2018년 10월 10일 

      ⓒ CIO Korea, Matt Asay | InfoWorld

 

우리는 점점 더 정교해지는 머신러닝 기술의 홍수 속에 살고 있다. 그러나 실제로 이러한 기술을 어떻게 활용해야 하는지 아는 사람은 많지 않다. 최근 451 리서치의 조사 자료에 따르면 인력 부족이 AI 혁명을 방해하고 있다. 사실, 모든 기술 혁명은 기술이 아닌 사람으로 인해 예상보다 느린 속도로 확산되곤 한다. 똑똑한 기업들은 이 사실을 알기에 기술 채택만큼이나 조직 문화 변화에도 많은 투자를 한다.

머신러닝, 열광과 희망 사이
물론 머신러닝 기술 자체를 활용할 줄 아는 능력이 있다면 손해 볼 것은 없다. 실적 발표서에서 AI나 머신러닝에 대한 언급이 증가하고 있는 것만 봐도 알 수 있다. 사실상 모든 경영자들은 자신의 기업이 머신러닝에 많은 투자를 하고 있다는 인상을 주려 한다. 물론 최근 분기 들어서는 AI에 대한 언급이 다소 줄어든 것이 사실이지만, 장기적으로는 우상향 중이다. 물론 그렇게 화려한 말에 어울리는 규모의 투자는 뒷받침되고 있지 않지만 말이다.

451리서치가 머신러닝 활용을 가로 막는 가장 큰 장애물을 물었을 때, 응답자의 36%는 위의 그림 1에 나온 것과 같이 ‘온(On)’ 버튼이 어디 있는지 모른다고 답했고, 또 다른 32%는 ‘기술을 도입할 여력이 안 된다’ 내지는 ‘데이터를 어떻게 활용할지 모르겠다”고 답했다.
 


그림 1: “머신러닝 기술 활용을 방해하는 가장 큰 장애물은 무엇입니까?” 라는 질문에 대한 응답들. 451리서치가 기업인 209명을 대상으로 실시한 “기업가의 목소리: 2018년 AI & 기계학습 도입, 유인 및 이해관계자들” 설문조사 중. 

심지어 남은 49%는 그림 2에서 볼 수 있듯이 거의 존재하지 않는다고 봐도 무방한 머신러닝 롤아웃에 대해 “비교 우위”를 주장하는 데 거리낌이 없었다.
 

그림2: “머신러닝 기술 사용을 통해 얻은, 혹은 얻어질 것이라 기대되는 가장 두드러지는 이득은 무엇입니까?” 라는 질문에 대한 응답들. 451리서치가 207명의 기업인을 대상으로 실시한 “기업가의 목소리: 2018년 AI & 기계학습 도입, 유인 및 이해관계자들” 설문조사 중. 

이는 예전에 빅데이터에 대해 실시한 설문조사와 크게 다르지 않다. 이 때도 기업들은 빅데이터 분야에 있어서 자신이 마치 엄청난 강점을 가지고 있는 것처럼 행동했지만, 정작 한 겹만 들춰 보아도 빅데이터로 무엇을 어찌 해야 좋을지 전혀 알지 못하는 상태였다.

누구나 자신이 머신러닝이나 빅 데이터 ‘초짜’라는 사실을 인정하고 싶지는 않을 것이다. 하지만 애초에 벤더들이 내놓는 언론 발표처럼 모두가 빅데이터 및 머신러닝 전문가인 것은 아니다.

451리서치 설문 조사 결과에 따르면 전체 기업의 약 50% 가까이가 이미 머신러닝 알고리즘을 전개 했거나 향후 1년 이내에 전개 할 예정이라고 답했다. 그러나 이들 중 1년 후에 머신러닝 채택에 있어서 획기적인 발전을 이루어 낸 기업이 절반이라도 된다면 그것이야 말로 놀라운 일일 것이다. 대부분은 아직도 갈피를 잡지 못하고 갈팡질팡 하고 있을 뿐이다.

머신러닝 및 AI가 상용화 되려면 10여 년은 더 걸릴 것이라는 맥킨지의 분석 결과가 거짓말이 아닌 이유가 여기에 있다. 변화에는 생각보다 많은 시간이 걸린다.

머신러닝 기술 도입의 최종 승자는 인적, 문화적 변화에 성공한 기업
정말 적극적으로 머신러닝 기술을 채택하고 활용할 의지가 있는 기업이라면 가만히 앉아 상황이 변하기만을 기다리는 것은 최선의 전략이 아니다. 클라우드 분야에서는 피보탈(Pivotal)이 클라우드 서비스를 증축할 수 있는 소프트웨어를 판매했으며, 더불어 이러한 클라우드 서비스를 수용하는 과정에서 필요한 문화적 변화들을 촉진하는 전문적 서비스도 제공했다.

