[AI업계 9월 동향] ① 데이터과학자 부족 문제... "해결책 오토ML이 뜬다"

AI 개발에 필수적인 데이터과학자, 글로벌 IT 기업이 '싹쓸이'

일반 기업엔 AI를 만드는 AI '오토ML'이 대안될 수 있어

데이터과학자 부족 문제를 해결할 방안으로 오토ML(기계학습)이 주목받고 있다.

7일 소프트웨어정책연구소(SPRi)에 따르면, 인공지능(AI)을 구현할 수 있는 방안으로 기게학습(머신러닝)이 부상함에 따라 데이터과학자에 대한 중요성도 함께 늘어나고 있다. 머신러닝이란 사람이 프로그래밍하지 않고 방대한 데이터를 학습시킴으로써 AI 모델을 개발하는 기법이다.

데이터과학자는 이렇게 머신러닝으로 AI를 개발할 때 어떤 데이터를 학습시키는 것이 효율적인지 데이터를 분석하는 직업이다.
 

[사진=게티이미지뱅크 제공]

글로벌 구인·구직 사이트 인디드에 따르면, 지난 7년간 데이터과학자에 대한 수요는 3배 이상 증가했으며, 이에 따라 우수인력을 확보하기 위한 기업 간 인재 유치 경쟁이 치열해지고 있다. 특히 얼마 되지 않는 데이터과학자 인력마저 구글, 아마존, 페이스북 등 거대 IT 기업이 '싹쓸이'이'하듯 데려감에 따라 타 산업분야 기업들은 관련 인력 확보에 어려움을 겪고 있다.

일례로 미국 데이터과학자의 연봉은 평균 8만~15만달러로, 전통적인 분석 전문가의 연봉인 6만5000~11만5000달러 대비 20% 이상 높은 것으로 조사됐다.

이런 데이터과학자 부족 문제를 해결할 대안으로 AI 업계에선 오토ML에 대한 관심이 늘어나고 있다.

오토ML이란 AI 모델을 개발할 때 필요한 '문제 이해 → 필요 데이터 식별 → 데이터 준비 → 모델 개발 → 미세 조정 및 검증 → 모델보급'이란 과정을 자동화할 수 있도록 설계된 AI 기반 기계학습 개발도구를 말한다. 쉽게 설명해 AI를 만드는 AI다.

AI 업계에 따르면, 오토ML을 도입할 경우 기업은 데이터과학자 전체 업무의 60~80%를 차지하는 데이터 준비 과정을 자동화해 인력과 비용 낭비를 절감할 수 있다. 예를 들어, 미국 이동통신 업계에선 오토ML을 고객이탈관리 모델 개발에 적용해 계약 취소 가능성이 높은 고객을 선별하는 AI를 만드는 데 성공했다.

현재 오토ML을 빠른 속도로 발전 중이다. 이는 깃허브와 같은 오픈소스 커뮤니티에 데이터 준비와 모델링 업무를 더 간단히 처리할 수 있는 소스코드가 속속 공개되고 있기 때문이다.

향후 오토ML은 AI 모델링이나 튜닝과 같은 숙련된 데이터과학자의 업무까지 대체할 전망이다. 이에 최근 7년 동안 주목받은 직업인 데이터과학자에 대한 수요도 점점 줄어들 전망이다. 대신 제약, 금융, 통신 등 다양한 분야에서 풍부한 전문 지식을 활용해 AI 모델의 품질을 향상하는 '오토ML 실천가'라는 직업이 그 자리를 대체할 것으로 예측된다.