‘인공지능(AI)’의 비즈니스 가치를 극대화하려면 데이터 과학자부터 도메인 전문가, 전략적 의사결정권자까지 다양한 스킬과 역할이 필요하다.
많은 기업이 비즈니스 프로세스를 혁신하기 위해 인공지능을 도입하고 있다. 하지만 AI 이니셔티브의 성공은 데이터와 기술로만 이뤄지는 게 아니다. 적절한 인력의 참여가 무엇보다 중요하다.
효과적인 엔터프라이즈 AI 팀은 데이터 과학자와 엔지니어 등 다양한 역할로 구성된다. 컨설팅 업체 옴디아(Omdia)의 AI 플랫폼, 애널리틱스, 데이터 관리 부문 수석 애널리스트 브래들리 쉬민은 “성공적인 AI 팀에는 비즈니스 그리고 해결하려는 문제를 이해하는 다양한 사람들이 포함된다”라고 말했다.
AI 스타트업 플레인인사이트(Plainsight)의 공동 창업자 겸 CEO 카를로스 안치아는 다양한 스킬을 갖춘 균형 잡힌 팀이 성공을 좌우한다는 데 동의하지만 그러한 팀을 구성하는 일은 어렵다고 언급했다. 여기서는 ‘이상적인’ AI 팀을 구성할 수 있도록 현재 성공적으로 운영되고 있는 AI 팀에서 찾아볼 수 있는 주요 역할 10가지를 살펴본다.
데이터 과학자(Data scientist)
데이터 과학자는 AI 팀의 핵심이다. 데이터 과학자는 데이터를 처리 및 분석하고, 머신러닝(ML) 모델을 구축하며, 결론을 도출하여 이미 프로덕션 환경에 배포된 ML 모델을 개선한다. 틱톡의 데이터 과학자 마크 엘체폰은 데이터 과학자가 제품 애널리스트이자 약간의 머신러닝 전문 지식을 갖춘 비즈니스 애널리스트라고 설명했다.
그는 “비즈니스에 큰 영향을 미치는 주요 지표를 파악하고, 데이터를 수집하여 발생 가능한 병목 현상을 분석하며, 다양한 사용자 집단과 지표를 시각화하고, 솔루션 프로토타입 개발을 포함해 이러한 지표를 개선하는 여러 방법을 제안하는 것이 주된 목표다. 데이터 과학 없이는 틱톡 사용자를 위한 새로운 기능을 개발할 때 해당 기능이 사용자에게 유용할지 아닐지를 파악하기가 불가능하다”라고 전했다. 이어 “기능을 얼마나 오랫동안 테스트하고 정확히 무엇을 측정해야 하는지 파악할 수 없다. 그래서 AI를 적용해야 한다”라고 덧붙였다.
머신러닝 엔지니어(ML engineer)
데이터 과학자는 ML 모델을 구축할 수 있지만 이를 실행하는 것은 ML 엔지니어다. 기술 서비스 회사 퍼시스턴트 시스템즈(Persistent Systems)의 혁신 및 R&D 아키텍트 다타라즈 라오는 “(머신러닝 엔지니어는) ML 모델을 컨테이너에 패키징하고 프로덕션 환경에 배포하는 일을 한다. 이는 일반적으로 마이크로서비스로 제공된다”라고 말했다.
그에 따르면 이 역할은 전문적인 백엔드 프로그래밍 및 서버 구성 기술뿐만 아니라 컨테이너와 CI/CD 전문 지식도 필요하다. “ML 엔지니어는 모델 검증, A/B 테스트, 프로덕션 모니터링에도 참여한다”라면서, “아울러 성숙한 ML 환경에서 ML 엔지니어는 최소한의 시험으로 프로덕션 환경 배포 시 가장 성능이 좋은 모델을 찾을 수 있는 서비스 도구로 실험해야 한다”라고 전했다.
데이터 엔지니어(Data engineer)
데이터 엔지니어는 기업의 데이터 인프라를 구성하는 시스템을 구축하고 유지 관리한다. 딜로이트의 이사 겸 수석 아키텍트 에릭 지페서는 데이터를 사용하여 신뢰할 수 있는 작업을 하려면 먼저 데이터를 수집하고 활용하기 적합하게 만들어야 하기 때문에 (데이터 엔지니어는) AI 이니셔티브에 중요하다고 언급했다. “데이터 엔지니어는 다운스트림에 사용할 데이터를 수집 및 조합하기 위해 데이터 파이프라인을 구축하고, 데브옵스 환경에서는 이러한 데이터 파이프라인이 실행되는 인프라를 구축하기 위해 파이프라인을 빌드한다”라고 그는 설명했다.