IBM, HPE, SAP, 오라클 등도 각자의 분야에서 주요 기술적 혁신을 받아들일 때 비슷한 행보를 보여 왔다. 이들은 테크놀로지 솔루션을 판매하는 것은 절반의 성공일 뿐이라는 사실을 잘 알고 있었다. 이들 소프트웨어를 실제 인력이 사용하지 않는 이상 아무리 좋은 신기술이라 해도 유명무실한 채로 끝날 수 있다.

머신러닝에서는 특히 구글이 문화적 변화를 촉진하기 위해 많은 노력을 하고 있다. 하지만 구글이 택한 접근법은 다른 벤더의 그것과는 달랐다.

구글은 피보탈이 했던 것처럼 머신러닝 스승과 제자로 이루어진 ‘도제’ 시스템을 운영하고 있지는 않다. 구글은 텐서플로우 같은 주요 기술들을 오픈소스화 하여 ‘제자’들이 직접 실천해 보고 학습하도록 했다.

‘만인을 위한 오픈소스 머신러닝 프레임워크’라 불리는 텐서플로우는 새로운 세대의 AI전문가들이 머신러닝 및 AI를 “구글식”으로 배우고 실천하며 성장할 길을 닦았다고 할 수 있다. 결국 이들은 머신러닝 및 AI에 가장 최적화 된 구글 클라우드에서 머신러닝 워크로드를 구동하게 될 것이다.

그리고 설령 구글 클라우드를 사용하지 않는다고 해도, 텐서플로우를 오픈소스화 함으로써 비용을 전혀 들이지 않고도 강력한 머신러닝 테크놀로지에 액세스 할 수 있는 길을 열어 둠으로써 머신러닝 기술 성공의 문턱을 낮추었다고 할 수 있다.

텐서플로우와 같은 오픈소스 라이브러리를 통해 머신러닝은 ‘중요하지만 복잡한’기술에서 ‘중요하면서도 쉽게 액세스 할 수 있는, 한 번에 한 개발자만 다운로드 할 수 있는’ 기술로 거듭날 것이다. 이는 테크놀로지 자체를 강요하기 전에 우선 그 테크놀로지를 사용할 사람들부터 바꾸어 놓는, 참으로 천재적인 전략이 아닐 수 없다. ciokr@idg.co.kr 

 

※ 본 내용은 한국IDG(주)(http://www.itworld.co.kr)의 저작권 동의에 의해 공유되고 있습니다.
Copyright ⓒCIO Korea. 무단전재 및 재배포 금지


[원문출처 : http://www.ciokorea.com/column/39783]

2018
번호 제목 작성자 조회수 작성
공지 [공개SW 월간브리핑]2018년 GitHub Octoverse를 통해 본 공개SW 프로그래밍 언어 순위 OSS 661 2018-12-04
공지 [공개SW 월간브리핑]대기업 업무의 중심이 되어가고 있는 공개SW 외 OSS 573 2018-09-18
공지 2018년 공개SW 기업 편람 및 솔루션맵 개정판 출간 OSS 946 2018-06-01
공지 공개소프트웨어 연구개발 수행 가이드라인 file OSS 1372 2018-04-26
공지 오픈소스 라이선스 해설 (Version 1.0.0)[개발자, 관리자, OS 전문가 및 기업 실무 지침] file OSS 8596 2017-07-05
공지 공공 공개SW 거버넌스 가이드 발간 file OSS 14608 2017-03-22
공지 U2L(Unix To Linux) FAQ 책자 발간 file OSS 14660 2017-03-15
324 칼럼 | 쏘리! 리눅스, 이제 주인공은 ‘쿠버네티스’다 OSS 95 2018-11-23
323 [Redhat Brandpost]컨테이너 플랫폼으로 데브옵스 환경까지 조성하는 법 OSS 95 2018-11-06
322 [Redhat Brandpost] ‘더 풍요로운 쿠버네티스 생태계의 미래’ 오픈시프트 4.0 이후를 말한다. OSS 104 2018-11-02
321 [Redhat Brandpost] 오픈시프트가 지원하는 베어메탈과 쿠버네티스 환경 OSS 110 2018-11-02
320 오픈소스 보안 현황과 시사점 OSS 232 2018-10-23
319 블로그 | 머신러닝, 이론과 실제의 간극 메우려면… OSS 210 2018-10-10
318 DevOps 성과을 위한 13가지 공개SW 툴 OSS 403 2018-10-08
317 [리눅스 재단] '엔터프라이즈를 위한 오픈 소스 가이드' 사이트 OSS 321 2018-10-02
316 칼럼 | 성공적인 인공지능(AI) 적용을 위한 단계 OSS 168 2018-10-01
315 2018 SAS,R, Python 선호도 조사...Burtch Works file OSS 365 2018-09-21
맨 위로
맨 위로