어떻게 시작할 것인가?

JayLee Consumer AI, Roadmap

IBM Assistant(이전의 Watson Conversation Service의 새로운 명칭)나 Microsoft의 LUIS가 가진 기능을 충분히 활용한, 성공적 프로젝트 사례가 많지 않음에도 불구하고, ‘그럭 저럭 사람말을 알아 먹는듯한 챗봇 구축에 일조한 경험’이 알려지면서, 머신러닝 기반의 챗봇을 구축하고자 하는 기관/기업의 문의에 응대하는 회수가 점점 늘어나고 있다.

이 과정에서 적지 않은 업무의 담당자 혹은 의사결정권자들 가운데 적지 않은 분들로부터, “아직 시기상조가 아니냐?”라는 의견이자 주장 그리고 질문을 동시에 받는 경우가 적지 않다. 이러한 분들에게 권고하고 싶은 이야기가 오늘 새롭게 도착한, Andrew Ng의 새로운 저작의 초고에 담겨 있다.

당연히 해당 저작은 Andrew의 지적자산이기 때문제 전체를 옮길 수는 없지만, 오늘 배포된 초안의 마지막 페이지에 다음과 같이 언급되어 있다.

  • When you start a new project, especially if it is in an area in which you are not an expert,
    it is hard to correctly guess the most promising directions.
  • So don’t start off trying to design and build the perfect system. Instead build and train a
    basic system as quickly as possible—perhaps in a few days. Then use error analysis to
    help you identify the most promising directions and iteratively improve your algorithm
    from there.

 

글 자체는 일견 당연한 이야기 일 수 있다. 즉 그것이 임직원을 위한 시스템이던, 일반 고객을 대상으로 하는 서비스이던, 머신러닝 기반의 챗봇 영역이 전문가가 아닌 기업/기관의 입장에서 처음부터 제대로된 방향을 예측하기 어렵다는 점은 당연한 것인지도 모른다.

이에 두 가지 경향이 나타나는데,

  1. 자신들은 시장의 선두주자도 아니고, 먼저 시행착오를 각오한 리스크를 가질 수는 없다는 판단 때문에 충분히 시장에서 시행착오를 거친 후, 어느정도 검증된 이후에 도입을 해 보겠다는 입장
  2. 면밀한 준비와 비교, 사전조사 등을 통해 나름 완벽한 시스템을 구축할 수 있는 내적준비와 외부 협력업체를 선정해 보겠다는 입장

이 2가지로 나뉜다.

먼저 ‘시기상조론’을 주장하거나, 확인 받고자 하는 분들의 경향/입장에 대해서는 별다른 설득의 노력을 기울이지 않는다. 어차피 시행착오와 실수의 과정 조차 자산으로 삼으면서, 해당 기업/기관이 인공지능, 가상비서, 디지털 임직원의 도래를 능동적으로 맞이하려는 시도를 대신해 줄 능력을 우리 팀이 가지고 있지 못하기 때문이다.

하지만 두 번째 경향/입장을 가진 담당자/의사결정권자들에게는 반드시 전달하고자 하는 메시지가 존재하는데 바로, Andrew Ng이 이야기 하는 위의 권고다. 완벽한 것을 찾을 수 있으리라 기대하지 말고, 끊임 없이 발생할 수 밖에 없는 에러, 시행착오를 빠르게 교정할 수 있는 것에 오히려 집중해야 한다는 의견에 전적으로 동의한다.

 

그런데 문제는 두 번째 경향, 입장을 가진 기업/기관들이 흔히 하는 잘못된 판단/시도가 바로 수 십억원의 예산, 6개월 이상의 오랜 기간을 통해 뭔가 대단한 플랫폼, 만능의 결과물을 얻어낼 수 있는 기반을 만들어 보겠다는 시도들이다. IBM, MS, Amazon, Google 등 AI 원천기술/인력/노하우를 지닌 기업들이 제공하고 있는 Conversation 즉 대화형 문제해결 기술/서비스는 일년에 수 차례씩 새로운 기능/시도를 녹여내고 있다. 이 가운데 몇 몇 기능들은 업무 적용과정에 긍정적 영향을 지닐 수 있는 기능들을 포함하고 있음은 물론이다.

그런데 수 십억원의 예산을 들여 오랜동안 사용할 수 있는 인프라/플랫폼을 구축하겠다는 일견 그럴듯한 시도들의 이렇게 끊임 없이 진화를 고민하고 있는 변화에 뒤쳐진 결과를 얻게될 확률이 압도적으로 높을 수 밖에 없다. Gartner와 McKinsey의 지적/권고와는 반대로 가고 있는 것이다. 그리고 실제로 최근 1-2년 사이에 이러한 시도 대부분이 실패를 했거나, 난항을 거듭하고 있다는 소식이다.

https://www.gartner.com/imagesrv/media-products/pdf/rage_frameworks/rage-frameworks-1-34JHQ0K.pdf

https://mck.co/2iCPq53

Andrew Ng의 지적/권고대로 며칠이 어렵다면 수 주 내 구현과 검증가능한 결과물을 만들어 낼 수 있는 가볍고 빠른 움직임으로 기관/조직이 도입하고자 하는 결과물의 프로토타입을 만들어내고, 실제 다음 과정을 담당하거나 책임질 구성원/조직/업무의 흐름을 정의하고 본격적인 도입과 확장을 진행할 것을 권고한다.

머신러닝 기반의 AI 솔루션/서비스를 도입하는 행위는, 서버장비 혹은 DBMS를 도입하는 것과는 전혀 다른 업무이다. 한 번 도입/구축하고 나면 대단한 인공지능 업무지원 시스템이 만들어지는 것이 아니라, 대내/외 고객 지원 담당/마케팅/홍보/영업지원/보안/준법 등 다양한 현업부서가 책임지고 있는 ‘답변(Response)’을 훈련시키는 것으로, 사용자들의 의도를 파악하고 문제 해결을 돕기 위한 업무/조직/프로세스 개선(PI)의 동반이 요구되는, 조직내 업무/역할의 변화까지를 요구하는 업무시스템이기 때문이다.

Andrew Ng은 구글의 브레인 프로젝트를 이끌었던 머신러닝 업계의 대표적 학자이자, MOOC의 선두주자인 Coursera 를 설립했던, 바이두의 수석과학자이기도 했다.

https://en.wikipedia.org/wiki/Andrew_Ng

그리고 해당 저작의 초안을 받고자 하는 사람들이라면 누구나

http://www.mlyearning.org/ 이 사이트를 방문해서 메일주소를 기록해 두면, 해당 저작의 초안을 메일로 보내주고 있다.