지페서에 의하면 데이터 엔지니어는 ML 및 비-ML 이니셔티브의 기반이라고 할 수 있다. 그는 “예를 들어 퍼블릭 클라우드에서 데이터 파이프라인을 구축할 때 데이터 엔지니어는 먼저 필요한 클라우드 서비스를 가동하기 위한 스크립트를 작성해야 한다. 이는 수집한 데이터를 처리하는 데 필요한 컴퓨팅을 제공한다”라고 말했다.
IT 서비스 회사 SPR의 CTO 맷 미드는 팀을 처음 구성한다면 데이터 과학이 많은 데이터를 필요로 하는 반복적인 과정이란 사실을 이해해야 한다고 강조했다. 그는 “충분한 데이터가 있다고 가정할 때 이 작업의 약 80%는 데이터 엔지니어링과 관련돼 있다. 실제 데이터 과학 관련 작업은 약 20%일 것”이라고 전했다.
따라서 AI 팀의 일부만이 데이터 과학 작업에 참여하게 된다고 미드는 말했다. “팀의 나머지는 해결 중인 문제를 파악하거나 데이터 설명을 지원하거나 데이터를 정리하거나 결과물을 다른 프로덕션 시스템에 통합하거나 데이터를 프레젠테이션 가능한 방식으로 제시한다”라고 그는 덧붙였다.
데이터 스튜어드(Data steward)
데이터 스튜어드는 기업의 데이터 관리를 감독하고, 데이터가 액세스 가능한지 그리고 고품질인지 확인한다. 아울러 이 역할은 데이터가 전사적으로 일관되게 사용되고 있는지, 해당 기업이 변화하는 데이터 법을 준수하는지 확인한다. 기술 회사 인사이트(Insight)의 데이터 및 AI 부문 리드 켄 세이어에 따르면 데이터 스튜어드는 데이터 과학자가 적절한 데이터를 얻는 한편, 모든 데이터가 반복 가능하며 데이터 카탈로그에 명확하게 표시되도록 보장한다.
이 역할을 맡는 사람은 데이터 과학 및 커뮤니케이션 스킬이 모두 필요하다. 다양한 팀은 물론 데이터 과학자/엔지니어와 협력하여 이해관계자 및 현업 부문 사용자가 데이터에 액세스할 수 있도록 하기 위해서다. 또한 데이터 스튜어드는 기업의 데이터 사용 및 보안 정책을 시행한다. “데이터 스튜어드는 보안 데이터에 액세스해야 하는 사람만 해당 데이터에 액세스하도록 한다”고 그는 설명했다.
도메인 전문가(Domain expert)
도메인 전문가는 특정 산업 또는 주제 영역의 심층적인 지식을 갖고 있다. 이 역할은 해당되는 도메인의 권위자이며, 사용 가능한 데이터의 품질을 판단할 수 있고, AI 프로젝트의 타깃 비즈니스 사용자와 커뮤니케이션하여 실질적인 가치가 있는지 확인할 수 있다.
소프트웨어 개발사 Spd로드(SpdLoad)의 CEO 맥스 베이비크는 “이러한 도메인 전문가가 중요한 이유는 AI 시스템을 개발하는 기술 전문가가 해당 시스템이 구축되는 영역의 전문 지식을 거의 가지고 있지 않기 때문”이라고 지적하면서, “도메인 전문가는 AI 시스템이 제대로 성능을 발휘할 수 있도록 하는 인사이트를 제공할 수 있다”라고 전했다.
이를테면 Spd로드가 라이다(LiDAR)의 대안으로 움직이는 물체를 식별하기 위한 자율주행용 컴퓨터 비전 시스템을 개발했을 당시 이 회사는 도메인 전문가 없이 프로젝트를 시작했다. 이 때문에 Spd로드는 자동차 브랜드가 검증된 신뢰성을 이유로 컴퓨터 비전보다 라이다를 더 선호하고, 그 결과 시스템의 성능을 입증했음에도 이 컴퓨터 비전 기반 제품을 구매할 가능성이 없다는 사실을 몰랐다. 그는 “비즈니스 모델을 생각한 다음 도메인 전문가를 영입하여 해당 업계에서 수익을 낼 수 있는 적합한 방법인지 파악한 후 기술적인 사항을 논의하라”라고 조언했다.
