AIaaS (AI as a Service) 서비스와 활용 고려사항

I. 국내 기업과 기관에서의 인공지능 도입의 필요성

“디지털 전환의 핵심 기반 기술로 인공지능 도입이 필요”

  • 현재 세계는 기계의 지능화를 통해 생산성이 고도로 향상되는 4차 산업혁명 시대에 있으며, AI는 자동화/최적화를 통한 효율화로 기존 산업의 생산성 개선, 신산업 창출 등 성장 동력 확충에 기여
  • 인공지능을 활용한 혁신적 제품과 서비스로 시장 경쟁력을 확보와 다양한 사회문제를 해결할 수 있을 것으로 기대

 

II. 기업과 기관에서 인공지능 직접 도입이 어려운 이유

가. 기업과 기관에서 인공지능 직접 도입 시 고려사항

나. 위 고려사항에 따른 기업과 기관에서 직접 도입이 어려운 이유

AI 도입 고려사항AI도입 어려운 이유세부 원인
인공지능 기술
역량 확보
인공지능 기술
자체 역량 부족
– AI플랫폼 전 영역의 자체 역량 확보는 매우 어려움
– 수집/전처리, Modeling, 등 전 과정 전문성 필요
– 신기술 변화에 따른 최적 AI 기술 활용 어려움
AI 플랫폼
구축 및 운영
예산 확보
CAPEX/OPEX
비용 부담
– AI 플랫폼 구축 위한 막대한 구축/운영 비용 부담
– 슈퍼컴퓨터, GPU 등 고가 AI 인프라 구축비용 소요
– 경직된 기술 투자로, ROI 관점의 공격적 투자 불가
AI/ML
전문인력 수급
AI/ML 전문인력
수급 어려움
– AI/ML 전문인력은 대부분 해외 빅테크 기업 소속
– 전문기업 제외, AI/ML 전문인력 절대적 부족
– 인프라, 프레임워크, 모델링, 분석전문가 등 필요
AI 학습/모델링
작업시간 확보
충분한 작업시간
확보 어려움
– 인공지능/머신러닝 전과정 시행착오, 반복작업
– 단계별 플랫폼 구성, 학습 등 수행 시간 과다 소요
– 기업에서 시간은 곧 생존의 문제로 시간 확보 곤란
  • 국내 일반 기업과 기관에서는 인공지능의 직접 도입이 어려우므로, 이들을 중심으로 인공지능 서비스(AIaaS)의 사용이 확대 되고 있으며 시장 경쟁력 확보와 사회 문제 해결을 위해 AIaaS의 효과적인 사용이 필요함.

 

III. AIaaS의 개념 및 서비스 유형

가. AIaaS의 개념

  • AI학습, 모델링, 데이터 가공/분석 등 인공지능 사용을 위해 인공지능 API 엔진 및 어플리케이션, 머신러닝 프레임워크 등의 기능을 클라우드로 구현하여 제공하는 서비스

나. AIaaS의 서비스 유형

구분서비스 유형서비스 목적 및 활용 서비스

인공지능
기능
측면

인공지능 API
엔진 서비스
– 인공지능 기능을 APP에서 사용하는 인터페이스 제공
자연어 처리(NLP) 엔진, AI 학습모델, 교차검증(CV) 엔진
머신러닝
프레임워크 서비스
– 실제 데이터로 인공지능 엔진 학습 프레임워크 제공
– 데이터 수집 및 전처리, 패턴 분석, 빅데이터 분석 서비스
AI 어플리케이션
서비스
– 다양한 인공지능 엔진을 조합하여 AI 소프트웨어로 제공
– 최종 사용자용 맞춤형 AI 모델, 사용자 정의 AI템플릿

클라우드
서비스
측면

IaaS 기반 AI용
H/W 인프라 서비스
– 인공지능 서비스를 위한 클라우드 기반 HW 환경 제공
GPU, NPU, 병렬처리 기반 인프라 오토스케일링 서비스
PaaS 기반 학습모델
개발 환경 서비스
– 하드웨어 기반 환경에 AI 개발 도구 및 플랫폼 제공
– 정형정보 추출, 기능 엔지니어링, 모델 학습/검증 서비스
SaaS 기반 인공지능
API 서비스
– 이미 만들어진 AI 소프트웨어와 연동하는 API 형태 제공
– 머신러닝 모델 API/SDK 서비스 키 생성 및 연계 서비스

 

IV. AIaaS의 장단점 및 사용 시 고려사항

가. AIaaS의 장단점

구분장점/단점장점 및 단점 세부 설명
AIaaS의
장점
핵심 비즈니스에
집중 가능
– 완전 관리형 인공지능 서비스로 별도 인력 투입 불필요
– 인력 및 자원을 기업 전략 목표(KPI) 달성에 집중 가능
AI 운영 투명성 유지
및 투자 위험 감소
– 인공지능 개발, 운영, 유지보수 비용에 대한 투명성 제공
– 낮은 초기 투자 비용으로 실패 시 비즈니스 영향도 낮음
AIaaS의
단점
학습 데이터/모델
보안성 감소
– 인공지능 학습 및 결과 분석 위해 공개망에 데이터 저장
– AI 학습 모델 및 결과물 분석 과정이 블랙박스 형태
클라우드 기반
데이터 활용 제한
– 특정 국가 및 지역, 분야 별 AI데이터 클라우드 저장 제한
– 지역에 따라 의료 분야 등 특정 유형의 AIaaS 사용 불가

나. AIaaS 사용 시 고려사항

구분고려사항대응 방안
AIaaS 단점
보완 측면
클라우드 및 AI
보안성 향상
– 처리 흐름 URI 추적, 내부 학습/외부 서비스 VM 격리
XAI를 반영하여 인공지능 모델 및 결과에 대해 설명
데이터 거버넌스
및 법률 준수
– 마스터데이터 별도 관리, 데이터 리터리시 적용
EU-GDPR, 전자의무기록 관리, 개인정보보호법 준수

AIaaS
사용에 따른
경쟁력 강화
측면

국가 산업 혁신 위한
융합 프로젝트 강화
– 클라우드 인프라 활용 우선 지원 및 문제점을 AIaaS 기반으로 해결하는 All AIaaS 프로젝트 강화 추진
AI 인프라 강화를
위한 기업 간 협업
– 기업 단독 AI, IoT 등 다수 개발은 역부족이므로 뛰어난 기술 보유한 대-중-소 기업 협업 Alliance 체계 강화
  • 현재 AIaaS는 금융, 공공, 의료, IT 산업을 중심으로 머신러닝 모델, 자연어 처리 분야의 서비스로 비대면, 자동화 추세에 따른 수요로 성장이 촉진될 전망이며, Amazon, Microsoft, Google 등 빅테크 기업의 시장 선점 경쟁 중.

 
[참고]

  • 한국정보화진흥원(NIA), “인공지능 클라우드로 진화하는 클라우드”
  • 정보통신정책연구원(KISDI), “공공/민간 분야의 인공지능 융합/활성화를 위한 정책방안 연구”
  • BMC Blogs, “AI as a Services (AIaaS): An Introduction”
  • NIPA 이슈리포트(2019-14호), “인공지능 확산의 핵심 인프라, 클라우드 산업 동향 분석과 시사점”

콘텐츠 사용 시 출처 표기 부탁 드리고, 댓글은 큰 힘이 됩니다^^