Áö³ ù ¹ø° ±Û¿¡¼´Â ÃÊ°³ÀÎÈÀÇ °³³ä°ú Á߿伺, ÃÊ°³ÀÎÈ ¿ª·®Ã¼°è ¹× ½Ã½ºÅÛµðÀÚÀÎ, ¿ª·®Ã¼°è ±¸¼ºÀ» À§ÇÑ ·Îµå¸Ê µî¿¡ ´ëÇØ °íÂûÇØ º¸¾Ò´Ù.
À̹ø 2Â÷ ±â°í¿¡¼´Â ÃÊ°³ÀÎÈ ¿ª·®Ã¼°è Àü¹Ý(Ãßõ½Ã½ºÅÛ ¹× Çǵå¹é ¸ÅÄ¿´ÏÁò Áß½É)¿¡ ´ëÇÑ »ó¼¼ÇÑ ¼³¸í, ÇÙ½É °í·Á»çÇ×, Ŭ¶ó¿ìµå ÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º(Cloud In-Database Analytics)°¡ ¿ä±¸µÇ´Â ÀÌÀ¯, ÃÊ°³ÀÎÈ ½Ã½ºÅÛ ±¸ÇöÀ» À§ÇÑ Å׶óµ¥ÀÌÅÍ Å¬¶ó¿ìµå µ¥ÀÌÅÍ»çÀ̾𽺠¼Ö·ç¼Çµé¿¡ ´ëÇØ ³íÀÇÇÏ·Á°í ÇÑ´Ù.
¡ßÃÊ°³ÀÎÈ °í°´ºÐ¼® AI¸ðµ¨Ã¼°è
ÃÊ(õ±) °³ÀÎÈ(Hyper-Personalization)¸¦ À§ÇÑ ¿ª·®Ã¼°è´Â ¡ã°í°´ 360° ºä ¡ãÃÊ°³ÀÎÈ °í°´ºÐ¼® AI¸ðµ¨ ¡ãÃÊ°³ÀÎÈ ¾ÆÀÌÅÛ ½ºÅä¾î ¡ãÀÇ»ç°áÁ¤ ¿£Áø ¡ãÃÊ°³ÀÎÈ ¸¶ÄÉÆà ½ÇÇà ¹× °í°´ ¹ÝÀÀÁ¤º¸ ¼öÁý ¡ãAI¸ðµ¨ °íµµÈ¸¦ À§ÇÑ Çǵå¹é ¸ÅÄ¿´ÏÁò ÀÌ·¸°Ô 6°¡Áö·Î ±¸¼ºµÈ´Ù.
6´ë ±¸¼º¿ä¼Ò Áß, ¡ãÃÊ°³ÀÎÈ °í°´ºÐ¼® AI ¸ðµ¨Ã¼°è´Â 4W(To Whom, What, When, Why) ¹× 1H(How) 5°³ ¸ðµ¨·Î ¿î¿µµÈ´Ù.
5°³ ¸ðµ¨Àº ¸ðµÎ ´Ù¸¥ ÇнÀµ¥ÀÌÅÍ, ¸ðµ¨Æò°¡ ¸ÅÆ®¸¯½º°¡ ¿ä±¸µÇ¸ç, À߸øµÈ ¿¹ÃøÀÌ °í°´¿¡°Ô Àü´ÞµÉ °æ¿ì ¹ß»ýÇÒ ¼ö ÀÖ´Â ºñ¿ë(Business Cost)ÀÇ À¯Çüµµ ¸ðµÎ »óÀÌÇÏ´Ù.
»ó´ëÀûÀ¸·Î ³À̵µ°¡ ³·Àº ‘Åõ ÈÉ(To Whom)’ ¸ðµ¨ÀÇ °æ¿ì, ¸Ó½Å·¯´× ¸ðµ¨ÀÌ ¿ä±¸µÇÁö ¾Ê´Â °æ¿ìµµ Àִµ¥ »óÇ°/¼ºñ½º º¯°æ ¹ß»ý ½Ã ÇØ´ç Á¤º¸¿Í °ü·Ã¼ºÀÌ ÀÖ´Â °í°´±ºÀ» ÃßÃâÇÏ´Â °ÍÀÌ ±× ¿¹À̸ç, ±âÁ¸ÀÇ ÇÊÅ͸µ, ¼¼±×¸ÕÅ×ÀÌ¼Ç µî Å×Å©´ÐÀ¸·Î Ä¿¹Â´ÏÄÉÀÌ¼Ç ´ë»ó °í°´±º ÃßÃâÀÌ °¡´ÉÇϸç ÃÊ°³ÀÎÈ ¿µ¿ªÀ̶ó°í´Â º¼ ¼ö ¾ø´Ù.
¹Ý¸é, Àü·« »óÇ° ¶Ç´Â ¼ºñ½º È«º¸ Ÿ±ê°í°´ ÃßÃâÀ» À§Çؼ´Â Å©·Î½º ¾÷¼¿(Cross/Up Sell) Ãßõ¿£Áø(Recommendation Engine)°ú °°Àº ¸Ó½Å·¯´× ¸ðµ¨À» È°¿ëÇØ ÇØ´ç ¿ÀÆÛ¿¡ ´ëÇÑ ¼ö¶ô È®·üÀÌ ³ôÀº °í°´ ¸ñ·ÏÀ» ÃßÃâ ÈÄ, ¸¶ÄÉÆà ÀÚ¿øÀ» °í·Á, ÃÖÁ¾ÀûÀÎ ÀÇ»ç°áÁ¤À» ÇÒ ¼ö ÀÖ´Ù.
ÇÑ °¡Áö °í·Á»çÇ×ÀÌ ÀÖ´Ù¸é, °³º° °í°´ÀÇ À¯ÀÔÀÌ Æ®¸®°Å°¡ µÇ´Â °æ¿ì ‘Åõ ÈÉ(To Whom)’ ¸ðµ¨Àº ¿ä±¸µÇÁö ¾Ê±â¿¡ Àüü ÆÄÀÌÇÁ¶óÀο¡¼ Á¦¿ÜµÈ´Ù.
µðÁöÅÐÀºÇà ¹× º¸Çè»ç, ÀÌÄ¿¸Ó½º, Ä¿¹Â´ÏÄÉÀÌ¼Ç ¼ºñ½º µî ºñÁî´Ï½º¿¡¼´Â °³º° °í°´ÀÇ À¯ÀÔÀÌ Æ®¸®°Å°¡ µÇ´Â °æ¿ì°¡ ´ëºÎºÐÀÌ´Ù.
¸®Å×ÀÏ ºñÁî´Ï½ºÀÇ °æ¿ì¿¡µµ, ¿¹¸¦ µé¾î ¿ÀÇÁ¶óÀÎ ¸ÅÀå¿¡ ¸¶ÄÉÆà ´ë»ó °í°´ÀÌ ÁøÀÔÇÑ °ÍÀ» ½Äº°ÇÑ °æ¿ì ‘Åõ ÈÉ(To Whom)’ ¸ðµ¨ÀÌ ¾Æ´Ñ ‘Ãßõ(What)’ ¸ðµ¨ºÎÅÍ ÆÄÀÌÇÁ¶óÀÎÀº ¿î¿µµÈ´Ù.
