소매업부터 금융, 제조, 자동차 산업에 이르기까지 Vertex AI로 ML 가속화

* 본 아티클의 원문은 2022년 6월 9일 Google Cloud 블로그(영문)에 게재되었습니다. 

인공지능(AI)과 머신러닝(ML)은 인간과 컴퓨터의 대화형 상호작용 및 음성 기반 분석에서 새로운 분야를 개척하는 일부터 소매업의 제품 검색 개선, AlphaFold와 같은 고급 기술을 통해 의료 연구의 새로운 기회를 실현하기까지 전 세계의 다양한 업종에 변화를 일으키고 있습니다.

그러나 모든 ML 발전의 바탕에는 공통적인 도전과제가 있습니다. 바로 ML 모델의 빌드와 프로덕션 배포 속도를 높이고, 기술적으로 가장 복잡한 프로세스를 더 많은 사용자가 ML을 접할 수 있도록 해주는 통합 플랫폼으로 추상화하는 과제입니다.

Google은 유용하고 예측 가능한 ML을 규모에 맞게 배포하는 과정에 존재하는 모든 장애물을 없애기 위해 노력하고 있습니다. 그러한 이유에서 2021년 5월에는 ML 모델의 배포와 유지보수 속도를 높이도록 설계된 관리형 ML 플랫폼인 Vertex AI의 정식 버전을 발표했습니다. 데이터 과학자는 Vertex AI를 활용하여 ML 개발과 실험 속도를 5배 높일 수 있습니다. 이때 필요한 코드 줄은 80% 더 적습니다.

Vertex AI가 출시된 해에 다양한 업종의 고객이 Vertex AI를 활용하여 머신러닝 모델의 프로덕션 배포 속도를 높였습니다.

실제로 2021년에 Vertex AI와 BigQuery를 통해 생성된 머신러닝 예측의 수가 전년 대비 2.5배 증가한 것으로 확인되었습니다. 또한 고객들은 Vertex AI의 통합 데이터 및 AI 스토리의 가치를 높게 평가하고 있습니다. 지난 6개월 동안 Vertex AI Workbench의 활성 고객 수가 25배나 증가한 데서 이를 확인할 수 있습니다.

현재 여러 조직에서 어떻게 Vertex AI를 사용하고 있는지 살펴보겠습니다.

소매 분야의 ML 사용 가속화: Wayfair, Etsy, Lowe’s, Magalu의 ML

Google이 전 세계 100명 이상의 소매업 경영진을 대상으로 실시한 연구에서는 AI 및 ML 기반 애플리케이션이 2,300억~5,150억 달러에 달하는 비즈니스 가치를 창출할 가능성이 있는 것으로 파악되었습니다. 사용 사례가 재고 최적화든 고객 경험 개선이든 상관없이 소매업은 ML을 가장 활발하게 도입하고 있는 업종 중 하나입니다.

예를 들어 온라인 가구 및 생활용품 소매업체인 Wayfair는 Vertex AI를 활용한 덕분에 대규모 모델 학습 작업을 5~10배 더 빠르게 실행할 수 있었습니다.

“Wayfair에서는 방대한 규모로 ML을 실행하고 있으며 ML 작업을 간편하게 수행하기를 원합니다. 다시 말해 새로운 모델의 가치 창출 시간을 앞당기고, 대규모의 정기적인 재학습 작업의 안정성 및 속도를 높이고, 규모에 맞게 모델을 빌드하고 배포하는 과정의 마찰을 줄이기를 원하는 것입니다."라고 Wayfair 광고 기술, 고객 인텔리전스, 머신러닝 부문 책임자인 매트 페라리는 Forbes 기사 인터뷰에서 말했습니다. 그는 Vertex AI가 "Wayfair의 의사결정 방식에 ML을 반영하는 데" 도움을 준다고 덧붙였습니다.

Etsy의 경우 아이디어를 라이브 ML 실험으로 구현하는 데 걸리는 시간이 약 50% 단축된 것으로 추정합니다.

