MLOps 도입 가이드

옮긴이의 말

이제 데이터 사이언스와

AI

는 기업 생존의 필수 요소가 되었다.

IT

뿐만 아니라 제조, 구매,

SCM

, 유통, 물류, 마케팅, 반도체, 자동차, 식품 등 전 산업 분야에 걸쳐 데이터 사이언스와

AI

를 적용하지 않고는 경쟁에서 도태될 수밖에 없어, 모든 기업이 경쟁적으로 도입하려 하고 있다.

하지만 이러한 시도에서 추진한

AI

프로젝트의

50

~

85

%가 실패하고 있다. 주요 실패 원인으

로는 불명확한 비즈니스 목표, 부실한 데이터 품질, 조직 간 협력 부족, 뛰어난 인력 부족을 꼽

을 수 있다.

불명확한 비즈니스 목표: 단지 유행이기 때문에, 혹은 뒤쳐지면 안 된다는 조급함 때문에 뛰

어들어 비즈니스 목표를 설정하지 않고 단순 평가를 수행하면 실질적 결과를 얻을 수 없다.

부실한 데이터 품질:

IT

혹은 데이터에 투자하지 않고 단지

AI

나 머신러닝만 도입하려 한

다면 근간이 되는 데이터가 없어 분석이나 모델 구축이 불가능하기 때문에 프로젝트를 종료

할 수 없다.

조직 간 협력 부족: 데이터 과학자가 모든 것을 해결할 수 있다고 포장하거나 비즈니스 담

당자가 명확한 커뮤니케이션 없이 수의 계약 형태로 일을 진행하도록 맡겨두기만 해서는

마찬가지로 프로젝트를 종료할 수 없다.

뛰어난 인력 부족:

AI

프로젝트가 운영화에 도달하고 지속적으로 운영을 수행할 수