2 www.iitp.kr

주간기술동향 2018. 10. 3.

박외진

㈜아크릴 대표이사

글로벌 기술 리더십을 갖고 있는 국외 인공지능 플랫폼 업체들에 대항하여 경쟁력 및 차별성을

갖기 위해서는 국내에서도 인공지능 플랫폼에 대한 구성요소 중심의 정확한 개념 인식 및 중요성

에 대한 공유 확산이 필요하다. 다양한 의미로 혼재되어 사용되고 있는 인공지능 플랫폼 개념이

고비용의 투자가 필요한 인공지능 플랫폼 도입을 검토하는 기업이나 기관들에게 혼란을 초래할

수 있기 때문이다. 본 고에서는 다양한 문헌들을 참고하여 구성요소 관점에서 인공지능 플랫폼

개념을 정의한다. 또한, 국내외의 인공지능 플랫폼 개발 현황들을 정의된 개념을 기반으로 살펴보

고, 인공지능 플랫폼 도입 전략을 수립하고자 하는 기업들의 도입 전 검토 사항과 관련된 가이드

라인을 제시한다.

I. 서론

최근 들어, 컴퓨팅 하드웨어, 데이터 및 딥러닝을 위시로 한 알고리즘의 한계가 순차적으로 극복

되면서 인공지능 분야는 세 번째의 ‘붐’을 맞고 있다.1) 2017년 10월 “AI First”를 기치로 인공지능

기술과 서비스의 전략적 로드맵을 공표한 구글을 비롯하여 아마존, 애플, 페이스북 등 거대 기업들의

인공지능 분야에서의 리더십을 잡기 위한 경쟁은 나날이 치열해지고 있으며, 국내에서도 이미 LG전

자, 삼성전자, SK와 같은 대기업들을 비롯하여 많은 기업들의 인공지능 분야에 대한 투자와 관심이

연일 매체를 통해 보도되고 있다[1]. 이러한 국내외 기업들의 공통적인 화두는 인공지능 기술을

집약하여 생태계를 확보하는 기술적 공간으로서의 ‘플랫폼’이며, 인공지능 산업 분야에서의 경쟁은

“인공지능 플랫폼 경쟁’으로 인식되고 있는 상황이다[2],[3]. 글로벌 분석 기업 IDC 전망에 따르면,

* 본 내용은 박외진 대표(☎ 02-546-4958, jin@iacryl.com)에게 문의하시기 바랍니다.

** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다.

1) 과거 인공지능 분야의 암흑기에 대한 논의는 논쟁의 여지가 있으나, 본 고에서는 가장 많은 공감대를 갖고 있다고 판단되는 위키피디아의 “AI의 2차례의 암흑기” 논의를 참고하였다(https://ko.wikipedia.org/wiki/인공지능).

인공지능 플랫폼의 개념과 도입 전략

기획시리즈 – 인공지능

정보통신기술진흥센터 3

세계 인지, 인공지능 시스템 시장 규모는 2016년 80억 달러에서 2020년 470억 달러에 이르는

가파른 성장세가 전망되는 만큼, 기존의 파이프라인 비즈니스 모델의 한계를 극복하며, 가장 빠른

성장세로 검증되고 있는 비즈니스 전략으로서 인공지능 플랫폼 분야의 선점은 많은 기업들의 관심사

가 아닐 수 없다[4],[5]. 그러나 인공지능 플랫폼이라는 개념은 아직까지 명확한 정의가 없이 추상적

으로 사용되고 있으며, 다양한 보도 매체와 시장 보고서들에서 동일 서비스, 제품들을 언급할 때도

다양한 용어를 혼용함으로써 대상 기술들의 동향 및 비교를 파악함에 있어 여러 가지 혼선을 낳고

있는 실정이다. 예를 들어, 구글의 오픈소스 프레임워크 전략의 핵심인 텐서플로우(tensorflow)의

경우, 아마존의 AI 서비스 스택에서는 인공지능 엔진으로 명명되고 있으며, 시장 보고서에서는 인공

지능 플랫폼으로 명명되기도 하고, 언론기사에서는 단순한 오픈소스 소프트웨어로 인식되기도 하는

모습을 보여주고 있다([그림 1] 참조)[3],[6].

