Offcanvas

������������

AWS, 서버리스 앱에 ‘ML 기반 분석’ 추가

‘아마존 데브옵스 구루 포 서버리스(Amazon DevOps Guru for Serverless)’는 머신러닝을 사용하여 AWS 람다(AWS Lambda) 애플리케이션의 운영 가용성과 성능을 향상시킨다.    AWS가 머신러닝을 통해 AWS 람다 서버리스 애플리케이션의 운영 가용성과 성능을 개선하는 서비스 ‘아마존 데브옵스 구루 포 서버리스’를 공개했다. 지난 4월 21일(현지 시각) 발표된 이 AWS 람다 지원은 애플리케이션 동작 모니터링을 위한 아마존 데브옵스 구루 서비스의 새로운 기능이다. 아마존 데브옵스 구루는 모든 아마존 관계형 데이베이스 서비스에서도 사용할 수 있다.  회사에 따르면 아마존 데브옵스 구루는 수년간 AWS 및 아마존닷컴 운영에서 얻은 데이터를 기반으로 하는 머신러닝 모델을 사용하여 개발자가 애플리케이션 성능을 향상시킬 수 있도록 지원한다. AWS 람다를 쓰는 개발자는 이 서비스를 활용하여 기능 수준에서 비정상적인 동작을 자동으로 감지하고, ML 기반 권장사항을 통해 발견된 문제를 해결할 수 있다. 이를테면 메모리 활용도가 낮거나 프로비저닝되지 않은 동시성 등의 문제를 감지할 수 있다고 회사 측은 설명했다.  문제가 감지되면 아마존 데브옵스 구루 포 서버리스는 데브옵스 구루 콘솔에 결과를 표시하고, 아마존 이벤트브릿지(Amazon EventBridge) 또는 아마존 심플 노티피케이션 서비스(Amazon Simple Notification Service)를 통해 알림을 보낸다. 개발자는 데브옵스 구루 콘솔을 탐색하여 람다 기반 애플리케이션, 기타 지원되는 리소스 또는 전체 계정에서 해당 서비스를 활성화할 수 있다.  아마존 데브옵스 구루에서 제공하는 구체적인 운영 문제 및 사전 예방적 인사이트는 다음과 같다. • 아마존 람다 동시 실행이 계정 제한에 도달하거나 동시 실행이 연속적으로 계정 제한에 도달하면 트리거된다.  • AWS 람다에 프로비저닝된 동시성의 용량이 부족할 때...

AWS 아마존 웹 서비스 클라우드 서버리스 애플리케이션 머신러닝 AWS 람다

2022.04.22

‘아마존 데브옵스 구루 포 서버리스(Amazon DevOps Guru for Serverless)’는 머신러닝을 사용하여 AWS 람다(AWS Lambda) 애플리케이션의 운영 가용성과 성능을 향상시킨다.    AWS가 머신러닝을 통해 AWS 람다 서버리스 애플리케이션의 운영 가용성과 성능을 개선하는 서비스 ‘아마존 데브옵스 구루 포 서버리스’를 공개했다. 지난 4월 21일(현지 시각) 발표된 이 AWS 람다 지원은 애플리케이션 동작 모니터링을 위한 아마존 데브옵스 구루 서비스의 새로운 기능이다. 아마존 데브옵스 구루는 모든 아마존 관계형 데이베이스 서비스에서도 사용할 수 있다.  회사에 따르면 아마존 데브옵스 구루는 수년간 AWS 및 아마존닷컴 운영에서 얻은 데이터를 기반으로 하는 머신러닝 모델을 사용하여 개발자가 애플리케이션 성능을 향상시킬 수 있도록 지원한다. AWS 람다를 쓰는 개발자는 이 서비스를 활용하여 기능 수준에서 비정상적인 동작을 자동으로 감지하고, ML 기반 권장사항을 통해 발견된 문제를 해결할 수 있다. 이를테면 메모리 활용도가 낮거나 프로비저닝되지 않은 동시성 등의 문제를 감지할 수 있다고 회사 측은 설명했다.  문제가 감지되면 아마존 데브옵스 구루 포 서버리스는 데브옵스 구루 콘솔에 결과를 표시하고, 아마존 이벤트브릿지(Amazon EventBridge) 또는 아마존 심플 노티피케이션 서비스(Amazon Simple Notification Service)를 통해 알림을 보낸다. 개발자는 데브옵스 구루 콘솔을 탐색하여 람다 기반 애플리케이션, 기타 지원되는 리소스 또는 전체 계정에서 해당 서비스를 활성화할 수 있다.  아마존 데브옵스 구루에서 제공하는 구체적인 운영 문제 및 사전 예방적 인사이트는 다음과 같다. • 아마존 람다 동시 실행이 계정 제한에 도달하거나 동시 실행이 연속적으로 계정 제한에 도달하면 트리거된다.  • AWS 람다에 프로비저닝된 동시성의 용량이 부족할 때...

2022.04.22

“기업 절반은 AI 쓴다” 달라진 HR 풍속도

직원 이탈 문제가 점점 더 커지면서 기업들은 직원 감정 분석, 퇴사 가능성 식별, 커리어 지원 강화 등 HR 전략을 증강하고자 챗봇과 머신러닝으로 눈을 돌리고 있다.  사람들이 기록적인 수준으로 직장을 그만두고 있다. 기업들은 직원들을 유지하는 데 어려움을 겪고 있다. 게다가 직원들의 재택근무는 이 문제를 악화시키고 있다. 관리자들이 불만 있는 직원들을 식별하기가 까다로워졌기 때문이다. 또 신입사원이 교육 세션에 직접 참석할 수 없거나, 현장에서 경험이 풍부한 직원을 따라 업무를 배울 수 없게 되면서 새로운 직원을 빠르게 채용하고 교육하기가 더 어려워졌다. 이러한 모든 문제를 해결하기 위해 기업들이 인공지능으로 눈을 돌리고 있다. 물론 AI가 할 수 있는 일에는 한계가 있다.   AI를 통한 직원들의 감정 분석 ‘대퇴사(Great Resignation)’는 과장이 아니다. 팬데믹 기간 동안 전례 없는 퇴사자가 발생했다. (퇴사자 수는) 2019년 4,200만 명에서 2020년 4,800만 명으로 사상 최대를 기록했다. 지난 3월 공개된 맥킨지 설문조사 결과에 따르면 직원들이 퇴사하는 주요 원인으로는 ‘지속 불가능한 업무 성과 기대치, 커리어 개발 및 발전 가능성 부족, 의미 없는 업무’ 등이 꼽혔다. 오히려 ‘보상 부족’은 6위에 있었다. 그렇다면 사람들이 직장을 그만두는 가장 큰 이유는 무엇일까? 바로 ‘무관심한 리더’였다.  문제는 재택근무로 인해 직원들이 어려움을 겪고 있는지 알아차리기가 힘들 수 있다는 점이다. KPMG의 의사결정 과학 부문 책임자 빌 노왁키는 “구식이긴 하지만 직접 돌아다니면서 관리하는 것을 대체할 수 있는 수단이 없다고 생각한다. 이를테면 부하 직원의 딸이 지난주에 축구 경기를 했다는 걸 아는 관리자보다 더 나은 관리자는 없다”라고 말했다. 하지만 기업들은 (재택근무라는 현실에) 적응해야 했고, 일부는 재택 및 하이브리드 근무가 상당한 이점을 제공한다는 사실을 발견했다고 그는 언급했다. “재택근무는...