에드테크 플랫폼 아이스쿨커넥트(iSchoolConnect)의 AI 책임자 아시시 툴상카르는 또한 도메인 전문가는 AI 팀과 고객 사이의 중요한 연결고리가 될 수 있다고 언급했다. 그는 “이 역할은 고객과 소통하고, 고객의 니즈를 파악하며, AI 팀에 지속적인 지침을 제공할 수 있다. 아울러 도메인 전문가는 AI가 윤리적으로 구축되고 있는지도 추적할 수 있다”라고 설명했다.
AI 디자이너(AI designer)
AI 디자이너는 개발자와 협력하여 사용자(사람)의 니즈를 파악하도록 한다. 이 역할은 사람이 AI와 상호작용하는 방식을 구상하고 프로토타입을 만들어 새로운 AI 기능의 사용 사례를 보여준다. 또한 AI 디자이너는 사람 사용자와 AI 시스템 사이에 신뢰를 쌓을 수 있도록 AI가 사용자 피드백을 통해 학습하고 개선되도록 한다.
컨설팅 업체 BCG의 북미 AI 비즈니스 공동 책임자 셔빈 코다벤데는 “기업들이 AI를 확장할 때 겪는 어려움 중 하나는 사용자가 솔루션을 이해하지 못하거나 이에 동의하지 않거나 AI와 상호작용할 수 없다는 것이다. AI에서 가치를 창출하고 있는 기업들의 비결은 사람과 AI 간의 상호작용이 제대로 이뤄지게 하고 있다는 점이다”라고 말했다.
이어서 그는 10-20-70 법칙으로 이를 고려해야 한다고 밝혔다. 코다벤데는 “가치의 10%는 알고리즘, 20%는 기술과 데이터 플랫폼, 70%는 비즈니스 통합 또는 비즈니스 프로세스에 회사 내부 전략을 연계시키는 것에 있다. 인간-AI 상호작용은 절대적으로 중요하며, (앞서 언급한) 70%에서 큰 부분을 차지한다. 여기서 AI 디자이너가 도움을 준다”라고 덧붙였다.
제품 관리자(Product manager)
제품 관리자는 고객의 니즈를 파악하고, 제품 개발 및 마케팅을 주도하며, AI 팀이 유익한 전략적 결정을 내리도록 지원한다. AI 개발사 넥소코드(Nexocode)의 제품 관리자 도로타 오우차렉은 “AI 팀에서 제품 관리자는 AI를 활용하여 고객 문제를 해결하는 방법을 확인한 후 이를 제품 전략에 적용한다”라고 설명했다.
그는 최근 자연어 처리로 논문 및 문서 검토를 지원하는 제약 업계용 AI 기반 제품 개발 프로젝트에 참여했다고 밝혔다. “제품을 구동하는 데 필요한 모델과 알고리즘을 개발하기 위해 데이터 과학자, 머신러닝 엔지니어, 데이터 엔지니어와의 긴밀한 협업이 필요했다”라고 오우차렉은 전했다.
제품 관리자였던 그는 제품 로드맵 구축, 예산 예측 및 관리, 제품의 기술·사용자 경험·현업 부문과의 협력 처리를 담당했다. 오우차렉은 “이 사례에서는 비즈니스 이해관계자가 해당 프로젝트를 시작했기 때문에 비즈니스 이해관계자의 니즈를 충족하는 동시에 프로젝트의 전반적인 목표를 관리해야 하는 제품 관리자가 필수적이었다”라면서, “AI 제품 관리자는 기술 스킬과 비즈니스 감각을 모두 갖춰야 한다”라고 덧붙였다.
오우차렉은 “(제품 관리자는) 다양한 팀 및 이해관계자와 긴밀하게 협력할 수 있어야 한다. 대부분 AI 프로젝트의 성공은 비즈니스, 데이터 과학, ML 엔지니어링, 디자인 팀 간의 협업에 달려있다”라며, “한편 AI 제품 관리자는 AI를 다룰 때의 윤리적 영향을 이해해야 한다. 제품이 업계의 모범 사례를 준수하도록 하는 내부 프로세스와 가이드라인을 개발해야 한다”라고 말했다.