본 고의 목적은 인공지능 플랫폼에 대한 다양한 문헌들을 참고하여 구성 요소들을 파악하고, 이를

기반으로 인공지능 플랫폼에 대한 광의의 정의를 제안한 후, 해당 정의를 기준으로 국내외의 인공지

능 플랫폼과 관련된 다양한 연구 현황들을 살펴보는 것이다. 이러한 논의 과정을 통해 인공지능

플랫폼 도입을 검토할 때에 각 기업 및 기관의 기술 도입 환경과 인공지능 기술을 통해 해결하고자

하는 비즈니스 문제에 적절한 인공지능 플랫폼의 도입 전략 수립을 위한 가이드라인을 제시하고자

한다. 이를 위해, 먼저 II장에서는 인공지능 플랫폼의 정의에 대한 논의를 진행하며, III장과 IV장에서

는 해당 정의에 기반하여 국외 및 국내의 인공지능 플랫폼 기술의 동향을 각각 살펴본다. V장에서는

정의 및 국내외 동향들을 기초로 인공지능 플랫폼 도입을 위한 전략 수립을 위한 가이드라인을

제안하며, VI장에서 본 고의 결론을 제시한다.

<자료> ⓒ Amazon

[그림 1] 아마존 AI의 서비스 스택

4 www.iitp.kr

주간기술동향 2018. 10. 3.

II. 인공지능 플랫폼의 개념

1. 플랫폼의 전통적 개념

플랫폼이라는 용어는 ‘기차’와 같은 이동 수단을 통한 교역과 유통을 중계하는 공간으로 16세기

부터 사용되어 왔으며, 최근에는 그 의미가 특정 장치나 시스템 등에서 이를 구성하는 기초가 되는

틀 또는 골격을 지칭하는 용어로 ICT 및 제조 등 다양한 분야에서 사용되고 있다[7]. [표 1]과 같이,

플랫폼에 대한 논의는 다양하게 진행되고 있으며, ICT 관점으로는 “컴퓨터 시스템의 기본이 되는

특정 프로세서 모델과 하나의 컴퓨터 시스템을 바탕으로 하는 운영체제”, 또는 “어떤 소프트웨어가

제공하는 환경”을 의미한다는 인식도 공존하고 있다[8].

[표 1] 다양한 플랫폼의 개념

그러나 이러한 ICT 기술 공간으로서의 플랫폼에 대한 인식과는 별개로, 최근 들어 급격하게 비즈

니스 전략으로서 플랫폼에 대한 관심이 더욱 커지고 있으며, 이는 기존의 질서를 파괴하는 혁신적

공간으로서의 가치를 시장에 증명한 ‘4인방(Gang of Four)’인 구글, 애플, 아마존, 페이스북의

역할에 기인한 것이다[9]. 이러한 원인은 ➀ 4인방을 비롯한 우버, 에어비엔비 등 플랫폼을 통해

수익을 확대하거나 거대 기업으로 급성장하는 현상이 나타나고 있으며, ➁ ICT 기술의 진화로 플랫

폼 구축 및 활용을 수월하게 할 수 있으며, ➂ 제품, 서비스의 수명주기가 단축됨에 따라 저비용

요구와 최단 기간에 새로운 제품, 서비스를 생산해야 하는 요구가 증가하고 있으며, 마지막으로는

학문과 산업 영역의 경계를 무너뜨리는 융복합화에 대한 요구가 증가하면서 융복합을 효과적으로

중계하기 위한 매개 공간의 필요성이 절대적으로 커졌기 때문이다[9]. 이러한 플랫폼의 역할은 활용

2) 출처에서는 “자가 진화하는 지성을 지닌 정보시스템으로서 법인격을 지닌 인공생명체”로 인공지성을 정의하였으며, 논의의 구조상

‘플랫폼’으로서 인공지성의 특징을 강조했다고 판단된다.

플랫폼의 개념 특징 출처

기술을 이용하여 사람과 조직, 자원을 인터렉티브한 생태계에 연결하여 가치 창출

및 교환을 매개하는 비즈니스 모델

비즈니스 모델로서

설명함

참고문헌

[5]

공급자와 수요자 등 복수 그룹이 참여하여 각 그룹이 얻고자 하는 가치를 공정한

거래를 통해 교환할 수 있도록 구축된 환경

기술적 플랫폼과 경제적

플랫폼으로 구분함

참고문헌

[9]

클라우드를 중심으로 정보, 서비스, 상품을 주고받을 수 있는 고도화된 정보시스템유기체로서 고도화된

생명체로 인식함

참고문헌

[10]2)

기획시리즈 – 인공지능

정보통신기술진흥센터 5

기업에게 단기간에 투자 대비 높은 성과를 제공할 수 있는 “레버리지 효과”를 비롯하여 비즈니스

모델 구축의 기회 등을 제공할 수 있어야 하며, 효과를 달성하기 위해서는 관련 기술들이 유기적으로

융합·구성되어 있어야 함은 물론, 해당 기술들을 이용한 목적 달성을 위한 효과적인 프로세스와

‘경험’3)이 동시에 구현되어 있어야 한다. 이는 플랫폼이 부상된 이유 및 활용을 통한 기업이 얻는

가치의 측면에서 설명되어질 수 있으며, 물리 자원 관리(물리 공간), 활용 프로세스(사용 행위) 및

논리 자원 관리(논리 공간)의 3가지 측면의 플랫폼 구성 요소를 인식하게 한다([그림 2] 참조).

