AI 활용 사례: 첫 AI 파일럿 프로젝트 준비

이전 글에서 첫 번째 인공지능(AI) 프로젝트를 시작하기 전에 해야 할 6가지 사항을 살펴보았습니다. 여기에는 조직의 AI 준비 상태 평가에서 혁신 문화 조성에 이르는 모든 것이 포함됩니다. 첫 번째 생성형 AI(gen AI) 파일럿 프로젝트를 준비하고 시작하는 몇 가지 방법을 살펴보겠습니다.

"Open the future" e-book 다운로드

첫 AI 애플리케이션 개발 프로젝트를 시작할 준비가 되었다고 생각되면 먼저 몇 가지 AI 활용 사례를 식별하고 선택하여 우선순위를 정해야 합니다. 이를 효과적으로 수행하려면 다음을 수행해야 합니다.

• AI 솔루션이 아닌 문제부터 시작
• 생성형 AI가 해결할 수 있는 문제에 대한 브레인스토밍
• 기존 기술의 확장
• 소규모의 특정 태스크에 AI 적용
• 필요한 데이터 확보

이러한 솔루션이 AI 프로젝트의 성공에 어떤 도움이 되는지 자세히 살펴보겠습니다.

AI 솔루션이 아닌 문제부터 시작

AI에 대한 관심이 폭발적으로 증가하고 모든 사람이 조직에서 이러한 새로운 기술을 활용할 방법을 찾고 있기 때문에 많은 AI 프로젝트가 실패합니다. 문제를 찾는 솔루션으로 끝나기 때문입니다.

누군가 AI 툴을 사용해 보고 싶어서 유용할 것 같은 실험을 시작한다고 가정해 봅시다. 다른 몇몇 사람들은 이 프로젝트에 흥미를 느끼고, 결국 완전한 AI 애플리케이션을 개발하는 데 상당한 시간, 비용, 리소스를 투자하게 됩니다. 그러나 프로젝트가 명확하고 범위가 명확한 문제로 시작되지 않았기 때문에 문제는 시작과 동시에 시작됩니다. 결국 이 AI 애플리케이션은 특정 용도로 사용되지 않으며 폐기됩니다.

이는 쉽게 함정에 빠질 수 있지만, 생성형 AI가 해결하는 데 도움이 될 수 있는 실제 비즈니스 문제나 사용자 고충을 명확하게 식별하면 종종 피할 수 있습니다.

생성형 AI가 해결할 수 있는 문제에 대한 브레인스토밍

이제 여러 기능을 갖춘 AI 팀을 구성했으므로, AI가 조직에 실질적인 영향을 미칠 수 있는 몇 가지 방법을 브레인스토밍하도록 합니다.

시작하기 위해 다음과 같은 질문을 할 수 있습니다.

• 생성형 AI가 생산성 향상, 비용 절감 또는 고객 경험 개선에 어떤 도움이 될 수 있을까요?
• 생성형 AI를 사용하여 자동화할 수 있는 반복적이거나 시간이 많이 소요되는 태스크 또는 프로세스는 무엇인가요?
• 생성형 AI가 고객 경험을 어떻게 개인화할 수 있을까요?
• 생성형 AI가 우리에게 도움이 될 수 있는 미개척 기회가 있을까요?
• 수년간 수집해온 생성형 AI를 활용해 더 효과적으로 활용할 수 있는 데이터가 있나요?
• 생성형 AI가 이해하거나 완화하는 데 도움이 될 수 있는 기존 위험 또는 알려지지 않은 위험이 있나요?
• 생성형 AI 생성이 확장 또는 확장에 도움이 될 수 있는 비즈니스 가치 또는 조직의 강점은 무엇인가요?

기존 기술의 확장

물론 AI 모델을 생각할 때는 실제로 모델링하고자 하는 것이 무엇인지 생각해야 합니다.