AI 챗봇 HR 인력 이탈 직원 이탈 퇴사 이직 직원 유지 대퇴사 채용 머신러닝 인공지능

2022.04.11

직원 이탈 문제가 점점 더 커지면서 기업들은 직원 감정 분석, 퇴사 가능성 식별, 커리어 지원 강화 등 HR 전략을 증강하고자 챗봇과 머신러닝으로 눈을 돌리고 있다.  사람들이 기록적인 수준으로 직장을 그만두고 있다. 기업들은 직원들을 유지하는 데 어려움을 겪고 있다. 게다가 직원들의 재택근무는 이 문제를 악화시키고 있다. 관리자들이 불만 있는 직원들을 식별하기가 까다로워졌기 때문이다. 또 신입사원이 교육 세션에 직접 참석할 수 없거나, 현장에서 경험이 풍부한 직원을 따라 업무를 배울 수 없게 되면서 새로운 직원을 빠르게 채용하고 교육하기가 더 어려워졌다. 이러한 모든 문제를 해결하기 위해 기업들이 인공지능으로 눈을 돌리고 있다. 물론 AI가 할 수 있는 일에는 한계가 있다.   AI를 통한 직원들의 감정 분석 ‘대퇴사(Great Resignation)’는 과장이 아니다. 팬데믹 기간 동안 전례 없는 퇴사자가 발생했다. (퇴사자 수는) 2019년 4,200만 명에서 2020년 4,800만 명으로 사상 최대를 기록했다. 지난 3월 공개된 맥킨지 설문조사 결과에 따르면 직원들이 퇴사하는 주요 원인으로는 ‘지속 불가능한 업무 성과 기대치, 커리어 개발 및 발전 가능성 부족, 의미 없는 업무’ 등이 꼽혔다. 오히려 ‘보상 부족’은 6위에 있었다. 그렇다면 사람들이 직장을 그만두는 가장 큰 이유는 무엇일까? 바로 ‘무관심한 리더’였다.  문제는 재택근무로 인해 직원들이 어려움을 겪고 있는지 알아차리기가 힘들 수 있다는 점이다. KPMG의 의사결정 과학 부문 책임자 빌 노왁키는 “구식이긴 하지만 직접 돌아다니면서 관리하는 것을 대체할 수 있는 수단이 없다고 생각한다. 이를테면 부하 직원의 딸이 지난주에 축구 경기를 했다는 걸 아는 관리자보다 더 나은 관리자는 없다”라고 말했다. 하지만 기업들은 (재택근무라는 현실에) 적응해야 했고, 일부는 재택 및 하이브리드 근무가 상당한 이점을 제공한다는 사실을 발견했다고 그는 언급했다. “재택근무는...

2022.04.11

오라클, MySQL 애플리케이션에 머신러닝 기능 추가

오라클이 오라클 MySQL 히트웨이브(Oracle MySQL HeatWave)에 데이터베이스 내 머신러닝(ML) 기능을 추가했다고 4월 5일 밝혔다.  회사에 따르면 MySQL 히트웨이브 ML은 머신러닝의 수명 주기를 완전 자동화하고 학습된 모델 모두를 MySQL 내에 저장해, 외부의 머신러닝 도구나 서비스로 데이터와 모델을 이동하지 않아도 된다. ETL(추출, 변환 및 적재) 절차가 사라지며 애플리케이션 복잡성과 비용이 감소하고 머신러닝 모델과 데이터의 보안성이 개선됐다고 업체 측은 설명했다.  히트웨이브 ML 기능은 전 세계 37개의 모든 오라클 클라우드 인프라스트럭처(OCI) 리전에서 MySQL 히트웨이브 데이터베이스 클라우드 서비스에 포함돼 제공된다. 오라클은 뉴머라이, 노마오, 은행권 마케팅 등의 데이터 세트를 비롯해 분류 및 회귀 분석 작업을 위해 일반에 공개된 다양한 머신러닝 데이터의 벤치마크 결과를 공개했다. 가장 작은 클러스터로 구성된 머신러닝 모델의 경우, 히트웨이브 ML은 아마존 레드시프트 ML 대비 평균 1%의 비용으로 25배 빠른 학습이 가능하다.  또한, 더 큰 규모의 히트웨이브 클러스터에서 학습할 경우, 레드시프트 ML 대비 성능 향상폭은 더욱 증가한다. MySQL 히트웨이브 이용자들은 기존에 많은 시간이 소요되던 훈련을 빠른 시간 안에 효율적으로 완료할 수 있기에 주기적인 모델 재학습을 통해 잦은 데이터 변경 사항도 반영할 수 있어 모델을 최신 상태로 유지할 뿐 아니라 예측의 정확성 또한 향상시킨다. 오라클 총괄 아키텍트인 에드워드 스크리븐은 “이번에 발표된 여러 가지 혁신 기능들은 히트웨이브의 성능 향상뿐만 아니라 가용성을 개선하는 동시에 비용도 절감해준다”며, “오라클이 새롭게 발표한 벤치마크 결과는 스노우플레이크, AWS, 마이크로소프트, 구글과 비교 시 MySQL 히트웨이브가 더욱 빠르고 저렴하다는 사실을 다시 한번 분명하게 보여주었다”고 말했다.  오라클은 기타 클라우드...

오라클 MySQL 머신러닝

2022.04.05

오라클이 오라클 MySQL 히트웨이브(Oracle MySQL HeatWave)에 데이터베이스 내 머신러닝(ML) 기능을 추가했다고 4월 5일 밝혔다.  회사에 따르면 MySQL 히트웨이브 ML은 머신러닝의 수명 주기를 완전 자동화하고 학습된 모델 모두를 MySQL 내에 저장해, 외부의 머신러닝 도구나 서비스로 데이터와 모델을 이동하지 않아도 된다. ETL(추출, 변환 및 적재) 절차가 사라지며 애플리케이션 복잡성과 비용이 감소하고 머신러닝 모델과 데이터의 보안성이 개선됐다고 업체 측은 설명했다.  히트웨이브 ML 기능은 전 세계 37개의 모든 오라클 클라우드 인프라스트럭처(OCI) 리전에서 MySQL 히트웨이브 데이터베이스 클라우드 서비스에 포함돼 제공된다. 오라클은 뉴머라이, 노마오, 은행권 마케팅 등의 데이터 세트를 비롯해 분류 및 회귀 분석 작업을 위해 일반에 공개된 다양한 머신러닝 데이터의 벤치마크 결과를 공개했다. 가장 작은 클러스터로 구성된 머신러닝 모델의 경우, 히트웨이브 ML은 아마존 레드시프트 ML 대비 평균 1%의 비용으로 25배 빠른 학습이 가능하다.  또한, 더 큰 규모의 히트웨이브 클러스터에서 학습할 경우, 레드시프트 ML 대비 성능 향상폭은 더욱 증가한다. MySQL 히트웨이브 이용자들은 기존에 많은 시간이 소요되던 훈련을 빠른 시간 안에 효율적으로 완료할 수 있기에 주기적인 모델 재학습을 통해 잦은 데이터 변경 사항도 반영할 수 있어 모델을 최신 상태로 유지할 뿐 아니라 예측의 정확성 또한 향상시킨다. 오라클 총괄 아키텍트인 에드워드 스크리븐은 “이번에 발표된 여러 가지 혁신 기능들은 히트웨이브의 성능 향상뿐만 아니라 가용성을 개선하는 동시에 비용도 절감해준다”며, “오라클이 새롭게 발표한 벤치마크 결과는 스노우플레이크, AWS, 마이크로소프트, 구글과 비교 시 MySQL 히트웨이브가 더욱 빠르고 저렴하다는 사실을 다시 한번 분명하게 보여주었다”고 말했다.  오라클은 기타 클라우드...

2022.04.05

칼럼 | 인공지능에 '지능'은 없다

자율주행 차량부터 슈퍼볼 광고의 춤추는 로봇까지 인공지능(Artificial Intelligence, AI)은 모든 곳에 존재한다. 하지만 모든 AI 사례의 문제점은 실제로 ‘지능적’이지 않다는 점이다. 이런 사례는 AI 기법을 사용하여 특정 문제를 해결하는 애플리케이션, 즉 ‘약인공지능(Narrow AI)’를 보여준다. 약인공지능은 인간이 보유한 지능과는 다르다.   인간은 (바라건대) 일반적인 지능을 보유하고 있다. 인간은 광범위한 문제를 해결할 수 있고 이전에 맞닥뜨리지 않았던 문제를 해결하는 방법을 배울 수 있다. 새로운 상황과 새로운 것을 배울 수 있으며, 물리적인 물체가 3차원 환경에 존재하고 시간의 흐름 같은 다양한 물리적 속성이 적용된다는 것을 이해한다. 인간 수준의 사고 능력 또는 범용인공지능(Artificial General Intelligence, AGI)을 인공적으로 복제할 수 있는 능력은 오늘날 우리가 생각하는 AI에는 존재하지 않는다.  지금까지 AI가 보여준 압도적인 성능을 무시하는 것은 아니다. 구글 검색은 대부분 사용자가 주기적으로 사용하는 AI의 좋은 예다. 구글은 많은 양의 정보를 놀라운 속도로 검색해 (일반적으로) 사용자가 원하는 결과를 목록의 상단에 제공한다. 마찬가지로 구글 보이스 서치(Google Voice Search)로 사용자는 구두로 검색을 요청할 수 있다. 애매모호한 표현을 사용하더라도 적절한 철자법, 맞춤법, 의미가 적용된 결과를 얻는다. 구글 검색이 잘 작동하는 이유는 무엇일까? 구글은 엄청난 양의 검색어와 사용자가 선택한 결과에 대한 이력 데이터를 보유하고 있다. 이런 데이터에서 검색할 가능성이 큰 검색어와 시스템을 유용하게 만들 수 있는 결과를 예측할 수 있다. 하지만 시스템이 수행 중인 작업이나 제시하는 결과를 이해할 것이라는 기대는 없다. 그래서 엄청난 양의 이력 데이터가 필요한 것이다. 사용자와의 모든 상호작용은 훈련 세트 데이터 생성에 활용할 수 있어 검색에 꽤 효과적이다...

