AI 기반 서비스를 시작할 때
안녕하세요! 오늘의 헤드라인 머신 러닝 엔지니어 Ryan입니다.
AI 기술이 우리 삶에 스며 들고 있습니다. 많은 회사들에서 AI 기술로 사람들의 습관을 바꾸기 위해 도전합니다. 하지만 AI가 우리 삶 속의 모든 문제를 훨씬 멋진 방법으로 풀어주는 것은 아니겠지요.
AI 기반 뉴스 추천 모델을 개발하며, 문득 사람들이 삶 속의 AI 기술들을 어떤 마음으로 대하고 있는지 궁금해졌습니다. 사람들은 AI가 제공하는 의사 결정을 믿고 적극적으로 받아들이기도, 보조적으로 참고만 하기도 합니다. 특정 문제들에 대해서 우리는 AI보다 인간이 더 나은 결정을 하리라 믿습니다. 아마 풀고자 하는 문제에 따라 다르겠지요.
성공한 AI 서비스들은 기술 개발에 앞서 그들이 제공하고자 하는 서비스들이 사람들의 삶에 어떤 방식으로 영향을 줄 것인지를 치열하게 고민했을 것입니다. 이와 관련해서, 구글에서 펴낸 좋은 지침서가 있어 정리해 보았습니다!
우리의 문제를 AI가 특히 잘 풀 수 있을까요?
여기서 우리는 ‘특히 잘’ 이라는 말에 주목해야 합니다. AI는 만능 열쇠처럼 보이지만, AI 시스템을 설계하고 유지하는 것은 쉬운 일이 아닙니다. 또한, 대개 AI 기반 서비스가 생성한 의사결정 결과는 설명할 수 없는 형태로 주어지기 때문에, 많은 문제를 풀 때 휴리스틱한 의사결정 알고리즘도 괜찮은 선택지가 될 수 있습니다.
하지만 AI는 rule-based 알고리즘과 분명히 다른 방식으로 문제를 풀며, AI의 특징이 사용자 경험을 향상시킬 수 있는 지점이 존재합니다. AI와 rule-based 알고리즘이 비교적 우위에 있을 수 있는 상황에는 어떤 것들이 있을까요?
AI가 더 나은 선택지가 될 수 있는 경우
- 개인화가 필요할 때 AI는 더 나은 선택지가 될 수 있습니다. 넷플릭스 콘텐츠 추천과 같이 서로 다른 사용자들에게 다른 콘텐츠를 제시하여야 하는 상황이 이에 해당합니다. 콘텐츠가 아니더라도, 집안 온도 조절과 같이 사람들마다 각기 다른 의사결정 결과를 제공하여 더 나은 사용자 경험을 이끌어낼 수 있을 때 AI는 서비스에 특장점을 더합니다.
- 미래를 예측해야 할 때 rule-based 알고리즘보다 AI 시스템이 더 나은 성능을 보여줄 수 있습니다.
- 자연어를 이해해야 할 때 AI는 일반적으로 rule-based 처리 프로세스보다 좋은 성능을 보여줍니다.
- 많은 객체를 많은 클래스로 분류해야 할 경우 AI는 좋은 방법입니다. 포토 태깅 앱에서 모든 등장 가능한 형태의 사진들에 대해 rule-base로 코드를 작성하는 것은 매우 어렵습니다.
- 시간에 따라 변하면서 빈도가 낮은 사건들을 검출해야 할 때(ex: fraud detection). AI는 변하는 발생 패턴을 예측하고 해당 클래스의 새로운 형태의 사건이 발생했을 때 이를 검출할 수 있습니다.
- 특정 도메인에서 봇과 같은 사용자 경험이 필요할 때가 있습니다. 이럴 때 AI는 좋은 선택지입니다. 호텔 예약의 경우 많은 사용자들이 유사한 패턴을 따릅니다. 이런 경우 AI를 자동화 도구로 사용하여 프로세스를 신속하게 처리할 수 있는 시스템을 구축할 수 있습니다.
- 예측 가능한 인터페이스보다 다양한 콘텐츠를 제공하는 것이 더 나을 때 AI는 좋은 문제풀이 도구입니다. AI는 어쩌면 사용자 스스로는 절대 찾을 수 없을 것 같아 보이는 아이템도 제시해줄 수 있는 능력을 갖고 있습니다.
그렇지 않은 경우
- 예측 가능성이 중요한 경우. 어떤 문제들에서는 사용자들이 기대하는 예측 가능성을 충족해주는 것이 좋은 사용자 경험을 이끌어낼 수 있습니다. AI는 항상 동일한 처리 결과를 내놓는 데 취약합니다.
- 신용카드 가입 폼을 작성하는 등, 의도적으로 정적이고 제한된 정보만을 제공해야 하는 경우 rule-based 서비스를 제공하는 것이 낫습니다.
- 서비스에서 높은 수준의 투명성을 요구하는 경우 AI는 좋은 선택지가 아닙니다. 어떤 서비스들은 유저가 서비스에서 일어나는 의사결정의 근거와 결과를 모두 알고 컨트롤하고 싶어 합니다(이는 사용자가 원하는 투명성의 정도의 문제이며, AI 서비스에서도 사용자들에게 ‘판단의 근거'를 제공할 때 좋은 사용자 경험을 이끌어낼 수 있는 경우가 많습니다).
- high-value task를 자동화하려는 경우 AI는 나쁜 선택일 수 있습니다. high-value task에서는 사용자들이 AI를 통한 자동화나 다양한 선택지의 제공을 꺼려하는 경우가 많습니다.
- 빠른 속도와 낮은 비용이 요구되는 경우, 또는 에러 발생 시 처리 비용이 매우 높은 경우 rule-based 알고리즘이 더 나은 선택일 수 있습니다.
