[KIAT] AI 개발의 견인차, 'MLOps'란?

[ MLOps 전개 과정 ]

 

 

- 출처 : [KIAT] AI 개발의 견인차, 'MLOps'란?

 

[KIAT 애자일 2021년 제7호] AI 개발의 혁신견인차, ‘MLOps’란 (1).pdf

0.59MB

 

 

 

■ MLOps(ML옵스)란?

 

- 데이터 관리 및 ML 시스템 개발과 서비스 운영(Operations)을 통합해 안정적으로 상품·서비스를 출시할 수 있도록 신속·유연한 개발을 추구하는 협업 방식

 

- 개발, 통합, 테스트, 출시, 배포, 인프라 관리 등 ML 시스템 구성의 모든 단계에서 모델 재학습 자동화 및 모델 모니터링을 지원하며 ML 모델 라이프사이클을 관리

 

- AIOps는 IT운영 최적화를 위해 사용할 수 있는 AI 기능 스펙트럼을 의미하여 ML 모델 운영에만 초점이 맞춰진 MLOps보다는 상위 개념(가트너, ’17)

 

 

1. MLOps의 부상과 기업 현실

 

- 기업들은 최근 비즈니스 문제에 ML을 적용하여 방대한 양의 데이터에서 반복되는 유형을 발견하고 변칙을 파악하여 예측·의사결정과 서비스에 활용하는 경우가 증가

 

- AI 도입 및 활용의 가장 큰 애로 요인으로 ’적합한 기술을 보유한 인력 고용의 어려움‘으로 나타남 (‘기업의 AI활용 실태 조사’, 산업연구원, ’21)

 

- 결국, AI 기술 도입 기업들은 AI 기술 개발보다는 ‘AI를 갖춘 기업용 SW’(50.0%)를 주로 사용 중이며, 기업 수요에 적합한 솔루션 개발과 기업 내부에서의 안정적인 AI 운용 시스템을 희망

 

- 글로벌 대기업들은 AI 운용 시스템으로써 DevOps(데브옵스), MLOps 등을 자체 개발 하고 있으며, 기업용 AI 솔루션 개발 스타트업도 성장하고 있는 상황

 

 

[ DevOps와 MLOps 기업 성장 추세 ]

 

 

 

2. MLOps의 중요성

 

- 데이터, 개발, 운영이 분리될 경우 데이터 사일로가 발생하면서 급변하는 시장 상황에 대응이 느려지고 AI 성능 저하문제가 발생하며, 나아가 서비스 운영에도 비효율 초래

 

- ML 프로젝트를 단순 모델설계로 간주할 경우, 모델의 비즈니스로 활용 과정 등 이를 제외한 나머지가 숨겨진 기술 부채로 작용하여 프로젝트 실패의 가능성이 증가

 

- ML 프로젝트의 작업 흐름을 매끄럽게 도와줄 수 있는 도구와 소통의 협업 방식으로 생산성을 개선시킬 수 있는 MLOps의 중요성이 증가

 

 

3. MLOps 플랫폼 기업동향

 

- MLOps 생태계는 데이터 플랫폼을 중심으로 모델 배포/관리, 분석, 학습, 라벨링 등의 영역에서 특화된 서비스들이 생겨나며 성장하고 서로 통합되며 발전을 거듭할 것으로 예상

 

- MLOps 플랫폼 대표 기업

 

 

- MLOps 플랫폼 스타트업

 

 

- 기업연합