인공지능 AI 머신러닝 ML

2022.04.01

자율주행 차량부터 슈퍼볼 광고의 춤추는 로봇까지 인공지능(Artificial Intelligence, AI)은 모든 곳에 존재한다. 하지만 모든 AI 사례의 문제점은 실제로 ‘지능적’이지 않다는 점이다. 이런 사례는 AI 기법을 사용하여 특정 문제를 해결하는 애플리케이션, 즉 ‘약인공지능(Narrow AI)’를 보여준다. 약인공지능은 인간이 보유한 지능과는 다르다.   인간은 (바라건대) 일반적인 지능을 보유하고 있다. 인간은 광범위한 문제를 해결할 수 있고 이전에 맞닥뜨리지 않았던 문제를 해결하는 방법을 배울 수 있다. 새로운 상황과 새로운 것을 배울 수 있으며, 물리적인 물체가 3차원 환경에 존재하고 시간의 흐름 같은 다양한 물리적 속성이 적용된다는 것을 이해한다. 인간 수준의 사고 능력 또는 범용인공지능(Artificial General Intelligence, AGI)을 인공적으로 복제할 수 있는 능력은 오늘날 우리가 생각하는 AI에는 존재하지 않는다.  지금까지 AI가 보여준 압도적인 성능을 무시하는 것은 아니다. 구글 검색은 대부분 사용자가 주기적으로 사용하는 AI의 좋은 예다. 구글은 많은 양의 정보를 놀라운 속도로 검색해 (일반적으로) 사용자가 원하는 결과를 목록의 상단에 제공한다. 마찬가지로 구글 보이스 서치(Google Voice Search)로 사용자는 구두로 검색을 요청할 수 있다. 애매모호한 표현을 사용하더라도 적절한 철자법, 맞춤법, 의미가 적용된 결과를 얻는다. 구글 검색이 잘 작동하는 이유는 무엇일까? 구글은 엄청난 양의 검색어와 사용자가 선택한 결과에 대한 이력 데이터를 보유하고 있다. 이런 데이터에서 검색할 가능성이 큰 검색어와 시스템을 유용하게 만들 수 있는 결과를 예측할 수 있다. 하지만 시스템이 수행 중인 작업이나 제시하는 결과를 이해할 것이라는 기대는 없다. 그래서 엄청난 양의 이력 데이터가 필요한 것이다. 사용자와의 모든 상호작용은 훈련 세트 데이터 생성에 활용할 수 있어 검색에 꽤 효과적이다...

2022.04.01

스택 오버플로우 복붙보다 나쁘다? ‘AI 생성 코드’를 믿을 수 없는 이유

깃허브 코파일럿, 탭나인 등의 AI 기반 도구는 개발자가 코드를 더 빠르게 작성하도록 돕는 자동완성 제안을 지원한다. 하지만 이렇게 생성된 코드가 안전하다고 어떻게 믿을 수 있을까?  2021년 6월, 깃허브가 코드 자동완성 도구 ‘코파일럿’을 출시했을 때 많은 개발자는 이 도구가 ‘내 마음을 읽고 코드를 더 빨리 쓸 수 있도록 도와준다’라며 놀라움을 감추지 못했다. 코파일럿은 누군가가 쓴 변수 이름과 주석을 기반으로 다음에 무엇이 올지 제안한다. 이는 코드 줄 또는 개발자가 작성 방법을 모를 수도 있는 전체 함수를 제공한다.    하지만 개발자가 확인하지 않고 이러한 제안을 사용하면 보안 취약점이 발생할 수 있다. 美 뉴욕대학교의 탠던 공대 연구진에 따르면 코파일럿을 테스트한 결과 이 도구가 생성한 코드의 40%에서 취약점이 발견됐다. 연구진은 알려진 취약점을 자동으로 찾아내는 깃허브의 코드QL(CodeQL)을 사용하여 (코파일럿이 생성한) 코드를 확인했고, ‘2021년 CWE 가장 위험한 소프트웨어 취약점 25개(2021 Top 25 Most Dangerous Software Weakness)’ 목록에 포함된 SQL 주입 취약점 또는 결함을 발견했다. 또 베리로그(Verilog) 등의 도메인 특정 언어의 경우 구문적으로 정확하고 의미 있는 코드를 생성하는 데 어려움을 겪었다고 언급했다.  이러한 문제의 대부분은 코파일럿이 구축된 방식에서 비롯된다. 첫째, 이 모델은 깃허브에 게시된 코드를 학습했는데, 이러한 코드의 상당 부분은 검증되지 않았다. 둘째, 오픈소스 리포지토리에는 충분한 경계를 구축하지 않고 입력 및 동작을 검사하는 많은 반복 코드 패턴이 포함될 수 있다. 코파일럿은 패턴이 빈번할수록 더 널리 사용되고, 따라서 안전하다는 가정하에 이러한 패턴을 제안한다. 셋째, 생성된 코드는 컴파일되지 않고, 잠재적인 보안 문제가 없는지 확인되지도 않는다. 아울러 연구진은 누군가의 리포지토리에 실수로 남겨진 일부 기밀...

깃허브 깃허브 코파일럿 AI 머신러닝 코드 자동완성 개발자 탭나인 인공지능 프로그래밍

2022.03.23

깃허브 코파일럿, 탭나인 등의 AI 기반 도구는 개발자가 코드를 더 빠르게 작성하도록 돕는 자동완성 제안을 지원한다. 하지만 이렇게 생성된 코드가 안전하다고 어떻게 믿을 수 있을까?  2021년 6월, 깃허브가 코드 자동완성 도구 ‘코파일럿’을 출시했을 때 많은 개발자는 이 도구가 ‘내 마음을 읽고 코드를 더 빨리 쓸 수 있도록 도와준다’라며 놀라움을 감추지 못했다. 코파일럿은 누군가가 쓴 변수 이름과 주석을 기반으로 다음에 무엇이 올지 제안한다. 이는 코드 줄 또는 개발자가 작성 방법을 모를 수도 있는 전체 함수를 제공한다.    하지만 개발자가 확인하지 않고 이러한 제안을 사용하면 보안 취약점이 발생할 수 있다. 美 뉴욕대학교의 탠던 공대 연구진에 따르면 코파일럿을 테스트한 결과 이 도구가 생성한 코드의 40%에서 취약점이 발견됐다. 연구진은 알려진 취약점을 자동으로 찾아내는 깃허브의 코드QL(CodeQL)을 사용하여 (코파일럿이 생성한) 코드를 확인했고, ‘2021년 CWE 가장 위험한 소프트웨어 취약점 25개(2021 Top 25 Most Dangerous Software Weakness)’ 목록에 포함된 SQL 주입 취약점 또는 결함을 발견했다. 또 베리로그(Verilog) 등의 도메인 특정 언어의 경우 구문적으로 정확하고 의미 있는 코드를 생성하는 데 어려움을 겪었다고 언급했다.  이러한 문제의 대부분은 코파일럿이 구축된 방식에서 비롯된다. 첫째, 이 모델은 깃허브에 게시된 코드를 학습했는데, 이러한 코드의 상당 부분은 검증되지 않았다. 둘째, 오픈소스 리포지토리에는 충분한 경계를 구축하지 않고 입력 및 동작을 검사하는 많은 반복 코드 패턴이 포함될 수 있다. 코파일럿은 패턴이 빈번할수록 더 널리 사용되고, 따라서 안전하다는 가정하에 이러한 패턴을 제안한다. 셋째, 생성된 코드는 컴파일되지 않고, 잠재적인 보안 문제가 없는지 확인되지도 않는다. 아울러 연구진은 누군가의 리포지토리에 실수로 남겨진 일부 기밀...

