마이크로소프트뿐 아니라 대부분의 테크기업은 디지털 환경에서 살아남기 위한 가장 중요한 요건이 협업 역량이라고 일컫는다. 요즘 비즈니스가 과거와 달라졌기 때문이다.

인공지능 프로젝트에서도 인공지능 전문가(AI Engineer)와 현업의 도메인 담당자(Practitioner)의 협업은 인공지능 프로젝트의 기획, 모델 학습을 위한 데이터 구축, 인공지능 모델 활용에 따라 각기 다르게 필요하다.

인공지능 프로젝트 기획에서의 협업: 전략 방향 고려

인공지능 프로젝트 초기일수록 도메인 담당자의 역할이 더 중요하다. 도메인 담당자가 프로젝트의 구체적인 방향을 결정하는 데 핵심 역할을 하기 때문이다. 

필자가 대표로 있는 알고리즘랩스에서도 비슷한 경험을 했다. 최근 한 신생 패션 쇼핑몰이 대부분의 온라인 커머스 업체들이 가지고 있는 인공지능 기반의 고객 맞춤형 상품 추천 개발을 의뢰했다. 그런데 기획 회의에서 이 고객사의 전략 방향에 대해 듣고 난 후 상품 추천보다는 셀러 추천 시스템이 더 적합하다고 판단했다. 

고객사의 경영진이 회사의 전략 방향과 이에 따른 인공지능 프로젝트의 목적을 상세히 설명하지 않았다면 상품 추천 시스템을 개발했을 것이다. 상품 추천과 셀러 추천은 데이터 구축부터 완전히 다르기 때문에, 중간에 바꾸려면 커다란 비용이 발생한다.

인공지능 모델 개발에서의 협업: 현업 관행 반영

인공지능 모델 개발 과정에서 시간과 비용이 제일 많이 투입되는 작업은 학습용 데이터를 구축하는 과정이다. 이때도 도메인 담당자의 역할이 매우 중요하다. 비즈니스 관행이 데이터에 스며들어 있기 때문에, 인공지능 담당자는 데이터의 의미를 이해할 수 없는 경우가 많다.

최근에 한 고객사가 제품의 출하가가 일정하지 않은 관행을 고치고자 인공지능으로 제품 출하가를 예측하는 프로젝트를 알고리즘랩스에 의뢰했다. 2년 치 데이터를 처리한 후 개발한 모델은 설명력이 70%를 약간 넘었다. 그런데 도메인 담당자와 인공지능 개발자가 머리를 맞댔더니, 이 회사의 독특한 비즈니스 관행이 데이터에 들어 있는 것을 발견했다. 이에 따라 모델링을 따로 했더니 설명력이 95% 내외로 나왔다. 데이터는 현업의 도메인 담당자가 제일 많이 알고 있다는 교훈을 얻은 프로젝트였다.

인공지능 모델 활용에서의 협업: 리스크 대응

인공지능 모델이 개발된 후 실무에서 활용하기 전에 최종 모델을 테스트하는 과정을 거치면서 도메인 담당자가 이를 검수하는 과정을 갖는 게 안전하다. 도메인 담당자는 모델링 결과와 현업 경험의 차이가 어느 정도인지 끊임없이 고민하고 그 원인을 찾아내는 역할을 해야 한다.

또한 도메인 담당자는 모델을 활용할 때 발생하는 리스크를 점검해야 한다. 인공지능 전문가와 긴밀한 협업을 통해 꾸준히 리스크를 점검하는 것이 좋다.

결국 도메인 담당자가 인공지능 프로젝트의 주인이다. 그러므로 초기부터 적극적으로 인공지능 프로젝트에 참여해서 인공지능 전문가와 협업을 이어가야 한다. 

※ '전문 보기' 버튼을 누르시면 더 자세한 내용을 확인하실 수 있습니다.