2. 구성 요소에 기반한 인공지능 플랫폼의 정의

인공지능 플랫폼은 다양한 관점에서 인식 및 사용되고 있으나, [그림 2]의 3가지 요소에 대한

고려가 충분히 이루어진 정의는 찾아보기 어렵다. [표 2]는 대표적인 인공지능 플랫폼 개념을 1절에

서 논의한 플랫폼의 3가지 구성 요소 관점으로 해석한 결과를 정리한 것이다.

본 고에서는 다음과 같은 관점에서 인공지능 플랫폼의 정의를 접근하고자 한다.

- 물리적 관점: 인공지능 서비스를 구축하기 위해서는, 해당 서비스의 개발 자원 및 배포 자원(서

버)들의 통합적인 관리(버전 관리, 형상 관리)와 환경 제공(딥러닝 개발 환경), 그리고 자원

모니터링 등의 기능이 제공되어야 한다. 이러한 기능들을 물리적 관점에서의 플랫폼의 구성

요소로 정의한다.

3) 본 고에서 의미하는 경험은 2가지 측면을 포함하는데 첫 번째는 해당 분야에서의 다양한 사업 사례를 통해 구축된 사업 사례(business case)를 체계화한 경험(예; pre-built in algorithm)이며, 두 번째는 플랫폼 사용자를 위한 최적의 사용자 경험(user experience)이다.

<자료> 마셜 W. 밴 멜스타인외 3인, “플랫폼 레볼루션: 4차 산업혁명 시대를 지배할 플랫폼 비즈니스의 모든 것”, 2017.노규성, “플랫폼이란 무엇인가”, 2014. 4. 15.IIT Trade Focus, “우리 기업의 인공지능(AI)을 활용한 비즈니스 모델”, 2018. 1.

[그림 2] 플랫폼의 3가지 구성 요소

6 www.iitp.kr

주간기술동향 2018. 10. 3.

[표 2] 인공지능 플랫폼의 다양한 개념

- 활용 프로세스적 관점: 인공지능 서비스 구축에 필수적인 기계학습 과정은 일반적으로 “데이터

준비 – 교육(훈련) 데이터 생성 – 기계학습 모델 생성 및 훈련 – 검증”과 같은 단계를 거치게

된다[14]. 이러한 각 프로세스를 효과적으로 실행할 수 있는 인터페이스의 제공은 기계학습에

대한 숙련도가 낮은 개발자들의 서비스 구축에 대한 진입 장벽을 낮추어 플랫폼 활용 기회를

높여줄 수 있다. 또한, 잘 알려진 오픈 소스 기반의 딥러닝 라이브러리들을 추천 및 최신 버전을

관리하여 제공하는 기능은 이러한 프로세스의 품질을 높여주는 필수 요소이다.

- 논리적 관점: 기계 학습에 사용되는 다양한 알고리즘들을 내장하고 있는 기계 학습 프레임워크

의 준비는 인공지능 플랫폼의 활용성과 품질을 높여주는 중요한 요소이다.

따라서, 인공지능 플랫폼은 다음과 같이 정의될 수 있다.

“인공지능 플랫폼은 다양한 사업 영역의 사용자가 원하는 인공지능 서비스 구축에 활용될 수 있는 다양한

추상화 수준의 기계학습 라이브러리(또는 인터페이스)들을 제공하며(논리적 관점), 해당 라이브러리들을 활

용한 효과적인 서비스 구축 프로세스를 인터렉티브하게 실행할 수 있는 기능(활용 프로세스 관점) 및 효과적

인 자원 관리를 통한 데이터 준비, 개발, 검증 및 배포를 지원(물리적 관점)하는 관련 소프트웨어, 라이브러리,

서비스 인프라스트럭처의 유기적 집합이다.”

3. 인공지능 플랫폼의 활용 면에서의 특성

인공지능 플랫폼의 정의에서는 인공지능 플랫폼의 활용 측면을 위한 다음과 같은 특성을 포함하

고 있다.