2022.03.23

‘노코드 AI’에서 미래를 보다··· 엑스페리언 데이터랩의 혁신 이야기

글로벌 신용정보평가사 ‘엑스페리언(Experian)’은 데이터를 원동력으로 하는 회사라는 사실에 자부심을 갖고 있다. 그리고 이러한 데이터 중심 활동의 선봉에는 ‘엑스페리언 데이터랩(Experian DataLabs)’이 있다. 이 사업부는 데이터로 비즈니스를 혁신할 기회를 모색하고 있다.  엑스페리언 데이터랩의 수석 부사장 겸 최고 데이터 과학자 케빈 첸은 “고객이 고수익을 얻을 기회를 포착하면 연구 자원을 투입하여 상품화 가능한 프로토타입을 개발한다”라고 말했다.  그에 따르면 데이터랩 팀은 자유롭게 실험하고 아이디어를 솔루션화하면 이를 실행할 사업부에 넘긴 다음 다시 새로운 것에 관심을 쏟는다. 첸은 “항상 새로운 아이디어를 시도해볼 수 있다. 이는 인재를 끌어들이는 하나의 매력 포인트다”라고 언급했다.    ‘노코드 AI’의 이점 엑스페리언 데이터랩은 솔루션이 비즈니스를 변혁할 수 있는 문제를 파악하는 데 중점을 두고 있으며, 첸은 이를 ‘영향력이 큰 문제(high-impact problems)’라고 부른다.  그는 소비자 신용부터 기업 신용, 온/오프라인 마케팅, 의료 정보 기술까지 여러 엑스페리언 사업부의 데이터를 연결했던 프로젝트를 예로 들었다. “과거 엑스페리언의 모든 데이터는 분산돼 있었고, 서로 연결돼 있지 않았다”라며, “그 모든 데이터를 함께 연계하는 건 간단한 일이 아니었다. 한 데이터가 데이터세트에 여러 방식으로 나타날 수 있기 때문이다. 데이터랩은 머신러닝을 활용하여 데이터세트를 학습하고 개별 데이터를 일치시켜 이 문제를 해결했다. 솔루션을 구축해보니 한 데이터세트에서 15~16개의 서로 다른 애플리케이션이 쏟아져 나왔다”라고 첸은 설명했다. 현재 ‘노코드 AI(No-code AI)’는 데이터랩의 주요 연구 분야다. 노코드 AI를 사용하면 드래그 앤드 드롭 인터페이스로 AI 및 머신러닝 모델을 구축할 수 있어 데이터 과학자 없이 일반 사용자도 AI를 활용할 수 있다. 하지만 첸은 ...

데이터 데이터 애널리틱스 노코드 AI 딥러닝 자연어 이해 자연어 처리 머신러닝 ML옵스 오토ML 비즈니스 인텔리전스 BI

2022.02.25

글로벌 신용정보평가사 ‘엑스페리언(Experian)’은 데이터를 원동력으로 하는 회사라는 사실에 자부심을 갖고 있다. 그리고 이러한 데이터 중심 활동의 선봉에는 ‘엑스페리언 데이터랩(Experian DataLabs)’이 있다. 이 사업부는 데이터로 비즈니스를 혁신할 기회를 모색하고 있다.  엑스페리언 데이터랩의 수석 부사장 겸 최고 데이터 과학자 케빈 첸은 “고객이 고수익을 얻을 기회를 포착하면 연구 자원을 투입하여 상품화 가능한 프로토타입을 개발한다”라고 말했다.  그에 따르면 데이터랩 팀은 자유롭게 실험하고 아이디어를 솔루션화하면 이를 실행할 사업부에 넘긴 다음 다시 새로운 것에 관심을 쏟는다. 첸은 “항상 새로운 아이디어를 시도해볼 수 있다. 이는 인재를 끌어들이는 하나의 매력 포인트다”라고 언급했다.    ‘노코드 AI’의 이점 엑스페리언 데이터랩은 솔루션이 비즈니스를 변혁할 수 있는 문제를 파악하는 데 중점을 두고 있으며, 첸은 이를 ‘영향력이 큰 문제(high-impact problems)’라고 부른다.  그는 소비자 신용부터 기업 신용, 온/오프라인 마케팅, 의료 정보 기술까지 여러 엑스페리언 사업부의 데이터를 연결했던 프로젝트를 예로 들었다. “과거 엑스페리언의 모든 데이터는 분산돼 있었고, 서로 연결돼 있지 않았다”라며, “그 모든 데이터를 함께 연계하는 건 간단한 일이 아니었다. 한 데이터가 데이터세트에 여러 방식으로 나타날 수 있기 때문이다. 데이터랩은 머신러닝을 활용하여 데이터세트를 학습하고 개별 데이터를 일치시켜 이 문제를 해결했다. 솔루션을 구축해보니 한 데이터세트에서 15~16개의 서로 다른 애플리케이션이 쏟아져 나왔다”라고 첸은 설명했다. 현재 ‘노코드 AI(No-code AI)’는 데이터랩의 주요 연구 분야다. 노코드 AI를 사용하면 드래그 앤드 드롭 인터페이스로 AI 및 머신러닝 모델을 구축할 수 있어 데이터 과학자 없이 일반 사용자도 AI를 활용할 수 있다. 하지만 첸은 ...

2022.02.25

‘멀티클라우드 전환’의 이점과 과제는… 美 프라이스라인 사례

프라이스라인(Priceline)은 실시간 애널리틱스와 클라우드 네이티브 기술을 최대한 활용하기 위해 멀티클라우드 마이그레이션을 진행 중이다. 하지만 그 과정에서 문제가 없는 건 아니다. 미국에서 코로나19 확산이 수그러들자 여행 업계가 속도를 내고 있다. 온라인 여행 서비스 기업 ‘프라이스라인(Priceline)’의 클라우드 트랜스포메이션도 마찬가지다. 트래블로시티(Travelocity), 익스피디아(Expedia), 호퍼(Hopper) 등과 경쟁하는 이 회사는 구글 클라우드 플랫폼(GCP)을 중심으로 한 멀티클라우드 마이그레이션의 중간 단계를 지나가고 있다.    프라이스라인의 CTO 마틴 브로드벡은 “디지털 트랜스포메이션을 추진하고 있다. 올해 자사 제품 플랫폼을 구글 클라우드와 연동되는 쿠버네티스로 현대화하는 작업을 마무리할 예정이다”라고 말했다. 오픈소스 컨테이너 관리 시스템인 쿠버네티스는 (프라이스라인의) 하드웨어 및 소프트웨어 프로비저닝을 최소화할 수 있도록 효율적인 수평 확장을 제공한다. 이는 고객 트래픽에 대응하는 데 있어 엄청난 유연성을 필요로 하는 이 비즈니스의 중요한 요소라고 그는 설명했다.  브로드벡에 따르면 쿠버네티스를 통해 프라이스라인 개발자는 프로덕션 환경에서 기능을 테스트하고 배포할 수 있게 됐다. 하지만 클라우드 네이티브 방법론 및 기술로의 전환은 특히 개발자 생산성 극대화와 관련해 완전히 순조롭지는 않았다고 그는 전했다.  클라우드에서의 실시간 애널리틱스 프라이스라인 비즈니스의 핵심이라고 할 수 있는 독점적인 가격 책정 엔진은 실시간 데이터 인프라와 애널리틱스를 활용한다. 이를 위해 프라이스라인은 테라바이트 단위의 데이터를 몇 초 만에 분석할 수 있는 구글 빅쿼리(Google BigQuery)와 카프카(Kafka)를 쓴다. 아울러 데이터스택스(DataStax)의 고속 쿼리 엔진과 스타버스터(Startbust)의 데이터 메시용 실시간 애널리틱스 플랫폼도 사용한다.  클라우드에...

