[디지털데일리 이형두기자] “최근 많은 기업들이 분석 작업을 툴이 아니라 플랫폼의 차원으로 접근하고 있다. 그러나 머신 러닝을 플랫폼으로 접근하려면 데이터(Data), 디스커버리(Discovery), 디플로이먼트(Deployment) 3가지 관점이 모두 충족돼야 한다.”

지난 14일, 김근태 SAS(쌔스)코리아 이사<사진>는 서울 플라자호텔에서 디지털데일리가 주최한 ‘2018 전망, 금융IT 이노베이션 컨퍼런스’에 발표자로 나와 최근 기업들의 머신러닝 구축 사례와 문제점, 개선 전략을 차례로 제시해 많은 주목을 받았다.

김 이사는 “데이터 수집, 데이터에서 팩터를 찾아내고 모델을 만드는 것이 디스커버리, 이어서 분석을 실제 업무에 적용하는 과정이 디플로이먼트”라며 “현재 머신러닝 분석 프로젝트는 이 3가지가 이어져야 비즈니스 가치로 연결되지만 아직도 디플로이먼트까지 적용한 경우는 많지 않은 상황”이라고 전했다.

‘금융권 엔터프라이즈 머신러닝 활용을 위한 분석 플랫폼’을 주제로 한 발표에서 김 이사는 다양한 머신러닝 구현 사례를 소개했다. 머신러닝 플랫폼 구축은 현재 국내 금융권이 당면하고 있는 최고 관심사중의 하나다.

김 이사는 “지난해 최근 하버드 비즈니스 리뷰가 주최한 머신러닝 세미나에 당시 150명의 데이터 사이언티스트가 참석했다. 연사가 머신러닝 모델을 만들어보신 분 손 들어보라고 하자 50명이 손을 들었다”며 “그러나 업무에 적용해본 분 손 들어보라고 하자 아무도 손들지 못했다”고 전했다. 사실상 아직까지 많은 기업들이 많은 돈을 투입하고도 반쪽 짜리 머신 러닝 플랫폼에 그치고 있다는 의미다.

다음은 어느 보험사의 머신러닝 구현 사례. 김 이사에 따르면, 이 보험사는 ‘파이선’을 활용해 18개월 동안 연구를 통해 머신러닝 모델을 만들었다. 문제는 보험사 운영환경이 ‘스칼라’였다는 것. 운영환경에 적용해봤더니 스칼라 모델 중 어떤 결과도 파이선 모델과 일치하지 않았다. 결과적으로 18개월 동안 적용하지도 못하는 모델을 만드느라 공을 들인 셈이다.

김 이사는 기업들의 머신러닝 구현과정에서 이러한 문제에 직면하는 것은 과거와는 근본적으로 달라진 기술환경때문이라고 보고, 이제는 새로운 환경에 맞는 머신러닝 아키텍처가 필요하다고 강조했다.

김 이사는 “과거에는 회귀분석, 의사결정트리가 단순해 큰 부담 없었지만 최근 로직은 수십만 단위 코드가 존재하며, 이를 자연스럽게 이식하기가 어렵고, 개발환경과 실제 운영환경의 괴리도 존재한다”고 지적했다. 자바로 변환했더라도 빠르게 처리할 수 있는 머신러닝 성능이 필요하다며 단순히 자바로 개발했다고 했다고 운영환경 및 성능 이슈가 해결되는 것은 아니라고 설명했다.

이날 김 이사는 SAS가 최근 선보인 인공지능(AI)기반 머신러닝 플랫폼인 바이야(viya)를 통해, 완성도 높은 머신러닝 플랫폼 구현 전략을 제시했다. SAS는 하나의 플랫폼에서 다양한 형태의 머신러닝 분석을 해낼 수 있다는 점을 바이야 솔루션의 최대 강점으로 꼽고 있다.

SAS에 따르면, ‘SAS 바이야(SAS Viya)’는 데이터를 찾아 활용하는 시간을 대폭 줄여, 신속한 의사결정을 지원하고 이미지 인식과 딥러닝, 자연어 처리 등 혁신적인 분석이 가능하다. 또 이미지와 영상, 음성, 스트리밍데이터 등 다양한 유형의 데이터를 처리하고 분석할 수 있다. 특히 클라우드는 물론 온프레미스(On Premiss) 방식의 클라우드 구축, 모바일 환경에서도 모두 사용할 수 있는 것도 장점으로 꼽힌다.

빅데이터 분석 플랫폼 구축을 서두르고 있는 현재 국내 금융권 경우, 클라우드 환경을 고려한 플랫폼을 고민해야 한다. 이와 관련 김 이사는 온프라미스 지원 등 클라우드 환경에 유연하게 대응할 수 있는 아키텍처라는 점을 강조하고 있다.

김 이사는 마지막으로 “사용자 펴의성, 성능 확장성 거버넌스 다 중요하지만 머신러닝이란 전체를 봐야하며. 데이터를 어떻게 핸들링하고 모델링 어떻게 적용할 것인가를 이러한 관점에서 판단하나면 실패를 최소화할 것”이라고 조언했다.

<이형두 기자>dudu@ddaily.co.kr