브라이언 사티아나탄, Iterate.ai 최고 기술 책임자 겸 공동 창립자 – 인터뷰 시리즈

브라이언 사티아나탄은 Iterate.ai의 최고 기술 책임자이자 공동 창립자입니다. 이터레이트.ai는 인터플레이라는 저코드 플랫폼을 개발했으며, 이 플랫폼은 산업 전반에 걸쳐 빠르게 AI 기반 애플리케이션을 구축하는 데 사용됩니다. 이전에는 애플에서 맥 운영 체제와 첫 번째 아이폰을 포함한 다양한 신기술 프로젝트에 참여했습니다.

초기에는 어떤 것이 당신을 AI 기술로 일하게 했나요?

저는 알고리즘 기반 학습에 관심이 많았고, 대학 시절부터 AI 시스템을 사용하기 시작했습니다. 또한 애플에서 암호화 및 보안 기술을 개발하는 데 많은 시간을 보냈으며, 이전에 공동 창립한 회사에서 비디오 압축 기술을 개발했습니다. 비디오와 암호화 기술은 알고리즘 집약적이기 때문에, AI/ML 학습 곡선을 더 빠르게 만들었습니다. 2016년경, 저는 오픈 소스 AI 프레임워크/GPU를 사용하기 시작했으며, 지난 5년 동안 알고리즘과 분류 능력에서 얼마나 발전했는지 깨달았습니다. 그때부터 저는 모든 사람이 쉽게 사용할 수 있도록 이것을 더 쉽게 만들 필요가 있다고 생각했습니다.

당신은 인지적 편향과 데이터 편향에 대한 강한 의견을 가지고 있습니다. 이러한 우려를 공유해 주시겠습니까?

AI 편향은 엔지니어가 자신의 관점과 선입견을 AI 훈련 데이터 세트에 반영할 때 발생합니다. 이것은 엔지니어가 달성하려고 하는 것을 빠르게 무너뜨립니다. 대부분의 경우, 이러한 영향은 무의식적이므로 편향이 데이터 세트에 침투했다는 것을 인식하지 못할 수 있습니다. 효과적인 검사와 균형이 없으면, 데이터는 엔지니어가 고려하는 포인트나 인구 통계학적 특성에만 제한될 수 있습니다. 높은 품질과 데이터의 양을 가지고 있더라도, 데이터 세트의 편향은 AI 애플리케이션에서 제공하는 결과를 부정확하고, 많은 경우에 거의 쓸모없게 만들 수 있습니다.

가트너 보고서에 따르면, 2030년까지 AI 프로젝트의 85%가 편향으로 인해 잘못된 결과를 제공할 것입니다. 이는 극복해야 할 큰 간격입니다. AI에 투자하고, 신뢰하고, 전략적 결정을 내리는 비즈니스가 편향된 근거로 잘못된 결론으로 인해 고비용의 실패와 명성의 손상을 겪을 수 있습니다. AI가 고객을 대면하는 애플리케이션과 내부 프로세스에서 빠르게 등장하는 기술에서 핵심 기술로 전환됨에 따라, 편향을 제거하는 것은 앞으로 AI의진정한 잠재력을 실현하는 데 필수적입니다.

이러한 유형의 편향을 방지하기 위한 방법은 무엇입니까?

AI 편향은 체계적으로 및 적극적으로 감지되고 제거되어야 합니다. 편향은 알고리즘에 하드코딩될 수 있습니다. 인지적 편향으로 인해 필요한 데이터가 생략될 수 있습니다. 집계 편향은 또 다른 위험입니다. 여기서 작은 결정들이 누적되어 왜곡된 AI 결과로 이어질 수 있습니다.

AI 편향의 모든 형태를 감지하고 제거하는 데에는 프레임워크, 툴킷, 프로세스, 정책을 사용하여 이러한 문제를 효과적으로 완화하는 것이 필요합니다. 예를 들어, 롤스로이스의 Aletheia 프레임워크와 Deloitte의 AI 프레임워크는 자동으로 적용되는 벤치마크와 함께 편향 없는 관행을 촉진할 수 있습니다. AI Fairness 360과 IBM Watson OpenScale 같은 툴킷은 기계 학습 모델과 파이프라인에서 편향과 편향 패턴을 인식하고 제거할 수 있습니다. 마지막으로, 정의된 편향 메트릭에 대한 데이터를 테스트하는 프로세스와 편향을 방지하기 위한 규정 정책이 결합되면, 조직은 편향을 체계적으로 검사하고 블라인드 스폿을 제거하는 데 도움이 될 수 있습니다.

