?상명대학교 / 서광규 교수


 

현재의 디지털 전환 시대에서 클라우드 컴퓨팅으로의 전환은 지난 몇 년 동안 엄청난 발전을 이루어 왔으며, 클라우드 컴퓨팅은 비즈니스에서 사용할 수 있는 리소스 공유에 따라 민첩성을 개선하고 운영비용을 절감하는 것을 목표로 하고 있다. 여러 분야에서 클라우드 컴퓨팅은 최소한의 관리 노력으로 신속하게 프로비저닝할 수 있는 구성 가능한 시스템 리소스와 상위 수준의 서비스의 공유 풀에 대한 유비쿼터스 액세스를 가능하게 하는 IT 패러다임으로 설명할 수 있다. 그 때문에, 스토리지, 트랜잭션, 연결 장치로부터 엄청난 양의 데이터가 존재하며, 이는 경쟁이 치열한 환경에서 각 회사들이 경쟁우위를 유지할 수 있도록 지원하는 새로운 원천이 된다.

비즈니스 프로세스를 간소화하기 위해 인공지능(AI) 솔루션을 개발하는 것은 어려운 작업처럼 보일 수 있다. 그러나 다행스럽게도 비즈니스를 위한 인공지능 노력을 아웃소싱하거나 용이하게 활용할 수 있는 자원 및 클라우드 기반 서비스가 증가하고 있다. 인공지능 솔루션을 비즈니스 프로세스에 통합하여 생산 능력을 높이고 노동 집약적인 비용 부담을 줄일 수 있다.



일반적인 클라우드 기반 기계학습/인공지능 솔루션


글로벌 클라우드 서비스 제공자들은 데이터 기반 프로세스의 종단 간 플랫폼을 위한 일반 기계 학습 및 AI 솔루션을 제공하고 있다. 이 솔루션은 구성 요소를 결합하여 데이터를 전달하고 안전하게 호스트하며 다양한 알고리즘을 제공하여 의사 결정 및 연결된 프로세스에 대한 적시 분석을 제공한다.

일반 솔루션은 데이터로부터 원하는 예측 출력을 달성하기 위해 통합된 기계 학습 모듈을 선택할 수 있는 능력으로 다양한 요구 사항을 충족시키는 것을 목표로 한다. 인공지능(AI) 모듈은 한 모듈의 출력이 다음 모듈의 입력으로 사용되는 순서대로 연결할 수 있다. 실시간 데이터 처리는 가상 코어 리소스에 대한 빠른 병렬 처리의 이점을 얻을 수 있으므로 대기 시간이 매우 짧은 최종 애플리케이션에서 예측 출력을 사용할 수 있다.

일반 기계 학습 클라우드 솔루션은 사용 가능한 자원의 확장성을 고려할 때 단순한 다차원 인공지능 애플리케이션에 적합할 수 있다. 이러한 솔루션의 대표적인 예는 다음과 같다.

 

1) Amazon AWS Machine Learning - AI 솔루션 및 컨텐츠 제공을 위한 여러 가지 서비스 제공

  • AWS에서의 기계 학습 : 모든 개발자가 손쉽게 활용할 수 있는 기계 학습 제공
  • AWS는 넓고 깊이 있는 비즈니스용 기계 학습 및 AI 서비스 세트 제공
  • AWS는 모든 개발자가 기계 학습을 손쉽게 활용하는 데 방해가 되는 가장 까다로운 몇 가지 문제를 고객을 대신해 해결
  • 컴퓨터 비전, 언어, 추천 및 예측을 위해 사전 학습된 AI 서비스를 선택할 수 있으며 Amazon SageMaker를 통해 기계 학습 모델을 대규모로 구축, 학습 및 배포하거나 모든 주요 오픈 소스 프레임워크에 대한 지원을 바탕으로 사용자 지정 모델 구축
  • AWS의 기능은 가장 포괄적인 클라우드 플랫폼을 기반으로 구축되며 고성능 컴퓨팅을 통해 기계 학습에 최적화되었으며, 여기에 최고 수준의 보안 및 분석 기능까지 제공