멀티클라우드 구글 클라우드 플랫폼 GCP AWS 프라이스라인 디지털 트랜스포메이션 컨테이너 쿠버네티스 클라우드 네이티브 개발자 개발자 생산성 애널리틱스 머신러닝 데이터 과학

2022.02.25

프라이스라인(Priceline)은 실시간 애널리틱스와 클라우드 네이티브 기술을 최대한 활용하기 위해 멀티클라우드 마이그레이션을 진행 중이다. 하지만 그 과정에서 문제가 없는 건 아니다. 미국에서 코로나19 확산이 수그러들자 여행 업계가 속도를 내고 있다. 온라인 여행 서비스 기업 ‘프라이스라인(Priceline)’의 클라우드 트랜스포메이션도 마찬가지다. 트래블로시티(Travelocity), 익스피디아(Expedia), 호퍼(Hopper) 등과 경쟁하는 이 회사는 구글 클라우드 플랫폼(GCP)을 중심으로 한 멀티클라우드 마이그레이션의 중간 단계를 지나가고 있다.    프라이스라인의 CTO 마틴 브로드벡은 “디지털 트랜스포메이션을 추진하고 있다. 올해 자사 제품 플랫폼을 구글 클라우드와 연동되는 쿠버네티스로 현대화하는 작업을 마무리할 예정이다”라고 말했다. 오픈소스 컨테이너 관리 시스템인 쿠버네티스는 (프라이스라인의) 하드웨어 및 소프트웨어 프로비저닝을 최소화할 수 있도록 효율적인 수평 확장을 제공한다. 이는 고객 트래픽에 대응하는 데 있어 엄청난 유연성을 필요로 하는 이 비즈니스의 중요한 요소라고 그는 설명했다.  브로드벡에 따르면 쿠버네티스를 통해 프라이스라인 개발자는 프로덕션 환경에서 기능을 테스트하고 배포할 수 있게 됐다. 하지만 클라우드 네이티브 방법론 및 기술로의 전환은 특히 개발자 생산성 극대화와 관련해 완전히 순조롭지는 않았다고 그는 전했다.  클라우드에서의 실시간 애널리틱스 프라이스라인 비즈니스의 핵심이라고 할 수 있는 독점적인 가격 책정 엔진은 실시간 데이터 인프라와 애널리틱스를 활용한다. 이를 위해 프라이스라인은 테라바이트 단위의 데이터를 몇 초 만에 분석할 수 있는 구글 빅쿼리(Google BigQuery)와 카프카(Kafka)를 쓴다. 아울러 데이터스택스(DataStax)의 고속 쿼리 엔진과 스타버스터(Startbust)의 데이터 메시용 실시간 애널리틱스 플랫폼도 사용한다.  클라우드에...

2022.02.25

포스트 코로나 시대, ‘인력 관리’에도 변화가 필요해졌다

팬데믹 이전의 인력 및 인적자본 관리 소프트웨어/서비스는 주로 직원들의 출근 및 업무를 추적하는 데 사용됐다. 하지만 점차 하이브리드 및 긱 중심의 인력으로 전환되면서 이러한 도구는 이제 대대적인 업그레이드가 필요하다.  지난 2년 동안 팬데믹은 여러 측면에서 인력을 재편성했다. 많은 사람이 집 또는 다른 원격지에서 일하게 됐고, 이로 인해 일하는 시간과 방법도 크게 바뀌었다. 아울러 임시직과 ‘긱(gig) 워커’ 또한 인력의 큰 부분이 돼 기업들에 도전과 기회를 제공하고 있다.  많은 사람이 동시에 여러 기업에서 일하고, 대퇴직 시대(Great Resignation)의 일환으로 직업을 바꾸기로 선택하면서, 기업들은 더 많은 유연성과 더 나은 일과 삶의 균형을 원하는 하이브리드, 파트타임, 계약직 인력을 관리하기 위한 새로운 방법을 모색하고자 고군분투하고 있다.   기존의 인력 관리 시스템은 간단한 일정 관리 및 보고 기능을 제공했다. 즉, 이러한 도구의 상당수는 역동적인 인력, 유연한 일정, 심지어는 하이브리드 인력 관리와 관련된 기술 격차를 처리하도록 설정되지 않았다. IDC의 전 세계 AI 및 자동화 리서치 부문 부사장 리투 조티에 따르면 이 문제는 현실적인 동시에 매우 큰 문제다.    사일로화된 소프트웨어 조티는 “기업들은 연결 기능을 찾고 있다. 또한 엔드투엔드 솔루션을 찾고 있다. 아울러 멀티테넌트(multi-tenant) 환경의 퍼블릭 클라우드에서 작동하는 최신 웹 및 모바일 지원을 원한다. 당장은 여기저기를 기워 대고 있다”라고 말했다.  이는 아마존에서 문제가 됐다. 이 회사는 다양한 종류의 소프트웨어와 알고리즘을 사용하여 직원들의 근무 시간과 출근을 추적하고, 업무 성과를 감독하며, 병가를 관리했다. 하지만 이러한 시스템이 항상 원활하게 작동하는 것은 아니었다. 작년에 아마존은 직원들이 (해고당했거나 회사를 그만두지 않았는데도) 해고 통보를 받기 시작하면서 문제에 봉착했다. ...

인력 관리 인적자본관리 하이브리드 인력 긱 워커 원격근무 재택근무 대퇴직 시대 인공지능 머신러닝 직원 이탈 직원 경험 스마트워치 AR 글래스

2022.02.24

팬데믹 이전의 인력 및 인적자본 관리 소프트웨어/서비스는 주로 직원들의 출근 및 업무를 추적하는 데 사용됐다. 하지만 점차 하이브리드 및 긱 중심의 인력으로 전환되면서 이러한 도구는 이제 대대적인 업그레이드가 필요하다.  지난 2년 동안 팬데믹은 여러 측면에서 인력을 재편성했다. 많은 사람이 집 또는 다른 원격지에서 일하게 됐고, 이로 인해 일하는 시간과 방법도 크게 바뀌었다. 아울러 임시직과 ‘긱(gig) 워커’ 또한 인력의 큰 부분이 돼 기업들에 도전과 기회를 제공하고 있다.  많은 사람이 동시에 여러 기업에서 일하고, 대퇴직 시대(Great Resignation)의 일환으로 직업을 바꾸기로 선택하면서, 기업들은 더 많은 유연성과 더 나은 일과 삶의 균형을 원하는 하이브리드, 파트타임, 계약직 인력을 관리하기 위한 새로운 방법을 모색하고자 고군분투하고 있다.   기존의 인력 관리 시스템은 간단한 일정 관리 및 보고 기능을 제공했다. 즉, 이러한 도구의 상당수는 역동적인 인력, 유연한 일정, 심지어는 하이브리드 인력 관리와 관련된 기술 격차를 처리하도록 설정되지 않았다. IDC의 전 세계 AI 및 자동화 리서치 부문 부사장 리투 조티에 따르면 이 문제는 현실적인 동시에 매우 큰 문제다.    사일로화된 소프트웨어 조티는 “기업들은 연결 기능을 찾고 있다. 또한 엔드투엔드 솔루션을 찾고 있다. 아울러 멀티테넌트(multi-tenant) 환경의 퍼블릭 클라우드에서 작동하는 최신 웹 및 모바일 지원을 원한다. 당장은 여기저기를 기워 대고 있다”라고 말했다.  이는 아마존에서 문제가 됐다. 이 회사는 다양한 종류의 소프트웨어와 알고리즘을 사용하여 직원들의 근무 시간과 출근을 추적하고, 업무 성과를 감독하며, 병가를 관리했다. 하지만 이러한 시스템이 항상 원활하게 작동하는 것은 아니었다. 작년에 아마존은 직원들이 (해고당했거나 회사를 그만두지 않았는데도) 해고 통보를 받기 시작하면서 문제에 봉착했다. ...

