패스트캠퍼스 환급챌린지 38일차 : AI 시대, PM/PO 를 위한 한 번에 끝내는 AI 서비스 기획 실무 강의 후기
본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4oKQD6b
251219(금) 38일차
AI 서비스 구현에 필요한 기술 검토 - 데이터
어떤 데이터를 활용할 것인가
AI 서비스의 구현 과정에서 굉장히 핵심적인 부분
POPM으로서 기술력이나 코드로 접근하면 난이도가 어렵게 느껴지는데
실무적으로 기획력을 통해서 의미 있는 결과를 만들어낼 수 있는 구간이기 때문에 중요한 구간
AI 모델링이 아무리 훌륭해도 결국 데이터가 없으면 돌아갈 수가 없고 원하는 결과값을 만들어낼 수가 없기 때문에
AI가 올바르게 동작하기 위해서는 지속적으로 고퀄리티의 데이터가 공급 되어야 한다 - 자동차의 기름 / 사람의 피와 같은 개념
특히 데이터가 AI 기술을 통한 결과 도출에 중요한 역할을 차지하고 있기 때문에 데이터는 계속 주입이 되어야 한다
그것도 고퀄리티의 데이터가 들어가야 되고
시대의 흐름에 맞는 데이터도 고려해 계속 데이터를 넣어줘야 된다
마찬가지로 모델링도 변화하기 때문엥 모델링에 맞는 데이터를 또 찾아야 되는 부분도 있다
또한 이 결과가 고객이 원하는 것들을 우리가 문제 해결을 위해서 해주는 것인데 이것도 변화를 한다
그래서 데이터와 AI 모델링과 소스, 결과가 다 바뀌기 때문에
이런 부분들을 지속적으로 대응하고 만들어 나가는 것이 중요하고
그 중 첫 걸음이 데이터
데이터가 계속 들어가야 되기 때문에 전략적이고 기획적으로 접근을 해야한다
지속 가능한 고퀄리티의 데이터가 확보될 수 있도록 해야 하는데
누가 갑자기 주는 것이 아니므로 다양한 방법론을 조합해서 비즈니스적으로 유리한 방향으로 설정하는 것이 중요하다
보통 5가지
공개 데이터셋 활용 - 캐글이나 구글 데이터셋 등의 공개 데이터를 활용해서 데이터를 수급
자체 데이터 수집 - 플랫폼을 만들어서 직접 수집하거나, 센서 설치 후 수집 하거나 등
데이터(라이선스) 구매 - 외부 데이터를 통해서 데이터 업체에 돈을 주고 사는 방식
협력 및 파트너십 - 협력 산업 파트너십 제휴를 통해 데이터를 확보하는 영역
데이터 생성 - 데이터를 조작, 변형해 계속 샘플 데이터를 만드는 것, 증강 기술이라고 없던 데이터를 계속 만들어내는 것
데이터 생성은 정교하고 기술력을 요하는 것이기 때문에 조심스럽고
일반적으로 공개 데이터셋과 데이터 구매, 제휴를 통해 비용을 많이 들이지 않으면서 출발해 데이터를 확보하는 방식
이번 강의를 통해
AI 서비스의 성패는 모델보다 데이터에 크게 좌우된다는 것
보통의 AI는 모델, 최신 기술에만 시선이 집중되지만 강의에서는 모델이 아무리 좋아도 데이터가 없으면 아무것도 할 수 없다를 반복, 강조
AI 서비스가 일회성이 아닌 지속적으로 운영되는 서비스라는 점에서 고퀄의 데이터가 계속 들어와야 한다는 점은 항상 염두해두어야 할 점