인공지능 플랫폼의 개념 물리적 관점 활용프로세스 논리적 관점 출처

자연어 처리 및 이미지 인식 등의 기술을 통해 관련 서비스나 제품을 개발하기 위한 도구(알고리즘, 라이브러리, 사용 인터페이스)

고려하지 않음

사업 사례 경험 고려를 포함하지

않음

논리 자원 중심의 개념

참고문헌 [6]

인공지능 서비스를 가능하게 하는 여러 기술 요소를 한 곳에 통합한 뒤 이를 다양하게 조합하여 각 산업 영역에 적용할 수 있도록 구성된 것

고려하지 않음

경험에 기반한 활용 프로세스를 플랫폼과 분리함

논리 자원 중심의 개념

참고문헌[11]

기본 도구(자연어 처리 및 기계학습), 적용 서비스, 배포 형태(cloud and on-premises), 적용 애플리케이션(예측/챗봇/음성 인식 등)과 기타의 구성 요소로 구성된 것

고려됨경험 기반 활용 프로세스에 대한 고려가 부족함

다양한 논리 자원들을 고려하고 있음

참고문헌[12]

비즈니스 문제를 풀기 위한 지능 애플리케이션을 개발하기 위한 도구(toolkit), 알고리즘 및 데이터의 집합. 또한 모델링을 효율적으로 진행하기 위한 워크플로우를 구현한 인터페이스를 제공하는 것

고려하지 않음

워크플로우 및 pre-built in

algorithm에 대해 고려하고 있음

다양한 논리 자원들을 고려하고 있음

참고문헌[13]

기획시리즈 – 인공지능

정보통신기술진흥센터 7

- 다양한 사업 영역: IBM, 마이크로소프트, 구글, 아마존 등 글로벌 기업들이 범용 인공지능

플랫폼 개발을 통해 치열하게 경쟁하며 자사 플랫폼 제공 기술과 서비스들의 품질을 고도화하

고 있음에도 불구하고, 이들 범용 플랫폼이 갖는 규모적 특성, 도입 비용 등의 문제와 제공되는

기술 및 서비스들의 추상화 수준에 따른 애플리케이션 개발 비용 등의 문제점들이 예전부터

꾸준히 인지되어 왔다[14]. 인공지능 산업계에서는 이러한 문제 의식에 대응하기 위해 금융/보

험, 법률, 디자인, 제조, 교통, 의료, 세무/회계 등 다양한 분야에 특화된 산업 특화 플랫폼의

개발 및 발표가 이루어지고 있다. 이와는 독립적으로, 각 산업 분야에서 공통적으로 요구되는

서비스 영역에 의한 플랫폼 분류 가이드라인도 제시되고 있으며, 챗봇, CRM, 마케팅, 결제,

SEO(Search Engine Optimization), 텍스트 분석(text analytics) 등의 영역들을 포괄한다

[15]. 본 고에서는 이를 각각 “산업별 분류” 및 “공통 서비스별 분류”로 명명하기로 한다.

- 서비스 인프라스트럭처: 일반적으로 인공지능 플랫폼은 설치형(on-premise) 또는 클라우드

시스템을 통한 서비스 제공형으로 서비스 인프라스트럭처가 준비될 수 있으며, 각 서비스 인프

라스트럭처는 상황에 따른 장단점을 갖는다. 또한, 서비스 인프라스트럭처는 각 기업 및 기관의

지능화 대상이 되는 데이터의 특성 및 보안에 대한 인식 등에 따라 도입 전략 시에 중요한

판단 기준이 되고 있다.

III. 국외의 인공지능 플랫폼

최근 수년 동안, 해외의 시장조사기관 및 웹진 등에서는 다양한 인공지능 플랫폼들을 소개하는

기사들을 다수 발표하고 있다. PAT research는 15개의 인공지능 플랫폼들(마이크로소프트의

Azure Machine Learning, 구글의 Cloud Prediction API와 Tensorflow, InfoSys의 Nia,

Wipro의 HOLMES 등)을 구독자들의 평점에 기반하여 선정하고, 개념과 강점, 도입 시의 장점과

한계, 사용성, 제공되는 기술과 성능 등을 비교해 볼 수 있는 웹사이트를 운영하고 있다[17]. 60

Second Marketer의 CEO인 Jamie Turner 는 157개의 인공지능 플랫폼들을 소셜미디어, 챗봇,

CRM, 마케팅, SEO, 웹사이트 디자인 등 17개 분야로 분류하여 소개하고 있으며, Botify, 마이크

로소프트의 Lui API(이상 챗봇), Emotient(얼굴 감성 인식), IBM Watson(범용 인공지능 플랫폼

으로 분류) 등을 포함하고 있다[15].4) 또한, G2 Crowd에서는 기계학습 모델 설계의 용이성, 제공

4) [16]에서는 Watson이 속한 카테고리를 “AI powered behavior analytics platform”이라고 명명하고 있으며, 고객 경험(human interaction)과 관련된 일반적인 문제를 해결하는 플랫폼으로 분류하고 있음

8 www.iitp.kr

주간기술동향 2018. 10. 3.

