Frost & Sullivan / 배순한
지금은?4차산업 혁명시대이다. 클라우드컴퓨팅(Cloud Computing), IoT(사물인터넷), 인공지능(AI), 빅데이터(Big data) 등의 기술들이 기존산업과 융합하여 산업구조를 변화시키고 새로운 비즈니스 모델을 창출시키고 있다. 그리고 이러한 변화는 4차 산업혁명 기술이 보유한 초연결성(Hyper-Connected)과?초 지능화(Hyper-Intelligent) 특성에서 기인한 것이다.
먼저, IoT와 Cloud의 발전과 확산은 인간과 인간, 인간과 사물 및 사물과?사물 간의?연결성을 기하급수적으로 증가시켜, 초연결성?기반을 둔?새로운 플랫폼 비즈니스?모델을 성공할 수 있게 했다. 그리고 AI와?Big data?기술 등의 연계와 융합으로?사이버 물리시스템(CSP, Cyber-Physical System) 기반의?초 지능화된?생산 운영체로써?스마트팩토리(Smart Factory)가?다양한?산업 분야에서?도입되고 있다. 하지만 이 모든 변화는 GPU(Graphics Processing Unit)를 통한 연산의 고속병렬처리와 클라우드로 많은 자원의 신속한 전개와 방대한 데이터의 분석 처리가 가능해 지면서 현실화?된 것이다. 결국엔 클라우드가 4차 산업혁명 기술의 구현과 확산에 결정적인 역할을 하고 있으며, AI 대중화를?이끄는?셈이다.?그리고?이를 방증하듯, 글로벌 클라우드?빅3 업체인?아마존웹서비스(AWS), 구글, 마이크로소프트(MS)는 AI 및 ML을 효율적으로 도입·활용하기 위해 기존 클라우드 플랫폼을 개선하거나 새로운 기능을 추가한 클라우드 AI 서비스(AI as a Service)를 개발, 출시 중이다. 지금은 4차 산업혁명과 더불어 글로벌 클라우드 플랫폼의 새로운 경쟁이 시작되었으며, 클라우드 시장의 새로운 전략 포인트는 ‘AIaaS(AI as a Service)’ 인 것이다.
먼저 AWS CEO 앤디 제시는 기조연설에서 기업 혁신을 위한 “디지털?트랜스포메이션(Digital Transformation)”을 강조하며, 실용성을 높인 신규 AWS 인공지능 클라우드 서비스를 대거 공개했다. AWS는?개발자들뿐만?아니라 일반인들도 인공지능을 더 쉽게 활용하고 개발할 수 있는 환경을 제공해 왔다.?몇 년 전?선보인?딥렌즈는?컴퓨터 비전을 개발하고 즉시 테스트해볼 수 있는 하드웨어이며,?딥레이서는?인공지능 기반 자율주행 알고리즘을 개발하고 테스트할 수 있는 환경을 제공했다.?뿐만 아니라?AWS?세이지메이커를?통해 데이터를 준비하고,?머신러닝?모델을 개발해 학습시키고, 실제 하드웨어에 배포하는 작업 등을 하나의 콘솔에서 할 수 있어, 개발자는 쉽고 재미있는 개발 환경을?경험할?수 있다. 이외에도 AWS는 별도의 인프라 없이 강화학습 시뮬레이션을 실행할 수 있는 AWS?로보메이커, 인공위성 데이터를 클라우드 데이터센터에서 수집해 활용할 수 있는 AWS?그라운드?스테이션, 양자 컴퓨팅 환경을 구축하고 테스트할 수 있는 완전 관리형 서비스 아마존?브라켓?등 기업이 구축하기에는?큰 비용과?인력이 드는 인프라를?클라우드 상에서?제공해, 기술을 더 쉽게 접하고 테스트할 수 있도록 했다. 특히 AWS는 기업들의 수익성 개선을 지원하는 아마존?퍼스널라이즈와?포어캐스트?등의 서비스를 제공해왔다. 두 서비스는 수년간 아마존이?e커머스?사업을 통해 쌓은 개인화 추천 및 물류 예측 등을 바탕으로 제공하는 인공지능 기반 서비스로 기업이 여기에 자사의 데이터를 입력하는 것만으로 인공지능 기반 서비스를 구축할 수 있다. 현재까지 AWS는 인공지능 및?머신러닝과 관련된 신규서비스로?AI 서비스(아마존?트랜스크라이브?메디컬, 아마존?켄드라, 아마존?프로드?디텍터, 아마존?코드그루),?ML 서비스(증강 AI,?세이지메이커?스튜디오 IDE), ML?프레임워크?및 인프라(아마존 ML?인퍼런스?인스턴스) 등 총 12가지 기능을 업그레이드 중이며,?AIaaS(AI as a Service) 선두 자리를 계속 고수 할 것으로 전망된다.
구글은 클라우드와 AI를 이용해 산업용 차세대 앱?개발을?추진 중이다. 구글과?SAP는?고객에게 AI와?머신 러닝을?활용한 새로운 유형의 데이터?드리븐?애플리케이션을?만들고 이를 산업 특화 버전으로 제공한다. 구글의 이런 전략은 클라우드 담당 CEO인 토마스?쿠리안이?지난 2월 투자자?콘퍼런스에서?다시 한 번?강조한 것으로, AI를 활용한 산업용 솔루션을 통해 클라우드의 새로운 시대를 열고자 한다는 것이다. 이는 기존에 비즈니스 프로세스 자동화에 해당하는 CRM(고객 관계 관리; Customer Relationship Management), ERP(전사적 자원 관리; Enterprise Resource Planning), 공급망 관리,?로지스틱스?등을 대체하는 것이 아니라 기존의 ERP나 공급망 솔루션을 유지한 채?머신러닝과?데이터 분석 플랫폼을 이용해 데이터를 추출하고 분석이 가능한 AI 서비스를 제공하는 것이다. 특히 올해 초?서울리전에서?서비스를 개시한 구글 클라우드의?GCP(Google Cloud Platform) 서비스는?가상머신(VM)과?컨테이너, 다양한 유형의 데이터 저장공간과 데이터베이스(DB),?머신러닝(ML) 및 인공지능(AI) 기술을 포함한?서버리스?API와 전통적인 데이터 분석 도구의?온디맨드?버전, ML에 특화된 하드웨어 자원 등 다양한 서비스 구성요소를 포함하고 있다. 구글 클라우드의?GCP는 각지 서비스 인프라, 클라우드 자원의 기반 기술 지원을 통해?전 세계?소프트웨어 생태계에서 빠르게 확장하고 있으며, 국내에서도?온프레미스?환경을?GCP?상으로?구축할?수 있도록 제공함으로써 국내 기업의 데이터 전환을?가속하고?있다.
마이크로소프트(MS)는 AI 서비스를 직접 제공해 데이터만 삽입하면 바로 사용할 수 있는 서비스와 맞춤형?머신러닝?모델을 생성, 서비스 형태로 배포 후 타 시스템, 데이터와 연계할 수 있는 AI 플랫폼을 제공하고 있다. MS의?애저?머신러닝(Azure ML)으로 API 형태로 호출해 사용하는 서비스뿐만 아니라?머신러닝?또한 서비스 형태로 제공해 빠르게 모델을?빌드하고?배포할 수 있다.
‘애저 머신러닝’은 생산성 향상 및 ML 액세스, 대규모 운영, 책임 있는 AI 솔루션 빌드, 개방형 플랫폼 기반 혁신 등 네 가지 특징이 있다. 먼저 기술 수준과 관계없이 요구 사항을 충족하는 도구를 사용해 머신러닝 모델을 빠르게 빌드하고 배포할 수 있다. 이는 코드 없는 디자이너를 사용해 시작하거나, 코드 중심 환경에는 주피터 노트북(Jupyter Notebook)을 사용할 수 있다. 특히, 자동화된 머신러닝 UI를 사용해 빠르게 모델을 만들고 엔지니어링 알고리즘 선택 및 하이퍼 파라미터 변수 비우기 등에 액세스해 정확도가 높은 모델을 개발할 수 있다.