2022.02.24

개인화 경험을 모든 고객에게 전달하라··· 美 약국 체인의 ‘AI’ 활용기

미국의 대형 약국 체인은 신속한 애널리틱스와 최신 머신러닝 기술을 지원하기 위해 재구성된 데이터 기반을 바탕으로 클라우드-퍼스트 디지털 트랜스포메이션을 추진해 향상된 고객 서비스를 제공하고 있다. 코로나19 팬데믹은 디지털 트랜스포메이션의 촉매로 입증됐고, ‘월그린스 부츠 얼라이언스(Walgreens Boots Alliance; WBA)’는 그 대표적인 예라고 할 수 있다. WBA는 미국에 약 9,000곳의 약국(Walgreens)과 영국에 약 2,300곳의 드럭스토어(Boots)를 보유하고 있다. 지난 2019년 3월 팬데믹이 전 세계를 강타했을 때 이 회사는 문을 닫거나 (트랜스포메이션) 속도를 늦출 수 있는 선택지가 없었다.  팬데믹 발발 6개월 전 WBA에 합류한 글로벌 CIO 겸 수석 부사장 프란세스코 틴토는 그 대신 이 회사가 고객에게 디지털 서비스를 제공할 수 있도록 클라우드 퍼스트 비즈니스 트랜스포메이션을 빠르게 추진해야 했다. 그는 “봉쇄조치 기간에도 고객에게 서비스를 제공할 수 있어야 했다”라고 말했다.    현재까지 WBA는 마이크로소프트의 애저 클라우드를 기반으로 한 디지털 트랜스포메이션과 몽고DB 데이터베이스, 스노우플레이크 데이터 웨어하우징, 데이터브릭스의 스파크 기반 AI 플랫폼 등의 최첨단 기술을 기반으로 미국에서 5,600만 건의 코로나19 백신 접종과 2,290만 건의 테스트를 시행했다.  이제 월그린스 부츠의 IT 리더는 고급 클라우드, 데이터 애널리틱스, 인공지능 기술을 강력하게 조합하여 대규모 개인화 서비스를 제공하고 소비자와의 온라인 관계를 강화할 계획이다.  데이터가 핵심  틴토에 따르면 WBA는 IT 스택을 현대화하면서 온라인 소매 비즈니스의 백엔드 프로세스(예: 미지급금, 총계정원장, 재고 관리 등)를 마이크로소프트 클라우드로 마이그레이션했다. 아울러 SAP S/4HANA 그리고 서비스나우의 클라우드 기반 자동화 운영 서비스로 전환해 비즈니스 애플리케이...

애널리틱스 머신러닝 데이터 클라우드 퍼스트 디지털 트랜스포메이션 개인화 대규모 개인화 마이크로소프트 애저 고객 경험

2022.02.15

미국의 대형 약국 체인은 신속한 애널리틱스와 최신 머신러닝 기술을 지원하기 위해 재구성된 데이터 기반을 바탕으로 클라우드-퍼스트 디지털 트랜스포메이션을 추진해 향상된 고객 서비스를 제공하고 있다. 코로나19 팬데믹은 디지털 트랜스포메이션의 촉매로 입증됐고, ‘월그린스 부츠 얼라이언스(Walgreens Boots Alliance; WBA)’는 그 대표적인 예라고 할 수 있다. WBA는 미국에 약 9,000곳의 약국(Walgreens)과 영국에 약 2,300곳의 드럭스토어(Boots)를 보유하고 있다. 지난 2019년 3월 팬데믹이 전 세계를 강타했을 때 이 회사는 문을 닫거나 (트랜스포메이션) 속도를 늦출 수 있는 선택지가 없었다.  팬데믹 발발 6개월 전 WBA에 합류한 글로벌 CIO 겸 수석 부사장 프란세스코 틴토는 그 대신 이 회사가 고객에게 디지털 서비스를 제공할 수 있도록 클라우드 퍼스트 비즈니스 트랜스포메이션을 빠르게 추진해야 했다. 그는 “봉쇄조치 기간에도 고객에게 서비스를 제공할 수 있어야 했다”라고 말했다.    현재까지 WBA는 마이크로소프트의 애저 클라우드를 기반으로 한 디지털 트랜스포메이션과 몽고DB 데이터베이스, 스노우플레이크 데이터 웨어하우징, 데이터브릭스의 스파크 기반 AI 플랫폼 등의 최첨단 기술을 기반으로 미국에서 5,600만 건의 코로나19 백신 접종과 2,290만 건의 테스트를 시행했다.  이제 월그린스 부츠의 IT 리더는 고급 클라우드, 데이터 애널리틱스, 인공지능 기술을 강력하게 조합하여 대규모 개인화 서비스를 제공하고 소비자와의 온라인 관계를 강화할 계획이다.  데이터가 핵심  틴토에 따르면 WBA는 IT 스택을 현대화하면서 온라인 소매 비즈니스의 백엔드 프로세스(예: 미지급금, 총계정원장, 재고 관리 등)를 마이크로소프트 클라우드로 마이그레이션했다. 아울러 SAP S/4HANA 그리고 서비스나우의 클라우드 기반 자동화 운영 서비스로 전환해 비즈니스 애플리케이...

2022.02.15

AI도 과하면 독, ‘딱 맞는 해법’은 따로 있다

AI 프로젝트를 성공시키려면 비즈니스 가치, 학습용 데이터, 문화적 준비가 필수다. 이 3가지가 모두 없다면 기존 솔루션이 더 적합할 수도 있다. 인공지능(AI) 도입이 증가하고 있다. 최근 발표된 맥킨지의 설문조사 결과에 따르면 55%의 기업이 적어도 1개 부서에서 인공지능을 사용하고 있으며, 27%는 이자 및 세전 수익의 최소 5%를 AI를 통해 비용 절감의 형태로 얻고 있는 것으로 나타났다. AI가 (관련된) 거의 모든 산업을 극적으로 변화시킬 것이기 때문에 벤더와 기업들이 가능한 모든 곳에 AI를 배포할 기회를 찾고 있다는 건 놀라운 일은 아니다. 하지만 모든 프로젝트가 AI의 이점을 누릴 수 있는 건 아니며, 적절하지 않은 곳에 AI를 도입하면 시간과 비용을 낭비할 뿐만 아니라 직원, 고객, 기업 리더가 고배를 마실 수 있다. 어떤 프로젝트가 AI에 적합한지를 판단하는 핵심 요소는 ▲비즈니스 가치, ▲학습용 데이터의 가용성, ▲변화에 따른 문화적 준비 수준이다. 인공지능 이니셔티브가 매몰 비용이 되기 전에, 제안된 AI 프로젝트에 이러한 요소가 부합하는지 확인하는 방법을 살펴본다.   가장 간단한 솔루션부터 시작하라 전 세계 90여 개국에 1만 8,000개 이상의 매장을 보유하고 있는 피자 체인점 도미노의 데이터 과학 및 AI 부문 관리자 잭 프라고소는 특히 데이터 과학자가 AI 우선 접근법을 선호한다고 말했다. 하지만 모든 곳에 AI를 적용할 순 없다고 그는 지적했다.  전통적인 산업이지만 도미노는 변화를 추진해왔다. 특히 팬데믹 기간에는 더욱더 그랬다. 현재 고객들은 13가지 디지털 방식으로 피자를 주문할 수 있으며, 2020년 도미노 매출의 70% 이상은 디지털 주문에서 나왔다. 이는 AI의 가능성을 입증할 수 있는 많은 기회를 열어줬다. 프라고소는 “도미노가 AI를 도입할 때의 핵심은 간단한 접근방식을 취하는 것이었다”라며, “단순한 솔루션이 더 빠르게 실행되고 더 나은 성과를 보여주기 때문에 이를 비즈니스 파트너...