“Etsy의 학습 및 프로토타입 제작 플랫폼은 고객이 원하는 ML 프레임워크를 사용하여 자유롭게 실험할 수 있는 Vertex AI와 Dataflow 같은 Google Cloud 서비스에 크게 의존합니다.”라고 Etsy는 블로그 게시물에서 설명합니다. “이러한 서비스를 이용하여 고객은 Jupyter 노트북과 같은 편리한 인터페이스를 통해 GPU 등의 복잡한 ML 인프라를 손쉽게 활용할 수 있습니다. 대량의 추출 변환 로드(ETL) 작업은 Dataflow를 통해 실행할 수 있으며 복잡한 학습 작업은 그 형식에 관계없이 최적화를 위해 Vertex AI에 제출할 수 있습니다.”

특히 예측은 ML의 강점을 활용해 크게 향상할 수 있는 주요 소매업 사용 사례에 해당합니다. Lowe's의 혁신, 데이터 및 공급망 기술 부문 수석 부사장인 아마레시 시바에 따르면 이미 Vertex AI Forecast는 다양한 모델을 통해 Lowe's의 1,700개가 넘는 매장을 지원하고 있습니다.

“Lowe's는 Vertex AI Forecast를 사용하여 SKU와 매장 수준 예측 간에 균형을 이루는 정확한 계층 모델을 만들 수 있게 되었습니다. 이러한 모델은 매장 수준, SKU 수준, 지역 수준의 재고, 프로모션 데이터 및 기타 여러 신호를 고려하며 보다 정확한 예측치를 산출하고 있습니다.”라고 시바는 말했습니다.

이와 유사하게 브라질의 소매업체 Magalu도 재고 예측 오류를 줄이기 위해 Vertex AI를 배포했습니다.

Magalu의 분석 및 전략 계획 책임자인 페르난도 나가노는 Vertex AI를 사용하면서 "4주 실시간 예측의 오류(WAPE)가 이전 모델에 비해 크게 줄었습니다."라고 말했습니다. “이 정확도 높은 통계가 재고 할당을 계획하고 더 효율적으로 보충하는 데 도움을 주면서 적절한 상품을 적재적소에 구비하여 고객 요구를 충족하고 비용을 적절히 관리할 수 있었습니다."

메모리에서 제조, 모바일 결제에 이르기까지: Seagate, Coca Cola Bottlers Japan, Cash App의 ML

AI와 ML 기능을 활용하는 업종은 소매업뿐만이 아닙니다. Google 연구에 따르면 일상적인 운영에 AI를 사용하는 제조업체의 66%는 AI에 대한 의존도가 증가하고 있다고 보고합니다.

Google은 ML을 활용하여 디스크 장애와 같이 빈번하게 발생하는 HDD 문제의 예측을 개선하기 위해 Google 데이터 센터 관련 HDD OEM 파트너인 Seagate와 협력했습니다. 양사의 노력으로 제작된 Vertex AI AutoML 모델은 98%의 정밀도와 35%의 재현율을 달성했는데, 이는 경쟁 관계의 커스텀 ML 모델이 제공하는 70~80%의 정밀도 및 20~25%의 재현율과 비교해 우수한 성과입니다.

Coca Cola Bottlers Japan(CCBJ) 역시 ML 분야를 확대하고 있습니다. Vertex AI와 BigQuery를 사용하여 700,000개의 자판기에서 생성되는 수십억 개의 데이터 레코드를 처리하여 언제, 어디에 제품을 배치해야 할지에 관한 회사의 전략적 의사결정에 반영하고 있습니다.

“자판기를 어디에 배치해야 하는지, 자판기에서 어떤 제품을 얼마에 판매해야 하는지, 얼마나 팔릴지에 관한 예측 모델을 만들었고 지도에서 분석 가능한 메커니즘을 구현했습니다."라고 CCBJ의 Google Developer Expert이자 데이터 과학 관리자인 미노리 마츠다는 블로그 게시물에서 밝혔습니다. "플랫폼 조사부터 도입, 예측 모델 학습, 온사이트 개념 증명, 출시에 이르는 작업을 짧은 기간 내에 속도감 있게 진행할 수 있었습니다.”

