비즈니스나 기업 문화 측면에서도 크게 발전했다. RPA 기술 자체는 물론, AI로 대표되는 차세대 기술과의 융합으로 한층 더 완성된 자동화를 구현하고 있다. 비즈니스 측면에서도 단순히 업무 효율을 높이는 차원을 넘어 실질적인 사업 성과를 견인하는 역할로 확장하고 있다. 향후에는 ESG로 대표되는 기업의 차세대 아젠다로 범위를 확장할 수 있을 것이라 기대한다. Q. 기존에도 업무 생산성을 개선해 비즈니스에 기여하지 않았는가? RPA의 시작은 시간 절감, 즉 효율성에 초점...

2021.12.29

“CIO들이 응답한 2022년 IT 우선순위는...” KPMG

2022년에 싶은 CIO들은 자동화와 실행 가능한 정보에 주목할 예정이다. 또 지난 21개월 동안 팬데믹을 헤쳐 나아가면서 등장한 IT 우선순위인 클라우드와 협업 도구를 지속적으로 고도화할 것으로 관측된다. 이는 KPMG가 CIO 및 임원 800명에게 내년의 전략적 우선순위에 대해 물어본 설문조사에 따른 결과다. 이 밖에 CIO들이 향후 3년 동안 배치할 혁신적인 기술로는 여기에서 AI, IoT, RPA가 지목됐다.   허니웰(Honeywell)의 쉐일라 조던은 AI에 관심이 많은 IT 리더다. 그녀는 AI를 기업의 광범위한 애플리케이션에서 가치를 만들어 내기 위한 엔진으로 보고 있다. 허니웰의 CDTO(Chief Digital Technology Officer) 조던은 “나는 이것을 실행 가능한 인사이트라 부르며, 그 이유는 그것이 AI의 실체이기 때문이다. 이 모든 것을 연결하는 것이 디지털 전환의 통화이자 이 데이터가 새로운 경험을 생성하기 위해 모든 트랜잭션 애플리케이션 전반에 걸쳐 흐르는 데이터이다”라고 말했다. 실행 가능한 AI와 분석의 가치가 수집 데이터의 양과 질에 좌우되는 상황에서 앞으로 데이터 운영에 관심을 높인다는 계획도 있었다. Momentive.ai(전 서베이몽키(SurveyMonkey))의 부사장 겸 CIO 에릭 존슨은 “점차 데이터와 가까워지고 데이터를 더욱 영향력이 있는 방식으로 활용해야 한다. 2022년 CIO는 데이터를 강화해야 한다. CIO는 점차 비즈니스에 가까워지고 점차 데이터가 비즈니스 영향을 유도할 수 있는 방법을 배워야 한다”라고 말했다. 그에 따르면 비용 감소와 효율성 등은 과거의 지표다. 그는 데이터와 실행 가능한 정보가 향후 3년 동안 CIO에게 가장 중요한 핵심이 되어가고 있다고 진단했다. 존슨은 “매출 유도, 확장 유도, 도입 유도, 이탈 감소 등 회사의 성장을 유도하는 모든 것들이 중요하다. 실제 매출로 입증되고 있다”라고 말했다. 지능적이고 자동화된 기업 지난 4년 동안 수...

