AI 개발과 애자일은 잘 어울리지 않는다는 연구 결과가 나왔습니다.
기술 전문가는 AI 실패를 방지하기 위해 비즈니스 동료와 정기적으로 공개적으로 소통해야 합니다.
민첩한 소프트웨어 개발은 오랫동안 비즈니스에 필요한 소프트웨어를 제공하는 매우 효과적인 방법으로 여겨져 왔습니다. 이 관행은 20년 넘게 많은 조직에서 잘 작동해 왔습니다. 애자일은 스크럼, DevOps 및 기타 협업 방식의 기반이기도 합니다. 그러나 민첩한 관행은 인공 지능(AI) 설계 및 구현에서 부족할 수 있습니다.
이러한 통찰은 업계 또는 학계에서 최소 5년 동안 AI 및 머신러닝 모델을 구축한 경험이 있는 65명의 데이터 과학자 및 엔지니어와의 인터뷰를 기반으로 한 글로벌 정책 싱크탱크인 RAND Corporation의 최근 보고서에서 나온 것입니다. 처음에 미국 국방부를 위해 수행된 이 연구는 2024년 4월에 완료되었습니다. 수석 기술 정책 분석가인 James Ryseff가 이끄는 보고서의 공동 저자는 "AI 프로젝트가 실패하거나 전혀 시작되지 않는 경우가 너무 많습니다"라고 말했습니다. 랜드에서.
흥미롭게도 몇몇 AI 전문가들은 공식적인 애자일 소프트웨어 개발 관행을 성공적인 AI의 장애물로 보고 있습니다. 연구진은 "인터뷰 대상자 50명 중 10명)는 민첩한 소프트웨어 개발 프로세스에 대한 엄격한 해석이 AI 프로젝트에 적합하지 않다는 믿음을 표현했습니다"라고 밝혔습니다.
"애자일 소프트웨어 운동은 결코 엄격한 프로세스를 개발하려는 의도가 없었지만 기본 원칙 중 하나는 개인과 상호 작용이 프로세스와 도구보다 훨씬 더 중요하다는 것입니다. 많은 조직에서는 엔지니어링 팀이 보편적으로 동일한 애자일 프로세스를 따르도록 요구합니다."
그 결과, 한 인터뷰 대상자는 "다음 스프린트에서 작업 항목을 다시 열거나 1주 또는 2주 스프린트에 맞추기 위해 작업 항목을 터무니없이 작고 무의미하게 만들어야 했습니다"라고 말했습니다. 특히 AI 프로젝트에는 "예측할 수 없는 기간의 데이터 탐색 및 실험의 초기 단계가 필요합니다."
RAND의 연구에서는 다른 요인들이 AI 프로젝트의 성공을 제한할 수 있다고 제안했습니다. IT 실패는 지난 수십 년 동안 잘 문서화되어 있지만 AI 실패는 또 다른 모습을 띠고 있습니다. 연구 공동저자들은 "AI는 비용이 많이 드는 노동력과 자본 요구 사항, 높은 알고리즘 복잡성과 같은 다양한 프로젝트 특성을 갖고 있어 전통적인 정보 시스템과 다른 것으로 보인다"고 말했습니다.
"AI의 세간의 이목을 끄는 특성으로 인해 이해관계자들이 AI와 관련된 IT 프로젝트의 위험을 초래하는 요인을 더 잘 이해하려는 욕구가 높아질 수 있습니다."
RAND 팀은 AI 프로젝트 실패의 주요 원인을 확인했습니다.
- "업계 이해관계자들은 AI를 사용하여 해결해야 할 문제가 무엇인지 오해하거나 잘못 전달하는 경우가 많습니다. 조직에서 훈련된 AI 모델을 배포한 후 모델이 잘못된 측정항목을 최적화했거나 전체 워크플로우 및 상황에 맞지 않는다는 사실을 발견하는 경우가 너무 많습니다. "
- "많은 AI 프로젝트가 실패하는 이유는 효과적인 AI 모델을 적절하게 훈련하는 데 필요한 데이터가 조직에 부족하기 때문입니다."
- "조직은 의도한 사용자를 위한 실제 문제를 해결하는 것보다 최신 및 최고의 기술을 사용하는 데 더 중점을 둡니다."
- "조직에는 데이터를 관리하고 완성된 AI 모델을 배포할 수 있는 적절한 인프라가 없을 수 있으며, 이로 인해 프로젝트 실패 가능성이 높아집니다."
- "이 기술은 AI가 해결하기 너무 어려운 문제에 적용됩니다. AI는 어려운 문제를 사라지게 할 수 있는 마술 지팡이가 아닙니다. 경우에 따라 가장 발전된 AI 모델조차도 어려운 작업을 자동화할 수 없습니다."
공식적인 애자일 관행은 AI 개발에 너무 번거로울 수 있지만 IT 및 데이터 전문가가 비즈니스 사용자와 공개적으로 소통하는 것은 여전히 중요합니다. 연구에 참여한 인터뷰 대상자들은 "종종 멋진 할 일 목록에 불과한 확립된 소프트웨어 엔지니어링 프로세스를 채택하는 대신 기술 팀이 프로젝트 상태에 대해 비즈니스 파트너와 자주 소통해야 합니다"라고 권장했습니다.
보고서는 다음과 같이 제안했습니다. "이해관계자들은 '예상보다 시간이 오래 걸립니다. 2주 후에 다시 연락드리겠습니다.'라고 말하는 것을 좋아하지 않습니다. 개방적인 의사소통은 비즈니스 이해관계자와 기술팀 간의 신뢰를 구축하고 프로젝트가 궁극적으로 성공할 가능성을 높여줍니다."
따라서 AI 개발자는 기술 직원이 프로젝트 목적과 도메인 맥락을 이해하도록 해야 합니다. 그리고 프로젝트의 의도와 목적에 대한 잘못된 의사소통은 AI 프로젝트 실패의 가장 일반적인 이유입니다. 기술자와 비즈니스 전문가 간의 효과적인 상호 작용을 보장하는 것이 AI 프로젝트의 성공과 실패를 가르는 차이가 될 수 있습니다."
RAND 팀은 또한 "지속적인 문제"를 선택할 것을 권장했습니다. AI 프로젝트를 완료하려면 시간과 인내심이 필요합니다. "AI 프로젝트를 시작하기 전에 리더는 각 제품 팀이 최소 1년 동안 특정 문제를 해결하도록 전념할 준비가 되어 있어야 합니다. AI 프로젝트가 그렇게 장기적인 노력을 기울일 가치가 없다면 , 전혀 약속할 가치가 없을 가능성이 높습니다."
RAND 보고서는 기술 솔루션이 아니라 비즈니스 문제에 초점을 맞추는 것이 중요하지만 조직은 AI 노력을 지원하기 위해 인프라에 투자해야 한다고 제안했습니다. "데이터 거버넌스와 모델 배포를 지원하기 위한 인프라에 대한 사전 투자는 필요한 시간을 크게 줄일 수 있습니다. AI 프로젝트를 완료하고 효과적인 AI 모델을 훈련하는 데 사용할 수 있는 고품질 데이터의 양을 늘릴 수 있습니다."
마지막으로 위에서 언급한 바와 같이 보고서는 AI가 마술 지팡이가 아니며 한계가 있음을 시사했습니다. "잠재적인 AI 프로젝트를 고려할 때 리더는 프로젝트의 타당성을 평가하기 위해 기술 전문가를 포함해야 합니다."