산업의 어렵고 복잡한 문제를 해결하는 Compound AI System
산업의 어렵고 복잡한 문제를 해결하는 Compound AI System
산업 전반에 AI 도입이 가속화되면서 Compound AI System이 주목받고 있습니다. Compound AI System은 여러 개의 AI 모델, 리트리버, 데이터베이스, 외부 도구 등 다양한 구성 요소를 통합해 AI 작업을 효과적으로 처리하는 시스템을 말하는데요. 버클리 인공지능 연구소(BAIR)에서 발표한 논문 '모델에서 복합 AI 시스템으로의 전환'에서 제안된 접근법입니다.
사실 마키나락스에게 Compound AI System은 낯선 개념은 아닙니다. Real World에서 AI를 통해 복잡한 문제를 해결하고, 다양한 데이터와 시스템을 통합해 최적의 성과를 도출하는 데 있어 필수적인 접근 방식이기 때문입니다. 산업 현장은 끊임없이 변화하고 있습니다. 더불어 해결해야 하는 문제들도 복잡해지면서 갈수록 고도화된 Compound AI System이 요구되고 있습니다. 마키나락스가 산업 현장에 AI를 적용하면서 경험하고 바라본 Compound AI System을 변화의 흐름 관점에서 살펴보겠습니다.
Compound AI System이 필요한 이유
산업 현장에서 AI를 막 도입하기 시작했을 때만 해도 단일 AI 모델이 혁신 솔루션을 제공할 것이라는 믿음이 있었습니다. 마키나락스도 창업 초기 처음 프로젝트를 시작할 때는 단순히 AI 모델만 개발해 전달하는 경우도 있었는데요. 하지만 AI 모델만으로는 산업 현장의 문제를 명확하게 해결할 수 없다는 사실을 직면하게 되었습니다.
AI 모델이 잘 동작한다고 해도 훈련되지 않은 데이터에 적용했을 때 예기치 않은 결과를 초래할 수 있습니다. 예를 들어 공조 장치의 온도를 10도에서 30도 사이로 조절해야 하지만, AI 모델이 갑자기 100도로 설정하라는 결과를 내놓는 거죠. 이런 결과는 데이터와의 첫 만남을 어려워하는 머신러닝 뉴럴 네트워크 모델의 본질적인 한계라고 볼 수 있습니다.
Compound AI System은 여러 개의 AI 모델, 리트리버, 데이터베이스, 외부 도구 등 다양한 구성 요소를 통합해 AI 작업을 효과적으로 처리하는 시스템입니다.
한계를 뛰어넘을 때, 그곳은 또 다른 출발점이 됩니다. 덕분에 마키나락스는 Compound AI System의 필요성과 중요성을 일찌감치 인식하게 되었습니다. Compound AI System을 기반으로 문제를 바라보기 시작한 거죠. 결과물을 컨트롤하기 힘든 단일 AI 모델과 달리 Compound AI System에서는 포스트 프로세싱, 결과물 필터링 등 엔지니어의 시각에 따라 여러 가지 컨트롤 요소들을 추가할 수 있습니다. 이를 통해 AI 모델의 성능뿐만 아니라 실질적인 문제 해결이 가능한 구성을 중심으로 시스템을 설계하고 최적화할 수 있습니다. 이는 마키나락스가 풀고 있는 Real World의 문제가 어렵기 때문이기도 합니다.
Real-World AI는 원래 어렵고 복잡한 문제를 해결합니다
마키나락스는 산업 특화 AI로 복잡하고 예측할 수 없는 산업 현장의 새로운 지평을 엽니다.
Real-World AI는 산업 현장의 문제를 데이터 기반으로 정의하고 해결하며 의사 결정을 가능하게 하는 기술입니다. 사람이 생각하지 못하는 무수한 방식을 고려해 사람이 따라갈 수 없는 속도로 해결해요. 사람이 할 수 있는 영역을 대체하는 기술이 아닌 사람이 못하는 영역을 사람이 생각하지 못하는 방식으로 해내고 있습니다.
