AI 프로젝트 실패원인 분석 보고서

미국의 RAND 연구소는 AI 프로젝트 실행 과정에서의 실패에 관한 보고서 ‘The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed’를 내 놓았다. 연구진은 AI/ML 프로젝트가 실패하는 이유를 조사하기 위해 AI/ML 모델을 구축한 경험이 5년 이상인 데이터 과학자 및 엔지니어 65명과 인터뷰하였다. AI 프로젝트 실패 근본 원인을 5가지로 정리 하였으며,  AI 프로젝트의 성공 가능성을 높이기 위한 권장 사항을 정리하였다.

1. AI 프로젝트 실패의 원인

AI 프로젝트 실패의 5가지 주요 근본 원인은 다음과 같다.

• AI를 사용하여 해결해야 할 문제의 정의를 제대로 하지 못한 결과이다.
• AI 모델을 적절히 훈련하는 데 필요한 데이터가 부족하기 때문입니다.
• 사용자를 위한 실제 문제 해결보다 최신의 최고의 기술을 사용하는 데 더 집중하기 때문이다.
• 데이터를 관리하고 완성된 AI 모델을 배포할 수 있는 적절한 인프라를 갖추지 못하였기 때문이다.
• AI가 해결하기에는 너무 어려운 문제에 도전하였기 때문이다.

2. AI 프로젝트 실행 권장 사항

• 기술 담당자가 프로젝트의 목적과 도메인 컨텍스트를 이해하도록 해야 한다. 프로젝트의 의도와 목적에 대한 오해와 잘못된 의사소통은 AI 프로젝트 실패의 가장 흔한 원인이다.
• 시간적 여유를 가져야 한다. AI 프로젝트는 시간과 인내가 필요로 한다. 각 제품 개발에 최소 1년 동안 특정 문제 해결에 전념할 수 있도록 준비해야 한다.
• 기술이 아닌 문제에 집중해야 한다. 성공적인 프로젝트는 문제를 해결하는 데 사용되는 기술이 아니라 해결해야 할 문제에 집중합니다.
• 인프라에 투자해야 한다. 데이터 거버넌스 및 모델 배포를 지원하기 위한 인프라에 선행 투자하면 AI 프로젝트를 완료하는 데 필요한 시간을 단축하고 효과적인 AI 모델을 학습하는 데 사용할 수 있는 고품질 데이터의 양을 늘릴 수 있다.
• AI의 한계를 이해해야 한다. 각 AI 프로젝트 진행에는 프로젝트의 실현 가능성을 평가할 수 있는 기술 전문가를 포함시켜야 한다.
• 파트너십 구축을 통해 데이터 수집 장벽을 극복해야 한다. 학계와 정부 기관 간의 파트너십을 구축하여야만 연구자들은 학술 연구에 필요한 출처가 확실한 데이터에 접근할 수 있다.
• 실무자를 위한 교육 프로그램을 확대해야 한다. 개발자는 국제 관계학과 같이 실무 박사 프로그램을 통해 자신의 연구 결과를 직접 문제에 적용할 수 있는 경로를 열어 주어야 한다.