‘Ãßõ(What)’ ¸ðµ¨ÀÇ °æ¿ì, ÇØ¿ÜÀú³Î ³í¹®, ¿©·¯ º¥´õµéÀÇ ¼Ö·ç¼Ç¿¡¼´Â ¿µ¹®Ç¥ÇöÀ¸·Î ‘Next Best Offering(or Action) Model’, ‘Predictive Offer Recommendation Model’, ‘ML Recommender’ µî ¿©·¯°¡Áö ¿ë¾î°¡ »ç¿ëµÇ°í ÀÖ´Ù.
Ãßõ¸ðµ¨ÀÇ °¡Àå Å« ¿ªÇÒÀº, °³º°°í°´ÀÌ ¼ö¶ôÇÒ È®·üÀÌ °¡Àå ³ôÀº ¿ÀÆÛ¸¦ µ¥ÀÌÅÍ»çÀ̾𽺠¹× Ŭ¶ó¿ìµå ¾Ö³Î¸®Æ½½º µî Å×Å©´ÐÀ» È°¿ëÇÏ¿© ½Ç½Ã°£À¸·Î ÃßÃâÇÏ´Â °Í¿¡ ÀÖ´Ù.
ÀÌ°°Àº Ãßõ¸ðµ¨ÀÇ ¼º°ø(Success)Àº ‘°³º°°í°´¿¡°Ô °ú¿¬ ÃÊ°³ÀÎÈµÈ °æÇèÀ» Á¦°øÇÏ´À³Ä?’¶ó´Â °üÁ¡À¸·Î ÃøÁ¤ÇÒ ¼ö ÀÖÀ¸¸ç, À߸øµÈ ¿¹ÃøÀº ±¸±Û ÀλçÀÌÆ®(Think With Google) ¹× µô·ÎÀÌÆ®(Deloitte) ¼³¹®°á°ú(1Â÷ ±â°í)ó·³ °í°´ÀÌ ¿ÀÈ÷·Á ¸Þ½ÃÁö¸¦ Â÷´ÜÇϰųª, ¼ºñ½º¸¦ Å»ÅðÇÏ´Â ºñ¿ë(Cost)À» ÃÊ·¡ ÇÒ ¼ö ÀÖ´Ù.
ºñ¿ë ¾øÀÌ, ¼º°øÀûÀÎ Ãßõ¸ðµ¨À» °³¹ßÇÏ°í ºñÁî´Ï½º¿¡ Àû¿ëÇϱâ À§Çؼ´Â ¾î¶»°Ô ÇØ¾ß ÇÒ±î? ¸¹Àº °í·Á»çÇ×ÀÌ Á¸ÀçÇϳª, À̹ø ±Û¿¡¼´Â 3°¡Áö ´ëÇ¥ÀûÀÎ °í·Á»çÇ×À» ¸ÕÀú °øÀ¯ µå¸®°íÀÚ ÇÑ´Ù.
1. ¾ÆÀÌÅÛ ½ºÅä¾î(Item Store) ±¸Çö ¹× ½Ç½Ã°£ Ãà¾à(Short-Listed) ¾ÆÀÌÅÛ ¸®½ºÆ® ÃßÃâ Å×Å©´Ð =
¸¸¾à °³º°°í°´¿¡°Ô Á¦½Ã ÇÒ ¾ÆÀÌÅÛ(»óÇ°, ¼ºñ½º ¶Ç´Â Á¤º¸)ÀÇ ¼ö°¡ ¼öõ°³¸¦ ³ÑÁö ¾ÊÀ¸¸ç, ´ëºÎºÐ Á¤ÇüÈµÇ¾î °ü¸®µÇ°í ÀÖ´Ù¸é ¾ÆÀÌÅÛ ½ºÅä¾î(Item Store)¸¦ º°µµ·Î ±¸ÇöÇϰųª ½Ç½Ã°£À¸·Î Ãà¾à(Short-Listed) ¾ÆÀÌÅÛ¸®½ºÆ®¸¦ ÃßÃâÇÒ Çʿ伺Àº ³ôÁö ¾Ê´Ù.
ÇÏÁö¸¸ µðÁöÅÐ ³×ÀÌƼºê(Digital Native) ºñÁî´Ï½ºÀÇ °æ¿ì, ¾ÆÀÌÅÛ ¼ö°¡ ÃÖ¼Ò ¼ö¸¸°³´Â ³ÑÀ¸¸ç, °è¼ÓÇؼ »ý¼ºµÇ°í º¯°æµÉ °ÍÀ̸ç, ¿µ»ó/À̹ÌÁö µî ºñÁ¤ÇüÈµÈ ÄÁÅÙÃ÷ÀÇ ºñÁßµµ ±²ÀåÈ÷ ³ôÀ» °Í ÀÌ´Ù.
º°µµÀÇ ¾ÆÀÌÅÛ ½ºÅä¾î¸¦ ±¸ÃàÇÏ°í, Á¤¹Ðµµ(Precision) º¸´Ù´Â ÀçÇöÀ²(Recall)¿¡ ÁßÁ¡À» µÐ ½Ç½Ã°£ Ãà¾à(Short-Listed) ¾ÆÀÌÅÛ ÃßÃâ Å×Å©´ÐÀ» °³¹ßÇÏ°í ³»ÀçÈÇÏ´Â °ÍÀÌ ¿ä±¸µÈ´Ù.
2. ½Ç½Ã°£ Ãßõ ¾ÆÀÌÅÛ ÃßÃâÀ» À§ÇÑ ¿£ÅÍÇÁ¶óÀÌÁî ÇÇó½ºÅä¾î(Enterprise Feature Store) =
‘¿£ÅÍÇÁ¶óÀÌÁî ÇÇó½ºÅä¾î(Enterprise Feature Store)’¶ó´Â °³³äÀº ƯÁ¤ ¸Ó½Å·¯´× ÇÁ·ÎÁ§Æ®¸¦ À§ÇØ ÇÇó ¿£Áö´Ï¾î¸µ(Feature Engineering) ±â¹ýÀ¸·Î »ý¼ºµÈ º¯¼öµéÀ» ´Ù¸¥ ¸Ó½Å·¯´× ÇÁ·ÎÁ§Æ®¸¦ À§ÇØ Áß¾ÓÈÇØ Àü»çÀûÀ¸·Î ÀÚ»êÈÇÏÀÚ´Â ¾ÆÀ̵ð¾î¿¡¼ ½ÃÀ۵ƴÙ.
¾Æ·¡ ±×¸²°ú °°ÀÌ, ÃÊ°³ÀÎȸ¦ À§ÇÑ ¿©·¯ °í°´ºÐ¼® À¯ÁîÄÉÀ̽º¿¡ ´ëÇØ °øÅëÀ¸·Î È°¿ëµÉ ¼ö ÀÖ´Â º¯¼öµéÀ» »çÀü¿¡ Á¤ÀÇÇÏ°í ÀçÈ°¿ë¼º(Reusability)ÀÌ ³ôÀº º¯¼öµéÀº ¿ÀÇÁ¶óÀΠȯ°æ¿¡¼ ÇÇó ¿£Áö´Ï¾î¸µ ±â¹ýÀ» Àû¿ëÇØ »ý¼º ÈÄ, ÇÇó½ºÅä¾î¸¦ ÅëÇØ Áß¾ÓÈ·ÀÚ»êÈÇØ ´Ù¸¥ ¸Ó½Å·¯´× ÇÁ·ÎÁ§Æ® ÆÀ¿¡°Ô Á¦°øÇÏÀÚ´Â °ÍÀÌ´Ù.