2) Google Cloud AI - 타겟팅 및 통합 된 AI 솔루션을 통해 특정 사용자를 타겟팅할 수 있는 모듈식 플랫폼

  • AI 및 기계 학습 제품 및 서비스 : 신뢰할 수 있는 플랫폼에서 혁신적인 기계 학습 제품 및 서비스를 제공
  • AI Hub는 플러그 앤 플레이 AI 구성 요소의 호스팅 된 저장소로서 조직 내 실험 및 공동 작업 가능
  • AI 빌딩 블록을 사용하면 개발자가 시력, 언어, 대화 및 구조화 된 데이터를 응용 프로그램에 쉽게 추가
  • 코드 기반 데이터 과학 개발 환경 인 AI Platform을 사용하면 ML 개발자와 데이터 과학자가 프로젝트를 아이디어에서 배포까지 신속하게 수행

3) Microsoft Azure AI - 클라우드와 로컬 호스트 응용 프로그램 구성 요소 간의 통합에 중점을 둔 오픈 소스 AI 솔루션을 지원

  • 지식 마이닝 : 모든 컨텐츠 (문서, 이미지 및 미디어)에서 인공지능 기능이 내장된 클라우드 검색 서비스인 Azure Search를 사용하여 컨텐츠의 패턴과 관계를 발견, 핵심 구문을 추출하는 등의 작업 수행
  • 기계 학습 : Azure만이 가장 진보된 기계 학습 기능을 제공. Azure Machine Learning, Azure Databricks 및 ONNX를 사용하여 기계 학습 모델을 빠르고 쉽게 구축, 교육 및 배포 가능
  • AI 앱 및 에이전트 : 인지 서비스 및 봇 서비스를 통해 앱에서 제공.

4) IBM Watson - 여러 문서 형식의 AI 패턴 인식으로 비즈니스 분석을 위한 전용 솔루션을 제공

  • Watson은 데이터 가치를 극대화
  • 반복적인 작업에서 사용자를 자유롭게 함으로써 팀은 보다 창의적이고 가치가 높은 작업에 집중
  • Watson의 통찰력을 바탕으로 향후 비즈니스 결과를 예측하고 구체화할 수 있으며 실무 및 워크플로우 재고




업무 특화 인공지능(AI) 클라우드 솔루션


인공지능 클라우드 솔루션은 도메인별 문제 해결 및 프로세스 자동화를 위해 존재한다. 일반적인 솔루션에 비해 작업 별 솔루션의 이점은 구현을 단순화하고 제공된 맞춤형 접근 방식과의 관련성을 높일 수 있다.

특정 비즈니스 스트림 특성에 맞는 클라우드 인공지능 시스템을 활용하면 보다 포괄적인 솔루션의 사용을 보완할 수 있다. 이러한 시나리오에서는 자동화된 의사 결정 프로세스에서 원하는 결과가 달성될 때까지 데이터가 한 솔루션의 출력에서 다른 솔루션의 입력으로 전달된다. 인공지능에 대한 작업별 솔루션의 예는 다음과 같다.

  • Diffbot AI:X - 관계를 지능적으로 분석하여 웹 컨텐츠의 데이터 및 구조 메타 데이터를 추출
  • Monkey Learn - 프로세스 워크플로우 자동화 인텔리전스가 있는 문서에서 자연 언어 처리 (NLP) 및 텍스트 마이닝
  • Vector Space?- 금융 시장 및 암호 통화 추세를 예측하는 NLP 기계 학습 알고리즘
  • Spot Intelligence - 여러 형식의 비즈니스 문서를 처리하여 분석 및 프로세스 인텔리전스를 위한 정보 추출
  • Tisane Labs - 여러 언어로 된 텍스트 컨텐츠로부터 통찰력과 감성 분석을 추출할 수 있는 저렴한 NLP 플랫폼
  • Chatler AI - 학습 및 추천 인텔리전스를 통해 고객 지원 기능을 위한 라이브 채팅 엔진
  • Semanti - IPTC 미디어 표준에 따라 주제 식별 추출 및 분류가 가능한 웹 컨텐츠 추출 API
  • Edge Verve - 공급망 관리, 재무 및 마케팅 프로세스를 다루는 도메인 특정 비즈니스 응용 프로그램 전용 AI 모듈
  • Wipro Holmes - 비즈니스 프로세스를 자동화하고 운영을 재정의하는 솔루션을 위한 기술 및 컨설팅을 결합
  • Rainbird - 기업의 지식과 전문 지식을 조합하여 AI 솔루션과 결합하여보다 신속하고 효율적인 비즈니스 의사 결정을 지원
  • Ayasdi - 비즈니스 및 프로세스 기반 데이터 스트림을 위한 패턴 발견 및 예측 엔진
  • Receptiviti - 실시간 응답 프로세스를 위한 심리적, 감정적 프로파일 개발을 위한 커뮤니케이션 및 언어 분석




