불을 만지기 전 불을 다루는 법 배우기구글, 테슬라, 뉴욕타임스, 아마존, 애플 등 글로벌 테크 기업들의 사례로 복잡한 코드 없이 AI 개발의 실제와 이해를 돕는 실무 가이드AI를 개발하는 일은 매우 복잡하고, 빅테크 기업만 할 수 있는 거대한 일처럼 느껴진다. 하지만 AI는 이미 우리 곁에 공기처럼 존재한다. 사람들은 AI 기반 시스템을 누리며 살고 있다는 사실조차 인식하지 못한다. 일할 때나 운전할 때, 점심 메뉴를 고를 때나 운동할 때 사람들은 AI를 활용하며 보이지 않는 기술의 혜택을 누리고 있다. 이제 AI 전략이 없는 기업은 2002년에 웹 전략이나 2008년에 모바일 전략을 포기한 회사와 다르지 않다. 시장에서 도태되지 않고 살아남으려면 AI가 반드시 필요한 세상이 됐다. 이 책은 IBM의 대표 AI인 왓슨 개발에 참여하고 빅테크 기업부터 스타트업까지 다양한 머신러닝 조직에서 AI개발의 성공을 이끈 미국의 두 머신러닝 전문가, 얼리슨 심프슨 로크워거와 윌슨 팡이 빅테크 AI 기업들의 현장 이야기를 바탕으로 AI 개발 착수부터 조직 구성, 의제 설정, 데이터 수급 전략, 파일럿 설정, AI 리더십 등 개발과 경영에 꼭 필요한 AI 성공 로드맵을 제공한다. 구글과 애플, 페이스북, 테슬라, 아마존, 뉴욕타임스 등의 빅테크 기업부터 실리콘밸리에서 각축전을 벌이는 머신러닝 기업들의 성공과 실패담을 분석해 성공에 도달할 수 있는 지름길을 안내한다. AI를 활용해 업계에서 경쟁우위를 차지하는 길은 녹록지 않다. 하지만 이 책의 사례를 참고하면 성공 확률은 훨씬 높아질 것이다.
스타트업에서 대기업까지 다양한 머신러닝 조직에서 일하며 AI 개념 정립부터 조직 구성, 수익 창출로 이어지는 AI 제품을 개발해 리더십을 인정받았다. 캘리포니아 샌프란시스코에서 태어나 자랐고 트리니티대학에서 미국학으로 학사학위를 받았다. IBM에서 왓슨스의 제품 임원으로, 피겨에이트에서 제품 부사장, AI 데이터 전문기업 아펜의 부사장을 거쳐 현재 건강보험회사 블루실드 오브 캘리포니아에서 제품 이사로 일하며 데이터와 머신러닝 기술에 관련한 복잡한 문제를 해결하는 일에 집중하고 있다. 그는 AI에서 발생하는 편향이 사회에 유해한 영향을 미칠 수 있기에 책임 있는 AI 개발이 중요하다고 말한다. 책임 있는 AI 개발은 막연히 더 나은 세상을 위한 추상적인 가치가 아니다. 개발자의 성과는 물론 비즈니스 매출에도 긍정적인 영향을 미치는 AI 개발의 핵심 가치이므로 개발 과정 전반에 걸쳐 사명감을 갖고 데이터를 명확히 관리하는 것이 중요하다고 강조한다.
프롤로그 - 불을 만지기 전 불을 다루는 법 배우기1장 AI 개발과 편향의 덫구글의 성 편향 번역 남성 이력서로 학습한 아마존 채용 AI의 결과잘못된 머신러닝으로 억울하게 감옥에 가게 된다면 AI는 하나의 기술이 아닌 진화하는 기술의 집합머신러닝, 학습과 추론 사이의 여러 단계들 딥러닝, 인간의 의사결정을 모방하다 “왜 아무도 제게 알려주지 았았죠?”AI는 사업에 도움이 되는 만큼만 가치가 있다16시간 만에 중단된 마이크로소프트의 신제품 실패는 피할 수 있다2장 기존 사업에 AI를 적용할 때 벌어지는 일들유서 깊은 패션 기업이 AI를 도입했을 때 월마트의 재고 정리 AI 도입 과정 마르케사의 AI 드레스 제작기 농업에 머신러닝이 가져온 경제성과 효율성 이베이의 AI, 크릴로프 개발기 크로스펑셔널팀을 구축하라시작하기 전 성공을 명확히 정의하라 3장 골디락스 문제 선택의 중요성오토데스크의 환상적인 골디락스 문제 설정오토데스크의 골디락스 문제 해결 후 달라진 변화미국 우정청의 골디락스 문제 선택데이터가 많은 곳으로 가라시중 제품을 활용하는 것도 좋은 방법이다 AI팀의 힘을 키우는 문제 설정쉬운 문제로 시작해 ROI로 증명하라 성공하는 AI기업은 어떻게 개발을 시작하는가4장 AI는 데이터로 완성된다 제대로 된 데이터가 없으면 반드시 실패한다월마트의 데이터 주석 작업 4단계 오래 쓸 수 없는 데이터는 무의미하다 왜 빅테크 기업은 마르지 않는 데이터에 집착하는가 이 데이터는 어디에서 와서 어떻게 쓰이는가 좋은 것에 쓰레기가 섞이면 쓰레기가 나온다“당신의 기침소리까지 녹음하고 있다”는 기사가 뜬다면데이터 파이프라인 구축하기 5장 강력한 AI조직 구축하는 법유능한 인재가 활약하는 조직 구축하기 고급 인력 제대로 활용하기 인센티브의 재구성AI 조직 구성의 3가지 단계인력이 부족할 때 채용 우선순위 소프트 스킬의 중요성, AI를 모르는 팀과 협업하는 능력 6장 성공으로 향하는 파일럿 설정하기트위터의 테러리스트 계정 삭제 작업성공하는 파일럿은 어떤 형태인가? 전략목표 세우기작게 시작해 확장 가능한 파일럿을 만든 옴니어스 사례확장할 수 없는 파일럿은 의미가 없다 팀을 벗어나 소통하라 7장 시제품에서 완제품으로 개발자의 예상은 자주 빗나간다 현장에 적용할 때 고려해야 할 3가지 상황에 맞춰 수정하고 적응하라 2주 전에 옳았던 일이 지금은 위법일 수 있다, 법률 검토 반드시 당신의 노력을 무너뜨리는 악당들이 나타난다 8장 AI기업으로 변신한 뉴욕타임스의 AI 리더십인쇄매체를 넘어 AI기업으로, 뉴욕타임스의 변신왜 전사적 AI 교육이 필요한가데이터 파이프라인 관리각기 다른 생각들의 구심점, 데이터 거버넌스부서 간 영역을 뛰어넘는 회사 만들기예산과 자원 할당 조직에 AI근육 붙이기 9장 AI 성숙도를 높이는 과정구글이 영상 검토 인력을 1만 명이나 뽑은 이유트렌치코트는 재킷인가 아닌가? 뉘앙스의 차이와 허용 가능한 융통성의 범위 고객이 약관에 동의했어도 뭐든 할 수 있는 것은 아니다2,700억 원의 벌금을 낸 영국항공, 거버넌스의 중요성1년 만에 바뀐 트럼프의 의미, 드리프트 모니터링오래 가는 AI를 위한 관리 기술 10장 AI, 개발할까 구매할까?애플의 페이스ID가 불러온 문제 구축하든 구매하든 가장 중요한 것에필로그
