라이언 리스, 미션의 Chief AI & Data Scientist – 인터뷰 시리즈

라이언 리스 박사는 데이터 과학자로 15년 이상의 리더십 경험을 보유한 기술 회사에서 데이터 및 엔지니어링 분야에서 활동했습니다. 라이언 리스 박사는 20년 이상의 AI 경험과 5년 이상의 AWS 데이터 인프라 및 AI 모델 구축 경험을 가지고 있습니다. UCLA와 Caltech에서 생물물리학 박사 학위를 취득한 후, 라이언 리스 박사는 미국 국방부와 수많은 포춘 500 기업을 위한 최첨단 데이터 솔루션을 개발했습니다.

미션의 Chief AI 및 Data Scientist로, 라이언은 데이터 엔지니어, 데이터 아키텍트, ML 엔지니어, 데이터 과학자를 포함한 성공적인 팀을 구축하여 AWS 인프라를 활용하여 세계에서 가장 어려운 문제를 해결했습니다.

미션은 클라우드에서 태어난 리딩 관리 서비스 및 컨설팅 제공업체로, 종단간 클라우드 서비스, 혁신적인 AI 솔루션, 및 AWS 고객을 위한 소프트웨어를 제공합니다. AWS 프리미어 티어 파트너로, 회사는 비즈니스들이 기술 투자를 최적화하고 성능 및 거버넌스를 향상시키고 효율적으로 확장하고 데이터를 보호하고 혁신을 자신감 있게 도와줍니다.

당신은 AR 하드웨어를 DAQRI에서 구축한 후 미션의 Chief AI Officer가 되기까지 인상적인 여정을 걸어왔습니다. 기업에서 AI의 역할에 대한 당신의 관점을 가장 많이 형성한 개인적인 경험이나 전환점은 무엇인가?

초기 AI 개발은 컴퓨팅 파워와 인프라 도전으로 인해 크게 제한되었습니다. 우리는 종종 연구 논문에서 모델을 수동으로 코딩해야 했으며, 이는 시간이 걸리고 복잡했습니다. 주요 전환점은 Python과 오픈 소스 AI 라이브러리의 등장으로, 실험과 모델 구축이 훨씬 더 빠르게 진행될 수 있게 되었습니다. 그러나 가장 큰 전환점은 하이퍼스케일러가 널리 사용 가능한 확장 가능한 컴퓨팅 및 저장소를 제공했을 때 발생했습니다.

이 진화는 AI의 역사 전반에 걸쳐 지속적인 도전을 반영합니다. 저장소와 컴퓨팅 용량이 부족한 문제는 이전 AI 윈터를 초래했으며, 이러한 문제를 해결하는 것이 오늘날의 “AI 르네상스”의 핵심입니다.

미션의 종단간 클라우드 서비스 모델은 어떻게 회사가 AWS에서 AI 워크로드를 더 효율적이고 안전하게 확장할 수 있도록 도와줍니다?

미션에서 보안은 모든 것을 통합하는 것입니다. 우리는 2년 연속 AWS의 보안 파트너로 선정되었으며, 흥미롭게도 우리는 별도의 보안 팀을 가지고 있지 않습니다. 미션의 모든 구성원은 개발의 모든 단계에서 보안을 고려하여 빌드합니다. AWS 제너레이티브 AI를 사용하면 고객은 AWS Bedrock 레이어를 사용하여 데이터,包括 민감한 정보를 안전하게 보호할 수 있습니다. 이 통합 접근 방식은 보안을 기본으로 하며, 이후 고려할 사항이 아닙니다.

확장성 또한 미션의 핵심焦点입니다. 우리는 MLOps 파이프라인을 구축하여 AI 인프라를 훈련 및 추론에 사용할 수 있습니다. 제너레이티브 AI는 대규모 공공 규모 시스템과 함께 사용되지만, 대부분의 기업 사용 사례는 내부적이며 더 관리 가능한 확장을 요구합니다. Bedrock의 API 레이어는 실제 워크로드에 대해 확장 가능하고 안전한 성능을 제공합니다.

미션의 서비스를 사용하여 클라우드 마이그레이션에서 제너레이티브 AI 솔루션을 배포하기까지의 일반적인 기업 참여 과정을 설명해 주시겠습니까?