산업 현장은 이미 완성도 높은 자동화 프로세스가 구축되어 있습니다. 이런 환경에서 AI의 역할은 보다 어려운 문제를 해결하는 데 집중되어 있습니다. 마키나락스가 실제 산업 현장에서 해결한 문제들을 살펴볼게요. 사람이 하면 6주가 걸리는 백만 가지의 변수를 빠르게 연산해 3일 만에 최적 제어 로직을 도출하고, 장비 이상 발생률을 0.5%에서 0.1%로 줄여 수율을 높입니다. 작업자별로 편차가 있는 에너지 제어의 편차를 줄여 에너지 사용량을 3% 줄이고, 수천 개의 부품 조립 순서를 가장 짧은 거리와 빠른 시간 내로 완성할 방법을 도출하며, 대형 마트 신선식품 가격을 최적화해 점포별 이익을 3% 증가한 사례 등이 있습니다.
AI의 진가는 복잡한 문제를 해결할 때 발휘됩니다. AI가 수많은 변수와 방대한 데이터를 동시에 처리해 사람이 접근하기 어려운 문제를 해결할 수 있기 때문입니다. 또한, AI는 다양한 시나리오를 시뮬레이션해 최적의 결정을 내리고, 반복적이고 복잡한 작업을 자동화함으로써 문제 해결 속도와 정확성을 높입니다. 복잡한 문제일수록 더 강력한 해결 능력을 보여주는 거죠.
더 어려워지는 문제를 해결하는 Compound AI System
AI로 해결하려는 문제가 점점 더 복잡하고 어려워지고 있습니다. Compound AI System이 주목받고 있는 이유이기도 합니다. 왜 복잡해지고 있을까요? AI 기술이 발전하고 레퍼런스 삼을 수 있는 성공 사례가 많아지면서 해결할 수 있는 문제가 넓고 깊어졌습니다. 가능성을 인정받게 되면서 AI를 적용하는 공정과 장비 그리고 시스템도 늘어나고 있습니다. 동시에 해결하고 싶은 문제도 구체화되면서 더 다양한 데이터를 기반으로 여러 AI 모델을 다룰 수 있는 Compound AI System의 필요성이 더욱 커지고 있습니다.
연구실을 넘어 산업 현장에 AI가 적용되는 단계가 다가올수록 변수가 늘어나고 요구 사항도 구체화됩니다. 처리해야 할 데이터의 양과 다양성도 늘어나고요. 앞서 마키나락스 창업 초기에는 단일 AI 모델만 전달한 적도 있다고 말씀드렸는데요. 산업 현장의 AI에 대한 이해도가 높아지면서 AI 모델과 더불어 시스템이나 애플리케이션, 데이터 시각화가 포함된 대시보드까지 요구되는 경우가 많아지고 있습니다.
산업 현장은 다양한 변수가 얽힌 매우 복잡한 환경입니다. 여러 공정이 동시에 진행되고, 다양한 장비와 시스템이 상호작용하고 있는데요. 따라서 문제에 대한 정의는 물론 해결하는 방법도 세분화되고 정교해지면서 어렵고 복잡해집니다. 이러한 상황에서는 다양한 데이터와 다수의 AI 모델 그리고 여러 시스템이 유기적으로 상호작용하며 작동하는 Compound AI System이 핵심적인 역할을 하게 됩니다. 그리고 AI 에이전트는 이러한 요소들을 통합하여 복잡한 로직을 제어하며 실시간으로 최적의 결정을 내리고 행동을 자동으로 수행합니다.
이 포스팅을 읽고 있는 마키나락스 구성원들은 Compound AI System이 생소하지 않을 것입니다. 우리는 그동안 Real-World AI를 실현하기 위해 산업 현장의 문제를 빠르고 효율적으로 해결하기 위한 구성을 고민하고 시스템화하고 있었기 때문인데요. 이제 여기에 Compound AI System이라는 이름을 붙이고 산업 AI의 표준을 만들어 갈 것입니다. 지금 마키나락스가 진행하고 있는 🔗Compound AI System 사례들은 링크를 통해 확인할 수 있어요.
