본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4oKQD6b
251218(목) 37일차
서비스 구현에 필요한 기술 검토 - 기술력
어떤 AI를 쓸까
기획적으로 보면 인공지능이 어떤 요소들을 활용할지를 검토하는 과정,
AI를 구성하기 위한 사전 기반들을 점검하고 결정하는 과정
이전 시간에서 문제점과 이 문제점들을 어떻게 해결할지 나열하고
여기서 AI로 해결하는 부분이 등장하면 어떤 식으로 구성이 되야할지 대분류 정도로 분류를 할 수 있는데
머신러닝, 딥러닝, 자연어처리, 비전의 큰 범주가 존재하고
머신러닝의 세부적으로는 회귀분석, 의사결정, 랜덤포레스트, 서포트 벡터 머신,
딥러닝은 CNN, RNN, LSTM, GAN
PM/PO로써 이런것들을 구체적으로, 기술적으로 이해를 통해서 뭔가 조합을 한다기보다는
AI 전문가들이랑 논의할 수 있을 정도의 기초 지식만 있어도 진행하는 데는 문제가 없기 때문에
용어나 흐름에 대해서 디테일하게 이해보다는 과정 자체를 이해하는데 집중하기
이 AI에 도입돼야 되는 기술이 어떤 것들이 있는지 분석을 통해 정하는 과정들은 필요하다보니
사실상 기술 기획의 영역으로 생각하기
PO/PM으로써 인공지능 서비스를 기획할 때 역량차이가 많이 발생하는 부분
AI와 관련된 지식이나 경험의 차이가 향후 AI 서비스를 기획하는 효율성과 퀄리티의 영향을 준다
실제로 밑단에서 AI가 동작하는 과정을 하나하나 다 보지 않으면 어떻게 구성되는지 알 수가 없기 때문에
이런 부분들에 대한 이해도와 경험이 굉장히 중요하다
여기서 경험은 프로젝트가 아닌
이 동작을 하기 위한 구체적인 논리들을 눈으로 보거나 코드를 실행하는 정도의 레벨을 말하는 것
PO/PM 영역으로서 기술에 대해 다 알아야 하는 것은 아니고
경험과 지식이 있으면 좋지만 이 부분은 논리적, 창의적 사고를 통해 어떤 AI 구성을 갖는지 조합하고
그것이 가장 효율적으로 돌아갈 수 있는 형태를 구성하는 역할
AI의 결정적 차이는 고객이 인풋을 넣으면 데이터와 모델링을 통해서 자동화, 예측, 등
다양한 조합을 통해 단순 로직이 아닌 확률적인 형태로 결과값을 내놓는 형태라고 봤을 때
이 프로세싱 과정에서 어떤 조합을 사용할 건지에 대한 부분을 POPM이 고려하는 것이 핵심적
이번 강의를 통해서
PMPO가 AI를 이해한다는 것이 무엇을 의미하는지에 대한 기준을 다시 세웠다
1강에서 들었던 머신러닝, 딥러닝, NLP, CNN, RNN 등 모델 이름을 들으면서 이걸 다 알아야 하는지, 이게 무엇인지 부담이 들었던 것은 사실 하지만 강의에서는 PMPO가 모델을 직접 설계하거나 구현하는 수준이 아닌 문제해결 관점에서 AI 범주와 조합이 필요한지 판단할 정도면 된다고 해서 심리적으로 살짝 가벼워지긴 했다
