![글로벌 IT 리서치 기업 가트너(Gartner)에 따르면 2024년까지 모든 애플리케이션 개발의 65% 이상이 로우 코드로 구성될 전망이다. [사진출처 : Creative Commons CC0]](/news/data/2022/08/03/p179564976820013_601.jpg)
글로벌 머신러닝(Machine Learning) 시장은 2029년까지 2090억달러(한화 274조원)에 이를 전망이다. 특히 MLOps는 최근 몇 년 동안 각광을 받아온 분야다. MLOps는 소프트웨어 운영을 간소화하고 데이터 과학, 개발팀 간의 협업을 단순화함으로써 프로덕션 수준의 AI 솔루션을 구축하는 데 도움을 준다.
본질적으로 MLOps는 CI(지속적 통합), CD(지속적 전달), CT(지속적 교육)를 통해 제품을 제공한다. CI는 여러 기여자의 코드를 단일 애플리케이션으로 자동 빌드, 통합하는 작업을 처리한다. CD는 고품질 제품을 생산에 지속적이고 예측 가능하게 한다. CT는 모델 성능이 저하되기 시작할 때 새 데이터를 사용해 ML 모델의 모니터링과 재교육을 보장한다.
하지만 많은 조직이 머신러닝으로 가치를 구축, 확장, 제공하는 데 어려움을 겪고 있다. 우선 긴 주기 시간이 걸림돌이다. 엔터프라이즈 규모에서 강력한 AI 모델을 구축하려면 시간이 오래 걸린다. 80%의 기업이 AI 모델을 생산하는 데 6개월이 걸렸다고 말하고 있다.
두 번째는 모델 드리프트다. 외부 시장, 비즈니스 역학, 기본 데이터의 지속적인 변화로 인해 모델이 빠르게 부실해지는 경향이 있다. 모델 드리프트는 정확도의 저하와 잘못된 비즈니스 결정으로 이어진다.
세 번째는 인재 부족이다. AI를 적용해 비즈니스 과제를 해결할 수 있는 데이터 과학 실무자가 부족하다. 이러한 문제를 어떻게 해결할 수 있을까. IT 전문매체 엔터프라이즈프로젝트(Enterprisers Project)가 AI 적용에 효율적인 로우 코드의 특징과 장점을 소개했다.
글로벌 IT 리서치 기업 가트너(Gartner)에 따르면 2024년까지 모든 애플리케이션 개발의 65% 이상이 로우 코드로 구성될 전망이다. 글로벌 로우 코드 시장은 2030년까지 1,870억 달러(한화 244조원)에 이를 전망이다. 로우 코드는 MLOps에 시각적이고 자동화된 접근 방식을 제공한다. 시장 출시를 가속화하고, 효율적인 모델 유지 관리를 가능하게 하며, 기술 장벽을 낮출 수 있다. 로우 코드 플랫폼이 대부분의 데이터 과학팀이 직면하는 장애물을 해결하는 세 가지 방법이 있다.
로우 코드 플랫폼은 데이터 커넥터, 데이터 핸들러, 백엔드, 프론트엔드 개발 모듈, 머신러닝 알고리즘, 시각화 위젯, 관리, 보안 모듈과 같은 머신러닝 수명 주기 전반에 걸쳐 필요한 재사용 가능한 구성 요소를 제공해 개발 속도를 높일 수 있다. 드래그 앤 드롭 방식으로 바로 사용할 수 있는 라이브러리를 제공해 개발자가 신속하게 빌드하고 버그를 수정할 수 있다. 이를 통해 데이터 과학팀은 비즈니스 문제가 해결될 때까지 쉽게 협업, 반복, 최적화할 수 있다.
또한 훈련된 머신러닝 알고리즘이 실행되기 전에도 부실해질 위험이 있는 경우 로우 코드 도구는 이를 최신 상태로 유지하는 효율적인 방법을 제공한다. 이를 통해 모델을 지속적으로 모니터링하고, 모델 저하를 감지하고, 중앙 집중식 거버넌스를 통해 자동으로 조치를 취할 수 있다.
아울러 로우 코드 플랫폼을 사용하면 머신러닝 요구 사항에 맞게 사내 소프트웨어 개발팀을 쉽게 재교육할 수 있다. 반복 가능한 워크플로에서 재사용 가능한 구성 요소를 사용하면 AI 응용 프로그램에 대한 지식을 유지하거나 신입 직원을 통해 유지 관리하는 번거로움이 줄어든다. 이는 교육, 머신러닝 개발 비용 절감으로 이어진다.
[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]