예를 들어, 고객 서비스가 우수하고 고객이 이를 높이 평가하는 경우 AI를 통해 서비스 품질을 확장하는 데 도움이 되도록 이를 모델링하는 방법을 알아보세요. AI를 활용하여 모든 고객이 언제, 어떤 방식으로 연락하든 항상 최상의 고객 서비스를 받을 수 있도록 자동화할 수 있을까요? 고객 서비스 담당자가 직접 문의에 응답하는 데 도움이 되도록 모델링할 수 있는 기술 자료가 사내에 있나요?

귀사는 어떤 다른 면에서 AI를 활용해 자동화와 확장을 도울 수 있을까요?

소규모의 특정 태스크에 AI 적용

많은 AI 프로젝트가 실패하는 이유는 AI 기술이 한 번에 너무 많은 작업을 수행하도록 요구받기 때문입니다. 생성형 AI 애플리케이션은 명확하게 정의된 목표와 경계가 있을 때 가장 효과적입니다.

더 간단하고 구체적인 작업은 AI가 오류나 환각을 일으킬 가능성도 줄여줍니다. AI는 맥락을 이해할 수 없으며(특정 메시지를 표시하거나 모델의 훈련된 데이터를 보강하지 않는다면) 광범위한 일반화에 서투르므로 더 복잡한 출력 또는 작업을 관리하려고 할 때 어려움을 겪을 수 있습니다.

예를 들어, AI를 사용하여 새롭고 긴 형식의 독창적인 콘텐츠를 생성하는 대신, 기업 스타일 가이드에 따라 훈련된 맞춤형 AI 모델을 개발하여 인간 작가가 작업을 더 효율적으로 편집할 수 있도록 지원하는 것이 더 나을 수 있습니다.

필요한 데이터 확보

AI 모델은 훈련에 사용된 데이터에 따라 그 효과가 달라집니다. 차세대 킬러 AI 애플리케이션 아이디어를 제시하는 것은 모두 좋은 일이지만, 필요한 데이터가 없거나 품질이 낮으면 아무 소용이 없습니다.

특정 AI 활용 사례를 염두에 둔 경우 교차 기능 AI 팀과 협력하여 해당 활용 사례에 대한 모델을 효과적으로 학습하는 데 필요한 데이터를 브레인스토밍합니다. 그런 다음, 사용 가능한 데이터 소스를 평가하여 해당 데이터가 존재하고, 쉽게 액세스할 수 있으며, 사용할 수 있을 만큼 품질이 높은지 확인합니다.

AI 파일럿 프로젝트 시작을 위한 가이드라인

Red Hat의 "Open the future: An executive's guide to navigating the era of constant innovation(미래 열기: 지속적인 혁신의 시대를 항해하기 위한 경영진 가이드)"에서 더 자세히 설명하지만, 첫 번째 AI 파일럿 프로젝트를 시작할 준비가 되었다면 여기에서 염두에 두어야 할 몇 가지 사항이 있습니다. .

현명하게 AI 플랫폼 선택

AI 산업의 변화와 개발 속도가 빨라짐에 따라 유연성과 선택권을 제공하는 개방형 플랫폼에 구축된 AI 솔루션을 선택하여 AI 프로젝트의 미래 경쟁력을 확보할 수 있습니다.

소규모 AI 프로젝트로 시작

이미 명확하게 정의되고 범위가 명확한 AI 활용 사례의 중요성에 대해 논의했지만, 팀이나 조직이 AI 모델과 생성형 AI 애플리케이션을 개발하는 데 더 많은 경험을 쌓을 때까지는 작고 집중적인 것부터 시작하는 것이 현명합니다.

측정, 반복, 모니터링

실제로 무엇을 하려는지, 그리고 성공 여부를 파악할 수 있도록 성공 조건을 미리 정의하세요. 프로젝트의 영향을 측정할 수 있는 지표를 마련하고 진행 상황을 자주 확인하세요. 무엇이 효과적이고 무엇이 효과적이지 않은지 파악하면, 개발이 진행됨에 따라 AI 애플리케이션을 어떻게 개선할 수 있는지에 대한 정보에 기반한 결정을 내리는 데 도움이 될 것입니다.