ÀÌ °³³äÀ» ÃÊ°³ÀÎÈ¿¡ Àû¿ëÇÑ´Ù¸é, ÃÊ°³ÀÎÈ °í°´ºÐ¼® AI¸ðµ¨ÀÇ ÁÖ¿ä À¯ÀǺ¯¼ö(Top Predictors) µéÀ» ¿ÀÇÁ¶óÀΠȯ°æ¿¡¼ ¹Ì¸® »ý¼ºÇÏ¿© ÇÇó½ºÅä¾î¸¦ ÅëÇØ °ü¸®Çϴ ü°è¸¦ °í·ÁÇØ º¼ ¼ö ÀÖ´Ù.
3~5ÃÊ ³», ½Ç½Ã°£ Ãßõ ¾ÆÀÌÅÛ ÃßÃâÀ» À§ÇÑ Å¬¶ó¿ìµå ÇÇó½ºÅä¾î(Cloud Feature Store)°³³äÀ̶ó ÇÒ ¼ö ÀÖ´Ù.
1Â÷ ±â°í¿¡¼ ³íÀǵÈ, ÀÌ»ó°Å·¡(anomaly detection) ŽÁö ¹× °í°´¾Ë¸² ÃÊ°³ÀÎÈ ½Ã³ª¸®¿À¸¦ ¿¹·Î µé¸é, ÇÏ·ç Çѹø¾¿ °í°´ ÇѸí ÇѸíÀÇ ‘ÃÖ±Ù 3°³¿ù Æò±Õ ÀÌü ±Ý¾×’, ‘Æò±Õ ÀÌü ½Ã°£´ë’, ‘ÀºÇà ¾Û ·Î±×ÀκÎÅÍ ÀÌü±îÁö °É¸®´Â Æò±Õ½Ã°£’ µî º¯¼ö¸¦ ¿ÀÇÁ¶óÀΠȯ°æ¿¡¼ ¹Ì¸® »ý¼ºÇØ Å¬¶ó¿ìµå ÇÇó½ºÅä¾î¿¡ ÀúÀåÇصδ °ÍÀÌ´Ù.
ÀÌ·¸°Ô µÇ¸é, ÀÌ»ó°Å·¡ ŽÁö¸ðµ¨ ÆÄÀÌÇÁ¶óÀÎÀº À¯ÀǺ¯¼ö »ý¼ºÀ» À§ÇÑ µ¥ÀÌÅÍ ¼öÁý ¹× ÇÇó ¿£Áö´Ï¾î¸µ °úÁ¤À» »ý·«ÇÒ ¼ö ÀÖ¾î »ç±âÀÇ½É °Å·¡¿¡ ´ëÇØ °í°´¿¡°Ô »çÀüÀûÀ¸·Î ‘ÁÖÀÇ¿ä¸Á’ ¸Þ½ÃÁö¸¦ º¸³»´Â °ÍÀÌ ±â¼úÀûÀ¸·Î °¡´ÉÇØÁø´Ù.
µðÁöÅÐ ÀºÇà, º¸Çè»ç, ÀÌÄ¿¸Ó½º, Ä¿¹Â´ÏÄÉÀ̼Ǽºñ½º ºñÁî´Ï½º¿¡°Ô ¿£ÅÍÇÁ¶óÀÌÁî ÇÇó½ºÅä¾î(Enterprise Feature Store)´Â ÃÊ°³ÀÎȸ¦ À§ÇÑ Çʼö¿ª·®À¸·Î ÀÚ¸®¸Å±èÇÏ°í ÀÖ´Ù.
3. ÃÊ°³ÀÎÈ µÈ °æÇèÁ¦°øÀ» À§ÇØ °¡Àå ¾î·Á¿î °úÁ¦´Â ¾Ë°í¸®ÁòÀÌ ¾Æ´Ñ µ¥ÀÌÅÍ Àüó¸® =
ÃÊ°³ÀÎÈ Ãßõ¸ðµ¨ °³¹ß °úÁ¤¿¡¼ °Þ°Ô µÇ´Â °¡Àå ¾î·Á¿î °úÁ¦´Â µö·¯´×(Deep Learning) ¶Ç´Â °ÈÇнÀ(Reinforcement Learning) ¾Ë°í¸®ÁòÀÇ Æ©´×À̶ó°í »ý°¢Çϱ⠽±´Ù.
ÇÏÁö¸¸ ¿¹»ó°ú´Â ´Þ¸® ¾Ë°í¸®Áò Æ©´×º¸´Ù´Â Èñ¼Ò(Sparse) µ¥ÀÌÅÍ, ±× Áß¿¡¼µµ ¹ÐÁý(Dense) µ¥ÀÌÅÍ ¹× ¹üÁÖÇü(Categorical) µ¥ÀÌÅÍÀÇ Àü󸮰¡ ÃÊ°³ÀÎÈ Ãßõ¸ðµ¨ÀÇ ¼º°øÀû °³¹ß ±×¸®°í ¼º´ÉÀ» Á¿ìÇÏ´Â °¡Àå Áß¿äÇÑ ¿äÀÎÀÌ¸ç ¾î·Á¿î °úÁ¦´Ù.
¹ÐÁý µ¥ÀÌÅÍ ¹× ¹üÁÖÇü µ¥ÀÌÅÍ°¡ Àΰø½Å°æ¸Á(Neural Network) µî µö·¯´× ¾Ë°í¸®ÁòÀÌ ÇÊ¿äÇÑ ÇüÅ·ΠÀûÀýÈ÷ ÀüȯµÇÁö ¸øÇϸé, À߸øµÈ ÃÊ°³ÀÎÈ Ãßõ ¾ÆÀÌÅÛÀÌ »êÃâµÉ È®·üÀÌ ³ô¾ÆÁø´Ù.
¿¹¸¦ µé¾î, ¸¶À̵¥ÀÌÅÍ Ç÷§ÆûÀÇ ¸¹Àº °í°´µ¥ÀÌÅÍ°¡ ÀÌ·¯ÇÑ ¹ÐÁý ¶Ç´Â ¹üÁÖÇü ÇüÅ·ΠÁ¸ÀçÇÏ¸ç °íµµÈµÈ Àü󸮸¦ ¿ä±¸ÇÒ °ÍÀÌ´Ù.
ÀÌ¿¡, Á¤±ÔÈ(Normalization), ÀÓº£µù(Embedding) Å×À̺íÀ» ÅëÇÑ Àüȯ, Æä¾î¿ÍÀÌÁî(Pairwise) Á¶ÇÕ µî µ¥ÀÌÅÍ Àüó¸® Å×Å©´ÐÀ» ÀûÀýÈ÷ Àû¿ëÇÏ´Â °ÍÀÌ ¸¶À̵¥ÀÌÅͷκÎÅÍ ÃÊ°³ÀÎÈ °í°´ÀλçÀÌÆ®¸¦ ÃßÃâÇÒ ¼ö ÀÖ´Â °¡Àå Áß¿äÇÑ ¼º°ø¿äÀÎÀ̶ó ÇÒ ¼ö ÀÖ°Ú´Ù.
‘Åõ ÈÉ(To Whom)’°ú ‘Ãßõ(What)’ ¸ðµ¨¿¡ ´ëÇØ ³íÀÇ ÇØ º¸¾ÒÀ¸¸ç, ´ÙÀ½À¸·Î ‘½Ã°£´ë(When)’ ¸ðµ¨, Áï °³º°°í°´ ÃÖÀû ¿ÀÆ۽𣠿¹Ãø¸ðµ¨Àº ¸¶ÄÉÆà ķÆäÀο¡ ´ëÇÑ °í°´¹ÝÀÀÀÌ·ÂÀ» ÇнÀµ¥ÀÌÅÍ·Î »ç¿ëÇÒ ¼ö ÀÖ´Ù.
‘ÇÏ¿ì(How)’ ¸ðµ¨, Áï °³º°°í°´ ÃÖÀûä³Î ¿¹Ãø¸ðµ¨ ¿ª½Ã ¸¶Âù°¡Áö´Ù.
°í°´ÀÌ ¹ÝÀÀÇß´Ù¸é ¾î¶² ½Ã°£´ë(ÆòÀÏ/ÁÖ¸», ¿ÀÀü/¿ÀÈÄ/Àú³á µî)¿¡ ¹ÝÀÀÇß´ÂÁö, ¾î¶² ä³Î(¾Û Ǫ½¬, À̸ÞÀÏ, SMS, ¾Æ¿ô¹Ù¿îµå ÄÝ, À¥»çÀÌÆ® ¹è³Ê µî)·Î ¿ÀÆÛ¸¦ È®ÀÎÇϰųª ¼ö¶ôÇß´ÂÁö, ½Ã°£´ë¿¡ µû¶ó ä³Î¹ÝÀÀÀº ´Þ¶óÁö´ÂÁö µî ‘½Ã°£´ëº° ä³Îº° ¹ÝÀÀ¿©ºÎ’¸¦ Ÿ±êµ¥ÀÌÅÍ·Î Æ÷ÇÔÇÑ ÇнÀµ¥ÀÌÅ͸¦ »ý¼ºÇÒ ¼ö ÀÖ´Ù.
»ý¼ºµÈ ÇнÀµ¥ÀÌÅ͸¦ È°¿ëÇØ ‘½Ã°£´ë(When)’°ú ‘ä³Î(How)’ ¸ðµ¨À» °³¹ßÇÏ°í ºñÁî´Ï½º¿¡ Àû¿ëÇØ ‘Ãßõ(What)’ ¸ðµ¨¿¡ ÀÇÇÑ ÃÊ°³ÀÎÈ Ãßõ¾ÆÀÌÅÛÀÌ °í°´ÀÌ ¿øÇÏ´Â ½Ã°£´ë¿¡ ±×¸®°í ¿øÇϴ ä³ÎÀ» ÅëÇØ Àü´ÞµÇµµ·Ï ÇÒ ¼ö ÀÖ´Ù.
ÃÖÀû ¿ÀÆ۽ð£ ¹× ä³Î¿¹Ãø ¸ðµ¨À» ºñÁî´Ï½º¿¡ Àû¿ëÇϴµ¥ ÀÖ¾î °¡Àå Å« °úÁ¦´Â °í°´±ºÀÌ ¾Æ´Ñ °³º° °í°´´ÜÀ§·Î ¹ÝÀÀµ¥ÀÌÅ͸¦ ¼öÁýÇÏ°Ô µÇ¸é µ¥ÀÌÅÍ·® ÀÚü°¡ Àû¾î ¿¹Ãø·ÂÀÌ Å©°Ô ¶³¾îÁú ¼ö ÀÖ´Ù´Â °ÍÀÌ´Ù.
±× ´ë¾ÈÀ¸·Î °í°´ ÇÁ·ÎÇÊ À¯»çµµ(Similarity)¸¦ È°¿ëÇÑ Å×Å©´Ð, À̺¥Æ® ±â¹ÝÀÇ ÃÊ°³ÀÎÈ ¿ÀÆÛ Àü´ÞÅ×Å©´Ð, ºñÁî´Ï½º ·ê(Rule)À» Á¢¸ñÇÑ ÇÏÀ̺긮µå ¸ðµ¨ Å×Å©´Ð µîÀÌ È°¿ëµÇ°í ÀÖ´Ù.
‘½Ã°£´ë(When)’°ú ‘ä³Î(How) ¸ðµ¨’°ú °ü·Ã, °í°´ÇǷεµ(Fatigue)¿¡ ´ëÇÑ °í·Á ¿ª½Ã ÇÊ¿äÇÏ´Ù.
½º½º·Î µ¿ÀÇÇÑ ¸¶ÄÉÆà ķÆäÀο¡ ´ëÇؼµµ ÇÏ·ç¿¡ ³Ê¹« ¸¹Àº(ÃÖÀû ½Ã°£´ë¿¡ ÃÖÀû ä³ÎÀ» ÅëÇß´Ù ÇÏ´õ¶óµµ) ¸¶ÄÉÆà ķÆäÀÎ ¸Þ½ÃÁö¸¦ ¹Þ°ÔµÇ¸é ÃßÈÄ ¸¶ÄÉÆà ķÆäÀο¡ ´ëÇÑ ÁýÁßµµ Ç϶ô, °á°úÀûÀ¸·Î ¸¶ÄÉÆà ķÆäÀÎ ROI¸¦ Ç϶ô½ÃÅ°´Â °á°ú¸¦ ÃÊ·¡ ÇÒ ¼ö Àֱ⠶§¹®ÀÌ´Ù.
À̸¦ º°µµ·Î °ü¸®Çϱâ À§ÇÑ °í°´ÇǷεµ ¸ðµ¨À» ÃÊ°³ÀÎÈ °í°´ºÐ¼® AI¸ðµ¨Ã¼°è¿¡ Æ÷ÇÔÇÒ ¼ö ÀÖ´Ù.
‘¿ÍÀÌ(Why) ¸ðµ¨’Àº ÀÚµ¿È(Automation)¿¡ ´ëÇÑ ÀÇ»ç°áÁ¤ ½Ã, µ¿½Ã¿¡ °í·ÁµÅ¾ß ÇÏ´Â ¿ª·®¿ä¼ÒÀÌ´Ù. AI¸ðµ¨ÀÇ Ãßõ³»¿ëÀ» È°¿ëÇØ ÇÁ·Î¼¼½º¸¦ ÀÚµ¿ÈÇÏ°íÀÚ ÇÑ´Ù¸é, Çǵå¹é ¸ÅÄ¿´ÏÁò(°í°´¹ÝÀÀ µî ½ÇÁ¦ °á°ú¿Í AI¸ðµ¨ÀÇ Ãßõ³»¿ëÀ» ºñ±³, AI¸ðµ¨ÀÌ °è¼ÓÇؼ ÃÖ½ÅÈ ¹× °íµµÈ µÉ ¼ö ÀÖµµ·Ï ÇÏ´Â ¿ªÇÒ) ¿ª½Ã µ¿½Ã¿¡ ±¸Çö ÇÒ °ÍÀ» Á¦¾ðµå¸°´Ù.
