Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ML 모델을 프로덕션 환경에 도입할 때 발생하는 사회-기술적(socio-technical) 과제를 분석한 연구입니다. MLOps 커뮤니티의 강연 데이터를 분석하여 조직적·관리적 문제에서 기인하는 17가지 안티 패턴을 식별하고 해결 방안을 제시합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기머신러닝 (ML) 지원 소프트웨어 시스템은 경제적 영향력의 상승을 고려할 때 성공 사례처럼 보이지만, 기업과 실무자들로부터 ML 모델을 프로덕션 (production) 환경에 도입하는 데 어려움을 겪고 있다는 보고가 지속적으로 나오고 있습니다. 많은 논문이 테스트 및 파이프라인 (pipelines)과 같은 특정적이고 순수하게 기술적인 측면에 집중해 왔으나, 사회-기술적 (socio-technical) 측면에 집중한 연구는 거의 없습니다. 수많은 실무자의 일화와 보고에 힘입어, 우리의 목표는 팀 내부 및 팀을 중심으로 ML 모델을 프로덕션화할 때 발생하는 사회-기술적 과제들을 수집하고 분석하는 것입니다. 이를 위해 우리는 MLOps 커뮤니티에서 기록된 66시간 분량의 강연을 수동으로 분석하는, 이 분야에서 가장 큰 규모의 질적 실증 연구를 수행했습니다. 11,000명 이상의 멤버가 있는 Slack 워크스페이스를 보유한 커뮤니티의 실무자들이 실무자들을 위해 진행한 강연들을 분석한 결과, 우리는 조직적 또는 관리적 문제에 뿌리를 둔 17가지 안티 패턴 (anti-patterns)을 발견했습니다. 나아가 우리는 기술적 솔루션부터 가이드라인, 조직 개편에 이르기까지 이러한 문제들을 극복하기 위한 권장 사항들을 나열합니다. 마지막으로, 우리는 기존 연구와 우리의 발견을 맥락화하여 기존 결과를 확인하고, 자체적인 결과를 검증하며, 새로운 통찰을 강조합니다.