MLOps 도입 가이드

163

8장 모델거버넌스

그것을 시행하기 위한 절차를 수립하라. 이로 인해 정책, 프로세스, 도구, 책임, 교육, 모니터링

을 다시 검토해야 할 수 있다! 반복하고 다듬으면 되지만, 그 과정에서 효율성과 효과성 사이의

균형을 찾기가 어렵다. 어려운 과정을 거쳐야만 많은 교훈을 얻을 수 있다. 반복과 개선의 과정

을 실패가 아닌 성공에 이르기 위한 수단으로 보는 문화를 구축해야 한다.

8.8

마치며

MLOps

와

MLOps

거버넌스를 분리하기는 어렵다. 거버넌스 없이 머신러닝 모델 생애주기를

성공적으로 관리하고 위험을 완화하며 규모에 맞는 가치를 제공할 수는 없다. 거버넌스는 기

업이 용인할 수 있는 수준에서 머신러닝을 활용하는 방법, 사용할 수 있는 데이터 및 알고리

즘뿐만 아니라 운영화

operationalization

와 모니터링, 재학습 방식에 이르기까지 모든 것에 영향을

끼친다.

현재 대규모

MLOps

는 초기 단계다. 이를 실행하는 기업이 흔치 않고, 잘하고 있는 기업도 거

의 없다. 거버넌스가

MLOps

효율성 개선의 핵심이지만, 이러한 과제를 직접적으로 해결해주

는 도구는 거의 없고, 단지 단편적인 조언만 있을 뿐이다.

머신러닝에 대한 대중의 신뢰는 위험에 처해 있다.

EU

처럼 느리게 움직이는 조직조차 이를 인

지하고 있다. 만약 신뢰를 잃는다면, 머신러닝으로부터 얻을 수 있는 많은 이점도 잃게 될 것이

다. 추가 입법이 준비되고 있지만, 그와 별개로 기업들은 의도치 않게 피해를 끼칠 수 있는 모

델이 자신들의 대외 이미지에 잠재적 손상을 ...