ÃÊ°³ÀÎÈ °í°´ ºÐ¼® AI¸ðµ¨ÀÇ °æ¿ì, Ãßõ³»¿ë¿¡ ´ëÇÑ ½Å·Úµµ(confidence score)°¡ »ó´ëÀûÀ¸·Î ³·Àº °æ¿ì 1Â÷ÀûÀ¸·Î ¸¶ÄÉÆôã´çÀÚÀÇ Çǵå¹é ³»¿ëÀ» ÇнÀµ¥ÀÌÅÍ¿¡ ¹Ý¿µ ÇÒ ¼ö ÀÖ´Ù.
2Â÷ÀûÀ¸·Î´Â ½ÇÁ¦ °í°´¹ÝÀÀÁ¤º¸¸¦ È°¿ëÇØ À߸øµÈ ¿¹Ãø°á°ú¿¡ ´ëÇÑ Çǵå¹éÀ» Á¦°øÇÒ ¼ö ÀÖÀ¸¸ç, 1,2Â÷ Çǵå¹éÀ» È°¿ëÇÏ¿© ÇнÀµ¥ÀÌÅ͸¦ ÀÚµ¿À¸·Î »ý¼ºÇÒ ¼ö ÀÖ´Ù.
ÇÏÁö¸¸ °í°´±º ´ÜÀ§°¡ ¾Æ´Ñ °³º° °í°´´ÜÀ§·Î Ãß°¡ÀûÀÎ ÇнÀµ¥ÀÌÅÍ(Labeled Training Data)¸¦ »ý¼ºÇÏ´Â °ÍÀº »ó´ëÀûÀ¸·Î ´õ ±ä ±â°£À» ¿ä±¸Çϸç, ÇнÀµ¥ÀÌÅÍ È®º¸¿¡ ¼º°øÇß´Ù°í ÇÏ´õ¶óµµ ÃÊ°³ÀÎÈ ¿ÀÆÛ³ª Àü´Þ ä³ÎµîÀÌ º¯°æµÉ ¼ö Àֱ⿡ ¹Ì·¡ÀÇ °³º°°í°´¹ÝÀÀÀ» ¿¹ÃøÇϴµ¥ È°¿ëµÇ´Â °ÍÀÌ ºÎÀûÀý ÇÒ ¼öµµ ÀÖ´Ù.
À¥À̳ª ¾Û°ú °°Àº µðÁöÅÐä³Î¿¡¼ °í°´ÀÌ º¸ÀÌ´Â ¿©·¯°¡ÁöÀÇ ¹ÝÀÀÀ̳ª ¿¬¼Ó¼ºÀ» Áö´Ï´Â ¹ÝÀÀ µ¥ÀÌÅ͵éÀ» ±â°èÇнÀ ¸ðµ¨ÀÌ ºÐ¼®ÇÒ ¼ö ÀÖ´Â ÇüÅ·ΠÀüó¸®ÇÏ´Â °Í ¿ª½Ã ¸¹Àº ºñ¿ëÀ» ¿ä±¸ÇÑ´Ù.
°ÔÀÓ»ê¾÷ µîÀ» Áß½ÉÀ¸·Î ¼ö³âÀüºÎÅÍ ½ÇÇèÀ» ÁøÇàÇÏ°í ÀÖ´Â Å×Å©´ÐÀÌ °ÔÀÓ Çª½¬ ³ëƼ½º(Push Notice)µîÀ» È°¿ëÇÑ °ÈÇнÀ(Reinforcement Learning)±â¹Ý Çǵå¹é ¸ÞÄ¿´ÏÁòÀÇ ±¸ÇöÀÌ´Ù.
¿¹¸¦ µé¾î, °ÔÀÓ Çª½¬ ³ëƼ½º(Push Notice)¸¦ ƯÁ¤½Ã°£¿¡ º¸³ÂÀ» ¶§ °ÔÀÓÀ¯Àú°¡ È®ÀÎÇß´Ù¸é ¿¡ÀÌÀüÆ®(ÀÌ °æ¿ì¿¡´Â Ǫ½¬ ³ëƼ½º)¿¡°Ô º¸»ó(Reward)¸¦ Áà, ¿¡ÀÌÀüÆ®°¡ ½º½º·Î ´©Àû º¸»ó(Cumulative Reward)À» ÃÖ´ëÈÇÏ´Â ¹æÇâÀ¸·Î ÇнÀµÇµµ·Ï À¯µµÇÏ´Â °ÍÀÌ´Ù.
ÀÌ°°Àº °ÈÇнÀ ±â¹ÝÀÇ Çǵå¹é¸ÅÄ¿´ÏÁòÀÌ ±Í»ç°¡ ¸ñÇ¥·Î ÇÏ´Â ÃÊ°³ÀÎÈ ½Ã³ª¸®¿À¿¡ ÀûÇÕÇÒÁö ºü¸£°Ô ÆľÇÇÒ ¼ö ÀÖ´Â ¹æ¹ýÀº, ±¸±Û, ÆäÀ̽ººÏ, ¡°¡ µî¿¡¼ ³»ºÎ ½ÇÇèÀ» ¹ÙÅÁÀ¸·Î ¾î´À Á¤µµ °ËÁõµÈ °ÈÇнÀ ·ÎÁ÷À» ¿ÀǼҽº ÄÚµåÈÇØ °øÀ¯ÇÑ ¾Æ·¡ÀÇ ÀÚ»êµéÀ» È°¿ëÇÏ´Â °ÍÀÌ´Ù.
• ±¸±Û ÅÙ¼ÇÃ·Î¿ì ¿¡ÀÌÀüÆ®: https://github.com/tensorflow/agents
• ÆäÀ̽ººÏ ¸®¿¡ÀÌÀüÆ®: https://github.com/facebookresearch/ReAgent
• ¡°¡ °ÈÇнÀ º£ÀÌÄ¿¸®(RL Bakery): https://github.com/zynga/rl-bakery
¡ßŬ¶ó¿ìµå ÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º(Cloud In-Database Analytics) ±â¹Ý ½Ã½ºÅÛ ±¸Çö
ÃÊ°³ÀÎÈ ½Ã³ª¸®¿À¸¦ ½ÇÇöÇϱâ À§Çؼ, ÀüÅëÀûÀÎ µ¥ÀÌÅ;ÆÅ°ÅØó(µ¥ÀÌÅÍ¿þ¾îÇϿ콺 ¶Ç´Â µ¥ÀÌÅÍ·¹ÀÌÅ© ±â¹Ý)¸¦ À¯ÁöÇÏ¸é¼ ÃÊ°³ÀÎÈ AI¸ðµ¨Ã¼°è¸¦ Àû¿ëÇÏ´Â °ÍÀº Áö¾çÇØ¾ß ÇÑ´Ù.
