앞서 글에서는 “서비스향으로 AI 모델을 개발한다”라고 할 때, 무엇이 다를지 설명했습니다. 들여다봤더니 정말 많은 일이 있죠? 그 많은 업무는 결국 기술팀에서 감당해야 합니다. 그래서 “효율적으로 이를 잘 감당하려면 조직 구성을 어떻게 하면 좋겠느냐”라는 물음에 대한 답을 제 개인적인 의견을 담아 만들어 봤습니다. 또, 이런 조직 구조를 바탕으로 AI 쪽에서 커리어를 시작하거나, 직종을 전환하려는 개발자를 위한 조언을 몇 가지 준비했습니다.

실제 서비스를 위한 AI를 만들 때 필요한 것들을 마저 살펴볼까요? 학습 데이터셋 정의와 구축을 마치고 나면 정해야 하는 것은 테스트 방법입니다. 이 방법 역시 서비스 요구 사항으로부터 도출해야 합니다. 즉, “어떻게 이 AI 모델을 평가할 것인가”에 대한 정보를 알아내는 일이죠. 서비스 요구 사항의 쓰임은 여기서 끝이 아닙니다. 또 하나 필요한 작업이 있습니다. 바로 모델에 관련된 요구 사항을 도출하는 일입니다. 이처럼 단순히 AI 모델의 성능을 올리는 작업 외에도 정말 많은 일들이 있습니다. 모델 개발에 어떤 과정들이 필요하다, 이것만 알고 있어도 실무에서 AI 모델을 개발할 때 정말 큰 도움이 될 거라고 믿어 의심치 않습니다.

“서비스를 위한 AI를 개발한다”라고 할 때는 학습 데이터셋이 없는 경우가 많습니다. 물론 준비된 경우도 있겠지만, 실무에서는 없는 경우가 꽤 많죠. 테스트 데이터셋도, 어떻게 테스트 할지에 대한 방법도 정해져 있지 않고요. 이게 실제 서비스를 개발할 때 맞닥뜨리는 상황입니다. 그 대신 주어지는 다른 하나가 있습니다. 그게 뭐냐 하면, 서비스 요구 사항입니다. 오늘은 서비스 목적으로 AI를 개발하는 것이 학습 목적의 모델 개발과 얼마나 다른지 중점적으로 알아보고자 합니다. 실제 회사에서 서비스 목적으로 AI를 개발하는 일에 대해 상세히 알아볼게요.