인공지능 머신러닝 디지털 트랜스포메이션 도미노 피자 데이터세트 ML옵스 질로우 NLP 데이터 과학

2022.01.25

AI 프로젝트를 성공시키려면 비즈니스 가치, 학습용 데이터, 문화적 준비가 필수다. 이 3가지가 모두 없다면 기존 솔루션이 더 적합할 수도 있다. 인공지능(AI) 도입이 증가하고 있다. 최근 발표된 맥킨지의 설문조사 결과에 따르면 55%의 기업이 적어도 1개 부서에서 인공지능을 사용하고 있으며, 27%는 이자 및 세전 수익의 최소 5%를 AI를 통해 비용 절감의 형태로 얻고 있는 것으로 나타났다. AI가 (관련된) 거의 모든 산업을 극적으로 변화시킬 것이기 때문에 벤더와 기업들이 가능한 모든 곳에 AI를 배포할 기회를 찾고 있다는 건 놀라운 일은 아니다. 하지만 모든 프로젝트가 AI의 이점을 누릴 수 있는 건 아니며, 적절하지 않은 곳에 AI를 도입하면 시간과 비용을 낭비할 뿐만 아니라 직원, 고객, 기업 리더가 고배를 마실 수 있다. 어떤 프로젝트가 AI에 적합한지를 판단하는 핵심 요소는 ▲비즈니스 가치, ▲학습용 데이터의 가용성, ▲변화에 따른 문화적 준비 수준이다. 인공지능 이니셔티브가 매몰 비용이 되기 전에, 제안된 AI 프로젝트에 이러한 요소가 부합하는지 확인하는 방법을 살펴본다.   가장 간단한 솔루션부터 시작하라 전 세계 90여 개국에 1만 8,000개 이상의 매장을 보유하고 있는 피자 체인점 도미노의 데이터 과학 및 AI 부문 관리자 잭 프라고소는 특히 데이터 과학자가 AI 우선 접근법을 선호한다고 말했다. 하지만 모든 곳에 AI를 적용할 순 없다고 그는 지적했다.  전통적인 산업이지만 도미노는 변화를 추진해왔다. 특히 팬데믹 기간에는 더욱더 그랬다. 현재 고객들은 13가지 디지털 방식으로 피자를 주문할 수 있으며, 2020년 도미노 매출의 70% 이상은 디지털 주문에서 나왔다. 이는 AI의 가능성을 입증할 수 있는 많은 기회를 열어줬다. 프라고소는 “도미노가 AI를 도입할 때의 핵심은 간단한 접근방식을 취하는 것이었다”라며, “단순한 솔루션이 더 빠르게 실행되고 더 나은 성과를 보여주기 때문에 이를 비즈니스 파트너...

2022.01.25

“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

2022.01.25

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...

2022.01.25

구름에 올라타라··· 거부할 수 없는 ‘클라우드 혁신’ 16가지

‘퍼블릭 클라우드’와 관련해 대부분 가장 먼저 고려하는 것이 바로 비용이다. 대용량 데이터센터에서 클라우드로 워크로드를 이동시키면 자본 지출(CapEx)은 감소하더라도 운영 비용(OpEx)이 증가하기 때문이다. 이는 CFO에게 매력적이거나 매력적이지 않을 수 있다. 하지만 개발팀, 운영팀 또는 데브옵스 팀에게는 환영할 만한 일이다. 클라우드 컴퓨팅이 이를테면 신규 소프트웨어 서비스를 위해 새로운 서버 하드웨어 또는 엔터프라이즈 소프트웨어 제품군을 구매해야 할 때 (기존에는) 누릴 수 없었던 수많은 이점을 제공하기 때문이다. 예를 들어 온프레미스에 배포하는 데 6개월이 걸렸던 작업을 클라우드에서는 10분 만에 끝낼 수 있다. 또 온프레미스에서는 3개 관리 계층의 서명이 필요하던 작업을 클라우드에서는 신용카드로 청구할 수 있다.  단순히 시간과 편의의 문제가 아니다. 예를 들면 클라우드를 통해 소프트웨어 개발 속도를 높여 출시 시간(Time To Market; TTM)을 단축할 수 있고, 더 많은 테스트가 가능해져 소프트웨어 품질을 향상시킬 수도 있다.  클라우드에는 즉각적인 이점을 제공할 뿐만 아니라 온프레미스 컴퓨팅의 오래된 문제를 해결할 수 있는 ‘진정한 혁신’이 있다. 여기서는 매력적인 클라우드 기능 16가지를 소개한다.    온디맨드 컴퓨팅 인스턴스 자체 온프레미스 서버에 새 데이터베이스가 필요한가? (비유하자면) 기존에는 줄을 서서 몇 년은 아니더라도 몇 개월을 기다려야 했다. 또는 물리적인 서버 대신에 온프레미스 VM을 사용하고, VM웨어나 유사한 기술을 쓰고 있다면 (이 과제를) 몇 주 만에 해결할 수 있었다. 하지만 퍼블릭 클라우드에서 서버 인스턴스를 생성한다면 약 15분 만에 (이를) 프로비저닝하고 실행할 수 있으며, 필요에 따라 크기를 설정하고, 사용하지 않을 때는 끌 수 있다. 사전 구축된 VM 이미지 원하는 운영체제로 VM을 실행할 수 있는 기능은 편리하지만 (이를 위해서는) 필요한 애플리케이션...

클라우드 VM 서버리스 컨테이너 도커 쿠버네티스 데이터베이스 하이브리드 클라우드 머신러닝 모니터링 엣지 컴퓨팅

2022.01.12

‘퍼블릭 클라우드’와 관련해 대부분 가장 먼저 고려하는 것이 바로 비용이다. 대용량 데이터센터에서 클라우드로 워크로드를 이동시키면 자본 지출(CapEx)은 감소하더라도 운영 비용(OpEx)이 증가하기 때문이다. 이는 CFO에게 매력적이거나 매력적이지 않을 수 있다. 하지만 개발팀, 운영팀 또는 데브옵스 팀에게는 환영할 만한 일이다. 클라우드 컴퓨팅이 이를테면 신규 소프트웨어 서비스를 위해 새로운 서버 하드웨어 또는 엔터프라이즈 소프트웨어 제품군을 구매해야 할 때 (기존에는) 누릴 수 없었던 수많은 이점을 제공하기 때문이다. 예를 들어 온프레미스에 배포하는 데 6개월이 걸렸던 작업을 클라우드에서는 10분 만에 끝낼 수 있다. 또 온프레미스에서는 3개 관리 계층의 서명이 필요하던 작업을 클라우드에서는 신용카드로 청구할 수 있다.  단순히 시간과 편의의 문제가 아니다. 예를 들면 클라우드를 통해 소프트웨어 개발 속도를 높여 출시 시간(Time To Market; TTM)을 단축할 수 있고, 더 많은 테스트가 가능해져 소프트웨어 품질을 향상시킬 수도 있다.  클라우드에는 즉각적인 이점을 제공할 뿐만 아니라 온프레미스 컴퓨팅의 오래된 문제를 해결할 수 있는 ‘진정한 혁신’이 있다. 여기서는 매력적인 클라우드 기능 16가지를 소개한다.    온디맨드 컴퓨팅 인스턴스 자체 온프레미스 서버에 새 데이터베이스가 필요한가? (비유하자면) 기존에는 줄을 서서 몇 년은 아니더라도 몇 개월을 기다려야 했다. 또는 물리적인 서버 대신에 온프레미스 VM을 사용하고, VM웨어나 유사한 기술을 쓰고 있다면 (이 과제를) 몇 주 만에 해결할 수 있었다. 하지만 퍼블릭 클라우드에서 서버 인스턴스를 생성한다면 약 15분 만에 (이를) 프로비저닝하고 실행할 수 있으며, 필요에 따라 크기를 설정하고, 사용하지 않을 때는 끌 수 있다. 사전 구축된 VM 이미지 원하는 운영체제로 VM을 실행할 수 있는 기능은 편리하지만 (이를 위해서는) 필요한 애플리케이션...

2022.01.12

벤더 기고ㅣAWS 리인벤트(re:Invent)를 통해 바라본 클라우드 기술 트렌드

2020년과 2021년은 코로나 팬데믹의 영향으로 많은 기업이 업무 환경을 비대면 방식으로 전환하고, 고객과의 단절 현상을 최소화하기 위해 디지털 서비스에 집중했던 해다. COVID-19라는 전 세계적 감염병의 생태 위기가 야기한 록다운(Lockdown)은 사람들을 오랜 시간 동안 집에 머물게 했다. 50대, 60대도 온라인 쇼핑과 유튜브 시청을 즐기기 시작했으니 말 그대로 '디지털 라이프'가 전 세대에 걸쳐 정착하기 시작했다고 해도 과언이 아니다. 이러한 배경으로 클라우드 컴퓨팅을 채택하는 기업이 늘어나며 클라우드 업계의 성장세가 눈에 띄게 증가했다. 이런 추세는 2022년에도 이어질 확률이 매우 높다. 팬데믹 초기에는 원격근무로의 전환에 따른 업무 연속성을 유지하기 위해 클라우드 기반의 특정 서비스(예: 온라인 화상회의 플랫폼 및 협업 도구 등)를 중점적으로 도입하는 추세를 보였다면 이후에는 전사적인 IT시스템 및 온프레미스 데이터센터를 클라우드로 이전하는 등 전체적인 디지털 전환 전략으로 이동하는 것을 목격할 수 있었다.    팬데믹 상황이 어느덧 2년 가까이 되어가는 시기에 AWS 리인벤트(re:Invent) 행사가 미국 현지시간 기준 지난 2021년 11월 29일부터 12월 3일까지 열렸다. AWS 리인벤트는 AWS의 가장 큰 연례행사를 넘어서 이제 최대 규모를 자랑하는 글로벌 IT 행사 중 하나로 자리 잡았으며, 2012년부터 시작하여 올해로 벌써 10주년을 맞이했다.  항상 그렇듯 올해 리인벤트에서도 새로운 서비스와 기능 업데이트 발표들이 쏟아져 나왔는데, 이런 기술의 홍수 속에서 필자는 몇 가지 큰 축이 되는 주요 기술 트렌드 5개를 뽑아서 독자분들께 소개하고자 한다. 1. 클라우드의 지속적인 성장과 새로운 영역으로의 진화 가트너는 2022년 기업들이 클라우드에 지출하게 될 비용을 미화 4,840억 달러(한화 약 574조 1,208억 원)로 예상했다. 2020년의 총지출 비용은 3,130억 달러(약 371조 ...

