4 min to read
아직도 크라우드소싱으로 작업하세요?
데이터 라벨링 산업이 주목받고 Covid-19 이 겹치면서 원격으로 작업가능한 '데이터 라벨러'로 불리는 크라우드소싱 참가자 분들이 많이 증가했습니다. 저희는 크라우드소싱의 단점을 해결하고자 자동화 라벨링 솔루션을 개발했는데요, 함께 살펴보시죠.
크라우드 소싱의 시대가 저물다.
● Intro
오늘의 Blog 포스팅은 크라우드 소싱이 무엇인지, 이러한 흐름에 대해 자동화 라벨링 솔루션 Labeling AI의 SaaS 형태 공급 방식의 강점은 무엇이 있는지 간략히 살펴보는 것으로 하겠습니다.
● 크라우드 소싱이란?
크라우드소싱(Crowdsourcing)은 문자 그대로 대중(Crowd)으로부터 비즈니스와 관련된 각종 아이디어와 노동 활동을 수행하는 원천을 받는(Sourcing) 행위를 말합니다.
이를 통해 기업은 집단 지성을 이용해 내부적으로는 쉽게 보지 못하는 부분에 대한 아이디어를 발견할 수 있을 뿐 아니라 잠재적 고객이나 스카웃 할만한 인재를 찾을 수도 있죠. 대중의 경우 본인들의 기발한 아이디어를 일정 가격에 기업측에 판매함으로서 커리어를 쌓고 금전적 이득을 얻어갈 수 있는 구조입니다.
과거 기업에서는 일부 전문가에게 의뢰하는 아웃소싱 방식을 채택하기도 했었지만, 불특정 다수의 대중들과 소통의 창구가 많이 열린 오늘 날에는 보다 저렴하고 간단한 크라우드 소싱을 많이 채택하는 추세입니다.
(대중들의 집단 지성을 활용해 필요한 아이디어와 노동력을 획득한다)
● 크라우드소싱의 단점과 DS2.ai 자동화 솔루션의 강점
앞서 소개한 크라우드 소싱의 장점은 분명 유의미하지만 단점 역시 존재합니다. 단점 중 지난 포스팅 ‘DS2.AI의 오토라벨링 차별점’에서 다루었던 ‘데이터 라벨링’과 연결지어 발생 가능한 문제들을 몇 가지 살펴보자면
- 우선 상대적 비전문가인 대중들에게 특정 작업을 요구하는 경우가 대부분인 만큼, 정확도나 전문성이 중요한 분야에서는 작업 신뢰도가 하락할 수 밖에 없습니다.
- 불특정 다수인 대중을 상대로 하기에 그들의 결과물에 대한 관리나 업무 관계의 지속이 어렵습니다. 일부 인원과 지속적인 계약을 하는 경우가 아니라면 사실상 1~2회성 작업인 경우가 많지요.
- 기업 고유 데이터나 신사업 관련 정보가 유출 될 가능성이 있습니다. 특정 산업 분야에서는 해당 사안이 몹시 중요해 크라우드 소싱을 실시하지 못하는 경우도 있습니다.
- 기업 입장에서 단순, 반복성 업무를 대중에게 의뢰할 경우, 소요 시간이나 지급해야 하는 비용이 적지 않다는 점 입니다.
이상 4가지 정도가 존재한다고 볼 수 있습니다.
이 중 작업을 의뢰한 기업 측면에서 가장 걱정이 되는 부분은 1, 3, 4번 입니다.
기껏 AI를 도입하기 위한 사전 작업을 시행하고자 하는데 안정성과 전문성 비용과 시간 중 어느 하나 리스크 없이 진행한다기에는 꽤나 유의미한 고려 사항들이 존재할 수 밖에 없지요.
그렇다면 DS2.AI의 솔루션은 해당 문제에 대해 어떻게 대처하고 있을까요?
- 우선 정확도 높은 자동화 AI 모델을 SaaS형태로 운영합니다. 따라서 온라인 구매 후 즉시 작업이 가능하니 접근성이 올라갑니다. 그리고 자사가 제공자로서 관련 책임을 담당하며, 90% 이상의 테스트 결과를 가진 AI가 작업하기에 신뢰성을 확보할 수 있습니다.
- 이용자들은 필요한 소프트웨어만 골라서 구매해 사용이 가능하며, 이를 통해 작업자의 관리 부담과 데이터 유출을 방지할 수 있습니다.
- 자사의 솔루션만으로 진행하기에 별도의 인건비 부담은 일체 없으며 이로 인해 라벨링의 단가 자체도 타사의 20% 정도로 작업이 진행됩니다. 이는 일부 과정을 자동화하여 진행하는 경쟁 업체에 비해서도 획기적으로 낮은 가격입니다.
(자동화와 합리적 비용 두 가지 토끼를 잡은 DS2.ai의 운영 방식)
DS2.ai 솔루션의 장점은 비단 기업들에게 돌아가는 이득 외에도, 크라우드 소싱 개별 작업자들에게도 이익을 가져다 줄 것으로 판단됩니다.
현재 개인 라벨링 작업자들은 일부의 고소득 계층을 제외한다면 작은 모니터 속에서 디테일한 커서 작업을 하루 종일 진행하더라도 경쟁자들이 늘어 큰 소득을 얻을 수 없는 저임금 문제에 봉착해 있습니다.
자사의 오토 라벨링 기술과 수동 라벨링 작업을 연계한다면 훨씬 적은 공수부담으로 많은 업무를 진행할 수 있습니다.
● 스마트 검수 시스템을 통한 철저한 점검
AI 솔루션을 활용해 작업하는 부분에 대해 실무단계에서 결과물의 정확도를 신뢰하기 힘들다는 주장이 있을 수 있는데요, DS2.ai는 스마트 검수 시스템을 도입해 결과물을 재검토하는 방안을 마련했습니다.
(Labeling AI - 스마트 검수 시스템의 알고리즘)
해당 알고리즘처럼 오토 라벨링이 완료되면, 결과물을 보고 통과 혹은 반려를 선택할 수 있습니다.
반려된 작업물들은 전부 삭제되고 통과 된 데이터로 새로운 인공지능을 만들어 다시 오토 라벨링을 진행합니다. 이 과정이 반복되면 점차 정확도가 높은 라벨링이 가능해지고, 검수자는 잘못된 라벨링 데이터를 하나하나 수정할 필요 없이 양질의 결과물만으로 후속 작업을 할 수 있는 것이죠.
(라벨링 결과물을 확인 후 통과, 반려를 통해 진행되는 실제 가동 화면)
Summary
이번 포스팅에서는 최근 각광받는 데이터 라벨링의 크라우드 소싱 작업에서 발생 가능한 일부 부작용과 자사가 구상한 해결책에 대한 내용을 말씀드렸습니다.
DS2.AI의 SaaS 활용을 통한 신속, 정확, 저렴한 솔루션의 장점을 강조드리면서, 다음 시간에는 SaaS 형태 외에 자사에서 제공하는 AI 모델의 유통 방식에 대하여 소개하는 시간을 가져보도록 하겠습니다.
DS2.ai의 자동 물체인식을 도와드리는 Labeling AI 솔루션과 이를 직접 활용해 비즈니스에 접목시킨 고객 사례도 확인해보세요!