MLOps 도입 가이드

140

2부MLOps적용방법

련돼 있다는 확신을 원한다.

물론 이 중 어떤 것도 새로운 내용이 아니고,

MLOps

에만 한정된 것도 아니다. 머신러닝의 다

른 점은, 새롭고 때로는 불투명한 기술로서 많은 리스크를 수반하지만 우리 삶의 모든 측면에

영향을 미치는 의사결정 시스템에 빠르게 녹아들어가고 있다는 것이다. 머신러닝 시스템은 자

체적으로 통계에 기반한 의사결정 프로세스를 창출한다. 이 프로세스는 때로는 매우 이해하기

힘들지만, 현실 세계를 나타내는 것으로 생각되는 대량의 데이터를 기반으로 한다. 따라서 무

엇이 잘못될 수 있는지 확인하는 것은 어렵지 않다!

아마도 머신러닝에 대한 거버넌스의 방향에 가장 큰 영향을 끼치는 것은 공식적인 규제보다 훨

씬 빠르게 진화하는 여론일 것이다. 여론은 공식적인 절차를 따르지 않고 예의범절을 지키지

않는다. 사실이나 이유에 근거할 필요도 없다. 국민이 어떤 상품을 구매하고, 어디에 투자하며,

정부가 어떤 규칙과 규정을 만드는지를 여론이 결정한다. 무엇이 공정하고 무엇이 공정하지 않

은지도 여론이 결정한다.

예를 들어, 유전자 변형 작물을 개발한 농업생명공학 기업들은

1990

년대 여론의 힘을 뼈저리

게 느꼈을 것이다. 건강에 위험이 있는지 없는지에 대한 논쟁이 오고가는 동안, 유럽의 여론은

유전자 변형에 반대하는 쪽으로 형성되었고, 많은 유럽 국가에서 유전자 변형이 금지되었다.

이 사례는 머신러닝과 상당히 유사한 점이 있다. 머신러닝은 모두에게 혜택을 제공하지만 리스

크도 불러오므로, 대중의