AI 전략가(AI strategist)
AI 전략가는 기업이 작동하는 방식을 이해하고, 경영진 및 외부 이해관계자와 협력하여 회사가 성공적인 AI 이니셔티브 결과를 달성하기 위해 적절한 인프라와 인재를 갖추도록 해야 한다. EY 컨설팅의 글로벌 AI 책임자 댄 다이아시오에 따르면 AI 전략가는 비즈니스 도메인 전문 지식과 머신러닝 기본 지식을 이해해야 하며, AI가 비즈니스 문제를 해결하는 데 어떻게 사용될 수 있는지도 알아야 한다고 권고했다.
그는 “몇 년 전만 해도 기술은 어려운 부분이었지만 지금은 비즈니스와 연계하여 기업에서 만든 AI 기능 또는 AI 자산을 활용하는 방법이 바뀌고 있다”라면서, “AI 전략가는 회사가 혁신적으로 AI를 활용할 수 있도록 지원할 수 있다. (기업의) 의사결정 방식을 바꾸려면 이를 추진할 상당한 영향력과 비전을 가진 사람이 필요하다”라고 말했다.
아울러 AI 전략가는 기업들이 AI 이니셔티브를 효과적으로 추진하는 데 필요한 데이터를 확보하도록 지원할 수 있다. 다이아시오는 “기업들이 오늘날 시스템 내부 또는 데이터 웨어하우스에 보유한 데이터는 AI 기능 개발에서 필요한 것의 극히 일부분에 불과하다. 전략가의 역할 중 하나는 전체적인 상황을 보고 프라이버시 우려사항을 위반하지 않으면서 더 많은 데이터를 수집 및 활용하는 방법을 찾는 것”이라고 설명했다.
최고 AI 책임자(Chief AI Officer)
최고 AI 책임자는 모든 AI 이니셔티브의 의사결정권자이며, AI의 잠재적인 비즈니스 가치를 이해관계자 및 고객에 전달할 책임이 있다. 툴상카르는 “의사결정권자는 비즈니스, 비즈니스 기회, 위험을 이해하는 사람이다”라고 언급했다.
그에 따르면 최고 AI 책임자는 AI가 해결할 수 있는 사용 사례, 그중에서도 가장 큰 재정적 이점이 있는 곳을 파악해야 하며, 이해관계자에게 이런 기회를 설명할 수 있어야 한다. 툴상카르는 “또한 이런 기회를 반복적으로 달성할 수 있도록 계획해야 한다. AI를 적용해야 하는 고객 또는 제품이 여럿인 경우 최고 AI 책임자는 고객 독립적인 부분과 고객 전용 부분을 해야 한다”라고 말했다.
임원 스폰서(Executive sponsor)
임원 스폰서는 AI 프로젝트가 결실을 맺도록 하는 데 적극적인 역할을 하는 한편, 기업의 AI 이니셔티브 자금 조달을 담당하는 C-레벨 관리자다. 다이아시오는 경영진의 리더십이 AI 프로그램의 성공을 이끄는 데 중요한 역할을 한다고 강조했다.
“예를 들면 소비재 상품 제조사에는 R&D팀, 공급망 팀, 영업팀, 마케팅팀이 있다. AI를 적용하여 비즈니스를 혁신할 수 있는 가장 큰 최고의 기회는 이 모든 부서를 아우르는 데 있다. 그리고 이런 변화를 추진하기 위해서는 CEO 또는 C-레벨의 강력한 리더십이 필요하다”라고 말했다. "
안타깝게도 많은 기업의 경영진이 AI의 잠재력을 잘 모르고 있다고 코다벤데는 지적했다. 그는 “상당히 제한적으로 이해하고 있으며, AI를 블랙박스로 생각하는 경우가 많다. (AI 이니셔티브를) 데이터 과학자에게 던지긴 하지만 AI를 활용하는 데 필요한 새로운 방식은 제대로 이해하지 못하고 있다”라고 말했다.
코다벤데는 “AI 도입은 AI 팀이 어떻게 작동하는지, 어떻게 지원할 수 있는지 이해하지 못하는 많은 기업에게 큰 문화적 변화”라면서, “AI를 채택하는 전통적인 기업의 99%는 이를 어려워한다”라고 전했다. ciokr@idg.co.kr