본 논문은 산업용 머신러닝(ML) 애플리케이션에 대한 수요 증가와 전문가 부족 문제를 해결하기 위해 자동화된 머신러닝(AutoML)의 잠재력을 분석합니다. H2O AutoML 프레임워크를 실제 데이터셋 세 가지에 대해 수동으로 조정된 ML 모델과 비교 분석하여, 수동 조정 모델이 성능 면에서 우위를 보였지만 H2O AutoML이 빠르고 사용 편의성이 높으며 전문가 수준의 모델에 근접한 신뢰할 수 있는 결과를 제공함을 확인했습니다. 따라서 AutoML은 개발 및 배포 주기를 단축하고 ML 전문가 부족 문제를 해결하며 비즈니스 분석에서 자동화된 의사결정을 가능하게 하는데 기여할 수 있음을 시사합니다.