AI, 머신러닝이 핫 키워드가 된지도 꽤 여러 해가 지났습니다. 머신러닝을 가르친다는 학원, 정부 주도의 사업, 대학 신설 학과들이 생기면서 머신러닝 엔지니어를 열심히 길러내고 있지요. 전통적인 머신러닝, 통계 예측 방법론들보다 훨씬 복잡한 딥러닝을 배우는 사람들도 늘어나고 있구요. 하지만 실무에서 몇 년 동안 머신러닝 프로젝트들을 봐오니까, 기술력 만큼이나 중요한 것이 기획력이더라구요. 아주 단순한 알고리즘이더라도, 그것이 적재적소에 기획되어 쓰이는 것이 아주 복잡한 알고리즘을 고도화시키고 또 고도화시키는 것보다 유저 입장에서 체감할 수 있는 차이를 만들더군요. 그로스해킹을 얘기 할 때에 제품을 고도화시키기 전 PMF(Product Market Fit)를 먼저 검증해야 한다는 것을 강조하잖아요. 이것을 응용해서, 더 고도화된 알고리즘을 적용하기 전에 MMF(Machine learning Market Fit)을 찾아야 한다는 이야기를 해보고 싶네요. 아래 링크는 머신러닝이라는 기술이 어떻게 기획되어, 프로덕트 곳곳에 녹아들 수 있는지 보여주는 좋은 예가 될 것 같습니다. 머신러닝 기획, 추천 시스템 기획. 이 분야들, 이미 전문가가 생기기 시작하는 것 같은데 앞으로는 더 커지지 않을까요?