"AI 피로도 높아진 기업, 노코드 솔루션이 해결책"

[노코드·로우코드 자동화 컨퍼런스 2022] 업스테이지 이활석 CTO

"알파고 사건이 터지고 6년 동안 기업들은 인공지능(AI)을 많이 활용하려고 했다. 그러나 많은 시간과 비용이 들면서 현재 AI에 대한 피로도가 극대화된 시점이다. 노코드·로우코드 기반 솔루션이 그들에게 해결책일 수 있다."

업스테이지 이활석 CTO는 11일 개최된 '노코드/로우코드 자동화 컨퍼런스 2022' 세션 발표에서 이같이 밝혔다.

이 CTO는 'The answer for AI transformation, No-code AI solution 'AI Pack''을 주제로 발표했다.

업스테이지 이활석 CTO

그는 많은 기업들이 AI를 만드는 데 많은 시간과 비용, 인적 자원이 필요하다고 설명했다. "AI를 만드는 데는 GPU 장비 비용이 많이 들며, AI 전문 개발자도 부족해 구하기 어렵고, AI를 잘 만드는 개발방법론조차도 중구난방"이라며 "그렇다 보니 맨땅에 헤딩하는 시간이 많다"고 말했다.

이어 "코딩양을 줄이면 빅테크 기업이 아닌 기업도 쉽게 AI를 만들 수 있지 않을까 하는 생각 속에서 노코드·로우코드 방법론이 나왔다"고 말했다.

노코드·로우코드 솔루션을 잘 적용한다면, AI를 개발하는 데 있어 생산성이 올라가고 비용을 줄어들 것이라는 설명이다.

이 CTO는 AI 개발 시, 사람의 개입이 줄어드는 노코드 진화 방식을 이미지 분류기를 예로 들어 다섯 단계로 설명했다. 첫 번째 단계는 이미지 분류기를 만들 때, 사람이 분류 특징을 직접 알고리즘으로 짜는 단계다. 두 번째 단계는 첫 번째 단계보다는 사람의 개입이 적어지는 머신러닝 단계다. 이미지 특징에 대한 고안은 사람이 하되, 특징값이 있으면 판단 로직 설계는 머신이 하는 것이다.

세 번째 단계는 딥러닝 접근법이다. 특징값 정리, 특징값을 분류하는 로직 등을 모두 사람이 하지 않고 데이터 기반으로 머신이 스스로 찾아낸다.

네 번째 단계는 프리 트레이닝을 사용한다. 이 CTO는 "이전에는 개와 고양이를 분류하는 AI를 만들려면 개와 고양이 사진을 많이 모아서 학습해야 했는데, 이 부분이 매우 비효율적이었다"며 "이제는 공용으로 사용할 수 있는 프리 트레인드(pre-trained) 모델을 먼저 학습한 다음에, 개와 고양이 사진을 조금만 보여주면 분류를 잘하는 모델로 바뀌게 되는 파인 튜닝(Fine tuning)이 된다"고 설명했다.

마지막 다섯 번째 단계는 빅모델이다. 프롬프트(Prompt) 방식을 써서 정답을 하나 넣어주면, 빅모델이 분류기를 동작해 태스크를 수행하는 방식이다.

이 CTO는 "이러한 다섯 단계를 거치면서 사람의 개입이 점점 줄어드는 방향으로 가고 있다"며 "그 첫 번째 이유는 비용이지만, 사실 이것보다 더 큰 이유는 성능 또한 사람이 개입하는 것보다 훨씬 좋기 때문"이라고 설명했다.

이어 그는 "노코드가 진짜 코딩이 없는 게 아니고, 그걸 서비스에 넣기 위해서는 밑단에서 엄청난 인프라, 데이터 등의 작업이 필요하다"며 "노코드·로우코드 솔루션을 서비스에 넣기 위해서는 제반되는 모듈이 많다"고 말했다.

이를 해결하기 위한 솔루션으로 이 CTO는 자사의 솔루션 'AI팩'을 소개했다. 그는 고객이 할 수 없는 문제 정의 외에 데이터 수집, AI모델 개발, 실 서버 배포, 유지 보수 등을 노코드·로우코드로 담아내려고 한 것이 AI팩이라고 설명했다.

AI팩은 AI 서비스를 유지·보수할 때 파이프라인을 자동화하는 접근론에 기반한 솔루션이다.

이 CTO는 파이프라인을 자동화할 때 반드시 들어가야 하는 특징으로 ▲온프레미스 ▲다양한 pre-trained 모델 ▲라벨링 툴 ▲파인튜닝 ▲AI 모델 모니터링 위한 정량 지표 ▲A·B테스트 통한 재배포 ▲노코드·로우코드 형식으로 클릭 통한 서비스 제공을 꼽았다. 업스테이지의 'AI팩'은 이 모든 걸 하나의 솔루션으로 제공한다는 설명이다.

그는 "AI를 만드는 데 드는 비용을 낮추기 위해 다양한 노코드·로우코드 접근론이 나오고 있다"며 "이러한 접근법을 통한 솔루션이 잘만 된다면 AI 시장은 더 커지리라 믿는다"고 말했다.