KPMG 2022년 RPA 협업 양자 퀀텀 NFT 5G

2021.12.24

2022년에 싶은 CIO들은 자동화와 실행 가능한 정보에 주목할 예정이다. 또 지난 21개월 동안 팬데믹을 헤쳐 나아가면서 등장한 IT 우선순위인 클라우드와 협업 도구를 지속적으로 고도화할 것으로 관측된다. 이는 KPMG가 CIO 및 임원 800명에게 내년의 전략적 우선순위에 대해 물어본 설문조사에 따른 결과다. 이 밖에 CIO들이 향후 3년 동안 배치할 혁신적인 기술로는 여기에서 AI, IoT, RPA가 지목됐다.   허니웰(Honeywell)의 쉐일라 조던은 AI에 관심이 많은 IT 리더다. 그녀는 AI를 기업의 광범위한 애플리케이션에서 가치를 만들어 내기 위한 엔진으로 보고 있다. 허니웰의 CDTO(Chief Digital Technology Officer) 조던은 “나는 이것을 실행 가능한 인사이트라 부르며, 그 이유는 그것이 AI의 실체이기 때문이다. 이 모든 것을 연결하는 것이 디지털 전환의 통화이자 이 데이터가 새로운 경험을 생성하기 위해 모든 트랜잭션 애플리케이션 전반에 걸쳐 흐르는 데이터이다”라고 말했다. 실행 가능한 AI와 분석의 가치가 수집 데이터의 양과 질에 좌우되는 상황에서 앞으로 데이터 운영에 관심을 높인다는 계획도 있었다. Momentive.ai(전 서베이몽키(SurveyMonkey))의 부사장 겸 CIO 에릭 존슨은 “점차 데이터와 가까워지고 데이터를 더욱 영향력이 있는 방식으로 활용해야 한다. 2022년 CIO는 데이터를 강화해야 한다. CIO는 점차 비즈니스에 가까워지고 점차 데이터가 비즈니스 영향을 유도할 수 있는 방법을 배워야 한다”라고 말했다. 그에 따르면 비용 감소와 효율성 등은 과거의 지표다. 그는 데이터와 실행 가능한 정보가 향후 3년 동안 CIO에게 가장 중요한 핵심이 되어가고 있다고 진단했다. 존슨은 “매출 유도, 확장 유도, 도입 유도, 이탈 감소 등 회사의 성장을 유도하는 모든 것들이 중요하다. 실제 매출로 입증되고 있다”라고 말했다. 지능적이고 자동화된 기업 지난 4년 동안 수...

2021.12.24

일문일답 | “머신러닝 모델의 관리와 갱신이 성공의 열쇠” 마스터카드 임원 2인

마스터카드는 25억 개가 넘는 소비자 계정을 보유한 거대 금융 기업이다. 전 세계 거의 모든 금융기관과 연결돼 있으며, 연간 거의 750억 건의 거래를 생성한다. 이 회사는 수십 년에 걸쳐 “전 세계 상거래에 관해서는 정말이지 최고의 데이터 세트”가 담긴 데이터 웨어하우스를 구축했다고 마스터카드 운영 및 기술 담당 사장 에드 맥러플린은 말했다. 그리고 회사는 이 데이터를 유용하게 사용하고 있다. 맥러플린은 오늘날 마스터카드의 사업 중 가장 빠르게 성장하고 있는 부분이 상거래 관련 서비스라고 전했다. IDG의 데렉 헐리즈키는 마스터카드의 공유 구성요소 및 보안 솔루션 사장인 맥로글린과 마크 크와피스제스키와 만나 익명으로 집계된 데이터를 귀중한 비즈니스 통찰력으로 전환하는 방법에 대해 이야기를 나눴다.  Q : 마스터카드의 결정 관리 플랫폼(Decision Management Platform)은 2020년에 CIO 100상을 수상했다. 사기 탐지를 위해 AI와 데이터를 사용하는 이 플랫폼에 대해 좀 더 말해달라. 마크 크와피스제스키 : 우리는 여러 가지 목적으로 그것을 사용한다. 주로 거래 관련 사기 점수 같은 것을 생성하기 위해 사용한다. 그러나 이 플랫폼에 관해 정말 흥미로운 점은 그것이 하는 일의 크기와 규모와 범위다. 약 900개의 상용 서버를 기반으로 구축되었으며, 초당 약 6만 5,000개의 속도로 하루에 약 12억 개의 거래를 처리한다. 거래 당 약 50밀리초 내에 해당한다.  그것은 많은 다른 AI 기술과 기법을 사용한다. 그것은 신경 네트워크, 사례 기반 추론, 그리고 머신러닝과 같은 것들을 포함하여 약 13개의 서로 다른 알고리즘을 사용한다. 하지만 한 번에 한 모델만 실행하는 것은 아니다. 여러 모델을 동시에 실행할 수 있는 레이어를 구축하여 거래 내의 다양한 변수를 분석할 수 있다. 애널리틱스 모델이 정적이지 않으며, 거래의 진행 상황과 발생 원인을 파악하기 위해 지속적으로 모니터링한다는 소개했다. 그것이 무엇...

