“기준 바뀌고 맥락 끊기고”… 크라우드웍스가 짚은 ‘기업 AX 실패 이유’ 작성일 10-28 43 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="xbvfgAB3WM"> <figure class="figure_frm origin_fig" contents-hash="e241059208c9f90d2747cf1fced2a94506d83d74bbfb6489203cc10b7e8c00a0" dmcf-pid="y5k06MZvlx" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552796-pzfp7fF/20261028115547633bklb.png" data-org-width="640" dmcf-mid="Qal2LNztCR" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552796-pzfp7fF/20261028115547633bklb.png" width="658"></p> </figure> <p contents-hash="22df244a6e31aecdb34f70f936483a16400fa9300247e0f5217a976208ec1618" dmcf-pid="W1EpPR5TlQ" dmcf-ptype="general">[디지털데일리 이안나기자] 국내 한 금융사의 사내 챗봇용 데이터를 구축하는 과정에서 작업 기준이 2~3주마다 바뀌는 문제가 발생했다. 새로운 유형과 예외가 발견될 때마다 작업자와 검수자가 판단 기준을 다시 맞춰야 했다.</p> <p contents-hash="7d9d11c62a7d4e0be9e60eb4fb71dfa50cc3341b263037730ed4030f93d8bd41" dmcf-pid="YtDUQe1yCP" dmcf-ptype="general">크라우드웍스는 이 같은 현장 사례와 대응 방안을 담은 백서 ‘우리 조직의 AX가 실패하는 이유’를 발행했다고 28일 밝혔다. 금융·교육·방송 등에서 수행한 프로젝트를 바탕으로 데이터 관점에서 기업 인공지능 전환(AX)을 가로막는 요인을 분석했다.</p> <p contents-hash="2ffafd208de729276ba3cd12ceea731bf0b8ee373af2a7dc0cd82a7dfba89bbe" dmcf-pid="GFwuxdtWv6" dmcf-ptype="general">백서는 반복되는 문제를 목적·요건 정의 부실, 문서 데이터의 관계·맥락 유실, 복합 데이터 가공 오류, 주관적인 품질 관리, 운영·개선 체계 미흡 등 다섯 가지로 나눴다.</p> <p contents-hash="961225ceb2dea99974cfd1194a5fcdbb34d03b85aa5e5ea710bf6131e9d69fa1" dmcf-pid="H3r7MJFYv8" dmcf-ptype="general">앞서 금융사 프로젝트에서는 전체 물량의 1~3%를 먼저 작업해 기준을 조율했다. 고객사와 실제 샘플을 검토하고 판단이 필요한 데이터를 분리한 뒤 합의한 내용을 작업·검수 지침에 반영했다. 본격적인 구축에 앞서 결과물 형태와 예외 처리 기준을 확인해 재작업을 줄이려는 방식이다.</p> <p contents-hash="cf1b77a1642613898f4d815f8bfacf8b4110e66c221800ea59bfd776e5fde7d0" dmcf-pid="X0mzRi3GS4" dmcf-ptype="general">문서 내용을 추출하는 것만으로는 AI가 활용할 데이터를 갖추기 어렵다는 사례도 담겼다. KT의 교육 분야 멀티모달 AI 학습 데이터 구축 프로젝트는 교재 950건과 논술 첨삭 자료 1만1909건을 대상으로 했다.</p> <p contents-hash="f284a3ab4a9957cf8c807f8449eec7601bbdab12ab6b5bf24a342dca28a24086" dmcf-pid="Zpsqen0Hyf" dmcf-ptype="general">교재의 문제·정답·해설, 논술 자료의 논제·학생 답안·교사 첨삭이 서로 다른 파일에 나뉘어 있고 표와 수식도 섞여 있었다.</p> <p contents-hash="1deacaa378abe06c080475c5f2f4b5abcd1a169e9d078676396f4177aca6c444" dmcf-pid="5UOBdLpXSV" dmcf-ptype="general">크라우드웍스는 학습 단위별 데이터 구조를 정하고 수식은 LaTeX, 표는 HTML 형식으로 변환했다. 문항별 식별자(ID)와 메타데이터로 관련 자료를 묶어 원래 관계를 유지했다. 개별 내용을 읽어내는 작업과 함께 어떤 문제에 어떤 정답·해설이 연결되는지 설계해야 한다는 설명이다.</p> <p contents-hash="8fff422d097d4cccc427669b20586a47cfa862924858e7734e05c8b83fad618f" dmcf-pid="1uIbJoUZT2" dmcf-ptype="general">방송·미디어 기관의 영상 데이터 구축에서는 성격이 다른 작업을 한꺼번에 처리하는 문제가 나타났다. 1분짜리 영상에서 인물·객체 탐지와 행동·발생 시간 기록, 장면 설명, 질의응답 생성을 한 작업으로 묶으면서 작업 화면과 지침이 복잡해졌다. 이에 작업별 단계를 분리하고 앞 단계 결과를 다음 작업자에게 전달하도록 바꿨다.</p> <p contents-hash="9ab4e6040476bd55148b2b863d35db0085b4b348d4fa0f5bfbca49a683c7dd98" dmcf-pid="t7CKigu5W9" dmcf-ptype="general">품질 관리에서는 전문가를 투입하는 것만으로 일관된 결과를 보장하기 어렵다고 짚었다. K-콘텐츠 다국어 번역 데이터 구축 때는 전문가마다 자연스러운 표현에 대한 판단이 달랐다. 번역과 검수를 독립적으로 진행하고 의견이 갈리는 표현은 제3자의 판단을 거쳐 2인 이상이 합의한 안으로 확정했다.</p> <p contents-hash="22c35eb6fbed9d0e5e3ee6cdb51f342d6139fa46db9562eae1b75fd59db55e76" dmcf-pid="FFwuxdtWhK" dmcf-ptype="general">데이터 구축 이후에는 업무 변화에 맞춰 기준을 갱신해야 한다고 강조했다. 국내 카드사의 결제 데이터 관리에서는 새로운 상품·서비스가 등장하면서 기존 기준으로 분류하기 어려운 항목과 반복적인 오분류가 발생했다. 사람이 오류를 다시 분류하고 검수자·고객사와 확인한 기준을 지침과 신규 학습 데이터에 반영해 다음 차수에 재점검했다.</p> <p contents-hash="d5704e2acfa87b41f91707e5083266bb168c9fd76ed13652441d85a84c3cb769" dmcf-pid="33r7MJFYvb" dmcf-ptype="general">백서에는 데이터 범위 정의와 사전 검증, 교차 검수, 예외 반영 절차 등을 확인하는 점검표도 수록됐다. 크라우드웍스 공식 블로그에서 신청해 내려받을 수 있다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 현신균 LG CNS 대표 "양자컴퓨팅, 고객의 난제 해결할 것" 10-28 다음 메타, AI 투자자금 확보 속도…보통주 공모 3.3조원 증액 10-28 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
