AI가 전 산업군으로 확산하고 있지만, 산업/제조 현장의 AI는 진퇴양난의 어려움을 겪고 있다. 산업용 AI는 각 기업 고유의 환경에 특화된 목적으로 개발되기 때문에 데이터의 품질이나 규모가 미흡한 경우가 많고, 개발 및 구축 환경의 격차도 크기 때문에 커스텀 AI 구축이 불가피한 경우가 많다.
이를 위해서는 산업 현장의 다양한 데이터셋과 문제에 대응할 수 있도록 ML 라이프사이클 전 과정에서 유연성을 보장하고, 끊김없는 운영이 가능해야 한다. 또한, 머신러닝 모델의 개발과 배포, 운영 환경을 표준화해 머신러닝 라이프사이클의 반복 속도를 높여야 한다. 제조/산업 현장 AI의 당면 과제를 살펴보고, 성공적인 AI 구현 방안을 제시한다.
주요 내용
- 1만 개의 제조기업을 위한 1만 개의 머신러닝 모델
- 빠른 반복으로 더 좋은 결과를 얻는 OODA 루프
- OODA 루프 가속화를 위한 조건 : MLOps
- 산업용 AI에 특화된 MLOps
- 이상 탐지 사례로 확인하는 MLOps의 가능성
- 산업의 “진짜 문제”를 해결하는 AI를 도입하는 방법