
66
잘되는 머신러닝 팀엔 이유가 있다
이 장을 마치기 전에, 이러한 관행이 긍정적이거나 부정적인 결과를 예측하는 지표로 어떻게
작용할 수 있는지 강조하고자 합니다. 예를 들어, 제품 아이디어를 사용자와 초기에 자주 검
증하지 않으면, 잘못된 제품을 만드는 데 많은 시간과 노력을 낭비할 가능성이 큽니다. 크로
스 기능 팀이 없으면 여러 팀이 조율하고 서로 기다리며 변경 사항을 사용자에게 전달하는 데
시간이 걸리는 ‘백로그 커플링’이 발생할 것입니다.
이것은 단순한 일화가 아닙니다.
2
,
800
개 이상의 조직을 대상으로 한 기술 비즈니스의 성과
와 효율성에 대한 과학적 연구에서, 지속적 전달, 린, 크로스 기능 팀, 생성적 문화와 같은 관
행을 채택한 조직이 더 높은 성과를 보인다는 것을 발견했습니다. 예를 들어, 기능을 더 빨리
전달하고, 실패율이 낮으며, 직원 만족도
62
가 높습니다. 다시 말해, 이러한 관행은 실제로 조
직의 성과를 예측하는 지표가 될 수 있습니다.
1.3
결론
이 장에서 다룬 내용을 간단히 정리하겠습니다. 먼저
ML
프로젝트가 실패하는 일반적인 이
유를 살펴보고, 효율성이 낮은 환경과 효율성이 높은 환경에서의
ML
전달 방식을 비교했습
니다. 그런 다음 시스템 사고의 관점에서 효과적인
ML
전달을 위해 필요한 원칙들을 확인했
습니다. 린이 어떻게 낭비를 ...