¸¶À̵¥ÀÌÅÍ µî °í°´µ¥ÀÌÅÍ°¡ ¼öÁýµÇ°í °ü¸®µÇ´Â µ¥ÀÌÅͺ£À̽º ³»¿¡¼ AI¸ðµ¨À» ¿î¿µÇØ ¸¶ÄÉÆýýºÅÛ¿¡ ½Ç½Ã°£À¸·Î ÀλçÀÌÆ®(To Whom, What, When, How)¸¦ Á¦°øÇÏ´Â °ÍÀÌ ÀûÀýÇÑ ¾ÆÅ°ÅØó °üÁ¡ÀÇ ÁöÇâÁ¡À̶ó ÇÒ ¼ö ÀÖ´Ù.
ÀÌ°°Àº °³³äÀ» ‘ÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º(In-Database Analytics)’¶ó°í Á¤ÀÇ ÇÒ ¼ö ÀÖ´Ù.
µ¥ÀÌÅÍ·¹ÀÌÅ© ȯ°æ¿¡¼´Â Àüü µ¥ÀÌÅÍ Áß ÀϺθ¦ ITÀÇ µµ¿òÀ» ¹Þ¾Æ ETLµî ¹æ¹ýÀ¸·Î º°µµ ÃßÃâ ÈÄ, º°µµÀÇ È¯°æ¿¡¼ ¿ÀǼҽº µîÀ» È°¿ë ¸ðµ¨ °³¹ß ÈÄ, ¶Ç ´Ù½Ã ITÀÇ µµ¿òÀ» ¹Þ¾Æ Àüü ÇÁ·Î´ö¼Ç µ¥ÀÌÅ͸¦ ´ë»óÀ¸·Î °³¹ßµÈ ¸ðµ¨À» Àû¿ëÇؾ߸¸ Çß´Ù.
ÀÌ°°Àº ¹æ½ÄÀ¸·Î´Â ÃÊ°³ÀÎÈ AI¸ðµ¨ ¿î¿µ Àü, ´ëºÎºÐÀÇ ÀÚ¿ø°ú ½Ã°£ÀÌ µ¥ÀÌÅÍ ÆÄÀÌÇÁ¶óÀο¡ ÇҾֵDZ⿡ °³º° °í°´¿¡°Ô ÃÖÀûÈµÈ ¿ÀÆÛ¸¦ Á¦°øÇÒ ½ÃÁ¡ÀÌ Áö³ ÈÄ¿¡¾ß AI¸ðµ¨ÀÌ ºÐ¼®À» ½ÃÀÛÇÏ°Ô µÉ °ÍÀÌ´Ù.
¹Ù·Î ÀÌ°°Àº ÀÌÀ¯µé ¶§¹®¿¡ ÀüÅëÀûÀÎ ¹æ½ÄÀÌ ¾Æ´Ñ ÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º ±â¹ÝÀÇ ÃÊ°³ÀÎÈ ½Ã½ºÅÛ ±¸ÇöÀÌ ¿ä±¸µÈ´Ù ÇÒ ¼ö ÀÖ´Ù.
Áï, ¸¶À̵¥ÀÌÅÍ, ³»¿ÜºÎ Á¤Çü ¹× ºñÁ¤Çü, ½ºÆ®¸®¹Ö µ¥ÀÌÅÍ°¡ ¼öÁýµÇ´Â °í°´Á¤º¸ ÅëÇÕ µ¥ÀÌÅͺ£À̽º ³»¿¡¼ ¡ãº°µµÀÇ ÃßÃâÀ̳ª °³¹ßÅø ¾øÀÌ µ¥ÀÌÅÍ°¡ AI¸ðµ¨ÀÌ ¿ä±¸ÇÏ´Â ÇüÅ·Πº¯È¯µÇ¸ç ¡ãÃÊ°³ÀÎÈ AI¸ðµ¨¿¡ ÀÇÇØ ½Ç½Ã°£À¸·Î ºÐ¼®µÅ ÇÁ·Î´ö¼Ç ȯ°æ¿¡¼ ¿¹ÃøÄ¡¸¦ »ý¼ºÇÒ ¼ö ÀÖ¾î¾ß ÇÏ¸ç ¡ã·¹°Å½Ã(Legacy) ¸¶ÄÉÆýýºÅÛ ¹× ÀÇ»ç°áÁ¤ ¿£Áø¿¡ ½Ç½Ã°£À¸·Î ÀÎDzÀ» Á¦°ø ÇÒ ¼ö ÀÖ¾î¾ß ¸ñÇ¥ ÃÊ°³ÀÎÈ ½Ã³ª¸®¿ÀÀÇ ½ÇÇöÀÌ °¡´ÉÇÏ´Ù.
ÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º ¿ª·® È°¿ëÀ» À§ÇØ °í·ÁÇÒ ¼ö ÀÖ´Â º¥´õ, ƯÈ÷ Ŭ¶ó¿ìµå ±â¹ÝÀÇ º¥´õÀÇ ¼Ö·ç¼ÇÀº ¾Æ¸¶Á¸ ·¹µå½¬ÇÁÆ®(Amazon Redshift), Ŭ¶ó¿ìµ¥¶ó µ¥ÀÌÅÍ¿þ¾îÇϿ콺(Cloudera Data Warehouse), ±¸±Û ºòÄõ¸®(Google BigQuery), ¸¶ÀÌÅ©·Î¼ÒÇÁÆ® ¾ÖÀú ½Ã³À½º(Microsoft Azure Synapse), ½º³ë¿ìÇ÷¹ÀÌÅ© µ¥ÀÌÅÍŬ¶ó¿ìµå(Snowflake Data Cloud), ±×¸®°í Å׶óµ¥ÀÌŸ º¥Æ¼Áö(Teradata Vantage) µîÀÌ ´ëÇ¥ÀûÀÌ´Ù.
°¡Æ®³Ê¿¡¼ 2021³â 6¿ù¿¡ °ø°³ÇÑ º¸°í¼ ‘Solution Comparison for Cloud Data Warehouse Platforms’¿¡ µû¸£¸é, ¸ðµç Æò°¡Ç׸ñ¿¡¼ ‘Medium’ µî±Þ ÀÌ»óÀÇ Æò°¡¸¦ ¹ÞÀº ¼Ö·ç¼ÇÀº ±¸±Û ºòÄõ¸®¿Í Å׶óµ¥ÀÌÅÍ º¥Æ¼Áö »ÓÀ̾úÀ¸¸ç, Å׶óµ¥ÀÌŸ º¥Æ¼Áö´Â 15°³ Ç׸ñ Áß 11°³¿¡¼ ‘High’ µî±ÞÀ» ¹Þ¾Æ °¡Àå ³ôÀº Á¡¼ö¸¦ ¹Þ¾Ò´Ù.
ÃÊ°³ÀÎÈ AI¸ðµ¨Ã¼°è¿Í °¡Àå °ü·Ã¼ºÀÌ ³ôÀº Æò°¡Ç׸ñÀÎ ‘Integrated AI/ML Capabilities’¿¡¼´Â º¥Æ¼Áö¸¸ÀÌ À¯ÀÏÇÏ°Ô ‘High’ µî±ÞÀ¸·Î Æò°¡µÆ´Ù.
