그동안 머신러닝(ML) 분석을 하려면 개발자들도 데이터 수집부터 가공, 모델 설계, 훈련까지 복잡한 과정을 거쳐야 하고 전문지식이 없는 경우에는 접근조차 하기 어려웠다. 이에 퍼블릭 클라우드 기업인 아마존웹서비스(AWS)가 일반인들도 머신러닝 분석을 할 수 있도록 하는 솔루션을 내놨다.
AWS는 1일 개막한 연례 기술행사 'AWS 리인벤트'에서 노코드(코드를 몰라도 개발할 수 있는) 머신러닝 솔루션 '아마존 세이지메이커 캔버스'를 출시한다고 발표했다. 아담 셀립스키 AWS 최고경영자(CEO)는 "AWS는 머신러닝 경험이 없는 사용자도 머신러닝을 할 수 있도록 '머신러닝 민주화'를 결정했다"고 말했다.
이전부터 AWS는 머신러닝 서비스 '아마존 세이지메이커'의 진입장벽을 낮춰왔다. 초보 머신러닝 개발자들이 완전한 엔드투엔드 솔루션을 선택해 원활하게 적용할 수 있도록 지원하는 '세이지메이커 점프스타트'를 지난해 말 도입한 게 대표적인 예다. 이번 리인벤트에선 노코드 방식으로 일반 분석가들도 쓸 수 있게 아예 장벽을 없애버렸다.
아마존 세이지메이커 캔버스는 CSV 파일이나 엑셀 파일을 끌어서 놓고, 예측 모델을 선택하기만 하면 분석 결과를 시각화해서 보여준다. 정확도 추정치도 함께 표출한다. 즉 버튼 클릭 한 번으로 데이터셋을 결합하고 모델을 교육할 수 있으며, 새로운 데이터가 더해지면 그에 맞춰서 새로운 결과를 도출해낸다.
윤석찬 AWS코리아 수석 테크 에반젤리스트는 국내 브리핑 세션을 통해 "리인벤트에 참여한 개발자들에게 발표 내용 중 관심있는 것을 투표받았는데 세이지메이커 캔버스가 굉장히 많은 표를 받았다"며 "머신러닝 능력이 없는데 일반 비즈니스 분석가라도 쉽게 머신러닝 분석을 할 수 있게 해주는 것으로 프리뷰 버전이 나와서 해봤는데 엄청 쉬웠다"고 전했다.
AWS가 머신러닝에 초점을 맞추는 건 기성 기업들의 디지털 전환을 이끌 핵심 영역으로 보기 때문이다. 머신러닝은 단순 반복업무를 대체할 수 있는 기술이다. AWS는 클라우드 공간에서 머신러닝 솔루션을 지원해 공간만이 아닌 '능력'을 빌려쓸 수 있도록 하고 있다. 아직도 잠재고객이 방대한 클라우드 시장을 공략하기 위한 전략이다.
셀립스키 CEO는 "클라우드는 이제 시작에 불과하다. 전체 기업 중 클라우드를 도입한 기업은 5~10%에 그친다"며 "5G, IoT(사물인터넷) 등 혁신기술과 함께 산업별 특화 서비스를 통해 더 큰 성장을 만들어 갈 것"이라 피력했다.
이런 기조에서 이번 리인벤트에선 제조업부터 금융업까지 아우르는 전방위적인 솔루션도 공개됐다. 'AWS IoT 트윈메이커'는 건물, 공장, 생산라인 등 현실 세계의 설비를 디지털 세계에 '쌍둥이'처럼 구현하고, 현실에서 발생할 수 있는 상황을 간편하게 예측할 수 있는 기술이다.
이를 통해 개발자는 장비 센서, 비디오 카메라 및 비즈니스 애플리케이션과 같은 다양한 원천에서 발생하는 데이터를 손쉽게 통합하고 해당 데이터를 결합해 실제 환경을 모델링하는 지식 그래프(knowledge graph)를 생성할 수 있다.
글로벌 투자은행(IB) 골드만삭스와의 협업을 통해 금융 기관을 위한 새로운 클라우드 기반 데이터 및 애널리틱스 솔루션 제품군인 'AWS 기반의 데이터를 위한 GS 금융 클라우드(GS Financial Cloud for Data with Amazon Web Services)' 출시도 발표했다.
AWS 측은 "금융기관 고객이 클라우드에서 데이터를 검색, 구성 및 분석하는 방법을 재정의해 신속한 통찰력을 얻고 정보에 입각한 투자 결정을 내릴 수 있도록 지원한다"며 "이로써 금융 애플리케이션의 시장 출시 시간을 단축하고 리소스를 최적화해 포트폴리오 수익에 집중하며 신속하게 혁신할 수 있을 것"이라고 기대했다.
자동차 제조업체의 차량 데이터 수집, 변환 및 실시간 클라우드 전송을 지원하는 'AWS IoT 플릿와이즈(AWS IoT FleetWise)'도 눈길을 끌었다. 차량에 있는 모든 형식(제조업체, 모델, 옵션 등)의 데이터를 간편하게 수집 및 구성하고 클라우드상에서 데이터 분석을 할 수 있다.
자동차 제조업체는 클라우드에 저장된 데이터를 활용해 개별 차량의 문제를 원격으로 진단하고, 차량 상태를 분석해 잠재적인 리콜 또는 안전 문제를 예방하거나, 머신러닝 및 애널리틱스를 기반으로 자율주행 및 고급 운전자 지원 시스템과 같은 고급 기술을 적용하는 애플리케이션 구축이 가능하다.