되는 기계학습 라이브러리, 학습 방법(model training), 비전 및 자연어 처리 등 8개 분야로 26개

의 인공지능 플랫폼들을 선정하여 비교할 수 있는 서비스를 제공하고 있다[13]. Future plc에서

운영하는 TechRadar 역시 아마존의 Machine Learning, Diagflow(API·AI에서 명칭이 변경됨),

마이크로소프트의 Azure Learning Studio, MonkeyLearn, IBM Watson을 선정하여 간략히

소개하고 있다[19]. [표 3]은 공통적으로 많이 언급되고 있는 아마존, 구글, IBM, 마이크로소프트의

인공지능 플랫폼에 대해서 2장에서 제안한 정의 및 특성에 기반하여 비교한 결과를 보여준다.

[표 3]과 같이 국외의 인공지능 플랫폼들은 클라우드 기반의 서비스 인프라스트럭처를 갖고 있는

[표 3] 국외 인공지능 플랫폼의 비교

분류 아마존 구글* IBM 마이크로소프트

개요AWS기반 인공지능 플랫폼으로 정형데이

터에 강점을 보임

가장 최신의 연구 동향이 반영된 알고리즘을 제공함(Tensorfow

등)

REST API 등의 형식으로 개발된 인공지능 서비스가 고객 제품에 적용되는 것을 기본

철학으로 하는 대표적인 범용 인공지능 플

랫폼임

고객의 데이터에 적용될 수 있는 다양한 특화 알고리즘 제공을 기본 철학으로

함

활용 프로세스 지원

Amazon Machine Learning Console/

Command Line Interface

Command line interface

IBM의 다양한 분석 소프트웨어들을 API

형태로 제공함

Azure Machine Learning Studio(Drag-and-Drop

방식을 지원함)

라이브러리(알고리즘) 지원

Regression/Binary classification/

Multiclass classification 등

Video analysis/ Image analysis/

Speech recognition/ Text analysis/

Machine translation 등

IBM’s Data Science Experience

Workbench platform을 통해 다양한 API들을

제공함

Decision tree, Bayesian

recommendation, Deep neural networks, regression clustering

데이터 저장 위치 AWSGoogle Cloud

StorageIBM Bluemix AWS/Azure

기계학습 알고리즘의 자동 추천

지원함 지원함 지원하지 않음 지원하지 않음

서비스 구축 규모에 대한 고려 사항

데이터분석, 모델 구축: 시간당 과금

Prediction: 1,000건 및 10MB 메모리

단위로 과금 정책을 정의함

데이터분석, 모델 구축: 시간당 과금

Prediction: 1,000건 및 호출 API에 대해 과금 정책을 정의함

서비스 인스턴스(20개의 기계학습 모델 운영) 개수 당 과금하며, 분석은 시간당, 예측 서비스는 1,000건의

배치당 과금함

각 도구들에 대해 평가 버전을 제공하며, 웹서비스 배포를 위한 과금정책이 정의되어

있음

* 본 고에서는 인공지능 플랫폼의 정의에 의해 Google Tensorflow는 Google 인공지능 플랫폼에서 제공되는 라이브러리로 판단함<자료> 각 사의 홈페이지 참고

기획시리즈 – 인공지능

정보통신기술진흥센터 9

형태가 많으며, 물리적 자원 관리 기능에 대해서는 클라우드 상에 준비되어 있는 해당 서비스들과의

연동을 통해 구현하고 있다. 구축 서비스 규모에 대한 고려 역시, 클라우드에서 제공되는 과금 정책

을 기준으로 고려되며, 제공되는 라이브러리들은 산업 특화 측면보다는 공통 서비스 기술(예; 자연어

처리, 음성 인식 등)에 집중되어 있는 범용적 모습을 보여주고 있다.

