✔️ OpenAI의 CEO, Sam Altman 인터뷰를 보니 ML 엔지니어 인력 시장과 다양한 ML 프로젝트, AI 기반 스타트업 생태계에 엄청난 변화가 곧 있을 것 같다. ✔️ ML의 전형적인 작업흐름, '데이터 준비 - 모델 학습 - 검증 - 배포'의 연쇄 고리에서 모델 학습 단계는 영영 사라져 버릴 수도 있겠다. 과거 검색 엔지니어가 여러 형태의 알고리즘 구현을 신경 썼지만 지금은 상용 검색 엔진을 붙이는 것처럼 ML 모델 학습과 배포도 API 호출로 손쉽게 대체될 수 있다. 필요하면 파인 튜닝 용도의 데이터를 별도로 업로드하는 형태도 가능하고. ✔️ 지금이야 많은 ML 엔지니어가 토크나이저나 BERT, ELECTRA 같은 모델들을 직접 신경 쓰지만 저 시기가 오면 불필요한 스킬 셋이 될 수 있다. 오히려 파인 튜닝한 모델이 비즈니스 목적과 일치하는지 검증, 그러니까 QA 엔지니어 같은 역할이 더 중요할 수 있다. 극단적으로 말하면, PyTorch니 TensorFlow 같은 딥러닝 프레임워크를 배우는 일이 불필요한 시대가 올 수 있다. 모델 학습 단계가 필요 없다면 저런 프레임워크가 엔드 유저에게 왜 필요할까? MLOps도 마찬가지다. 모델 훈련과 저장, 컨테이너 관리, 엔드포인트 배포 그리고 이 작업 흐름을 이어주는 파이프라인 개발과 운영은 복잡하고 비용이 많이 든다. 근데 API 호출로 핵심 작업 흐름이 대체된다면 물론 없어지지야 않겠지만, 그것이 보편적인 데이터 ETL 파이프라인과 다를게 무엇이 있을까? ✔️ AI 기반 스타트업도 피보팅에 대한 고민이 많아질 것 같다. 예를 들어 (단언컨대 나는 스캐터랩의 팬이고 그들의 기술적 성취를 존경한다.) 챗봇 이루다는 GPT2 기반인데, 누군가 OpenAI에서 제공하는 GPT 3.5 챗봇 서비스에 여자 친구 페르소나로 파인 튜닝해서 앱을 론칭한다면 경쟁 우위를 쉽게 유지할 수 있을까? ✔️ 이 모든 건 극단적인 가정을 두고 얘기한 것이다. NLP는 규모의 경제에 거의 도달했지만, CV는 여전히 오픈 소스 코드와 모델 가중치 레벨에서 업계가 돌아가고 있다. 도메인에 많이 의존하는 RecSys는 이마저도 요원하다. 데이터 정보 보호나 주권 때문에 무차별적인 확장이 어려운 분야도 많고. 내가 얘기하고 싶은 건 ML 관련 비즈니스와 인력 시장이 10년 전 거의 존재하지 않았던 것처럼, 10년 후에 홀연히 사라질지 모른다는 것이다. 아니, 완전히 변화한 형태로, 또다른 기회의 장으로 바뀔지 모른다는 것이다. 그리고 지난 10년 동안 그랬듯이 The Best보다 The First가 항상 더 많은 과실을 더 쉽게 가져갔고 앞으로도 그럴 것이다.