좋은 모델을 만드는 일과 좋은 AI 시스템을 운영하는 일은 다릅니다. 노트북에서 높은 점수를 낸 모델도 운영 환경에서는 데이터 변경, 배포 실수, 드리프트, 지연 시간, 비용 폭증, 장애 대응 부재 때문에 쉽게 무너질 수 있습니다. 이 책은 바로 그 간극을 다룹니다.
데이터 수집과 품질 관리에서 시작해 데이터·모델 버전관리, 실험 추적, 모델 레지스트리, 파이프라인 오케스트레이션, CI/CD/CT, 모델 서빙, 모니터링과 드리프트, 장애 대응과 비용 관리까지 AI 시스템 운영의 전체 흐름을 하나로 연결합니다. 각 장은 개념 설명에 그치지 않고, 체크리스트와 실습을 통해 실제 프로젝트에 바로 적용할 수 있는 운영 감각을 길러 줍니다.
이 책의 목표는 복잡한 도구 이름을 많이 외우게 하는 것이 아닙니다. 독자가 "이 모델은 어떤 데이터와 코드로 만들어졌는가?", "문제가 생기면 어디서 원인을 찾을 것인가?", "새 모델을 어떻게 안전하게 배포하고 되돌릴 것인가?"에 답할 수 있게 만드는 것입니다.
마지막 장에서는 앞에서 배운 내용을 하나의 재현 가능한 MLOps 미니 프로젝트로 묶습니다. 책을 끝낼 때 독자는 모델 파일 하나가 아니라, 데이터 검증·실험 기록·자동 파이프라인·서빙·모니터링·runbook까지 포함한 운영 가능한 AI 시스템의 뼈대를 갖추게 됩니다.
