안녕하십니까? 클라우드 네이티브 Launch센터입니다.
이번 <DX Insight> 6월호에서는 AI Engineering을 재조명한 AM(Application Modernization, 애플리케이션 현대화)의 Next Level, 'Intelligent Product'를 소개해드리고자 합니다.
Intelligent Product는 Application에 성공적으로 AI를 적용하여 고객 경험을 향상시킨 제품이나 서비스를 말합니다. LG CNS는 Intelligent Product를 AM의 Next Level로 보고, 클라우드 네이티브 기술 적용을 통해 고객사와 협력하여 Intelligent Product를 만들어 가고 있습니다.
오늘 다른 지면을 통해 소개해 드리고 있는 AI 분석 플랫폼, DAP MLDL을 활용할 경우 DAP MLDL의 주요 기능 중 하나인 지능화 Full Lifecycle을 지원하는 MLOps의 적용으로 Intelligent Product의 구현이 더욱 용이해 집니다. DAP MLDL이 궁금하다면 DAP MLDL 관련 소개자료를 살펴보십시오.
Intelligent Product를 이해하기 위한 필수 개념인 AM(Application Modernization)이 궁금하다면 5월 <DX Insight>에서 소개해드린 '핫한 기업이 AM을 하는 이유'를 참고해 주시기 바랍니다.
Intelligent Product의 정의와 적용 사례
Intelligent Product는 AI와 AM(Application Modernization) 기술의 적용으로 높은 품질의 지능화, 개인화가 구현된 서비스나 제품입니다.
부동산 매물 조회를 위해 부동산 관련 앱을 활용해 보신 적이 있으신가요? 부동산 앱은 Intelligent Product가 적용된 대표적인 사례라고 할 수 있습니다.
기존의 부동산 앱은 부동산의 위치, 크기, 가격, 도면 등의 정보를 단순한 형태로 제공하고 있었는데요. 최근의 부동산 앱은 기본적인 정보 외에도 차별화된 초개인화 서비스를 제공하는 모습으로 발전하고 있습니다.
집을 구하는 사람들이 직접 방문해서 확인했어야 했던 실내에서의 채광 상태나 조망권 정보를 이제는 부동산 앱을 통해서도 확인할 수 있습니다. Vision AI는 도면의 창문 위치와 방의 크기를 인식하고, 일광 정보 데이터와 계절 시간 정보를 결합하여 각 방에서의 일조량을 시뮬레이션해 줍니다. 이를 통해 사용자는 원하는 룸과 거실의 일광 현황을 원하는 시간이나 각도에 따라 확인해 볼 수 있습니다. 또한 구글 맵을 활용하여 창문 방향에서 보이는 조망을 검색할 수도 있습니다.
이렇듯 최근 사용자 편의를 위해 업그레이드 되고 있는 부동산 앱은 AI를 통해 사용자가 원하는 정보를 제공하여 경쟁력을 갖추게 된 Intelligent Product의 사례로 볼 수 있습니다.
Application과 AI의 독립적 개발 방식의 한계
Intelligent Product의 구현은 Application과 AI 개발이 독립적으로 진행된 기존의 서비스 개발 방식과는 다른 접근이 요구됩니다. 기존의 AI를 접목한 서비스 개발 방식은 Application 개발과는 별도의 타임라인으로 AI 기술 적용을 위한 데이터를 분석하여 이로 인한 다양한 문제점이 발생했습니다.
데이터 분석가들은 분석 요구 사항에 맞는 데이터가 없는 경우, 원하는 결과를 얻지 못했고 데이터를 얻기 위해 많은 시간을 기다려야 했습니다. 또한 AI 분석 모델이 Application과 결합되어 서비스화된 후에도 Application과 AI 분석 모델이 분리됨에 따라 기능의 수정 요구사항이 생길 때 빠르게 대응하기 어려웠습니다.
Application과 AI의 독립적 개발 방식은 민첩성이 떨어지고, 운영 단계로 전환된 이후 지속적인 업그레이드가 불가능하여 빠른 변화에 대응해야 하는 현 비즈니스 상황과 Intelligent Product 개발에는 한계가 있음을 알 수 있습니다.
완성형 DX를 가능하게 하는 Intelligent Product
Intelligent Product는 Application 개발과 데이터 분석이 Cloud 위에서 이루어지면서, AM(Application Modernization)과 Data Modernization이 함께 진행될 때 최적의 퍼포먼스를 제공합니다.