IV. 국내의 인공지능 플랫폼

국내의 인공지능 플랫폼들은 정부 주도의 R&D 과제(과학기술정보통신부의 엑소브레인(exobrain),

딥뷰(deep view), 인공지능 동반자 개발, 산업통상자원부의 산업특화 개방형 AI 클라우드 개발

등)에서 개발된 산출물들을 참고하거나 기술 이전을 통해 본격적인 구축이 시작되었다. 최근 4차

산업혁명에 대한 정부 지원 사업 및 조직들이 설립되고 국가 차원의 로드맵이 수립되면서 스타트업

중심으로 산업 특화형 플랫폼들을 구축하는 사례들이 지속적으로 증가하고 있는 추세이다. 솔트룩스

는 다년간 개발한 인공지능 플랫폼인 아담(ADAMs)을 2016년에 공개하였으며, 엑소브레인 사업

참여 경험 및 축적된 데이터와 사업 경험을 통해 개발된 다양한 지식 구축 라이브러리들을 제공하고

있다[21]. 아크릴은 2018년에 인공지능 플랫폼 조나단(Jonathan)을 발표하였으며, 물리적 관점, 활

용 프로세스적 관점 및 논리적 관점의 기술 구성 요소를 갖추고 있는 인공지능 플랫폼의 사례를

보여주고 있다[22]. 한편, 산업특화 인공지능 플랫폼들은 스타트업들에 의해 활발하게 추진되는

모습을 보이고 있는데, 루닛은 2017년 의료영상처리학회(MICCAI)가 주최하는 유방암 병리진단을

위한 종양 확산 정도를 예측하는 대회인 ‘TUPA2016’에서 3개 평가 분야에서 모두 1위를 기록하며

선도 기술력을 입증하고 있고, 뷰노는 2018년 5월에 국내에서 첫 인공지능 기반 진단보고 의료

기기 허가를 식약처에서 취득하였다[23],[24]. 또한, 삼성SDS의 분석 플랫폼인 ‘Brightics AI’,

LG CNS 의 인공지능 빅데이터 플랫폼인 ‘DAP’, SK텔레콤의 인공지능 플랫폼 ‘NUGU’ 등 국내

대기업들 역시 각사의 사업 특화 영역에서 다양한 강점을 제공하여 추진 사업에서의 시너지를 극대

화하기 위한 연구개발 노력을 끊임없이 추진하고 있다. 이와 같이 국내의 인공지능 플랫폼은 ➀ 클라우드 기반의 플랫폼(Brightics AI, DAP, NUGU), ➁ 산업 특화 플랫폼(루닛, 뷰노), ➂ 공통

서비스 제공 플랫폼(ADAMs, 조나단) 등 다양한 형태로 개발이 진행되고 있다. 이의 도입을 희망하

는 기업들은 자사의 비즈니스 기회에 맞는 플랫폼 선택을 위한 신중한 검토가 필요하다.

10 www.iitp.kr

주간기술동향 2018. 10. 3.

V. 인공지능 플랫폼 도입을 위한 전략

가트너는 2019년까지 시장 주도 기업(market-leading companies)의 30%가 인공지능 플랫

폼 서비스에 의해 수입이 감소할 것이라고 예측하였는데, 이는 인공지능 플랫폼 도입 전략이 인공지

능 기술을 도입하고자 하는 기업 입장에서 매우 중요함을 추론하게 한다[16]. 자사의 인공지능 플랫

폼인 Rage를 설명하는 리포트에서, 가트너는 기업이 해결하고자 하는 문제(business opportunity),

문제 해결을 위한 비즈니스 프로세스 변환(business process transformation), 유사한 문제 해결

기술의 검색, 90일 이내의 문제 해결 가능성 등을 포함한 10개의 질문들을 인공지능 플랫폼 선택

(shopping for Enterprise AI) 문항으로 제시하고 있으며, 이는 Rage 플랫폼 설계 철학과 깊은

관계가 있다[22].

2장 2절에서의 인공지능 플랫폼 정의의 관점에서, 가트너의 Rage 플랫폼은 ➀ 논리적 관점과

활용 프로세스적 관점이 중점적으로 구현되었으며, ➁ 공통 서비스별 분류에 특화된 플랫폼으로

분류될 수 있으며, 이러한 플랫폼의 선택을 위해, 본 고에서는 플랫폼 도입을 위한 주요 고려 사항들

에 대해 제안한다. 이는 본 고의 인공지능 플랫폼의 정의와 실제 기업 및 기관들과 다양한 인공지능

프로젝트들을 진행하였던 저자의 경험적 측면에 기반한다. 인공지능 플랫폼 도입 전략 수립을 위해

서는 인공지능 플랫폼 도입의 필요성에 대한 다음과 같은 6가지 질문들(데이터 부문 2개, 서비스

부문 2개, 엔지니어 및 조직 부문 각 1개)에 대해 점검해보는 것이 필요하다.

- (데이터) 지능화 대상이 되는 데이터의 특성: 기업의 인공지능 기술 도입 필요성은 보유하고

있는 경쟁력(노하우)을 지능화하고자 하는 의지에서 비롯되는 경우가 많으며, 일반적으로 경쟁

력은 축적되어 있는 데이터에 기반하고 있다. 따라서, 지능화 대상이 되는 데이터의 특성에

대해 점검할 필요가 있으며, 이를 위해 ➀ 변환 과정을 거쳐서 지능 구축을 위한 훈련 데이터

(training data)로 효율적인 변환이 가능한지와 ➁ 보유 데이터가 충분치 않아 기업 경험에

기반한 훈련 데이터 구축을 새롭게 수행할 필요가 있는지에 대해 확인해야 한다. 또한, 훈련데

이터 준비 또는 신규로 수집되는 과정을 지원해줄 수 있는 도구, 프로세스 및 컨설팅 수준

등에 대한 검토를 인공지능 플랫폼 도입 시에는 반드시 수행해야 한다.

