1) 규모가 커짐에 따라서 사람이 만든 Rule을 어떻게 대응해서 확장시킬지, 2) 그리고 사람이 하면서 자연스럽게 발생하는 편향을 어떻게 통제하고, 3) 최종 결과물을 이후 변경해 나갈 때 변경관리에 대한 방식은 여전히 문제임
Deep Generative Model
1) 생성된 데이터와 기존 데이터의 유사성을 측정하고 안정적으로 유지할 수 있어야 하며, 2) 과적합으로 인해서 기존 데이터와 매우 유사해져서 개인정보 이슈가 발생할 수 있는 부분을 회피해야 하며, 3) 각 주요 Feature가 의미하는 바를 모델이 최대한 반영해서 만들 수 있도록 설계가 요구됨
| | Stochastic Process | Rule Based System | Deep Genrative Model |
|---------------------|--------------------|------------------------------------------|------------------------------------------------------------|
| Computation | Low | Medium | High |
| Human Labor | Low | High | Low |
| System Complexity | Low | Medium | High |
| Information Content | None | None | High |
| 사례 | 성능부하 테스트 | 성능부하 테스트,간단한 소프트웨어 테스트 | 고급 분석, 머신러닝 모델 개발, 데이터 리텐션, 공동 연구 등 |
국내 시장규모 및 전망
2020년 기준 2,481억원으로 예상되고,
2024년 기준 5,752억원으로 CAGR 23.4% 예상 (중소벤처기업부 조사)
비즈니스 가치
보안, 속도 스케일
해결해야 할 부분
목표한대로 데이터가 만들어졌는지 검증할 수 있는 구체적이고 정교한 회사시스템 및 측정 기준의 부재