이터레이트.ai의 시작은 어떻게 되었나요?

그 이야기는 2013년에 시작되었습니다. 공동 창립자 Jon Nordmark(우리의 CEO)와 저는 모두 우크라이나에 기반을 둔 동유럽 가속기 보드의 일원으로 활동했습니다. 이 가속기는 실리콘 밸리 스타일의 스타트업을 구축하고 운영하는 데 도움이 필요한 기업가들을 지원하기 위해 설계되었습니다. 이러한 경험은 혁신적인 새로운 회사들과 함께 일하게 되었습니다. 우리는 이러한 스타트업을 혁신 지원이 필요한 대기업과 짝지어야 한다는 아이디어를 가지게 되었습니다. 이후 우리는 이터레이트 스튜디오를 출시했으며, 이는 기업이 찾고 있는 혁신적인 기능을 기반으로 스타트업 파트너를 찾는 데 특화된 검색 엔진을 제공했습니다. 2015년에, 회사는 이터레이트.ai로 이름을 변경하여 우리의 AI 기반 스타트업 큐레이션을 강조했습니다. 오늘날 우리의 Signals 데이터베이스는 15.7백만 개 이상의 스타트업 기술을 다양한 요소와 함께 색인화하며, 이를 가능하게 하는 것은 우리의 독점적인 AI입니다.

2017년에 우리는 첫 번째 버전의 저코드 애플리케이션 개발 플랫폼인 Interplay를 출시했습니다. 인터플레이는 AI를 연료로 하는 소프트웨어 계층을 제공하며, 이는 기업의 레거시 스택을 현대화하고, 혁신적인 기술을 드래그 앤 드롭으로 사용할 수 있도록 합니다. 또한 소프트웨어 개발을 10배로 가속화합니다. 저코드 플랫폼에는 475개의 사전 구성된 구성 요소가 있으므로, 사용자는 필요한 기술을 빠르게 구축하기 위해 혼합하고 일치시킬 수 있습니다. AI 강화는 플랫폼의 핵심이며, IoT, 데이터 통합, 블록체인 등의 저코드 구성 요소도 포함되어 있습니다.

이터레이트.ai의 저코드 플랫폼을 사용하여 개발할 수 있는 AI 애플리케이션은 무엇입니까?

저코드 플랫폼을 사용하면 다양한 사용 사례에 대한 AI 애플리케이션을 개발할 수 있습니다. 이는 우리가 매우 자랑스럽게 생각하는 것입니다. 십억 달러 규모의 세계적인 뷰티 소매업체인 Ulta Beauty는 저코드 플랫폼을 사용하여 2주 만에 스마트한 AI 소매 고객용 챗봇을 구축했습니다. 반면에 원시적인 채팅봇은 키워드 중심이며, 대부분의 벤더 채팅봇 애플리케이션은 고객 정보에 액세스하거나 인간 지원 서비스로의 무정지 전환을 허용하는 레거시 시스템과 원활하게 통합할 수 없습니다. 울타 비오티의 스마트 AI 채팅봇은 이러한 문제를 자연어 처리 기능과 고객 “의도”를 인식하여 매우 정확한 응답을 제공함으로써 해결했습니다. 저코드 플랫폼을 사용하면 울타 비오티가 채팅봇의 AI 엔진을 몇 시간 만에 구축하고, 구성, 개선 및 훈련을 매우 빠르게 수행할 수 있었습니다.

다른 예로 Jockey는 꽤 복잡하고 주관적인 고객 서비스 상황에도 자동으로 성공적으로 답하는 AI 기반 FAQ에 우리 플랫폼을 사용했습니다. 플랫폼은 전 세계 편의점·주유소 네트워크가 팬데믹에 대응하여, 고객의 차량 번호판을 AI 이미지 인식으로 확인하는 비접촉식 주유기를 도입하는 데도 기여했습니다. 우리의 AI 기능은 소매점의 카메라 중심 보안 전략에도 활용됩니다. 훈련된 AI 애플리케이션은 이미지 인식으로 점포 밖의 위협과 무기를 발견하고, 고객 보호를 위해 점포를 잠그며, 당국에 연락할 수 있습니다.

