top of page

AI사업화에서 미리 고려해야 했던 사항들

초기 AI를 연구할때 하고 싶은 분야가 너무 많았습니다. 기존 산업과 차별화 되는 경쟁력으로 아이디어가 넘쳐났었죠

그중 일부를 선택하고 사업화 하는 과정에서 결국 유망산업이라도 유망 사업은 다른 것 이구나 라는 점을 깨달았습니다.

이번 글에서는 AI를 사업화 할때 제가 겪었던 중요한 판정기준 입니다.

 ' 과연 이 AI사업화 아이디어를 구체화 시켰을때 사업화까지 갈수 있을까? ' 라는 근본적인 질문에 나름대로 판정기준을 생각해 봤습니다.


저의 경우 일반 기술경영은 익숙하다라고(이론적으로만) 했지만 AI는 전혀 다른 부분이었고 돌이켜 생각해 보면 유사한 점도 있었고 다른 점도 있었습니다.


관련 레퍼런스는 사업화 스케치(초기)단계에서 자주 사용하는 [ business model 9-canvas ] 를 빗대어 구체화 시켜봤습니다.


<Business canvas 9 : 스타트업 업계에서 초기단계에서 자주쓰는, 사업화 단계에서 고려사항과 핵심역량과 관계,리소스등의 사항을 정리 할 수 있는 템플릿 입니다. >


위 템플릿을 AI기준으로 다시 생각해 봤을때 아래와 같았습니다.

1. AI Framework 의 선택 : [어떤 서비스에 태울 것인가? ]

: 목적에 맞는 알고리즘이나 서비스 프레임워크를 선택하는 과정입니다. 요즘 거의 매일같이 수십가지의 신규 알고리즘이나 프레임워크들이 경쟁적으로 나오는 상황에서 목적에 맞는(엔진의 정확도가 목표인지 속도가 목표인지 모바일 중심인지,,)것을 결정 합니다.

쉽게 말해 Yolo기반을 쓸 것인지, Intel서비스 플랫폼을 이용할 것인지를 결정해야 합니다.


2. Model training / Evaluate [ 어떻게 학습 시킬 것인가?, 어떤기준으로 평가 할것인가? ]

: 엔진을 학습시키고 성능을 높일 데이터들을 어떻게 학습시킬  것인가에 대한 내용입니다. 출시전 매번 테스트를 통해 오류 데이터를 재 학습 시킬 것인지, 원하는 정확도는 몇%인지, 이러한 과정을 자동화 시킬 것인지에 대한 활동입니다.

사업영역이다 보니 경쟁력있는 트레이닝 방법을 경쟁사들과 다르게 확보하는 전략이 매우 중요합니다.


3.Dataset [ 어떻게 데이터를 확보할 것인가? ]

:  데이터를 어떻게 확보 할 것인가? 사올 것인가(돈이 많이 듦), 데이터 전문 업체를 이용할 것인가(돈이 제일 많이 듦), 만들 것인가(시간이 걸림), 우수한 데이터를 어떤 기준으로 판달 할 것인가.. 에 대한 내용입니다.


체감적으로 말씀드리자면 인공지능 프레임워크의 경쟁력은 거기거 거기 입니다. 평가지표들이 모두 공개되어 있고 소스도 공개되어 있습니다. 기술적 경쟁력은 데이터를 싸고 빠르게 그리고 효과적인 데이터를 가지고 오는 것이 사업이 핵심 역량인것 같습니다.


4. Service Engine : [어떤 특색의 엔진을 만들 것인가?]

: 예를 들자면 '우리는 극장관람객에 일어 날 수 있는 안전과 위험감지를 실시간 원격으로 모바일에서도 확인할수 있는 저사양 AI엔진을 만들겠다' 라는 영역입니다.

사업의 핵심역량, 경쟁력, 특성등의 활동에 대한 정의 입니다.


5. Data relationship [ 데이터 소유권, 데이터와 이해관계사들과의 관계]

: 다른 사업과 다르게 AI부분은 데이터가 사업의 절반 입니다. 그렇다 보니 현장에서 취합되는 수많은 데이터의 소유권, 저작권, 저장방법, 암호화를 해야 하는지등에 문제들이 나오기 시작합니다.

저같은 경우 초기 사업화 과정에서 이 부분은 고려한적이 없는데 막상 사업화 단계에서 고객사(납품처)와 실제 현장고객들 그리고 서비스/엔진개발사(저희) 입장에서 데이터관계설정이 매우 힘들고 지루한 과정이었습니다.

예를 들자면

 1) 매장에서 나오는 데이터 소유권은 고객사가 가져가야 하나? 부터

 2) 엔진을 학습시키기 위해서 현장 데이터의 저장,변형의 주최는 개발사가 가져야 하겠지?

3) 그렇다면 고객들의 개인정보 보호를 위해서 사전 동의가 필요한가? 그러면 서비스 자체가 불가능 할텐데.?

4) 저장은 어디다 할 것인지, 암호화 해야 하는지.

등의 문제를 미리 정의 해야합니다.

** 자체 서비스가 아닌 개발과 납품을 하는 개발사 입장에서는 매우 중요한 문제 입니다.


** 2019년에 재정된 데이터3법이 긍정적인 법안 입니다. 

(https://www.korea.kr/special/policyCurationView.do?newsId=148867915)

개인정보의 범위를 지정하고 (가명정보화) 익명화하여 저장한다면 개인들에게 일일히 사전동의를 받지않아도 되는 내용이 포함되어 있습니다.


6.서비스채널 [엔진 제공형태? ]

: 보통 AI엔진들은 고성능의 CPU,GPU,Memory가 필요합니다. 그러다 보니 엔진을 클라우드에 둘 것인지 클라이언트단에서 처리 할것인지 분산 처리 할것인지 중앙화 시킬 것인지 결정해야 합니다.

아직은 고성능 서버가 필요한 분야 지만 예를들어 (간단한 얼굴인식,체온 측정의 기능의 경우 저사양 서버를 구축하는것도 사업적으로 중요한 활동입니다.)

그리고 이러한 서비스를 웹으로 제공할 것인지 클라이언트 디바이스에서 제공할 것인지 모바일 서비스로 할 것인지등의 결정 이겠죠.


나머지 다른 분야는 일반 사업분야과 큰 차이가 없기 때문에 생각하겠습니다.


사족으로 제 사견으로는 AI가 산업계로 퍼지면서 가장 먼저 활성화될 분야가 AI특화 하드웨어가 활성화 될것으로 보입니다.

예를들어 nvidia사의 jetson nano (얼굴인식이나 사물인식등의 비교적 간단한 CNN기법을 활용할수 있는 제품) , 인공지능 기능이 내재화 되어 있는 한화 CCTV등들이 출시가 시작되었는데, 이는 의미있는 사업화 모델이라고 생각됩니다.

AI 임베디드 시장이 먼저 열리겠구나 라는 생각입니다.


<AI임베디드 미니 pc; nvidia사의 jetson nano >


Comments


bottom of page