Application 개발이 종료되고 사용자가 Application을 활용하는 동안에도 사용자(End User)의 데이터는 생성됩니다. Intelligent Product는 사용 데이터도 학습하여 AI 알고리즘을 업그레이드 하면서, 다시 Application의 기능에 반영합니다. 따라서 사용자는 항상 최신화된 맞춤형 Application을 경험할 수 있습니다. 즉, Rule base의 프로세스 중심이 아닌, 새롭게 만들어지는 데이터를 스스로 학습하여 동적으로 개선되는 서비스로 새로운 경험을 할 수 있습니다.
이렇게 사용자가 항상 최신화된 맞춤형 서비스를 이용할 수 있는 것은 개발 방식의 차이 때문입니다. 기존에는 Application과 Data 분석 시스템이 Silo인 상태로 순차적으로 개발되었다면, 이제는 Intelligent Product 개발을 위해 Application 개발자와 데이터 엔지니어가 한 팀으로 함께 개발합니다. LG CNS는 Intelligent Product 구현을 위해 Agile 기반의 DevOps와 MLOps 도구를 사용하여 Application과 AI 모델이 동시에 자동 배포되고 새로운 데이터에 적응할 수 있는 역동적인 서비스를 가능하게 합니다.
Products 개발 방식과 Intelligent Products 개발 방식의 차이
Intelligent Product 구현을 위한 LG CNS의 4가지 핵심 기술
LG CNS는 Intelligent Product를 성공적으로 구현하기 위해 Application Mordernization을 기반으로 다음 4가지 핵심 기술을 필수적으로 적용하고 있습니다.
- 서비스 기획 단계에서 Task Model을 통해 사용자 경험을 새롭게 디자인하고 이를 기반으로 AI 모델 적용 여부를 검증합니다. Task Model은 사용자가 Task를 끝내기 위해 필요한 기능과 데이터 등을 정의한 것으로, Task Model을 통해 개선이 필요하거나 분석을 적용할 만한 지점을 빠르게 식별하게 됩니다.
- AI 모델을 처음부터 개발하는 것은 많은 시간과 투자가 필요하므로 CSP(Cloud Service Provider) AI 서비스, 사전 학습 모델 등 비즈니스 니즈에 맞는 기존 AI 모델을 선택하고, 검증하고, 점진적으로 발전시키면서 Product를 완성합니다.
- Application 개발 테스트 자동화와 마찬가지로 모델 개발 및 데이터 테스트 자동화를 진행합니다. AI 서비스를 위한 분석 모델 개발 시에도 AM Application 관리처럼 버전, 배포, 릴리즈, 테스트 자동화 등이 적용되어 높은 품질을 이룰 수 있어야 합니다. 그리고 AI 학습, 개발에 적용되는 모든 활동이 데이터 기반이기 때문에 데이터 품질 테스트가 중요합니다. LG CNS는 Intelligent Product 개발 시 데이터의 수집 단계에서부터 통합 , 최적화 , 목적별 전환에 이르기까지 각 단계의 Input 과 Output 에 대해 품질이 보장될 수 있도록 테스트 자동화를 진행합니다.
- MLOps를 적용합니다. MLOps는 ML, DEV, Ops 3 가지 단계로 구성되어 있습니다. ML 단계는 데이터를 다루고 프로세스에 적용할 모델을 만듭니다. 기존 DevOps 에서는 없었던 개념이며 ML 모델의 학습이나 검증에서 사용할 데이터를 처리하고 이를 이용하여 ML 모델링을 하는 작업이 포함됩니다. Dev 단계는 앞에서 탐색하고 개발한 ML 모델을 배포할 준비를 하고 모델 인프라나 파이프라인 개발을 진행합니다. Ops 단계는 이전 단계에서 배포한 ML 모델을 운영합니다. 이러한 MLOps를 통해 분석가들이 모델 개발에 집중할 수 있도록 지원하며 생성된 모델을 운영 환경으로 신속하게 배포시키도록 도와줍니다. 그리고 여러 가지 자동화를 통해 사람의 실수로 발생되는 오류를 최소화하고 AI 모델과 서비스 지표 (Metric) 모니터링을 통해 필요 시 지속적인 학습을 실시하여 서비스의 품질을 보장합니다.
Intelligent Product 구축 성공 요소
Intelligent Product는 자동화 AI, 초개인화를 통해 실질적으로 고객 경험을 향상시키는 완결형 DX를 제공합니다. Gatner는 '25년까지 10%의 기업이 AI Engineering Best Practices를 구현할 것이며, AI를 통해 나머지 90%의 기업들보다 3배 이상의 가치를 끌어낼 수 있다고 보고 있습니다.
LG CNS와 함께 AI Engineering을 재조명한 Intelligent Product 개발 역량과 체계를 경험해 보시기 바랍니다.
