휴머노이드 로봇부터 완전자율주행 자동차까지, AI(인공지능)는 산업 분야를 구분하지 않고 이미 우리 생활 깊숙이 들어와 있다.

금융 서비스 영역에서도 많은 기업이 AI, 분석 등 신기술 활용에 적극적이다.

특히 생성형 AI의 열풍으로 많은 기업들이 AI를 서비스에 접목하여 한발 앞서 혁신을 선도하기 위해 활발히 검토하고 있다.

◆“비즈니스 AI 적용 단계 및 고려사항”

금융권은 타 산업에 비해 AI를 적용하기에 훨씬 더 좋은 조건을 갖추고 있다. 많은 데이터를 보유하고 정확도가 높기 때문이다.

방대한 양의 데이터는 정확한 예측과 의사결정의 중요한 밑거름이 된다.

실제 금융권은 금융 시장 분석∙전망, 금융 상품 추천, 담보물 가격 결정, 리스크 측정∙관리, 업무 자동화 등 전 분야에 걸쳐 이미 AI를 활용 중이다.

비즈니스를 AI에 적용하기 위해선 단계별 전략이 필요하다.

첫번째로 비즈니스 목표 및 문제 정의가 구체적으로 나와야 한다.

AI를 통해 해결하려는 이슈와 목표, 성과를 명확하게 수립함과 동시에, 현재 업무 프로세스의 문제를 분석하고 어느 업무 분야에 적용하는 것이 효과적일지 판단해야 한다.

두번째로 데이터 운영 방안을 설계해야 한다.

AI 모델은 학습 데이터에 의존하기 때문에 데이터 수집과 전처리 과정이 매우 중요하다.

기업에 최적화된 데이터옵스(DataOps) 환경 구현이 중요하다. 특히, 충분한 양의 품질 높은 데이터를 사용자가 적시에 활용할 수 있도록 데이터 품질과 성능 확보도 필요하다.

세번째로 모델 개발 및 서비스 환경을 구현해야 한다.

데이터 과학자나 서비스 개발자들이 AI 개발 업무에 집중할 수 있도록, 연산/저장 자원의 부족에 대한 고민이 필요하지 않도록 쉬운 AI 개발 환경을 구현해야 한다.

또한, 복잡한 AI 아키텍처의 단순화와 개발, 서비스에 최적화된 AI옵스 솔루션을 잘 선택해야 한다.

마지막으로, 비즈니스 결과 추적 및 평가 환경을 갖추고 지속적인 개선을 위한 프로세스가 필요하다.

AI 모델의 비즈니스 목표 달성 기여도를 평가하고 개선하기 위한 성과 평가가 필요하며, AI 모델을 제품 또는 서비스에 통합해 성능 모니터링 및 필요 시 업데이트, 유지보수를 진행하며 지속적으로 AI 모델을 개선시켜야 한다.

◆“금융 산업에 AI 적용 위한 요소”

기업들이 AI를 비즈니스에 적용함에 따라 IT 인프라 환경도 점차 AI 맞춤형으로 진화하고 있다. 

AI 환경에 알맞은 IT 인프라 환경을 구축하기 위해서는 3가지 요소가 필요하다.

바로 ▲데이터 ▲AI 모델 ▲연산자원.

가장 먼저 할 일은 ‘데이터 준비’다.

산재한 데이터를 AI 모델에 맞게 준비하고 그에 적합한 알고리즘을 선택해 AI 모델로 개발해야 한다.

그런 후 학습과 평가 과정을 거치고 마지막으로 활용 단계인 추론으로 이어진다.  

▲ 효성인포메이션시스템 단계별 AI 솔루션.

효성인포메이션시스템은 초고성능 스토리지 HCSF(데이터 운영), 래블업 백엔드닷에이아이(AI 모델 서비스), 엔비디아 GPU 시스템 기반 슈퍼마이크로HGX(연산자원 성능)를 활용해 단계별 AI 프로세스를 지원한다. 

AI를 비즈니스에 도입하려는 기업의 상황은 모두 다를 수밖에 없다.

GPU 인프라와 AI 솔루션을 이미 활용하는 곳, AI를 처음 도입해 사업 방향성을 고민하는 곳, 이미 대형 GPU 팜을 구축해 본격적으로 AI를 적용하는 곳 등 다양하다.

기존에 도입한 자원 활용에 집중하거나, 테스트 베드 환경을 운영하거나, 대형 GPU 팜을 구현하기 위한 풀 패키지 AI 플랫폼 도입하는 등 기업은 현재 처한 상황에 따라 그에 맞는 AI 솔루션을 적용해야 한다. 

현재 상황에 적합한 AI 솔루션을 고민 중이라면 고성능 기술의 설계부터 구축, 운영, 지원까지 완벽하게 통합 지원하는 HCSF를 비롯해 AI 프로세스 단계별 솔루션을 모두 갖춘 효성인포메이션시스템이 좋은 파트너가 될 수 있다.

<글=김형섭 효성인포메이션시스템 데이터사업팀 매니저>his-alexkim@hyosung.com