¡ßÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º ÆÄÆ®³Ê·Î¼ÀÇ Å׶óµ¥ÀÌŸ(Teradata)
Å׶óµ¥ÀÌŸÀÇ ÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º Ç÷§Æû º¥Æ¼Áö(Vantage)´Â ¸ñÇ¥ ÃÊ°³ÀÎÈ ½Ã³ª¸®¿À ½ÇÇöÀ» À§ÇÑ Å¬¶ó¿ìµå, µ¥ÀÌÅÍ, ¾Ö³Î¸®Æ½½º ÆÄÆ®³Ê¿ÍÀÇ ¿¡ÄڽýºÅÛ »ó¿¡¼ Á¤Áß¾Ó¿¡ À§Ä¡ÇÑ´Ù.
¾Õ¼, Ãßõ¸ðµ¨ ±¸Çö ½Ã ÇÙ½É °í·Á»çÇ×À¸·Î ³íÀÇµÈ ¾ÆÀÌÅÛ ½ºÅä¾î, ÇÇó ½ºÅä¾î µîÀ» Å׶óµ¥ÀÌŸ º¥Æ¼Áö¸¦ È°¿ëÇØ ±¸ÇöÇÒ ¼ö ÀÖÀ¸¸ç, µ¥ÀÌÅͺ£À̽º ³»¿¡¼ ¹æ´ëÇÑ ¾çÀÇ ¹ÐÁý ¹× ¹üÁÖÇüµ¥ÀÌÅÍ¿¡ ´ëÇÑ Å½»ö, Á¤Á¦, Àüȯ, ÇÇó¿£Áö´Ï¾î¸µ ÀÛ¾÷À» ÁøÇà ÇÒ ¼ö ÀÖ´Ù.
µ¥ÀÌÅͺ£À̽º ³»¿¡¼ Á¦°øµÇ´Â ´ëÇ¥ÀûÀÎ °í±Þ ÇÇó¿£Áö´Ï¾î¸µ ±â´ÉÀ¸·Î´Â À§Ä¡/Áö¿ª °ü·Ã °í°´µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ Geospatial, ¿Â¶óÀÎ °í°´Çൿ µ¥ÀÌÅÍ(Ŭ¸¯½ºÆ®¸²) 󸮸¦ À§ÇÑ Path, IoT/¼¾¼ µî ½Ç½Ã°£ ¼º µ¥ÀÌÅÍ¿¡ ´ëÇÑ ÀÌ»óÄ¡ ŽÁö¸¦ À§ÇØ È°¿ëµÉ ¼ö ÀÖ´Â µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ Time-Series ¹× Temporal µîÀ» µé ¼ö ÀÖ´Ù.
±âŸ ¸í¸ñº¯¼ö Àü󸮸¦ À§ÇÑ One-Hot Encoding, µ¥ÀÌÅÍ Á¤±Ôȸ¦ À§ÇÑ Scale_Transform, Function_Transform µî ±â´É, ´ÙÇ׺¯¼ö 󸮸¦ À§ÇÑ Polynomial_Features_Transform, ºñ¼±Çü µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ NonLinear_Combine_Transform, Â÷¿øÃà¼Ò¸¦ ÅëÇØ ºÐ¼®°¡´ÉÇÑ ÇüÅ·ÎÀÇ ÀüȯÀ» À§ÇÑ Random Projections µî ±âÁ¸¿¡´Â º°µµÀÇ ¼Ö·ç¼ÇÀ» ÅëÇؼ¸¸ °¡´ÉÇß´ø °í±Þ ÇÇó ¿£Áö´Ï¾î¸µ ±â´ÉµéÀ» µ¥ÀÌÅͺ£À̼ ³»¿¡¼ È°¿ëÇÒ ¼ö ÀÖ´Ù.
ÇÇó ¿£Áö´Ï¾î¸µ ±â´É »Ó¸¸ÀÌ ¾Æ´Ï¶ó XGBoost, Naïve Bayes, ARMA Model µî ¸Ó½Å·¯´× ¾Ë°í¸®ÁòÀ» µ¥ÀÌÅͺ£À̽º ³»¿¡¼ SQL±â¹ÝÀ¸·Î È°¿ëÇÒ ¼ö ÀÖ´Ù.
µ¡ºÙ¿© ÆÄÀ̽ã(Python)µî ¿ÀǼҽº ¾ð¾î È°¿ëÀ» ¼±È£ÇÒ °æ¿ì, Å׶óµ¥ÀÌŸ º¥Æ¼Áö ³» ÁÖÇÇÅͳëÆ®ºÏ(Jupyter Notebook)¿¡¼ ±âÁ¸ÀÇ °³¹ß¾ð¾î¸¦ È°¿ëÇÒ ¼ö ÀÖ´Ù.
±âŸ, Å׶óµ¥ÀÌŸ ¿ÀÇ ¾Ö³Î¸®Æ½½º ÇÁ·¹ÀÓ¿öÅ©(Open Analytics Framework, ¾Æ·¡ ¿ÞÂÊ) ±×¸®°í AI ¹× BI ÆÄÆ®³Ê ¿¬°è(Partner Integration, ¾Æ·¡ ¿À¸¥ÂÊ)¸¦ ÅëÇØ, ¸ñÇ¥ ÃÊ°³ÀÎÈ ½Ã³ª¸®¿À ½ÇÇöÀ» À§ÇØ ¿ä±¸µÇ´Â ¸ðµç ½ÃÀåÀÇ ¼±µÎ ¼Ö·ç¼ÇµéÀ» ÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º(In-Database Analytics) Ç÷§ÆûÀÎ Å׶óµ¥ÀÌŸ º¥Æ¼Áö¸¦ ÅëÇØ È°¿ëÇÒ ¼ö ÀÖ´Ù.
ÃÊ°³ÀÎÈ Ãßõ¸ðµ¨ ±¸Çö ÇÙ½É °í·Á»çÇ× Áß ÇÑ°¡ÁöÀÎ ¿£ÅÍÇÁ¶óÀÌÁî ÇÇó ½ºÅä¾î(Enterprise Feature Store) ¿ª½Ã Å׶óµ¥ÀÌŸ º¥Æ¼Áö Ç÷§Æû ³»¿¡¼ È°¿ë°¡´ÉÇϸç, ¸¶À̵¥ÀÌÅÍ µî °í°´µ¥ÀÌÅÍ ¿øõ ¹× ¸ñÇ¥ ÃÊ°³ÀÎÈ ½Ã³ª¸®¿À, ¸ñÇ¥ ½Ã³ª¸®¿À ½ÇÇöÀ» À§ÇØ ¿ä±¸µÇ´Â AI¸ðµ¨ ¹× À¯ÁîÄÉÀ̽º(Use Case) µîÀ» °í·Á, Ä¿½ºÅ͸¶ÀÌ¡ÇØ »ç¿ëÇÒ ¼ö ÀÖ´Ù.