오픈 소스 인공지능(AI) 도구


오픈 소스 솔루션은 클라우드 또는 로컬 개발 플랫폼에 존재하며 비즈니스 인공지능(AI) 노력에 저렴한 비용으로 더 많은 관리 및 제어 기능을 제공할 수 있다. 많은 클라우드 솔루션이 오픈 소스 모듈을 지원하기 때문에 내부적으로 개발하면 잠재적 인 구현을 테스트하기 위한 좋은 출발점이 될 수 있다.

오픈 소스 인공지능 솔루션의 또 다른 장점은 개발 된 맞춤형 솔루션에 대한 지적 재산권을 보유할 수 있는 유연성과 능력이다. 오픈 소스 AI 도구의 예는 다음과 같다.

  • WIT AI - 텍스트를 실행 가능한 프로세스로 변환하는 커뮤니티 기반의 자연어 처리 알고리즘 API
  • R 프로그래밍 - R 프로그래밍 환경을 위한 기계 학습 패키지의 라이브러리로 AI 솔루션을 개발
  • Acumos AI - 배포 가능한 솔루션을 구축하기 위한 기계 학습 모듈 시장에 액세스할 수 있는 데이터 과학자 및 개발자를 위한 AI 엔진
  • Caffe 2 - Facebook에서 개발한 크로스 플랫폼 배포 지원을 통해 모듈식 및 경량의 심층 학습 프레임워크
  • Tensor Flow - Google에서 개발한 수치 및 과학 데이터 흐름을 대상으로 하는 기계 학습 프레임워크




비즈니스 프로세스에 인공지능(AI) 통합


인공지능 클라우드 솔루션을 활용하려면 비즈니스 환경에서 몇 가지 전제 조건이 필요하다. 고려해야 할 비즈니스 프로세스를 위해 인공지능 솔루션 구현에 대한 비용 편익 분석을 수행할 필요가 있다. 인공지능으로부터 가장 많은 혜택을 받는 것으로 간주되는 프로세스들은 이를 둘러싼 프로세스에 영향을 미칠 것이다. 따라서 구현에 대한 흐름과 전체적인 분석 또한 건설적일 것이다.

인공지능 시행은 특히 인건비 대체로 비용절감이 현실화될 경우 직원들의 사기를 떨어뜨릴 수 있다. 이는 구현과 관련된 사람과 만족스러운 전환 시나리오로 대체하기 위해 관리되어야 한다.

기술개발은 기존의 프로세스 인프라, 프로그래밍 언어, 입출력 요건과 원활하게 통합될 필요가 있다. 설계는 어떤 입력이 존재하며 원하는 출력이 무엇이 될 것인지를 정의하는 것으로 시작할 수 있다. 그런 다음 최종 결과가 원하는 값 이득과 일치하도록 적응된 솔루션을 선택하고 이러한 정의에 따라 조정할 수 있다.



참고문헌



  2. https://aws.amazon.com/ko/machine-learning/
  3. https://cloud.google.com/products/ai/
  4. https://azure.microsoft.com/en-us/overview/ai-platform/
  5. https://www.ibm.com/watson