실제로 얼마나 적은 코딩이 필요합니까? 사용자에게는 어떤 개발 역량이 필요합니까?

저의 의견으로는 80/20 규칙이 적용됩니다. 80%의 적용된 AI 사용 사례는 이미 구축되어 있으며, 확립된 모델과 훈련 데이터가 있습니다. 전통적인 조직은 저코드 플랫폼(저코드 플랫폼 중 하나는 인터플레이)을 사용하여 이러한 사례를 쉽게 구현할 수 있습니다. 여기에는 다음 예가 포함됩니다:

• AI 기반 FAQ
• AI 기반 제품 찾기
• 제품 추천 및 번들링
• OCR
• 시각적 제품 식별
• 표 형식 데이터 분석: AOV, 바스켓 분석, 고객 유실 예측 등
• 객체 추출/탐지
• 객체 영속성

이러한 사례는 서버 측 프로그래밍 지식과 기초적인 기계 학습 API 이해를 가진 엔지니어가 구현할 수 있습니다. 이는 비디오 스트리밍, 암호화 및 키 관리 기술과 유사하며, 이러한 API를 사용하는 대부분의 엔지니어는 그 아래에서 어떻게 작동하는지 모를 수 있습니다.

AI 기술을 확장하기 위해 저코드가 중요한 이유는 무엇입니까?

애플리케이션 개발에서 AI 기능을 구현하는 비즈니스는 저코드를 사용하지 않을 때 주요 도전을 직면할 수 있습니다. 현재 세계에는 30만 명의 AI 엔지니어가 있으며, 그 중 6만 명만이 데이터 과학자입니다. 이러한 이유로 AI 솔루션을 개발하고 확장하는 데 필요한 기술은 비싼 비용을 지불해야 하며, 증가하고 있습니다. 반면에 저코드 개발은 AI에 대한 접근을 민주화합니다. 저코드를 사용하면, 세계의 2500만 소프트웨어 개발자와 심지어 훈련이 없는 사람도 AI 엔진을 쉽게 구현하고, 그 기능을 개선하고, 효과적인 솔루션을 생산하고 확장할 수 있습니다.

이터레이트.ai의 AI 기반 시그널스 플랫폼에서 나타나는 더 흥미로운 트렌드는 무엇입니까?

우리는 다섯 가지 혁신의 힘: AI, IoT, 블록체인, 데이터 및 출현하는 스타트업 솔루션에서 급격한 성장을 보이고 있습니다. 이러한 시장은 모두 매우 큽니다. 우리는 매일 수천 개의 데이터 포인트, 뉴스, 특허 및 새로운 스타트업 제품을 확인하고 있습니다. 인터플레이는 이러한 성장하는 힘을 활용하기 위해 사전 구성된 구성 요소를 포함하는 것으로 설계되었습니다.

이터레이트.ai에 대해 더 공유하고 싶은 것이 있습니까?

저는 여전히 저코드와 AI 애플리케이션 구축의 역할에 대한 오해가 존재한다고 생각합니다. IT 전문가가 저코드 전략이 기업급 규모 확장성, 기능 확장성 및 보안 요구를 충족할 수 있는지 의심하는 것을 보는 것은 드문 일이 아닙니다. 저코드 옵션이 프로토타이핑을 위해 설계되었지만 생산 애플리케이션에 대한 도구로 잘못 적용된 경우, 이러한 의심을 불러일으킬 수 있습니다. 그러나 올바른 저코드 플랫폼은 생산 준비된 AI 애플리케이션을 구축하고 지원하는 데 완전히 적합합니다. 기업은 저코드 도구를 선택할 때, 투명하고 철저한 보안 계층과 기업 규모에서 애플리케이션을 제공한 경험이 있는 도구를 선택하는 데 신중해야 합니다.

대단한 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자는 Iterate.ai를 방문하십시오.