¾Õ¼ ¼Ò°³µÆ´ø °í±Þ ÇÇó ¿£Áö´Ï¾î¸µ ±â´ÉµéÀÌ ¸ðµÎ Æ÷ÇԵŠÀÖ¾î ±â¾÷¿¡¼´Â µ¥ÀÌÅÍ ¿øõ°ú ¿¬°è, Áß¾ÓÈÇØ ÀÚ»êÈ°¡ ÇÊ¿äÇÑ ÃÊ°³ÀÎÈ AI¸ðµ¨¿¡ ÇÊ¿äÇÑ À¯ÀǺ¯¼ö(Top Predictor)µéÀ» ¾Õ¼ ¼Ò°³µÈ ‘ÃÊ°³ÀÎÈ °í°´ºÐ¼® À¯ÁîÄÉÀ̽º(Use-Cases)¿¡ °øÅëÀûÀ¸·Î »ç¿ëµÉ ¼ö ÀÖ´Â º¯¼ö ¿¹½Ã’ ¸ÅÆ®¸¯½º ÇüÅ·ΠºÐ¼®ÇØ Á¤ÀÇÇÏ´Â ÀÛ¾÷¿¡ ´õ Æ÷Ä¿½º ÇÒ ¼ö ÀÖ´Ù´Â ÀåÁ¡ÀÌ ÀÖ´Ù.
¡ßÅ׶óµ¥ÀÌŸ º¥Æ¼Áö Ç÷§Æû ¹× ÆÄÆ®³Ê¸¦ ÅëÇÑ ÃÊ°³ÀÎÈ ÆÄÀÌÇÁ¶óÀÎ ÀÚµ¿È(Automation)
¾Æ·¡ ÃÊ°³ÀÎȸ¦ À§ÇÑ ¿ª·®Ã¼°è ±¸¼º¿ä¼Ò ¹× È帧À» ´Ù½Ã »ìÆ캸¸é, 6´ë ±¸¼º¿ä¼ÒµéÀº ÇϳªÇϳª°¡ ·Îµå¸ÊÀÇ Å« ÃàÀ» Â÷ÁöÇÏ´Â À̴ϼÅƼºê(initiative)ÀÓÀ» ¾Ë ¼ö ÀÖ´Ù.
ÀÌÇØ°ü°èÀÚ ±¸Á¶¸¦ °í·ÁÇØ ÇÁ·Î´öÆ® ¿À³Ê(Product Owners)¸¦ ÁöÁ¤ÇÏ°í, °¢ ±¸¼º¿ä¼Ò ÇÁ·Î´öÆ® ¿À³Ê(¿¹: Ãßõ¸ðµ¨ ÇÁ·Î´öÆ® ¿À³Ê(PO))µéÀº ÀÎÇϿ콺 ¶Ç´Â ÆÄÆ®³Ê¿Í ÄÚÅ©¸®¿¡À̼Ç(Co-Creation) ¹æ½ÄÀ» ÅëÇØ ÇØ´ç ¿ª·®À» °³¹ßÇØ ³ª°¥ ¼ö ÀÖ´Ù.
ÃÊ°³ÀÎÈ ÇÁ·Î´öÆ®(Hyper-Personalization Data & AI Products)°¡ ºñÁî´Ï½º¿¡ Àû¿ë °¡´ÉÇÑ ¼öÁØÀ¸·Î °³¹ßµÆ´Ù¸é, ´ÙÀ½´Ü°è´Â ¿£µåÅõ¿£µå(End-To-End) ÆÄÀÌÇÁ¶óÀÎ ¼³°è ¹× °³¹ßÀÌ´Ù.
ÆÄÀÌÇÁ¶óÀÎ ¼³°è ½Ã Áß¿ä °í·Á¿ä¼Ò Áß Çϳª´Â, ÈÞ¸Õ ÀÎ ´õ ·çÇÁ(Human-in-the-loop) ¼öÁØ Á¤ÀǸ¦ ÅëÇÑ ÆÄÀÌÇÁ¶óÀÎ ÀÚµ¿È(Automation)ÀÌ´Ù.
ÃÊ°³ÀÎÈ ½Ã³ª¸®¿À ½ÇÇöÀ» À§ÇØ °³¹ßµÈ ¿£µåÅõ¿£µå ÆÄÀÌÇÁ¶óÀÎ ÀÚµ¿ÈÀÇ ¿¹½Ã·Î, Å׶óµ¥ÀÌÅÍ º¥Æ¼Áö Ç÷§Æû°ú ÆÄÆ®³Ê ¼Ö·ç¼ÇÀÎ µ¥ÀÌÅÍÀÌÄí(Dataiku)ÀÇ µ¥ÀÌÅÍ»ç½Ã¾ð½º ½ºÆ©µð¿À(Data Science Studio) È°¿ëÇÑ ÇÁ·ÎÅäŸÀÔ(Prototype)Àº ¾Æ·¡¿Í °°´Ù.
Çǵå¹é ¸ÅÄ¿´ÏÁòÀ» ÅëÇÑ Ãßõ¸ðµ¨(What), ä³Î(How), ½Ã°£´ë(When) ÃÖÀûÈ AI¸ðµ¨µéÀÇ °íµµÈ¸¦ Áö¿øÇϱâ À§ÇØ ‘ºê¸µ À¯¾î ¿Â ¸ðµ¨(Bring Your Own Model, BYOM)’¶ó´Â ¼ºñ½º¸¦ È°¿ëÇÒ ¼ö ÀÖÀ¸¸ç, ITÀÇ µµ¿òÀ» ÃÖ¼ÒÈÇÑ ¼¿ÇÁ¼ºñ½º(Self-Service) ¸Ó½Å·¯´× ¿É½º(MLOps)ü°è ±¸Çöµµ °¡´ÉÇÏ´Ù.
µÎ Â÷·Ê ±â°í¸¦ ÅëÇØ ÃÊ°³ÀÎÈ ¿ª·®È®º¸¸¦ À§ÇÑ ºñÁî´Ï½º °í·Á»çÇ×, µ¥ÀÌÅÍ ¹× AI¸ðµ¨ µî ±â¼úÀûÀÎ °í·Á»çÇ×À» »ìÆ캸¾Ò´Ù.
ÃÊ°³ÀÎÈ ¼º¼÷µµÁø´Ü, ·Îµå¸Ê¼³°è, ½Ã³ª¸®¿ÀÁ¤ÀÇ, ½Ã½ºÅÛ¾ÆÅ°ÅØó ¼³°è ¹× ÀÎ µ¥ÀÌÅͺ£À̽º ¾Ö³Î¸®Æ½½º ±â¹Ý ±¸Çö µî Å׶óµ¥ÀÌŸÀÇ ÃÊ°³ÀÎÈ ¿¢¼¿·¯·¹ÀÌÅÍ(Accelerator) ¼ºñ½ºµé¿¡ ´ëÇØ ±â¾÷°æ¿µÁøµé°ú ´õ ³íÀÇ ÇÒ ¼ö ÀÖ¾úÀ¸¸é ÇÑ´Ù.
<±Û = ±èÀÎÁØ Å׶óµ¥ÀÌŸ AP¼Ò¼Ó µ¥ÀÌÅÍ»çÀ̾ðƼ½ºÆ®(»ó¹«)>injun.kim@teradata.com < ÀúÀÛ±ÇÀÚ © BI KOREA ¹«´ÜÀüÀç ¹× Àç¹èÆ÷±ÝÁö > |