또한 "데이터 드리프트"를 주시하고 모델이 학습된 데이터가 프로덕션 환경에서 확인된 데이터와 일치하는지 확인합니다. 이러한 불일치하는 데이터는 시간이 지남에 따라 모델의 동작에 변화를 초래할 수 있습니다.

현명한 파트너십

Red Hat은 "혼자 혁신할 수 있는 사람은 없습니다"라고 강조합니다. 성공 가능성을 높이고 미래에 함께 성장할 수 있는 신뢰할 수 있는 파트너를 찾고 선택하는 데 시간을 투자하세요.

Red Hat의 지원 방식

오픈소스 리더십과 업스트림 기여에 대한 Red Hat의 오랜 역사는 이 새로운 AI 시대에도 빠르게 발전하고 있습니다. Red Hat은 오픈 AI 플랫폼의 선두에 있을 뿐만 아니라, 고객이 AI 애플리케이션을 배포, 호스팅, 확장할 때 하이브리드 클라우드를 최대한 활용할 수 있도록 벤더에 구애받지 않는 솔루션을 지속적으로 제공하고 있습니다.

Red Hat의 장점에 대한 자세한 내용은이 e-book에서 확인할 수 있습니다. Red Hat이 제공하는 서비스에 대한 간략한 개요를 소개합니다.

• 오픈소스 리더십의 역사
• 제약 없이 혁신할 수 있는 자유와 유연성
• 모든 사람이 접근하고 적용할 수 있는 AI
• 커뮤니티와 에코시스템 전반에 걸친 깊은 기반
• 업계 최고의 전문성과 경험
• 엔터프라이즈급 지원 및 보안

Red Hat AI

Red Hat Enterprise Linux(RHEL) AI와 Red Hat OpenShift AI 를 결합하면, 컨테이너화된 애플리케이션을 배포, 관리 및 확장하는 것과 같은 방식으로 배포, 관리 및 확장할 수 있는 모든 기능을 갖춘 AI 모델 개발, 튜닝 및 호스팅 플랫폼이 제공됩니다.

RHEL AI에는 다음이 포함됩니다:

• granite 오픈소스 라이센스 LLM: Apache 2.0 라이센스에 따라 배포되며 교육 데이터 세트 및 모델 가중치에 대한 업계 최고의 투명성 제공
• InstructLab이 지원하는 라이프사이클 배포판: LLM 기능을 개선하고 미세 조정하기 위한 확장 가능하고 비용 효율적인 솔루션 제공
• RHEL의 부팅 가능한 이미지: PyTorch와 같은 널리 사용되는 AI 라이브러리와 하드웨어에 최적화된 가속기 배열 포함
• 엔터프라이즈급 기술 지원: Red Hat 제공
• Open Source Assurance: 활성화된 유료 Red Hat 소프트웨어 서브스크립션을 보유한 모든 Red Hat 고객에게 법적 보호 제공

RHEL AI에 대한 자세한 내용은 RHEL과 RHEL AI: 무엇이 다를까?에서 살펴보세요.

Red Hatter에게 문의하기

Red Hat의 오픈 하이브리드 클라우드 전략은 Linux, 컨테이너, 자동화라는 기술적 기반을 바탕으로 필요한 곳 어디에서나 AI 애플리케이션을 실행할 수 있는 유연성을 제공합니다.

자세한 내용은 Red Hat 담당자와 상담해 보세요.

Red Hat AI에 관해 자세히 보기

• Red Hat Enterprise Linux AI
• Red Hat OpenShift AI
• AI: 오픈소스 미래를 위한 Red Hat의 비전
• E-book: 생성형 AI 기반 구축을 위한 주요 고려 사항
• E-book: 생성형 AI 및 그 이상을 위한 강력한 운영 기반 구축