brunch

You can make anything
by writing

C.S.Lewis

by 최재철 Apr 11. 2024

AI 개발시 고려 사항(비용관점)

AI 또는 인공 지능은 오늘날 가장 널리 사용되는 기술 중 하나입니다. AI를 개발하거나 통합하는 데 비용이 얼마나 드는지 생각하는 것은 매우 자연스러운 일입니다. 애플리케이션, 플랫폼 또는 기타 디지털 프레임워크용 AI를 고려하든 관계없이 재정적 측면은 기업과 개인 모두에게 중요합니다.

순다 피차이

2018년 Google 구글 CEO 였던 순다 피차이(Sundar Pichai) 는 당시 한 매체와의 인터뷰에서 AI의 발명이 인류가 불, 전기 등을 발견한 것보다 더 중요한 사건이라고 말했습니다. 그만큼 인공지능의 중요성을 강조했습니다.

AI 개발시 발생할 수 있는 다양한 비용에 대해 살펴보겠습니다.

AI 개발시 고려 사항(비용관점)

AI를 설계하고 개발할 때 전체 예산을 결정하는 수많은 비용 요소가 나타납니다. 관련된 다양한 항목들을 정리하면 다음과 같습니다.

1. 인적자원

그리고 우리에게 가장 먼저 필요한 것은 바로 사람들입니다. (사람이 먼저다 ^^)

여기에는 AI의 학습 및 개선 작업을 수행하는 데이터 과학자와 AI 엔지니어가 포함됩니다. 이 사람들은 무조건 필수적이고, 그 만큼 인건비가 저렴하지는 않습니다. 통상 천재가 불리우는 'AI의 구루(Guru) 급들로 구성된 사람들을 모을려면, 각종 복리 혜택이나 연봉만 몇억씩 주아야 합니다.

이외에 AI 제품을 런칭하기 위해서는 추가로 수석 디자이너, 마케팅팀, 제품 관리자, SW 개발자가 필요합니다. 그들은 사용 편의성과 즐거움을 제공하여 제품을 더 단단하게 만드는 데 도움이 됩니다.

2. 데이터 수집 및 준비

AI는 인간이 상상할 수 없는 방대한 데이터 세트에서 학습하기 때문에 뛰어납니다. 그런데, 이런 학습 데이터는공짜가 아닙니다. 데이터를 구매한다면 비용이 만만치 않습니다. 그나마 구매 할 수 있으면 다행입니다. 대부분의 필요한 데이터는 직접 수집하거나, 직접 생성해내야 합니다.

필요한 데이터를 모두 확보했다면, 그 다음 작업은 AI가 이해할 수 있도록 깔끔하게 정리해야 합니다. 클린징이라는 작업인데요. 이는 데이터를 검토하고 실수를 수정하거나 필요하지 않은 부분을 제거하는 것을 의미합니다. 시간이 오래 걸릴 수 있고 자신이 하는 일을 정확히 아는 사람, 곧 도메인 지식이 있는 사람이 필요하므로 비용이 더 많이 듭니다.

3. 인프라 및 소프트웨어

이제 필요한 도구와 기술에 대해 이야기해 보겠습니다. 크고 복잡한 AI 프로그램이 잘 배우고 작동하려면 정말 강력한 컴퓨터가 필요합니다. 기본적으로 GPU가 탑재된 컴퓨터가 필요합니다.

GPU A100 같은 장비를 구매해서 온프라미스 형태로 회사 내부에서 수행할 수 있지만, 대부분의 회사는

Amazon Web Services(AWS) 또는 Google Cloud Platform(GCP)과 같은 클라우드 서비스를 통해서 사용하게 됩니다. 그런데 이 비용이 일반 서버를 렌탈하는 경우와 다르게 많은 비용이 발생합니다. 특히 AI가 많은 데이터를 학습하는 경우 상당한 비용을 지불하게 됩니다. (학습하는 데 몇천만원, 몇억이 발생할 수도 있습니다. )

(참고) AWS 와 GCP 가격 비교표

4. 모델 훈련 및 유지 관리

AI 모델의 훈련에는 복잡성 정도와 사용 가능한 컴퓨팅 리소스에 따라 며칠에서 몇 달까지 다양한 시간이 걸릴 수 있습니다. 데이터는 AI의 기둥이며, 이 학습 단계에서 AI가 알고리즘을 데이터에 적용합니다. 이 학습 시간은 AI의 성능에 매우 중요합니다. 이러한 훈련 곧 학습과정은 한 두번만 이루어지는 것이 아닙니다.

여러번 수행 끝에 데이터에 맞는 최적의 알고리즘을 찾게 되는 과정의 연속입니다.

또한, 모델이 완성되었다고 끝나는 것이 아니라. 정기적인 모델 업데이트 작업이 필수입니다.

이는 데이터 과학자들에게 지속적인 과제이며 컴퓨팅 인프라에 대한 지속적인 자금 지원이 필요합니다. 장기적으로 모델은 기술의 발전 속도를 따라잡기 위해 다시금 최고급 사양의 컴퓨터를 구매해서 사용해야 할 수도 있습니다. 이는 마치 자동차에 문제가 발생하지 않도록 정기적인 서비스를 받는 거와 비슷합니다.

곧, AI 모델의 일관된 성능과 정확도를 유지하려면 프로세스를 시작하는 것뿐만 아니라 지속적인 개선과 유지 관리도 필요합니다.

5. 이외의 추가 비용

AI 기술의 채택은 공학적 어려움을 극복하는 것에만 국한되지 않습니다.

이로 인해 해결해야 할 수많은 법적, 윤리적 문제가 발생할 수 있습니다. 인공지능(AI) 시스템을 활용하면서 법적, 윤리적으로 잘 준수하는지를 깊이 생각해 볼 필요가 있습니다.

일례로, 2021년 메타(구:페이스북)에서 스마트글래스를 출시했을 때, 법적문제로 제품출시를 보류하는 사태가 발생했다.

페이스북 스마트 글래스, "개인 정보 침해 우려된다"
유럽 국가에서 개인 정보 보호와 관련하여 큰 취약점이 남아있다며 우려의 반응을 보임.

https://www.inven.co.kr/webzine/news/?news=262682

또한, 대중의 신뢰를 유지하고 피해를 최소화하기 위해 윤리 문제가 발생합니다. 이러한 문제들이 결합되어 기술 관련 법률 및 윤리 분야의 전문 지식을 갖춘 전문가(자문가)와의 상담이 필요한 경우가 많습니다.

이것도 하나의 비용적인 요소 중에 하나입니다.

법적 책임, 개인정보 보호, 데이터 보호, AI 의사결정 과정의 공정성은 윤리적으로 건전한 AI 개발을 위해 적절한 관심을 기울여야 할 문제 중 하나입니다.

브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari