개발자용 클라우드 AI 서비스, 선두권 대혼전

AWS, 근소한 차로 1위...마이크로소프트와 구글 맹추격

클라우드 서비스 업체의 인공지능(AI) 경쟁이 치열하다. 아마존웹서비스(AWS)가 미세하게 1위, 마이크로소프트와 구글이 바짝 2위와 3위를 기록했다. IBM도 선전하는 모습이다.

최근 외신에 따르면, 가트너는 매직쿼드런트 클라우드 AI 개발자 서비스 보고서를 지난달 발간했다.

가트너 매직 쿼드런트는 매년 애널리스트 감사와 고객 인터뷰, 전문가 의견 등을 바탕으로 IT 분야별 기업의 ‘실행 능력’과 ‘비전 완성도’ 등을 평가하는 보고서다. 평가 수준에 따라, 리더, 비저너리, 챌린저, 니치플레이어 등으로 나눈다.

클라우드 AI 개발자 서비스 분야 리더에 AWS, 마이크로소프트, 구글, IBM 등이 선정됐다. 세일즈포스, SAP, 텐센트 등은 니치 플레이어로 평가됐다.

가트너 매직쿼드런트 '클라우드 AI 개발자 서비스' 부문

가트너는 클라우드 AI 개발자 서비스를 데이터과학 전문성 없이 API로 AI 모델을 사용하게 하는 클라우드 기반 서비스 및 모델로 정의했다.

■ 아마존웹서비스

AWS는 작년 공개한 세이지메이커 오토파일럿 등을 비롯해 여러 AI 서비스를 제공중이다. 세이지메이커 오토파일럿은 머신러닝 모델을 자동으로 생성해주는 서비스다.

AWS 개발자용 AI 서비스는 광범위한 포트폴리오와 기업 및 개인고객 영역의 높은 인지도를 강점으로 했다. 비즈니스 시장에서 클라우드 컴퓨팅으로 압도적 우위를 점했고, 개인소비자 시장에서 아마존닷컴과 알렉사 AI 제품의 인지도가 매우 높다. 시장 인지도가 개발자 서비스와 더해져 시장 접근의 폭과 깊이를 차별화한다는 게 가트너의 분석이다.

AWS는 머신러닝 기술에 숙련되지 못한 개발자와 더 진일보한 기능을 찾는 개발자 모두에게 선택지를 제공한다. 머신러닝 기술을 갖지 못한 개발자는 비전, 스피치, 자연어, 텍스트프로세싱 등 미리 학습된 AI 서비스를 사용할 수 있다. 데이터사이언티스트와 머신러닝 개발자는 세이지메이커의 전체 머신러닝 스위트를 사용해 고도의 AI 기능을 구현할 수 있다.

머신러닝과 AI, 딥러닝 등을 배우려는 개발자에게 AWS는 30개 이상의 디지털 교육 코스를 제공중이다. AWS 딥렌즈, AWS 딥레이서 등 딥러닝과 강화학습의 기본을 배울 수 있는 툴도 있다. 데이터와 컴퓨트 인프라를 다양한 옵션으로 제공하므로, 클라우드에서 고품질의 AI 솔루션을 구축할 수 있다.

AWS의 광범위한 AI 포트폴리오는 한편으로 약점으로 작용하기도 한다. 너무 많은 서비스 탓에 고객이 자신에게 적절한 것을 판단하기 힘들다. 또, AWS란 단일플랫폼으로 모든 AI 프로젝트를 진행해야 하므로 의사결정하기 까다롭다.

개발단계에서 현업 적용 단계로 확장할 때 비용 문제도 약점으로 꼽혔다. 당초 예상보다 많은 비용을 청구받을 수 있다는 것이다.

■ 마이크로소프트 애저

마이크로소프트는 조직 안정감에 힘입은 실행 능력에서 구글보다 높은 점수를 받았다. 다만 기술적 성숙도가 구글에 뒤졌다는 평가를 받았다.

마이크로소프트 애저는 머신러닝과 AI에 대한 구분분석 및 벡터 기반 머신러닝 접근 방식을 기반으로 다양한 서비스를 제공한다. 배포 옵션이 경쟁사보다 다양하다는 점도 높은 평가를 받아싸. 마이크로소프트는 엔터프라이즈 고객 요구에 따라 애저, 가상 프라이빗 클라우드, 온프레미스 등에 배포할 수 있다.

마이크로소프트는 자연어 서비스를 위해 가장 다양한 언어를 제공한다. 이를 통해 광범위한 언어 요구 사항을 갖는 다국적 조직이 다양한 언어 요구 사항이란 난제를 걷어내고 여러 시장에 서비스를 제공 할 수 있도록 돕는다.

마이크로소프트 애저의 약점은 자연어생성(NLG) 서비스를 도입하지 않았다는 점이다. NLG가 당장 필요한 회사를 놓치는 부분이다. 현재 NLG 서비스 제공업체가 드물다.

마이크로소프트의 클라우드 AI 서비스는 여러 사업부에 걸쳐 있으며 애저 인지 서비스와 코타나 서비스 등 브랜드가 혼재돼 있다. 중복된 서비스는 고객을 혼란스럽게 한다. 마이크로소프트의 어느 부서에 연락해야 하는지 알기 어렵고, 어느 경우는 적합한 사업부를 식별하기 힘들게 한다. 마이크로소프트는 종종 파트너 네트워크를 통해 AI 서비스를 제공하며 일반적으로 기업과 직접 협력해 솔루션을 개발하지 않는다. 이 접근 방식은 클라우드 솔루션 개발에 익숙하지 않은 조직에게 문제일 수 있다.