- (데이터) 인공지능 서비스 관련 데이터의 특성: 인공지능 서비스 관련 데이터(훈련 데이터 및

서비스 실행 과정에서 수집 및 축적되는 데이터)는 산업별 특성 및 문화에 따라 인공지능 기술

을 도입하고자 하는 기업 및 기관에서 외부 전송이 어려운 경우들이 존재하는데, 이런 경우는

설치형(on-premise) 인공지능 플랫폼에 대한 검토가 우선적으로 이루어져야 한다.

기획시리즈 – 인공지능

정보통신기술진흥센터 11

- (서비스) 구축 대상 인공지능 서비스의 규모: 인공지능 서비스는 기업 내 관련 부서에서 이용하

기 위해 구축되는 경우도 있고, 불특정 다수의 사용자들을 위해 구축되는 경우도 있으며, 이에

따라 요구되는 서버 자원의 규모가 달라진다. 인공지능 서비스 개발 및 운영에 필요한 서버

자원(GPU, 메모리 등)의 경우, 고가인 경우가 많으므로 이러한 자원의 효과적인 관리 기능

지원이 인공지능 플랫폼에서는 어떻게 이루어지고 있는지 확인해야 한다.

- (서비스) 구축 대상 인공지능 서비스의 특성:5) 의료, 금융, 법률 등의 산업 분야에서는 서비스

특화 지능(service-defined intelligence)을 이미 제공하는 산업 특화 인공지능 플랫폼들이

다수 존재한다. 그러나, 서비스 특화 지능을 보유하고 있지 않은 인공지능 플랫폼인 경우라도

제공되는 도구들을 이용하여 해당 특화 지능 구축이 가능할 수 있다. 예를 들어, 보험 상품을

판매하는 챗봇을 구축하려는 경우, 일반적인 챗봇 기술을 제공하는 플랫폼을 도입하여 개발을

진행할 수도 있으며, 보험 상품을 위한 전문 챗봇 기술을 제공하는 플랫폼 도입도 검토할 수

있는데, 이는 서비스 구축 기간, 인력 및 비용 등 비즈니스 환경 요인들에 의해 영향을 받게

된다.

- (엔지니어) 플랫폼 도입 기업/기관에서 보유하고 있는 인공지능 기술 담당 그룹의 특성: 플랫폼

도입 기업이 보유하고 있는 인공지능 기술 그룹의 기술 숙련도, 담당 업무의 전문성(기획, 개발

등) 및 기업의 인공지능 기술 및 서비스 관련 로드맵 등에 의해 인공지능 플랫폼들이 제공하고

있는 서비스들을 검토해야 한다. 기술 그룹의 숙련도가 낮고, 기획 및 관리 영역 경험과 역량이

높은 그룹을 보유하고 있는 경우에는 활용 프로세스적 관점이 잘 지원되고, 제공되는 라이브러

리들의 추상화 수준 및 특성에 대해 더욱 세심한 검토가 필요할 것이다.

- (조직) 인공지능 서비스 관련 기술의 내재화 요구사항: 만약 플랫폼 도입 기업이 구축 대상

인공지능 서비스의 개발 및 유지 보수를 내재화하여 자체적으로 실행하고자 하는 계획을 수립

하였다면, 도입 플랫폼에서 제공되는 기술 지원 수준과 라이센싱 사항 등의 검토가 매우 중요하

다. 대부분의 상용 인공지능 플랫폼의 경우, 추상화 수준이 높은 서비스 라이브러리들(예; 자연

어 처리 기술(개체명 인식), 감성 인식, 주제 분류, 문서 요약 등)은 훈련 가능한 수준의 딥러닝

코드를 제공하는 경우도 있으나, 구축된 심층신경망(deep neural net)의 내부 구조는 공개하

지 않는 경우가 있기 때문이다(예; IBM 의 Watson NLU 등).

5) 본 고에서는 플랫폼 도입을 통해 구축되는 지능은 ➀ 플랫폼에서 이미 구축한 지능인 기 구축 지능(built-in intelligence), ➁ 플랫폼 제공 서비스, 도구들을 이용하여 비즈니스 기회에 맞게 신규로 구축하는 서비스 특화 지능(service-defined intelligence), ➂ 서비스 대상 사용자들의 경험 및 지식을 운영 중 수집하여 구축하는 개인화 지능(personalized intelligence)으로 분류되어 구축된다고 전제한다.

