애플리케이션에 AI에 적용
이 단원에서는 혁신 프로세스와 고객 경험에서 기계 학습과 AI 기술이 갖는 중요성에 대해 알아봅니다.
가치 창출을 위한 기계 학습 및 AI
기계 학습 및 AI는 고객 및 파트너와의 상호 작용을 개선하기 위한 훌륭한 자산입니다. Tailwind Traders는 사용자 환경을 개선하고 비즈니스 가치를 높이기 위한 방법으로 이런 애플리케이션 기능을 평가하고 있습니다.
이 회사는 기본 전자 상거래 애플리케이션을 마이크로 서비스 아키텍처로 변환하는 것 외에도 고객 경험을 향상시키기 위한 새로운 기능을 도입하고자 합니다. 현재는 데이터 과학 기술이 있는 직원이 없습니다. 앞으로 신규 직원의 채용이 진행되겠지만, 그전까지는 회사 웹 스토어의 경쟁력을 높이는 데 도움이 되는 빠른 방법을 모색해야 합니다.
Tailwind Traders는 다음과 같은 네 가지 가능성을 평가하고 있습니다.
- 추천 엔진을 포함하여 교차 판매 증대.
- 지원 채팅을 적용하여 문제가 발생한 경우 사용자 경험 개선.
- 검색 엔진을 재설계하여 고객이 제품을 찾는 데 걸리는 시간 단축.
- 제품 리뷰를 분석하여 고객의 감정을 더 효과적으로 이해.
Tailwind Traders는 애플리케이션에 기계 학습과 AI를 적용하기 위해 어떤 Azure 기술을 사용하는 것이 좋을지 평가해야 합니다.
Azure의 기계 학습 및 AI
Azure는 조직에서 더 빠르고 낮은 비용으로 애플리케이션에 기계 학습 및 AI 기능을 빌드하도록 지원할 수 있는 여러 가지 도구와 서비스를 제공합니다.
Azure AI 서비스
Azure AI 서비스는 기계 학습에 대한 전문 지식 없이도 애플리케이션에 AI 기능을 적용할 수 있는 미리 빌드된 모델을 포함하고 있습니다. Azure AI 서비스는 비전, 음성, 언어, 의사 결정, 검색 등 다양한 영역을 포괄합니다. 또한 사용하기 간편하므로 조직은 광범위한 기계 학습 기술 없이도 AI 기능을 사용할 수 있습니다.
Tailwind Traders는 데이터 과학 부서가 완전히 운영되지 않기 때문에 Azure AI 서비스에서 높은 잠재력을 보고 있습니다. 이 회사는 전자상거래 애플리케이션의 혁신을 위해 다음과 같은 기능을 평가할 예정입니다.
- Personalizer: 조직에서는 이 기능을 사용하여 사용자별 선호 제품을 알아보고, 세밀하게 조정된 개별 추천을 제공할 수 있습니다. 빠르게 제공되는 제품을 선호하는 고객도 있고, 할인 중인 제품을 선호하는 고객도 있습니다. Personalizer는 강화 학습이라는 기계 학습 알고리즘을 사용하는데, 이 알고리즘은 다량의 데이터가 없어도 학습이 가능합니다. Tailwind Traders는 아직 이런 유형의 데이터가 없기 때문에 Personalizer에 관심이 있습니다.
- Text Analytics: 많은 사용자가 제품 리뷰를 작성합니다. 조직은 리뷰를 분석하여 부정적 감정을 표출하는 고객을 찾을 수 있습니다. 이러한 고객에게 집중하면 고객 이탈을 줄이고 충성도를 높일 수 있습니다.
- Translator: 제품 리뷰는 효과적인 판매 도구일 수 있지만, 작성된 언어를 이해하는 고객에게만 유용합니다. Tailwind Traders가 실시간 번역 서비스를 사용할 경우 모국어가 무엇이든 관계없이 모든 사용자에게 제품 리뷰를 보여줄 수 있습니다.
그 밖에도 Tailwind Traders가 유용하게 사용할 수 있는 여러 Azure AI 서비스 기능이 있지만, 이 회사는 우선 위의 세 가지 기능을 먼저 사용하기로 했습니다. 그 이유는 잠재적인 비즈니스 영향력 증가도가 높고 기능 채택에 요구되는 노력이 적기 때문입니다.
지식 마이닝과 Azure Cognitive Search
Azure Cognitive Search는 약간의 코딩만으로도 지식 마이닝과 유연한 검색 엔진을 애플리케이션에 적용할 수 있도록 도와줍니다. 이 서비스는 다량의 데이터를 인덱싱할 뿐 아니라 보강을 추가하여 검색 가능한 정보를 강화해 줍니다.