■ 구글 클라우드

구글은 마이크로소프트보다 비전 완성도에서 앞섰다. 클라우드 조직의 미성숙함이 구글 클라우드의 실행능력에 낮은 점수를 주게 했다.

구글 클라우드 플랫폼은 언어 서비스에서 타사 대비 더 많은 언어를 제공한다는 점을 강점으로 인정받았다. GCP의 자연어이해(NLU) 서비스는 배치모드와 실시간스트리밍 모드에서 모두 사용가능하다. 챗봇툴은 22개 언어를 지원하고 향후 더 지원언어를 확대한다. 음성문자변환(STT) 서비스는 64개 언어에 걸쳐 120개의 지방어를 지원한다. 번역 섭시는 104개 언어를 지원한다. 구글은 또한 OCR에서도 가장 많은 언어인 200개 이상을 지원하고 있다.

타사와 달리 구글의 이미지인식 서비스는 프라이빗 클라우드나 구축환경에서도 컨테이너를 통해 배포될 수 있다. 구글의 왓이프툴(What-If)은 오토ML 비전과 데이터 라벨링서비스에서 단계별 설명을 제공한다. 오토ML 비전은 '비전 API'를 제공하는데, 개발자는 REST와 리모트프로시저콜(RPC) API를 통해 사전학습된 모델에 접근할 수 있다.

개발자는 얼굴 및 사물의 자동인식을 사용해 이미지를 빠르게 분류할 수 있다. 구글의 오토ML 비디오인텔리전스 서비스는 최소한의 머신러닝 경험으로 맞춤화된 모델을 구현하게 한다.

오토ML 테이블은 손실데이터, 기수(cardinality), 데이터셋의 각기능 분산 등에 대한 정보를 제공한다. 개발자는 이를 이용해 학습용 데이터를 정제하기 쉬워진다.

구글클라우드의 약점은 일부를 제외한 대부분의 서비스가 퍼블릭 클라우드 상에서만 사용가능하다는 점이다. 비전 서비스만 엣지와 모바일ML키트에서 배포가능하다. 구글은 향후 프라이빗 클라우드에서 더 많은 서비스를 쓸 수 있도록 할 계획이다.

또, GCP는 AWS나 마이크로소프트 애저에 비해 적은 시장점유율을 차지한다. 2018년 토마스 쿠리안을 구글클라우드의 수장으로 앉혀 여러 변화를 시도하고 있지만, 아직 뚜렷한 성과는 없다.

경쟁사에 비해 구글은 영업 실행과 가격경쟁에서 약점을 가졌다. 가트너는 개발자용 AI 서비스를 견인차 삼아 전체 GCP로 확장시키는 새 타깃 고객 영업 전략을 실행해야 할 것이라고 분석했다.

■ IBM

IBM 클라우드는 대화형 에이전트를 개발하는 사용자 사이에서 왓슨 어시스턴트 플랫폼의 우수한 사용자경험을 인정받았다. IBM의 자연어처리 요소는 잘 통합돼 있고, 딥러닝 합성 기술과 분위기 및 감정 분석 등을 사용한 혁신적인 요소도 다수 있다. IBM은 대화 관리, 문서 스캔, 텍스트 분석 등의 기능도 제공한다.

IBM은 머신러닝과 딥러닝에서 깊이있는 기초를 다졌다. 이는 왓슨 비주얼리코그니션과 왓슨비디오엔리치먼트 서비스 등에 기반한다. 사용자는 IBM 왓슨 스튜디오의 사전구축 모델을 사용해 진화된 머신러닝 알고리즘을 사용할 수 있다.

다만, IBM의 광범위한 서비스는 수많은 AI 서비스 요소를 만든다. 이는 일관되고 통합된 환경에서 하나로 모으는 작업을 복잡하게 만든다. 복잡성은 다양한 개발팀에서 처리하고 다양한 가격 체계를 갖는 다양한 부서의 제품을 만들어낸다. 이는 IBM 사용자의 피드백에 반영되는 문제다. 여러 사용자가 서비스의 불평등한 강도, 버전, 통합 수준 및 이전 버전과 호환성 수준 등을 지적하고 잇다. 개발자는 실제 구현 조건에서 조립된 시스템을 테스트해야한다.

출처가 다르기 때문에 사용된 구성 요소의 성숙도 및 세분성, 가격 수준 및 체계는 IBM 서비스마다 다르다. 자체 플랫폼 외에 외부업체 인프라에서 서비스를 실행할 수있게 해주는 IBM 클라우드 전략은 이 문제를 더 복잡하게 만들 수 있다. 하이브리드 클라우드 인프라에 배포 할 수 있는 유연성은 여러 가격 및 API 모델을 처리하기 복잡하게 만든다. 개발자는 프로토타입 개발을 시작하기 전에 현업 환경에서 결합된 시스템의 전체 비용을 추정해야 한다.

자연어처리(NLP) 구성 요소에 비해 자연어 생성 (NLG) 요소가 부족하다고 가트너는 지적했다. IBM의 비전 기능은 이미지의 자동 라벨링이 경쟁사보다 제한적이다. 오토ML 기능은 머신러닝 모델 교육 및 모델의 수학, 기술 및 비즈니스 관련 핵심 성과지표(KPI)를 추적하는 기능에서 비용 추정이 필요하다.