Scaling PayPal’s AI Capabilities with PayPal Cosmos.AI Platform

Scaling PayPal’s AI Capabilities with PayPal Cosmos.AI Platform

원문: Scaling PayPal’s AI Capabilities with PayPal Cosmos.AI Platform (PayPal Tech, 2024-05-02)

오늘의 결론

내가 오늘 해결하고 싶은 문제는 대규모 AI/ML 플랫폼의 구축과 운영에서의 복잡성과 비효율성이다. PayPal의 Cosmos.AI 플랫폼에서 제시된 통합된 MLOps 접근법을 통해, 이러한 문제를 해결할 수 있다는 점을 알게 되었다.

이 글이 "최신 AI 기술의 단순 홍보"이 아닌 이유

PayPal Cosmos.AI 플랫폼의 핵심은 단순한 성능 자랑이 아니다. 이 플랫폼은 실제 비즈니스 환경에서 AI/ML을 효율적으로 운영하는 데 필요한 통합적 접근법을 제공한다. 내가 본 것:

1. 책임 있는 AI 사용: PayPal은 AI 기술의 책임 있는 사용을 강조하며, 이를 위한 다섯 가지 원칙을 기반으로 플랫폼을 설계했다. 이는 법적 및 규제 요건 준수를 통해 기업의 신뢰를 구축하는 데 기여한다.

1. 통합된 MLOps: Cosmos.AI는 데이터 정제부터 모델 배포까지의 전체 머신러닝 개발 생애주기를 하나의 플랫폼에서 지원한다. 이는 다양한 도구 간의 비효율성을 제거하고, 사용자 경험을 통일시킴으로써 작업 효율성을 크게 향상시킨다.

1. 확장성과 유연성: 플랫폼의 아키텍처는 새로운 기술이 빠르게 등장하는 AI/ML 산업에 적응할 수 있도록 설계되었다. 이는 기업이 최신 기술을 활용할 수 있는 기회를 제공하며, 여러 환경에서의 사용을 지원한다.

내가 가져갈 실행 포인트 3개

(1) 책임 있는 AI 사용: 법적 및 윤리적 기준 준수

PayPal은 AI 사용에 대한 책임을 다하기 위해 다섯 가지 원칙을 설정했다. 이 원칙들은 데이터 거버넌스를 통해 불필요한 편향을 최소화하고, 해석 가능성을 높인다. 이는 내가 운영하는 기술 환경에서도 윤리적 기준을 준수하는 데 필수적이다.

(2) 통합된 MLOps: 효율성 극대화

Cosmos.AI는 전체 MLDLC를 통합된 플랫폼으로 지원한다. 이는 내가 사용하는 여러 도구 간의 비효율성을 줄이고, 팀이 보다 효율적으로 협력할 수 있도록 한다. 따라서, 내 팀에서도 이러한 통합적 접근법을 고려하여 운영 효율성을 높이는 방안을 모색해야 한다.

(3) 확장성과 유연성: 기술 변화에 대한 대응

Cosmos.AI는 다양한 환경에서 작동할 수 있도록 설계되었다. 이는 내가 운영하는 시스템에서도 새로운 기술의 도입과 함께 필요에 따라 쉽게 확장할 수 있는 기반을 제공한다. 변화하는 기술 환경에 적응하기 위해, 내 시스템도 유연한 구조를 갖추도록 해야 한다.

내가 설계할 기준

이 기술/접근법을 사용하기 좋은 일

• AI 모델의 배포: AI 모델을 여러 환경에 배포할 때, 통합된 MLOps 프레임워크를 통해 효율성을 높일 수 있다.
• 데이터 처리 및 관리: 대량의 데이터를 처리할 때, 데이터 거버넌스를 통해 품질을 보장하며 책임 있는 AI를 사용할 수 있다.
• 팀 간 협업: 다양한 팀이 AI 프로젝트를 진행할 때, 통합 플랫폼을 통해 협업을 극대화할 수 있다.

이 기술/접근법이 맞지 않는 경우

• 비표준 요구사항: 특정한 비즈니스 요구사항이 매우 독특한 경우, 통합된 접근법이 유연성을 제한할 수 있다.
• 리소스가 제한된 경우: 작은 팀에서 모든 기능을 활용하기에는 비용과 리소스가 부담스러울 수 있다.

실패를 줄이는 운영 체크리스트

• 서로 다른 데이터 소스 간 통합을 시도할 때, 데이터 거버넌스를 간과하지 말 것.
• MLOps 파이프라인의 각 단계에서의 모니터링을 소홀히 하지 말 것.
• 사용자 권한 관리에서의 오류를 피하기 위해, 명확한 역할 기반 권한 체계를 유지할 것.
• AI 모델의 해석 가능성을 확보하기 위한 방법을 사전에 마련할 것.
• 여러 환경에 대한 테스트 없이 배포를 진행하지 말 것.

이번 주에 할 1가지

• 대상: 내 팀의 AI 모델을 배포하기 위한 MLOps 파이프라인 구축
• 측정: 파이프라인 구축 후, 배포 시간과 비용을 측정하여 기존 방식과 비교
• 성공 기준: 배포 시간이 20% 이상 단축되고, 비용이 15% 이상 절감되는 것을 확인할 것

마무리

Cosmos.AI 플랫폼의 통합적 MLOps 접근법은 AI/ML 운영의 효율성을 높일 수 있는 유력한 방법이다. 이를 통해 내가 운영하는 시스템이 빠르게 변화하는 기술 환경에 적응하고, 책임 있는 AI 사용을 실현할 수 있는 기반을 마련할 수 있다. 독자 여러분도 이러한 통합적 접근법을 통해 비즈니스의 효과성을 더욱 높이는 데 기여할 수 있기를 바란다.

FAQ

Q. PayPal Cosmos.AI 플랫폼의 주요 장점은 무엇인가요?

Cosmos.AI 플랫폼은 통합된 MLOps 프레임워크를 통해 전체 머신러닝 생애주기를 지원하며, 다양한 환경에서의 유연성과 확장성을 제공합니다.

Q. 실무 적용 시 가장 많이 막히는 부분은 무엇인가요?

통합된 플랫폼을 구축할 때 발생할 수 있는 복잡성과 기존 시스템과의 호환성 문제는 주요 도전 과제가 될 수 있습니다.

Q. Timeware는 이것을 어떻게 활용하나요?

Timeware는 Cosmos.AI의 통합적 접근법을 통해 고객 맞춤형 AI 솔루션을 신속하게 개발하고 배포하는 데 활용하고 있습니다.

Q. 이 흐름은 앞으로 어떻게 전개될까요?

AI/ML 기술은 지속적으로 발전하고 있으며, 기업들은 새로운 기술에 적응하기 위해 더욱 유연한 시스템을 구축할 필요가 있습니다.