미션에서 우리는 기업의 비즈니스 요구 사항과 사용 사례를 이해하기 시작합니다. 클라우드 마이그레이션은 현재 온프레미스 환경을 평가하고 확장 가능한 클라우드 아키텍처를 설계하는 것으로 시작합니다. 온프레미스 설정과 달리, 클라우드에서는 평균 워크로드에 따라 리소스를 확장할 수 있으므로 비용을 줄일 수 있습니다. 모든 워크로드를 마이그레이션할 필요는 없습니다. 일부 워크로드는 폐기, 재구성 또는 효율성을 위해 재구축할 수 있습니다. 재고 및 계획 후, 우리는 단계적으로 마이그레이션을 수행합니다.

제너레이티브 AI의 경우, 우리는 개념 증명 단계를 넘어섰습니다. 우리는 기업들이 아키텍처를 설계하고, 프로모트를 정제하고, 에지 케이스를 해결하기 위한 파일럿을 실행한 다음 프로덕션으로 이동하는 것을 도와줍니다. 데이터 주도 AI의 경우, 우리는 온프레미스 데이터를 클라우드로 마이그레이션하여 더 큰 가치를解放합니다. 종단간 접근 방식은 제너레이티브 AI 솔루션이 강력하고 확장 가능하며 비즈니스 준비가 된 것을 보장합니다.

미션은 “신뢰와 함께 혁신”을 강조합니다. 비즈니스들이 대규모로 AI를 도입할 때 이것은 실제로 무엇을 의미합니까?

실제 AI 전문가가 있는 것을 의미합니다. 부트캠프 졸업생이 아닌, 실제로 AI에 능숙한 사람들을 의미합니다. 고객은 우리가 그들에게 실험을 하지 않는다는 것을 신뢰할 수 있습니다. 우리의 사람들은 모델이 어떻게 작동하는지와 어떻게 안전하고 확장 가능하게 구현하는지 이해합니다. 이것이 비즈니스들이 혁신을 위험을 무릎쓰지 않고 도와주는 방법입니다.

당신은 예측 분석, NLP, 컴퓨터 비전을 포함한 다양한 분야에서 일했습니다. 현재 제너레이티브 AI가 기업에서 가장 큰 가치를 제공하는 분야는 어디이며, 어디에서 현실이 과장되는가?

제너레이티브 AI는 주로 지능형 문서 처리 및 챗봇을 통해 기업에서 큰 가치를 제공하고 있습니다. 많은 비즈니스들은 작업을 자동화하고 워크플로를 가속화하기 위해 제너레이티브 AI를 사용합니다. 예를 들어, 지능형 문서 처리는 보험 신청 검토 시간을 50% 줄이고, 의료 분야에서 환자 케어 조정을 개선했습니다. 챗봇은 종종 다른 AI 도구 또는 시스템의 인터페이스로 작동하여 기업이 루틴 상호작용과 작업을 효율적으로 자동화하도록 도와줍니다.

그러나 제너레이티브 이미지 및 비디오에 대한 과장은 실제 비즈니스 적용보다 더 많습니다. 시각적으로 인상적인 이러한 기술은 마케팅 및 창의적 프로젝트를 제외하고는 제한된 실제 적용을 가지고 있습니다. 대부분의 기업은 제너레이티브 미디어 솔루션을 핵심 운영으로 확장하는 것을 어려워합니다. 따라서 이러한 기술은 기본적인 비즈니스 도구보다 신기한 것으로 간주됩니다.

“바이브 코딩”은 새로운 용어입니다. 당신의 세계에서 이것이 무엇을 의미하는지 설명해 주시겠습니까? 그리고 이것은 더广泛한 AI 개발의 문화적 전환을 어떻게 반영하는가?

바이브 코딩은 개발자가 대규모 언어 모델을 사용하여 코드를 생성하는 것을 의미합니다. 이것은 구조화된 계획이나 설계보다直觉 또는 자연어 프롬프트에 기반하여 코드를 생성하는 것입니다. 이것은 아이디어를 빠르게 테스트하거나, 보일러플레이트 코드를 생성하거나, 반복적인 작업을 오프로드하는 데 유용합니다. 그러나 이것은 또한 구조가 없는 코드, 유지 관리가 어려운 코드, 비효율적이거나 보안이 취약한 코드를 생성할 수 있습니다.

우리는 더广泛한 전환을 보고 있습니다. 즉, 대규모 언어 모델이 주니어 개발자처럼 작동하고, 인간이 아키텍트 또는 QA 엔지니어와 같은 역할을 맡아 AI 생성 구성 요소를 더 큰 시스템으로 검토, 정제 및 통합하는 것입니다. 이 협력 모델은 강력할 수 있지만, 가드레일이 있는 경우에만 가능합니다. 적절한 감독 없이, 바이브 코딩은 기술 부채, 취약성 또는 성능 문제를 도입할 수 있습니다. 특히 철저한 테스트 없이 프로덕션에 급하게 도입하는 경우에 그러합니다.