금융 분야의 예를 들자면, 미국에 소재한 금융 서비스 기업 Square의 플랫폼인 Cash App은 Google Cloud 및 NVIDIA의 제품을 활용하여 핵심 ML 처리 워크플로의 완료 시간을 약 66% 개선했습니다.

2020년 Cash App에 인수된 Dessa의 선임 소프트웨어 엔지니어인 카일 드 프라이타스는 “Google Cloud는 프로세스에 대한 중요한 관리 기능을 제공했습니다."라고 말했습니다. “NVIDIA A100 Tensor Core GPU 기반의 Compute Engine A2 VM이 처리 시간을 비약적으로 단축시켜 훨씬 더 빠르게 실험을 진행할 수 있음을 깨달았습니다. Google Cloud의 Vertex AI에서 NVIDIA A100 GPU를 실행함으로써 혁신을 지속하고 아이디어를 고객에게 실질적인 영향을 미치는 기능으로 전환하는 데 필요한 기틀을 마련했습니다.”

ML 기반의 미래를 향해 전진: Cruise와 SUBARU의 ML

자동차 분야에서는 전 세계 제조업체가 운영을 디지털화하고 AI에 투자하여 설계를 최적화하고 새로운 기능을 구현하기 위해 수십억 달러를 투자했습니다.

예를 들어 자율 주행 차량 서비스업체인 Cruise의 자율 주행 거리는 수백만 마일에 달합니다. Vertex AI는 Cruise가 영상 인식 및 장면 이해와 같은 핵심 기능을 실현하는 ML 모델을 빠르게 학습시키고 업데이트하도록 지원합니다.

“데이터를 수집해서 분석한 후에는 수집된 데이터에서 적극적인 마이닝을 통해 자동으로 이전 모델의 성능을 뛰어넘는 새로운 모델을 학습시키는 지속적 학습 머신인 동적 ML Brain으로 데이터가 다시 공급됩니다.”라고 Cruise의 엔지니어링 부문 부사장인 모 엘셰나위는 블로그 게시물에서 설명했습니다. “이 작업은 매월 수백 GPU년을 사용하여 수백 개의 모델을 동시에 학습시킬 수 있는 Vertex AI의 도움을 받아 수행됩니다.”

한편 SUBARU는 자체 차량이 일으키는 치명적 사고를 방지하기 위해 ML을 선택했습니다. SUBARU Lab은 Google Cloud를 사용하여 SUBARU의 EyeSight 스테레오 카메라에서 수집된 이미지 등을 분석합니다. 팀에서는 강력한 처리 성능을 위해 NVIDIA A100 GPU와 Compute Engine의 조합을 사용하며, 데이터 과학자와 데이터 엔지니어는 Vertex AI를 사용하여 모델을 빌드합니다.

“많은 플랫폼 중에서 Google Cloud를 선택한 이유는 Vertex AI, 관리형 노트북 옵션, AI 개발에 유용한 Vertex AI Training과 같은 여러 관리형 서비스 때문입니다. 또한 대규모 머신러닝 작업을 처리할 수 있는 고성능 하드웨어를 갖추게 된다는 점에서도 매력적인 선택이었습니다.”라고 SUBARU의 AI 연구개발 선임 엔지니어인 토시미 오쿠보는 말했습니다.

ML 배포를 가속화하기 위한 협력

Google은 Vertex AI의 도입에 매우 고무되었으며, 데이터 과학자들이 프로덕션에서 ML 모델 배포를 가속화할 때 직면하는 과제를 폭넓게 해결하기 위해 주요 고객 및 파트너와 협력을 이어갈 계획입니다. Uber AI의 엔지니어링 책임자인 스미타 시얌과 Ford의 AI 및 클라우드 책임자인 브라이언 굿맨과 함께 하는 Google Cloud Applied ML Summit 세션을 시청하여 Google이 이 여정에서 파트너 및 고객과 어떻게 협력하고 있는지 확인하세요.

자세한 내용을 알아보려면 Applied ML Summit에서 더 많은 전문가의 해설을 참고하거나, 최신 Vertex AI 업데이트를 살펴보거나, Google Cloud의 데이터 과학 페이지에서 통합 데이터 및 AI 스토리를 확인하세요.