인공 지능(AI)는 모든 기업의 최우선 순위 투자 대상입니다. 그렇다면 기업들의 투자는 어떻게 이루어지고 있을까요? 관련해 중요한 통찰력을 얻을 수 있는 설문 조사 보고서를 AI와 머신 러닝 솔루션 전문 기업인 Algorithmia에서 발표했습니다. 보고서 이름은 '2020 state of enterjprise machine learning'입니다. 주요 산업별 AI 관련 의사결정자 750명을 대상으로 설문 조사를 한 내용을 담은 이 보고서의 핵심을 한 줄로 정리하자면 "AI는 기업 규모와 업계 관계없이 투자가 증가하고 있으며, 관련 개발 프로젝트가 늘고 있으나, 프로젝트 진행이 더디게 이루어지고 있다"라는 것입니다. 본 포스팅에서는 주요 핵심 사항만 정리해 보겠습니다. 원문은 Algorithmia 페이지를 참조 바랍니다.
Key Finding #1
기업의 데이터 과학자 수는 모든 산업 영역에 걸쳐 빠르게 증가하고 있습니다. 관련 전문 인력 수요가 늘고 있다는 것으로 보면 될 듯합니다.
Key Finding #2
머신 러닝 관련 비즈니스 유즈 케이스 사례는 다양하게 나타나고 있습니다. 이를 큰 범주로 묶으면 다음 그림과 같습니다. 주로 고객 관련 부문과 조직 측면에서 비용 절감에 도움이 되는 쪽으로 적용하는 것으로 보입니다. 비용 절감의 경우 아마도 RPA를 통한 자동화가 아닐까 추측해 봅니다.
Key Finding #3
머신 러닝 관련 성숙도의 경우 모든 산업 분야에서 고르게 단계가 높아지는 것으로 보입니다. 머신 러닝 성숙도 관련 성숙도를 묻는 질문에 대한 복수 응답 내용을 수치로 좀 보시죠. 유즈 케이스를 평가한다는 응답이 22%, 모델 개발에 착수했다는 응답이 17%, 프로덕션 환경에 배포하기 시작했다는 답이 17%으로 나타났습니다. 모델 배포의 경우 1~2년 내에 프로덕션 환경에 모델을 배포할 계획이라는 응답이 17%, 2~4년 이내라 답이 15%, 5년 후라고 말한 응답자는 8%입니다.
Key Finding #4
머신 러닝 관련 현업이 느끼는 어려움으로 너무 긴 배포 시간이 꼽혔습니다. 모델 배포 타임라인에 대한 다음 응답을 보시죠. 신속하게 모델을 배포하는 조직이 생각보다 적은 것으로 나타났습니다. 이는 여러 이유가 있겠지만 인프라, 플랫폼, 도구 사용에 있어 생산성과 효율성이 떨어지기 때문으로 풀이할 수 있습니다. 관리 플랫폼, 잡 스케줄러 등 중앙집중적인 관리 도구를 이용해 인프라와 플랫폼을 사전에 최적화된 형태로 즉시 배포 가능하게 이용할 수 있게 할 경우 다음과 같이 30일 이상 배포에 시간이 걸릴 이유가 없기 때문입니다. NVIDIA가 제시하는 사전 최적화 모델, 퓨어스토리지 등 하드웨어 업체가 제시하는 사전 최적화된 인프라 또는 클라우드 사업자가 제공하는 서비스가 제공하는 개발과 배포 편의성을 잘 살펴보면 너무 긴 배포 시간의 문제를 해결할 실마리를 찾을 수 있습니다.
Key Finding #5
현업이 느끼는 고민으로 머신 러닝 모델 트레이닝 관련 확장에 대한 이슈도 있습니다. 이것이 이번 설문 조사의 다섯 번째 발견입니다. 하드웨어, 데이터 등 머신 러닝 프로젝트가 늘다 보면 자연스럽게 직면하는 이슈죠. 이와 함께 모델 버전 관리와 모델 최적화, 경량화 과정을 빠르고 매끄럽게 처리하는 것이 어렵다는 것도 현장의 고충으로 나타났습니다. 흔히 머신 러닝, 딥러닝의 경우 관리 플랫폼의 중요성을 아직 잘 모르죠. 하지만 소프트웨어 개발에서 전체 라이프사이클에 걸쳐 지속적 배포와 지속적 통합을 위한 관리 플랫폼을 운영하는 것처럼 모델 개발과 배포 역시 중앙집중적인 플랫폼이 필요합니다.
Key Finding #7
이 보고서의 마지막 부분은 AI 관련 예산에 대한 내용이 쓰여 있습니다. 응답자의 80% 이상이 전년 대비 예산이 늘었다고 답을 하였습니다. 보고서 원문을 보면 산업별 예산 증감에 대한 내용도 나옵니다.
본 포스팅에 소개한 내용의 더 자세한 부분은 보고서 원문을 참조 바랍니다.