AI 담당자의 역할이 진화하는 것에 대한 당신의 견해는 무엇입니까? AI가 비즈니스 전략의 基本이 되는 경우 조직은 리더십 구조를 어떻게 재고해야 합니까?

AI 담당자는 가치를 추가할 수 있지만, 역할이 성공을 위한 준비가 되어 있는 경우에만如此합니다. 너무 많은 회사들이 새로운 C수준 타이틀을 만들지만, 기존의 리더십 구조와 일치하지 않거나, 실제 권한을 부여하지 않습니다. AI 담당자가 CTO, CDO 또는 다른 임원과 목표를 공유하지 않는 경우, 시로된 의사 결정, 충돌하는 우선순위, 그리고停滞된 실행의 위험이 있습니다.

조직은 AI 담당자가 기존의 역할을 대체하는지 또는 보완하는지 신중하게 고려해야 합니다. 타이틀은 중요하지 않습니다. 중요한 것은 조직 전체에서 AI 전략을 형성하고, 데이터, 인프라, 보안, 비즈니스 사용 사례를 주도할 수 있는 권한을 부여하는 것입니다. 그렇지 않으면, 역할은 상징적인 것보다 실제적인 영향을 미치지 못합니다.

당신은 상을 받은 AI 및 데이터 팀을 이끌었습니다. 높은 위험을 가진 AI 역할을 채용할 때 무엇을 찾고 있습니까?

제일 중요한 자질은 실제로 AI를 아는 것입니다. 단지 몇 가지 과정을 수강한 사람이 아닌, 실제로 AI에 능숙한 사람을 찾습니다. 저는 새로운 접근 방식을 찾고, 할 수 있는 것과 할 수 없는 것의 경계를 도전하는 사람들을 찾습니다. 이는 혁신과 안정적인 구현이 동등하게 중요한 높은 위험을 가진 AI 역할에서 필수적입니다.

많은 비즈니스들은 ML 모델을 운영화하는 데 어려움을 겪습니다. 성공하는 팀과停滞하는 팀을 구분하는 것은 무엇입니까?

가장 큰 문제는 크로스 팀 간의 정렬입니다. ML 팀은 유망한 모델을 구축하지만, 다른 부서는 우선순위가 일치하지 않기 때문에 이를 채택하지 않습니다. 제너레이티브 AI의 경우, 프로덕션을 위한 MLOps 인프라가 필요합니다. 버전 관리, 재훈련, 모니터링이 필요합니다. 프로덕션을 위한 채팅봇은 프로모트 튜닝, 파이프라인 관리, 컴플라이언스가 필요합니다. 단지 프로모트를 ChatGPT에 넣는 것이 아닙니다.

미션의 인프라 및 AI 전략 경험을 활용하여 AI 최초 제품을 구축하는 스타트업 창립자에게 조언해 주시겠습니까?

스타트업의 경우, 최상의 AI 탈렌트를 끌어들이는 것이 어려울 수 있으며, 특히 이미 확립된 브랜드가 없는 경우에 그러합니다. 강력한 창립 팀이 있더라도, 적절한 AI 시스템을 구축하고 확장하기 위해 필요한 경험을 가진 사람들을 고용하는 것이 어렵습니다. 이것이 미션과 같은 회사와 협력하여 실제로 차이를 만들 수 있는 경우입니다. 우리는 인프라, 전략, 실제 전문 지식을 제공하여 더 빠르게 이동하고, 제품을 더 신속하게 검증할 수 있도록 도와줄 수 있습니다.

또 다른 중요한 부분은焦点입니다. 우리는 많은 창립자가 기본 인터페이스를 ChatGPT에 감싸고 제품이라고 부르는 것을 보지만, 사용자는 더 많은 것을 기대합니다. 실제 문제를 해결하거나 차별화된 것을 제공하지 않는다면, 쉽게 소음에 묻혀버릴 수 있습니다. 미션은 스타트업이 AI에서 실제 가치를 창출하고, 확장 가능하고, 안전하고, 프로덕션 준비가 된 것을 구축하는 방법에 대해 전략적으로 생각하도록 도와줍니다. 따라서 단지 실험하는 것이 아니라, 성장을 위한 것을 구축합니다.

이 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 미션을 방문하십시오.