Medium - What I have learned after several AI projects
in Trend
Trend 파악을 Medium 기고문 요약 포스팅 - 다수의 AI 프로젝트 후에 배우게 된 것에 관하여
기업들은 이제 자동화, 비용절감, 성능 향상과 같은 기술의 가능성을 홍보하는 AI 영업구상에 휩싸였습니다.
어떤 사람들은 아마 AI기반의 솔루션이 당신의 조직에 통합되는 것을 생각했을 수도 있습니다. 글쎄요, 좋은 소식은 그렇게 전문적인 AI는 필요하지 않을 것입니다. 다만 당신은 데이터의 중요성과 같은 기본적인 것은 꼭 알 필요가 있습니다. 그러고 나면 당신은 자동 업무 수행이나 특정 패턴 탐지같은 결과물을 수행할 수 있습니다.
이런 AI의 흐름에 올라타기 전에 3가지 질문을 확인해 봅시다.
- 업무에 데이터를 사용하시나요?
- 당신은 AI가 주도하는 솔루션을 사용할 만큼 충분하고 적당한 데이터를 가지고 있습니까?
- 당신은 AI가 어떻게 동작하는지 이해하고 있나요?
Start small
당신의 업무 프로세스를 전부 바꾸는 것으로 AI 변화를 시도해 볼수도 있습니다. 그러나 이것이 실패하는데 가장 좋은 방법 입니다. 작은 프로젝트로 경험을 얻고 기초를 탄탄히 하고 큰 프로젝트로 나아가는 것이 훨씬 현명합니다. 게다가 저는 검증된 ROI가 있는 충분히 발달한 프로젝트에 초점을 맞추는 것을 추천합니다.
많은 변수와 잠재적인 결과가 있는 업무는 피하도록 하세요
AI에서는 전체보다는 프로세스의 작은 파트에 집중하는 것이 훨씬 낫습니다. 오늘날 주어진 역량으로는 하나의 단일 AI로 모든 업무 프로세스를 대체하는 것은 매우 어렵습니다. 그러나 작은 업무 프로세스는 쉽게 자동화 될 수 있습니다.
조직은 그들이 자동화를 원하는 업무가 반복가능하고 실수에 대한 비용이 낮은지 반드시 자문해봐야 합니다. 이러한 업무가 AI를 구현하는 데 가장 적당한 업무가 될 것입니다.
Know exactly what you want
많은 프로젝트에서 저는 의사 결정자들이 그들이 AI를 통해 무엇을 하고 싶은지 명확하지 않다는 것을 알게 되었습니다. 개개인마다 다른 관점을 가지고 있고 동일한 문제에 대해서 해결하고 싶은 방향이 있을 것입니다. 결국에는 명확한 비전 없이는 실질적인 이득을 이끌어내기 어렵습니다. 저의 권고는 항상 목적을 정하는 것에 시간을 두라는 것입니다. 무엇을 얻고 싶고 왜 그렇습니까?
당신은 특정 프로세스에 적합한 사람이 필요합니다. 게다가 데이터 과학자와 사업 의사결정자 들간에 의사소통이 되어야 합니다. 사업에 대한 진정한 이해와 그들이 어떻게 일을 처리하는 것이 가장 최적의 방식인지 구분해야 하죠.
당신의 개발자들은 머신러닝의 전문가들이 아닙니다. 데이터 과학자와 개발자 사이에는 차이점이 있습니다. 그리고 당신은 AI가 장기적인 관점에서 이익이 되고 쓰기 쉬울지 확신이 서야 합니다.
머신러닝을 수행하는 데에도 많은 방식이 있고 올바른 해답을 위해서는 문제에 대한 깊은 이해가 필요합니다. 당신이 인적자원에 관련해 문제가 있다면 저는 AI 개발에 특화된 대행사 서비스를 강력 추천합니다.
만약 AI솔루션을 직접 개발하기로 했다면 러닝 커브가 매우 급격하다는 것을 잊지마세요. 그것을 구성하기 위해 당신은 매우 많은 자원이 필요할 것입니다. 간단한 인식 모델 솔루션은 100K 이상의 가치가 있습니다.
마지막으로 AI툴과 상호작용할 수 있는 인터페이스를 만들어야 합니다. 그것은 사용하기 쉬워야 하고 확장이 용이하고 안전해야 하죠.
Best ways to fail an AI project
제 경험에 따르면 많은 AI프로젝트 들은 다음과 같은 요소 때문에 이슈가 됩니다.
만은 AI프로젝트에서 회사는 인적 요소를 무시하는 경향이 있습니다. 게다가 AI는 그냥 프레임워크나 데이터 알고리즘에 관한 것이 아닙니다. 그것은 사람과 관련된 것입니다. 당신의 조직은 AI 역햘에 적합한 능력과 지원을 해줄 수 있는 행정부가 있어야 합니다.
저는 성공적인 프로젝트들은 한가지 공통점이 있다는 것을 깨달았습니다. 새로운 AI가 배포되면 항상 작은 그룹의 직원들이 테스트를 하고 시스템 인터페이스에 솔직하게 그들의 피드백을 제공했다는 것이죠
3 ways to start an AI Solution
- AI-SaaS 솔루션을 쓰세요. Amazon의 Rekognition이나 구글의 Cloud Vision 혹은 IBM 의 Watson 같은 것이요. 이것들은 이미지와 문자 인식에 관한 API와 AI 함수들을 제공해 줍니다.
- AI에 특화된 협력업체와 함께하세요
- 당신 팀의 자원과 데이터를 긁어모아 머신러닝 시스템을 구축하세요.
The Data issue
당신은 AI 변환을 위해 하드웨어 인프라 구성에 투자를 해야합니다. 머신러닝은 높은 수준의 연산 능력이 필요하며 많은 대역폭과 저장공간이 필요합니다.
AI는 기업들에게 엄청는 기회로 대두되었습니다. 그러나 새롭고 기술의 복잡도 때문에 실수를 저지르기 쉽습니다. 당신이 솔루션에 관심이 있고 당신 사업의 중요성을 낮게 측정하고 데이터를 무시하고 기술기반의 문제 분석을 하지 않으면 그것은 당신 조직에 나쁜 영향을 미칠 것입니다. 이것이 AI 도입에 달려들지 말하야 할 핵심 이유입니다.
Summary
- AI를 기업에 도입하는 것은 많은 장점을 가져다 줄 수도 있다.
- 이 과정에서 개발자와 데이터 과학자들은 구분되어야 한다.
- AI 개발 대행사를 활용하는 것과 자체 개발하는 것이 있다.
- AI를 통해 큰 이익을 볼 수 있는 사업영역은 아직 한정적이다.
- 해결하고 싶은 문제의 명확한 선정과 관련 데이터의 확보 등 사전조사가 많이 필요하다.