AWS 클라우드 클라우드 컴퓨팅 데이터센터 IoT 디지털 트윈 인공지능 머신러닝 노코드 서버리스 지속가능성 리인벤트

2022.01.03

2020년과 2021년은 코로나 팬데믹의 영향으로 많은 기업이 업무 환경을 비대면 방식으로 전환하고, 고객과의 단절 현상을 최소화하기 위해 디지털 서비스에 집중했던 해다. COVID-19라는 전 세계적 감염병의 생태 위기가 야기한 록다운(Lockdown)은 사람들을 오랜 시간 동안 집에 머물게 했다. 50대, 60대도 온라인 쇼핑과 유튜브 시청을 즐기기 시작했으니 말 그대로 '디지털 라이프'가 전 세대에 걸쳐 정착하기 시작했다고 해도 과언이 아니다. 이러한 배경으로 클라우드 컴퓨팅을 채택하는 기업이 늘어나며 클라우드 업계의 성장세가 눈에 띄게 증가했다. 이런 추세는 2022년에도 이어질 확률이 매우 높다. 팬데믹 초기에는 원격근무로의 전환에 따른 업무 연속성을 유지하기 위해 클라우드 기반의 특정 서비스(예: 온라인 화상회의 플랫폼 및 협업 도구 등)를 중점적으로 도입하는 추세를 보였다면 이후에는 전사적인 IT시스템 및 온프레미스 데이터센터를 클라우드로 이전하는 등 전체적인 디지털 전환 전략으로 이동하는 것을 목격할 수 있었다.    팬데믹 상황이 어느덧 2년 가까이 되어가는 시기에 AWS 리인벤트(re:Invent) 행사가 미국 현지시간 기준 지난 2021년 11월 29일부터 12월 3일까지 열렸다. AWS 리인벤트는 AWS의 가장 큰 연례행사를 넘어서 이제 최대 규모를 자랑하는 글로벌 IT 행사 중 하나로 자리 잡았으며, 2012년부터 시작하여 올해로 벌써 10주년을 맞이했다.  항상 그렇듯 올해 리인벤트에서도 새로운 서비스와 기능 업데이트 발표들이 쏟아져 나왔는데, 이런 기술의 홍수 속에서 필자는 몇 가지 큰 축이 되는 주요 기술 트렌드 5개를 뽑아서 독자분들께 소개하고자 한다. 1. 클라우드의 지속적인 성장과 새로운 영역으로의 진화 가트너는 2022년 기업들이 클라우드에 지출하게 될 비용을 미화 4,840억 달러(한화 약 574조 1,208억 원)로 예상했다. 2020년의 총지출 비용은 3,130억 달러(약 371조 ...

2022.01.03

비트루브, 부산시 고등학교 45곳에 AI 기반 수학학습 프로그램 ‘AI 마타수학’ 제공

비트루브가 부산광역시 내 고등학교 45곳에 인공지능(AI) 기반 수학학습 프로그램 ‘AI 마타수학’ 서비스를 제공하고 있다고 12월 30일 밝혔다.   회사에 따르면 ‘AI 마타수학’은 최신 기계학습 알고리즘을 적용해 수학 문제에 포함된 다양한 수학 개념과 속성, 각 문제에 대한 학생의 정/오답 정보를 바탕으로 학생의 취약 개념을 찾아내고, 그 취약 개념을 보완할 수 있는 문제를 각 학생의 실력에 맞게 추천하는 개인화된 미래형 교육 서비스다. 부산광역시 교육청은 코로나19로 인한 학습 결손을 해소하고, 학생 개인별 기초학력 강화를 위해 2021년 10월부터 2022년 2월까지 총 5개월간 부산시 내 중·고등학교에 ‘AI 활용 수학 학습 프로그램 지원 사업’을 진행하고 있으며, 이를 위해 각 학교를 대상으로 총 9개 회사의 수학 프로그램에 대한 설명회를 진행한 바 있다. 이에 학교들은 시교육청의 지원 하에 9개 프로그램 중 하나를 선택해 사용할 수 있다. 비트루브가 10월부터 현재까지 AI 마타수학의 부산 시내 학교 사용 현황을 집계한 결과, 중앙여자고등학교 등 부산시 내 고등학교의 절반에 해당되는 45개 학교가 비트루브의 AI 마타수학을 선택해 사용하고 있는 것으로 파악됐다. 비트루브의 오태형 대표는 “AI 마타수학은 학생 자신도 잘 모르는 자신의 취약점을 정확히 찾아내 맞춤형 보완 문제로 약점 강화 훈련을 진행하기 때문에 개별 실력 향상에 최적화된 인공지능 프로그램”이라며, “이 점이 학교 담당자들에게 잘 어필된 것 같다”라고 밝혔다. 한편 비트루브와 미래엔이 함께 출시한 중학교용 AI 수학학습 프로그램 ‘알로-M’도 부산시 교육청의 지원 하에 부산 지역 43개 중학교가 현재 사용 중이다. ciokr@idg.co.kr

비트루브 인공지능 머신러닝 미래형 교육 스마트 교육

2021.12.30

비트루브가 부산광역시 내 고등학교 45곳에 인공지능(AI) 기반 수학학습 프로그램 ‘AI 마타수학’ 서비스를 제공하고 있다고 12월 30일 밝혔다.   회사에 따르면 ‘AI 마타수학’은 최신 기계학습 알고리즘을 적용해 수학 문제에 포함된 다양한 수학 개념과 속성, 각 문제에 대한 학생의 정/오답 정보를 바탕으로 학생의 취약 개념을 찾아내고, 그 취약 개념을 보완할 수 있는 문제를 각 학생의 실력에 맞게 추천하는 개인화된 미래형 교육 서비스다. 부산광역시 교육청은 코로나19로 인한 학습 결손을 해소하고, 학생 개인별 기초학력 강화를 위해 2021년 10월부터 2022년 2월까지 총 5개월간 부산시 내 중·고등학교에 ‘AI 활용 수학 학습 프로그램 지원 사업’을 진행하고 있으며, 이를 위해 각 학교를 대상으로 총 9개 회사의 수학 프로그램에 대한 설명회를 진행한 바 있다. 이에 학교들은 시교육청의 지원 하에 9개 프로그램 중 하나를 선택해 사용할 수 있다. 비트루브가 10월부터 현재까지 AI 마타수학의 부산 시내 학교 사용 현황을 집계한 결과, 중앙여자고등학교 등 부산시 내 고등학교의 절반에 해당되는 45개 학교가 비트루브의 AI 마타수학을 선택해 사용하고 있는 것으로 파악됐다. 비트루브의 오태형 대표는 “AI 마타수학은 학생 자신도 잘 모르는 자신의 취약점을 정확히 찾아내 맞춤형 보완 문제로 약점 강화 훈련을 진행하기 때문에 개별 실력 향상에 최적화된 인공지능 프로그램”이라며, “이 점이 학교 담당자들에게 잘 어필된 것 같다”라고 밝혔다. 한편 비트루브와 미래엔이 함께 출시한 중학교용 AI 수학학습 프로그램 ‘알로-M’도 부산시 교육청의 지원 하에 부산 지역 43개 중학교가 현재 사용 중이다. ciokr@idg.co.kr

2021.12.30

‘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

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.

10.4.0.13