Tailwind Traders 애플리케이션에서 개선이 필요한 영역 중 하나는 바로 제품 검색입니다. 고객은 원하는 제품을 찾는 데 너무 많은 시간을 소비합니다. 기존 검색 엔진을 Azure Cognitive Search로 바꾸면 패싯 탐색(다중 범주 필터), 관련성 조정, 자동 완성과 같은 다양한 검색 기능을 제공할 수 있습니다.
인터넷 사용자들은 정교한 검색 엔진에 익숙하기 때문에 Tailwind Traders는 현행 버전의 전자상거래 플랫폼에서 이전 방식의 기능을 계속 제공할 수 없습니다. 다행히 Azure Cognitive Search는 MVP를 빠르게 만들 수 있도록 하는 API 세트로 제공됩니다.
Azure Bot Service
설문 조사를 통해 사용자의 불만족이 드러난 또 다른 분야는 고객 지원입니다. 문제 해결이 오래 걸리고 전화 연결이 어렵다는 것이 일반적인 불만 사항입니다.
Tailwind Traders는 Azure Bot Service를 사용하여 더 낮은 비용으로 사용자 문제를 더 빠르게 해결할 수 있는 채팅 기반 지원 시스템을 구현할 방안을 고려하고 있습니다. Azure Bot Service는 C#, JavaScript, Python 등 다양한 언어를 사용하여 구현할 수 있습니다. 다양한 언어를 지원하므로 조직에서 익숙한 프로그래밍 언어를 사용하여 채팅 기능을 구현할 개발자를 어렵지 않게 찾을 수 있습니다.
Azure Bot Service는 다양한 채널에 구현할 수 있는데, Tailwind Traders는 전자상거래 웹 사이트를 방문한 사용자에게 웹 기반 채팅을 제공하는 데 관심이 있습니다.
Azure Machine Learning
Azure Machine Learning은 사용자 지정 기계 학습 모델을 만들고, 이러한 모델을 프로덕션에 배포하고, 배포된 모든 모델의 버전을 조직 전체에서 관리하는 프로세스를 지원합니다.
Azure Machine Learning은 데이터 과학자가 실험 결과를 공유하고 여러 모델을 대규모로 관리할 수 있도록 지원하여 데이터 과학자의 업무를 한결 쉽게 만들어 줍니다. Azure Machine Learning은 하이퍼 매개 변수 튜닝으로 모델을 개선할 수 있으며 자동 학습으로 새 모델을 만들 수도 있습니다. 이에 따라 선택한 모델을 Kubernetes 클러스터에 배포하여 프로덕션 환경에서 조직의 기계 학습 모델을 실행할 뛰어난 스케일링 가능한 엔터프라이즈급 API를 제공할 수 있습니다.
Tailwind Traders는 Azure AI 서비스의 Recommender 기능보다 정교한 차세대 제품 추천기에 사용자 지정 모델을 사용할 방안을 고려하고 있습니다. 하지만 이런 개선은 조직이 데이터 과학 전문 지식을 보유한 경우에만 가능합니다.
Tailwind Traders 분석
Tailwind Traders는 “추천 엔진이 교차 판매를 증가시킨다”라는 가설을 도출했습니다. 이상적으로 Tailwind Traders는 Azure Machine Learning 서비스를 사용하여 조직의 요구에 맞는 추천 엔진을 빌드하게 됩니다. 그러나 현재는 해당 회사가 데이터 과학 전문 지식을 보유하고 있지 않습니다.
당분간 Tailwind Traders는 데이터 과학자 없이 Azure AI 서비스의 Personalizer 기능을 사용하기로 했습니다. 해당 가설이 검증되면 언젠가 고용될 데이터 과학 팀이 Azure로 빌드한 사용자 지정 기계 학습 모델을 바탕으로 프로토타입을 발전시킬 계획입니다. 한 가지 예로 Azure에서 실시간 추천 API 빌드 문서에 나온 사례를 들 수 있습니다.
또한 Tailwind Traders는 Azure Bot Service를 사용하여 지원 채팅을 빌드하고 Azure Cognitive Search를 사용하여 전자상거래 사이트를 개선하기 위한 기존 가설을 검증하기로 했습니다. 이 두 가지 프로토타입은 상대적으로 적은 노력으로도 빌드할 수 있으므로 Tailwind Traders는 기계 학습과 AI를 빠르게 도입할 수 있습니다.