대규모 운영 측면에서 머신러닝을 위한 MLOps는 모델 빌드에서 배포 및 관리에 이르는 수명 주기를 간소화할 수 있다. 또 ML 파이프라인을 사용해 반복 가능한 워크플로우를 빌드하고, 풍부한 모델 레지스트리를 사용할 수 있다. 아울러, 고급 경고 및 기계 학습 자동화 기능도 사용해 워크플로를 대규모로 관리한다. 클라우드에서 에지까지 머신러닝 모델을 프로파일링, 유효성 검사 및 배포해 대규모의 ML 워크플로우를 관리할 수 있다. 이외에 머신러닝 모델 학습 및 추론을 위한 오픈소스 도구 및 프레임워크를 지원할 수 있다. 파이토치(PyTorch), 텐서플로우(TensorFlow) 및 스키킷-런(scikit-learn)과 같은 프레임워크나 상호 운용 가능한 개방형 오닉스(ONNX) 형식을 사용할 수 있다. 특히, 많이 사용되는 IDE, 주피터 노트북 및 CLI를 포함해 요구 사항에 가장 적합한 개발 도구나 파이썬 및 R과 같은 언어를 선택할 수 있다. 또한 오닉스 런타임(ONNX Runtime)을 사용해 전체 클라우드 및 에지 디바이스에서 추론을 최적화하고 가속할 수 있다.
이제 클라우드 서비스는?백엔드에서?기업 자원의 효율적 활용과 최적화라는 본연의 목적을 넘어 인공지능 서비스 제공과 개발지원으로?프론트?엔드?비즈니스 전반의 생산성 향상에?기여하는?모델로 진화하고 있다. 특히 이미 개발된 API 형태의 AI 서비스를 호출해 활용하는 형태와 자사 데이터로 맞춤형?머신러닝?모델을 생성하고, 서비스 형태로 배포한 후 타 시스템/데이터와 연계하는 방법으로 기업의 생산성 향상뿐만 아니라 인공지능 서비스 도입에 따른 위험과 기술의 진입 장벽을 낮추는 효과를 가져왔다. 클라우드 도입으로 기업들은 인공지능의 전문지식과 경험을 보유한 훈련된 데이터엔지니어와 데이터?사이언티스트가?없이, 기업 본연의 업종에 맞는?머신러닝?모델을 개발하고 활용할 수 있다. 직접적인?R&D?투자와 양질의 데이터를 확보할 필요 없이 이미 제공되는 서비스를 자유롭게 구성하고 연계해 빠르게 비즈니스에?적용할 수 있다. 이처럼 클라우드 서비스 장점을 극대화하고, 비교적 손쉬운 인공지능?기술을 구현할 수 있게 하는?클라우드 AI 서비스는 클라우드 시장의 성장을 당분간 견인할 것이며,?다시 한 번?더 글로벌 클라우드 시장은 AI·ML 개발 및 서비스에 최적화된 클라우드 플랫폼 구축 경쟁이 치열할 것으로 전망된다.
저작권정책
K-ICT 클라우드혁신센터의 저작물인 『인공지능 서비스 경쟁의 핵심무기 클라우드 AI 서비스(AI as a Service)』는 K-ICT 클라우드혁신센터에서 Frost & Sullivan의 배순한 박사에게 집필 자문을 받아 발행한 전문정보 브리프로, K-ICT 클라우드혁신센터의 저작권정책에 따라 이용할 수 있습니다.
다만 사진, 이미지, 인용자료 등 제3자에게 저작권이 있는 경우 원저작권자가 정한 바에 따릅니다.