12 www.iitp.kr

주간기술동향 2018. 10. 3.

VI. 결론

가트너는 2019년까지 스타트업들이 경쟁력 있는 비즈니스 솔루션(disruptive business solution)

으로 아마존, 구글, IBM, 마이크로소프트를 추월할 수 있으며, 2020년까지 20%의 기업들이 인공

지능 개발 과정을 모니터하는 인력들을 전담 배치시킬 것이라고 예측하였다[22]. 이러한 가트너의

예측은 2가지 측면에서 주목할 만한데, 첫 번째는 치열한 인공지능 기술 시장을 이끌어나가는 주체

로서 기민한 움직임과 독창적이고 폭발적인 개발력을 가진 소규모 스타트업들의 역할에 대한 기대감

이며, 두 번째는 이러한 시장 추월 구도 및 많은 기업들의 인공지능 기술 도입 행위에서 플랫폼에

대한 중요성 인식이 자연스럽게 이루어질 것이라는 예측의 측면이다.

클라우드 중심의 범용성과 산업 특화 영역에서 글로벌 기술 리더십을 갖고 있는 국외 인공지능

플랫폼 업체들에 대항하여 경쟁력과 차별성을 갖기 위해서는 국내에서도 인공지능 플랫폼에 대한

구성요소 중심의 정확한 개념 인식 및 중요성에 대한 공유 확산이 필요하다. 아울러, 이러한 인식

하에 4차 산업혁명 시대의 핵심 동력원인 인공지능 플랫폼에 대한 관심과 투자가 이루어져 할 것이

다.

[ 참고문헌 ]

[1] 디지털타임즈, “‘AI플랫폼’ 개방 세 확산 – 통신,전자,포털, 우군 확보 경쟁 가열”, 2018. 1. 28.

[2] KOTRA 해외시장뉴스, “AI플랫폼, IT업계의 나아갈 길”, 2017. 10. 17.

[3] Vertical Platform, “다양한 방식의 AI 플랫폼 제공 방안 등장”, 2017. 1. 17.

[4] IIT Trade Focus, “우리 기업의 인공지능(AI)을 활용한 비즈니스 모델”, 2018. 1.

[5] 마셜 W. 밴 멜스타인외 3인, “플랫폼 레볼루션 : 4차 산업혁명 시대를 지배할 플랫폼 비즈니스의 모든 것”,

부키(주), 2017.

[6] 아이뉴스24, “[e돋보기] 인공지능 플랫폼”, 2017. 3. 4.

[7] 네이버 지식백과

[8] 최상복, “산업안전대사전”, 골드, 2004. 5.

[9] 노규성, “플랫폼이란 무엇인가”, 커뮤니케이션북스(주), 2014. 4. 15.

[10] 유기운외 2인, “2050 미래사회보고서”, 라온북, 2017.

[11] 유태준, “AI 서비스가 시작되는 AI 플랫폼에 주목하라”, 통계청 통계의 창, 2017 Winter.

[12] Marketsandmarkets, “Artificial Intelligence Platform Market by Component(Tools, Services),

Deployment Mode(Cloud, On-Premises), Application(Forecasts & Prescriptive Models, Chatbots,

Speech Recognition, Text Recognition), End-User, and Region – Global Forecast to 2022,”

2017. 11.

[13] G2 Crowd, “Best AI Platforms Software”, 2018. 7. 15

[14] 산업통상자원부, 제9차 산업핵심기술개발사업 RFP, “빅데이터 기반 AI의 산업특화 활용을 위한 개발형 AI 클

기획시리즈 – 인공지능

정보통신기술진흥센터 13

라우드 서비스 시스템 개발”, 2016. 12. 27.

[15] PAT Research, “Top 15 Artificial Intelligence Platforms,,” 2018. 7. 15.

[16] 60 second marketer, “157 Artificial Intelligence Platforms to Help You to Grow Your Business,”

2018. 1. 24.

[17] TechRadar, “5 of the Best AI Platforms for Business,” 2018. 1. 10.

[18] 솔트룩스 홈페이지. http://www.saltlux.com/index.do

[19] 아크릴 홈페이지. http://www.iacryl.com

[20] 벤처스퀘어, “뷰노, 인공지능 의료기기로 국내 최초 식약처 인허가 취득”, 2018. 5. 16.

[21] ZDNet Koream “의료영상 AI로 승부 건 한국 스타트업 3총사”, 2017. 8. 16.

[22] Gartner, “The Road to the Enterprise AI,” 2018.