데이터라벨링 처음 시작할 때 일 고르는 방법

얼마 전 휴대전화 사진을 찾다가 ‘고양이’라고 검색했더니 예전에 찍어 둔 사진까지 한꺼번에 나오더라고요. 기계가 사진 속 대상을 알아보려면 먼저 사람이 사진을 보고 무엇이 있는지 표시해 준 자료가 필요합니다. 이런 작업이 데이터라벨링입니다. 처음엔 사진에 이름표만 붙이는 일처럼 보이지만, 어떤 대상을 어디까지 표시할지 판단하는 게 생각보다 중요합니다.

데이터라벨링은 어떤 일을 할까

데이터라벨링은 사진, 글, 음성 같은 자료에 정해진 기준에 따라 정보를 붙이는 일입니다. 사진에서 자동차의 위치를 네모로 표시하거나, 문장이 긍정적인지 부정적인지 분류하는 식이죠. 음성을 듣고 들리는 말을 글로 옮기는 작업도 있습니다. 인공지능이 자료를 학습하거나 성능을 확인할 때 이런 결과물을 활용합니다.

작업 방식은 종류마다 다릅니다. 사진 한 장에서 대상을 하나만 고르면 금방 끝날 수 있지만, 사람과 사물이 겹친 사진에서 각각의 경계를 따라 표시하려면 시간이 더 걸립니다. 같은 사진이라도 ‘자동차 전체’를 표시하라는 지시와 ‘바퀴만’ 표시하라는 지시는 전혀 다른 일입니다. 그래서 작업을 시작하기 전에 예시 화면과 기준을 읽는 시간이 실제 작업 시간만큼 중요합니다.

처음에는 내게 맞는 작업부터 고르기

처음부터 복잡한 작업을 많이 맡기보다, 내가 정확하게 할 수 있는 자료 유형을 고르는 편이 좋습니다. 사진을 자세히 보는 게 편하다면 이미지 분류나 위치 표시부터 시작할 수 있습니다. 글을 읽고 의미를 구분하는 데 익숙하다면 문장 분류가 맞을 수 있고요. 음성 작업은 반복해서 듣는 시간이 들어가므로 조용한 환경에서 일할 수 있는지도 생각해야 합니다.

모집 화면에서는 작업 이름보다 실제 예시를 먼저 보는 게 도움이 됩니다. ‘이미지 분류’라고 적혀 있어도 흐릿한 사진 속 물체를 구별해야 할 수 있습니다. 예를 들어 사진 20장을 처리하는 데 10분이 걸릴지, 30분이 걸릴지는 자료의 난도와 지시문의 길이에 따라 달라집니다. 처음 몇 건을 해보면서 걸린 시간을 재면 나에게 맞는 작업인지 판단하기 쉬워집니다.

• 작업 예시와 지시문이 충분히 제공되는지 확인합니다.
• 제출 전 수정할 수 있는지, 반려되면 이유를 알 수 있는지 봅니다.
• 완료 건수뿐 아니라 검수와 지급 기준도 읽어 둡니다.

플랫폼이나 프로젝트마다 참여 조건과 검수 방식은 다릅니다. 가입만 하면 바로 모든 일을 맡을 수 있다고 생각하기보다는, 교육이나 평가를 거쳐 참여하는 작업도 있다는 점을 염두에 두면 기대치를 맞추기 편합니다.

정확도를 높이는 작은 습관

라벨링에서는 빠르게 누르는 것보다 같은 기준을 계속 적용하는 게 중요합니다. 가령 사진에 강아지가 반쯤 가려져 있다면, 보이는 부분만 표시할지 가려진 몸까지 예상해서 표시할지는 작업 지침에 따라 달라집니다. 내 상식대로 채우면 오히려 틀릴 수 있습니다. 애매한 장면이 나오면 앞서 제공된 예시와 설명을 다시 확인하는 편이 안전합니다.

저라면 새 작업을 시작할 때 헷갈리는 기준 두세 가지를 짧게 메모해 둘 것 같습니다. ‘그림자 제외’, ‘글자가 잘려도 읽히면 포함’처럼 실제 판단에 필요한 말만 적어 두는 식입니다. 같은 유형의 자료를 수십 건 처리하다 보면 처음 읽었던 조건을 놓치기 쉽거든요. 제출 전에는 대상이 빠지지 않았는지, 잘못 눌러 붙인 표시가 없는지 한 번 더 확인하면 단순 실수를 줄일 수 있습니다.

모르는 것을 억지로 추측하지 않는 것도 실력입니다. 선택지에 ‘판단 불가’가 있다면 지침에 맞는 상황에서 활용하고, 문의 기능이 있다면 기준이 모호한 사례를 질문할 수 있습니다. 개인정보가 보이는 자료는 작업 화면의 규칙에 따라 다뤄야 하며, 자료를 개인 기기에 따로 저장하거나 밖으로 옮기지 않는 습관도 필요합니다.

수익은 작업 시간과 검수 기준을 함께 보기

데이터라벨링을 부업으로 생각한다면 표시된 건당 금액만 보고 고르기 쉽습니다. 그런데 실제로는 지시문을 읽는 시간, 익숙해지는 시간, 검수 결과를 확인하는 시간도 듭니다. 예를 들어 한 건에 5분이 걸릴 줄 알았는데 수정까지 포함해 15분이 걸린다면 처음 예상한 작업량과는 차이가 커집니다. 몇 건을 직접 처리한 뒤 걸린 시간과 승인된 건수를 함께 기록해 보는 게 현실적입니다.

검수에서 반려된 작업의 처리 방식도 확인해야 합니다. 다시 제출할 수 있는지, 어떤 기준을 어겼는지 알려 주는지에 따라 배우는 속도가 달라집니다. 처음에는 쉬워 보이는 작업이라도 반려가 잦다면 지시문을 다시 읽거나 다른 유형으로 옮기는 편이 나을 수 있습니다. 반대로 단가는 평범해 보여도 기준이 명확하고 꾸준히 정확하게 처리할 수 있다면 내게 더 잘 맞는 일이 될 수 있습니다.

데이터라벨링은 특별한 장비 없이 시작할 수 있는 작업도 있지만, 단순히 화면을 많이 누른다고 성과가 쌓이는 일은 아닙니다. 내게 맞는 자료를 고르고 기준을 익히는 데 시간을 쓰면 작업 속도도 자연스럽게 따라옵니다. 처음에는 작은 작업 하나를 끝까지 해보고, 얼마나 걸렸고 어디서 헷갈렸는지 살펴보는 것부터 시작하면 좋겠습니다.