2021년 포브스지 선정 AI 트렌드, MLOps

‘인공지능(AI)’이 가파르게 성장하고 있습니다. COVID-19 위험성이 증가함에 따라 인공지능은 더 이상 선택 사항이 아니라 필수적인 요소가 되었고, 세계 위기는 “인공 지능”이 더 빠른 속도로 성장할 수 있는 기회로 작용하고 있습니다. 인공지능은 쇼핑에서 엔터테인먼트 그리고 뱅킹에 이르기까지 전 세계 산업을 변화시키고 있습니다. 비즈니스를 지원하는 것에 그치지 않고, 비즈니스의 모든 부분에서 핵심적인 구성 요소가 되었고, 기업은 인공 지능을 통해 다양한 매체의 고객들과 상호 교류하기를 시도하고 있습니다.

이러한 인공 지능은 지속적인 업데이트를 통해 고객이 계속해서 사용하고 더 만족할 수 있도록 발전해가는데요

디지컬 마케팅 전문기업 휴머스온은 최근 MLOps를 도입해 인공지능 마케팅 플랫폼을 구축해 나가고 있습니다. 인공지능 상품 추천, 인공지능 커뮤니케이션 최적화, 인공지능 광고 집행 자동화 등 고객의 데이터를 활용해 최적의 맞춤형 개인화 마케팅을 제공하는 것이 장기적인 목표 중 하나입니다.

MLOps란? 기획에서 개발, 운용까지
비즈니스 속도에 맞춰 ML로 고속 처리하는 기법

자체 보유한 핵심 AI 알고리즘에 방대한 데이터를 학습시키는 것은 시간과 비용 모두 상당히 필요한 작업일 것입니다. MLOps는 머신 러닝(ML: Machine Learning)과 운영(Ops: Operation)이 합쳐진 표현으로, 개인 데이터 분석, 처리, 학습, 예측 결과를 서비스에 적용하는 전반적인 프로세스를 뜻합니다. 아래의 그림과 같이 MLOps는 CI(Continuous Integration, 지속적 통합), CD(Continuous Deployment, 지속적 배포)를 자동화해 새로운 아이디어를 빠르게 살펴보고, 해당 아이디어를 구현, 새 파이프라인 구성요소를 대상 환경에 자동으로 빌드, 테스트, 배포할 수 있게 합니다.

MLOps는 머신 러닝과 다르게, 모든 비즈니스 문제를 직접 해결할 수 있는 것은 아닙니다. 하지만 머신 러닝에 대한 투자가 실질적인 가치 창출로 이어지는데 핵심적인 역할을 합니다.

MLOps는
마케팅에 어떤 도움을 줄까요?

마케터 분들 대부분 타겟에게 A버젼 또는 B버젼을 선보이고 더 좋은 반응이 나오는 버젼이 무엇인지를 테스트하는 A/B테스트를 진행하실 겁니다. MLOps를 활용한다면 A/B테스트를 건마다 운영해보는 것이 아닌 동시 다발적으로, 병렬적으로 운영해 나온 반응을 확인하실 수 있습니다.

또는 종합 쇼핑몰인 A사에서 활용한 고객 데이터를 사용해, 전문 쇼핑몰인 B사에서 고객들에게 맞춤형 마케팅을 진행하려고 합니다. 데이터가 있지만 어떻게 활용해야 할지에 대한 실험이 필요할 때, MLOps는 어떤 데이터가 우리 고객과 얼마나 잘 매칭될지 단기간에 찾아낼 수 있게 합니다.

동일한 가상 환경을 다수 설정하고, 원하는 반응이 나오는 최적의 수를 단기간에 뽑아낼 수 있는 것이지요.

이커머스 시장이 커지면서 다양한 사이트의 규모 또한 덩달아 커져왔습니다. 사이트 규모와 개수가 다양해지면서 일일이 직접 관여하는 것에는 한계성이 두드러지고 있지요. 최대한 짧은 기간 안에 아이디어를 프로덕션으로 배포하고, 최소한의 위험 부담으로 시장에 출시할 수 있도록 기술적 마찰을 줄이는 것은 곧 바쁜 현대인의 시간을 되찾는 것과 같은 일일 것입니다.

디지털 마케팅 전문 기업 휴머스온은 MLOps를 활용해 AI 상품추천 캠페인을 선보인 바 있습니다. 인공지능을 활용해 직접적인 마케팅 관리를 최소화하고, 고객 데이터를 활용해 맞춤형 마케팅, 맞춤형 서비스를 보다 최적화할 수 있도록 나아가고 있습니다. 기술과 서비스 개발에 투자를 아끼지 않습니다. 꾸준한 기술 투자와 개발이야 말로 고객에게 더 나은 마케팅 경험을 제공할 수 있다고 믿습니다.

1등 기업이 선택하는 디지털 마케팅 플랫폼 휴머스온!
꾸준한 기술 투자와 개발이야 말로 고객에게 더 나은 마케팅 경험을 제공할 수 있다고 믿습니다.

One thought on “2021년 포브스지 선정 AI 트렌드, MLOps”

  1. MLOps is increasingly adopting responsible AI, which encompasses explainability, transparency, security and reproducibility of experiments to incorporate ethics and eliminate biases. MLOps use cases range from statistical machine learning and computer vision to conversational AI and recommendation systems. MLOps platforms need continuous data access to massive data-sets, as model learning is a virtuous process and neural net prediction and accuracy are only as good as its data and training.

답글 남기기

이메일 주소를 발행하지 않을 것입니다. 필수 항목은 *(으)로 표시합니다