머신러닝 모델 마스터카드 사기 탐지 DMP 애널리틱스 모델

2021.12.24

마스터카드는 25억 개가 넘는 소비자 계정을 보유한 거대 금융 기업이다. 전 세계 거의 모든 금융기관과 연결돼 있으며, 연간 거의 750억 건의 거래를 생성한다. 이 회사는 수십 년에 걸쳐 “전 세계 상거래에 관해서는 정말이지 최고의 데이터 세트”가 담긴 데이터 웨어하우스를 구축했다고 마스터카드 운영 및 기술 담당 사장 에드 맥러플린은 말했다. 그리고 회사는 이 데이터를 유용하게 사용하고 있다. 맥러플린은 오늘날 마스터카드의 사업 중 가장 빠르게 성장하고 있는 부분이 상거래 관련 서비스라고 전했다. IDG의 데렉 헐리즈키는 마스터카드의 공유 구성요소 및 보안 솔루션 사장인 맥로글린과 마크 크와피스제스키와 만나 익명으로 집계된 데이터를 귀중한 비즈니스 통찰력으로 전환하는 방법에 대해 이야기를 나눴다.  Q : 마스터카드의 결정 관리 플랫폼(Decision Management Platform)은 2020년에 CIO 100상을 수상했다. 사기 탐지를 위해 AI와 데이터를 사용하는 이 플랫폼에 대해 좀 더 말해달라. 마크 크와피스제스키 : 우리는 여러 가지 목적으로 그것을 사용한다. 주로 거래 관련 사기 점수 같은 것을 생성하기 위해 사용한다. 그러나 이 플랫폼에 관해 정말 흥미로운 점은 그것이 하는 일의 크기와 규모와 범위다. 약 900개의 상용 서버를 기반으로 구축되었으며, 초당 약 6만 5,000개의 속도로 하루에 약 12억 개의 거래를 처리한다. 거래 당 약 50밀리초 내에 해당한다.  그것은 많은 다른 AI 기술과 기법을 사용한다. 그것은 신경 네트워크, 사례 기반 추론, 그리고 머신러닝과 같은 것들을 포함하여 약 13개의 서로 다른 알고리즘을 사용한다. 하지만 한 번에 한 모델만 실행하는 것은 아니다. 여러 모델을 동시에 실행할 수 있는 레이어를 구축하여 거래 내의 다양한 변수를 분석할 수 있다. 애널리틱스 모델이 정적이지 않으며, 거래의 진행 상황과 발생 원인을 파악하기 위해 지속적으로 모니터링한다는 소개했다. 그것이 무엇...

