티스토리 뷰

바야흐로 머신러닝 춘추전국 시대입니다. 머신러닝으로 다른 회사들에 도전장을 내밀 만한 회사라면 어느 정도 머신러닝과 알고리즘에 대한 자신이 있어야 합니다. 문제는 여기서 발생합니다. 모두가 구글처럼 엄청난 데이터의 양과 데이터 수집능력, 계산능력을 갖출 순 없을 것입니다. 특히 스타트업에서는 더욱 어렵습니다.


인도 스타트업 Playment는 이 문제에 초점을 맞추었습니다. 어느 정도 가벼운 분석이 필요한 트레이닝 데이터셋을 각 기업으로부터 받아, 이 데이터를 많은 사람들의 모바일 기기로 보내는 것입니다. 데이터를 받아 본 사람들은 받아 본 데이터를 수정하게 되고 결과적으로 되돌아온 데이터는 그것이 이미지 인식이 되었건 추천 엔진의 품질 체크가 되었건 그 기업 알고리즘을 개선하는 데 도움이 되게 됩니다.


Playment의 사용자들은 모바일 기기에서 많은 테스트를 할 수 있게 됩니다. 돌아다니면서 작은 품질 테스트를 할 수도 있고, 이미지 인식을 위한 사각형 경계를 그리는 일이 될 수도 있습니다. 어디에서든 모바일기기로 이런 간단한 작업을 할 수 있습니다. 따라서 사용자들은 원하는 양만큼 작업을 할 수 있습니다.



클라이언트 기업들이 Playment의 API를 통해 데이터를 보내면 Playment은 다시 사용자들에게 데이터를 보내 주는 작업 흐름을 만들게 됩니다. 그런 작업 흐름들이 사용자에게 전해지면 사용자들은 개인의 여건에 따라 각자 원하는 작업을 선택할 수 있습니다. Playment의 대표 Siddharth Mall은 “일의 복잡한 정도에 따라 달라지겠지만 불과 몇 분 안에 요청에 대한 답을 얻을 수 있다.”고 말합니다. 이러한 방식으로 얻을 수 있는 또 다른 가능성은, 복잡한 일을 여러 개의 작업으로 쪼개 여러 명의 사람에게 나누어 해결하는 방법도 생각해 볼 수 있습니다.


Mall은 “알고리즘을 여러 측면에서 트레이닝을 하여 개선시킬 필요가 있다.”며 “오늘 보행자 수를 세야 한다면 내일은 도로 표지판을 읽어야 할 수도 있습니다. 그 이후에는 사람들의 많은 판정이 필요합니다. 알고리즘은 그것을 트레이닝하는 데이터에 의해 좋아지기 때문입니다”라고 말했습니다.



가장 명백한 사례는 Flipkart와 같은 전자상거래 회사들의 상품 리뷰가 타당한지를 확인하는 것입니다. 품질관리 부서 대신 많은 사람들을 통해 상품 리뷰를 확인하는 작업에 대한 부담을 덜면서 전자상거래 기업들은 리뷰에 대한 답변을 더욱 빠르고 정확하게 응대할 수 있을 뿐만 아니라 추천하기 위한 적절한 상품을 정확하게 결정할 수 있을 것입니다.


Mall은 또한 Flipkart와 같은 회사들이 품질 관리에 드는 비용에 대한 부담을 줄여줄 수 있을 것이라고 말합니다. 재정적인 부담을 줄이고 이를 다른 직원들의 연봉 상승으로 이끌어줄 수 있을 것입니다. 물론 직업의 감소로 이어질 수 있다고 생각할 수도 있습니다. 하지만 Uber처럼 어떤 것을 유연하게 만드는 것은 그것을 매력적으로 만드는 것이라고 말합니다.


가장 강력한 경쟁 상대는 Amazon의 Mechanical Turk입니다. Playment과 마찬가지로 작은 과제를 수행하면 보상을 지급하는 방식입니다. 투자자와 잠재 고객들로부터 가장 많이 받는 질문은 Playment을 통해 얻게 되는 결과의 질이 과연 우수한지에 대한 질문입니다. 그것이 Playment가 이루어나가야 할 목표인 동시에 Mechanical Turk보다 더욱 성공적일 것으로 기대한다고 말했습니다.




물론 사람들로 하여금 이러한 과제를 수행하도록 하는 것이 쉬운 일은 아닙니다. 이러한 과제가 지루할 수도 있을 뿐만 아니라 이것이 사람들을 심리적으로 만족시킬 수 있다고 보기는 어렵습니다. 아마존 Mechanical Turk들의 사용자들을 대상으로 조사한 설문조사에서는 52%의 사용자들이 5달러도 받지 못한다고 응답하였고, 39%가 5달러에서 8달러 사이, 8%만이 시간당 8달러 이상을 받는다고 응답했습니다.


Mall은 “Mechanical Turk에 비해 Playment는 훨씬 유연하다.”고 말합니다. 이어 “Mechanical Turk는 웹 기반 서비스라 컴퓨터 앞에 앉아서 단순 과업을 수행해야 하는 반면 Playment는 모바일 앱이기 때문에 어디에서나 일을 할 수 있어 더욱 유연하고 열려 있다.”고 자신감을 드러냈습니다.



현재 Playment를 통해 얻는 수익은 포인트로 적립이 되며 이 포인트는 Amazon, Flipkart, Paytm 등의 쇼핑몰의 할인 쿠폰으로 환급받을 수 있습니다. 더 많은 제휴사가 생기고 이를 현금으로 환급받는 기능까지 포함한다면 더 많은 사용자에게 관심을 끌 수 있을 것입니다.




캐시슬라이드가 잠금 화면에 광고를 더해 사용자가 잠금화면을 푸는 순간에 관심을 갖고 있었다면, Playment는 식당이나 은행에서 번호표를 뽑고 기다리면서 수행할 수 있는 연속적인 작업입니다. 따라서 사용자 입장에서는 남는 시간을 이용해 조금 더 높은 수익을 올릴 수 있는 창구일 것으로 생각됩니다.


머신러닝에 대한 관심이 커지면서 많은 스타트업들이 머신러닝 기술로 다양한 시도를 하고 있는 만큼 테스트 데이터에 대한 수요와 이를 해결하고자 하는 채널에 대한 수요는 점점 증가할 것으로 보입니다.


인기 포스팅 보기

댓글
댓글쓰기 폼