2021.12.24

블로그ㅣ머신러닝(ML) 모델, 가드레일이 필요하다

심층 신경망(Deep Neural Network; DNN)이 많이 사용됨에 따라 기업들은 사실상 전문 연구진조차 완전히 이해하지 못하는 기술을 점점 더 활용하고 있다. 안전하고 예측할 수 있는 운영 환경을 보장하려면 ‘가드레일’이 필요하다.  AI와 ML이 엔터프라이즈 기술 개발에서 갈수록 중요한 역할을 할 것이고, 향후 몇 년간 수많은 기업 이니셔티브를 지원할 것이라는 데 의심의 여지가 없다.  IDC에 따르면 2021년 전 세계 AI 시장(소프트웨어, 하드웨어, 서비스 포함)의 매출은 미화 약 3,418억 달러에 이를 것으로 예상됐다. 또한 연간 성장률은 18.8%를 기록해, 2024년에는 5,000억 달러를 돌파할 것으로 예측됐다. 이 밖에 오는 2026년까지 기업들의 30%는 AI/ML을 통해 도출한 인사이트를 사용하여 성과를 60%가량 향상시킬 전망이다.     하지만 이러한 낙관론에도 불구하고 ML 채택을 증가시키고 있는 ‘심층 신경망(DNN) 모델’의 숨기고 싶은 비밀이 있다. 연구진이 이 모델의 작동 방식을 정확하게 이해하지 못한다는 것이다.  IT 리더가 운영 기반을 이해하지 못한 채 기술을 적용한다면 나쁜 결과를 초래할 수 있다. 시스템이 편향되거나 예측할 수 없게 되거나 사람들이 쉽게 이해하지 못하는 결과를 도출할 수 있다는 점에서 안전하지 않을 수 있는 것이다.  머신러닝이 미션 크리티컬 애플리케이션에 적용될 때, CIO와 엔지니어링 팀은 ML이 제공할 수 있는 더 나은 결과와 나쁜 결과의 위험 사이에서 선택해야 하는 역설적인 상황에 직면하게 된다. 이는 심지어 도덕적 딜레마가 될 수도 있다. 의료 이미지를 처리하는 데 사용되는 DNN이 일반 의사보다 특정 형태의 암을 더 정확하게 인식할 수 있다고 해보자. 그 결과를 어떻게 달성하는지는 알지 못하더라도 생명을 구하는 긍정적인 효과를 가져올 수 있는 이 기술을 적용할 도덕적인 의무가 있는가? 장기적인 목표는 DNN...

머신러닝 인공지능 심층 신경망 DNN

2021.12.23

심층 신경망(Deep Neural Network; DNN)이 많이 사용됨에 따라 기업들은 사실상 전문 연구진조차 완전히 이해하지 못하는 기술을 점점 더 활용하고 있다. 안전하고 예측할 수 있는 운영 환경을 보장하려면 ‘가드레일’이 필요하다.  AI와 ML이 엔터프라이즈 기술 개발에서 갈수록 중요한 역할을 할 것이고, 향후 몇 년간 수많은 기업 이니셔티브를 지원할 것이라는 데 의심의 여지가 없다.  IDC에 따르면 2021년 전 세계 AI 시장(소프트웨어, 하드웨어, 서비스 포함)의 매출은 미화 약 3,418억 달러에 이를 것으로 예상됐다. 또한 연간 성장률은 18.8%를 기록해, 2024년에는 5,000억 달러를 돌파할 것으로 예측됐다. 이 밖에 오는 2026년까지 기업들의 30%는 AI/ML을 통해 도출한 인사이트를 사용하여 성과를 60%가량 향상시킬 전망이다.     하지만 이러한 낙관론에도 불구하고 ML 채택을 증가시키고 있는 ‘심층 신경망(DNN) 모델’의 숨기고 싶은 비밀이 있다. 연구진이 이 모델의 작동 방식을 정확하게 이해하지 못한다는 것이다.  IT 리더가 운영 기반을 이해하지 못한 채 기술을 적용한다면 나쁜 결과를 초래할 수 있다. 시스템이 편향되거나 예측할 수 없게 되거나 사람들이 쉽게 이해하지 못하는 결과를 도출할 수 있다는 점에서 안전하지 않을 수 있는 것이다.  머신러닝이 미션 크리티컬 애플리케이션에 적용될 때, CIO와 엔지니어링 팀은 ML이 제공할 수 있는 더 나은 결과와 나쁜 결과의 위험 사이에서 선택해야 하는 역설적인 상황에 직면하게 된다. 이는 심지어 도덕적 딜레마가 될 수도 있다. 의료 이미지를 처리하는 데 사용되는 DNN이 일반 의사보다 특정 형태의 암을 더 정확하게 인식할 수 있다고 해보자. 그 결과를 어떻게 달성하는지는 알지 못하더라도 생명을 구하는 긍정적인 효과를 가져올 수 있는 이 기술을 적용할 도덕적인 의무가 있는가? 장기적인 목표는 DNN...

2021.12.23

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.4.0.31