기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

평가 고려 사항 및 사전 조건

명확한 사용 사례로 시작

생성형 AI가 해결할 수 있는 특정 비즈니스 문제 또는 기회를 식별합니다. 전략적 비즈니스 목표에 부합하는 사용 사례에 집중하고 측정 가능한 이점을 제공합니다. 솔루션 아키텍처가 여러 시나리오의 패턴 역할을 할 수 있도록 조직 내에서 일반적으로 직면하는 문제를 대상으로 하는 사용 사례의 우선순위를 정합니다.

잠재적 생성형 AI 애플리케이션을 전반적으로 이해하여 평가 프로세스를 시작하는 것은 유용하지만 필수는 아닙니다. 이 가이드에 포함된 설문은 사용 사례가 잘 정의된 조직부터 광범위한 아이디어만 있는 조직에 이르기까지 다양한 수준의 준비 상태를 수용합니다. 평가 프로세스는 다음을 수행합니다.

가상의 예를 살펴보겠습니다. 금융 서비스 회사가 생성형 AI 현대화를 탐색하기로 결정합니다. 먼저 고객 서비스 및 사기 탐지 프로세스를 개선하는 광범위한 아이디어로 시작합니다.

비즈니스 조정 보장

생성형 AI 이니셔티브를 전반적인 비즈니스 전략 및 목표에 맞게 조정합니다. 각 사용 사례에 대해 생성형 AI가 비즈니스 성장, 효율성 또는 혁신에 어떻게 기여하는지 보여주는 명확한 가치 제안을 개발합니다. 생성형 AI 구현이 핵심 성과 지표(KPIs)에 미치는 영향을 측정하는 지표를 설정합니다.

거버넌스 및 감독 구현

다기능 조향 위원회를 만들어 생성형 AI 이니셔티브를 감독합니다. 윤리적 고려 사항과 잠재적 편향을 해결하여 책임감 있는 AI 사용에 대한 정책과 지침을 개발합니다. 생성형 AI 프로젝트에 대한 검토 프로세스를 수립하여 조직 표준 및 규제 요구 사항을 준수하는지 확인합니다.

데이터 및 기술 사전 요구 사항 해결

데이터 품질을 평가 및 개선하고 데이터 거버넌스 관행을 구현하여 생성형 AI 모델에 대한 안정적인 입력을 보장합니다. 생성형 AI 요구 사항에 맞는 데이터 수집, 스토리지 및 관리를 다루는 데이터 전략을 개발합니다. 생성형 AI 워크로드에 필요한 데이터의 볼륨과 속도를 지원하도록 데이터 인프라를 평가하고 개선합니다.

컴퓨팅 리소스 요구 사항 고려

현재 IT 인프라를 평가하고 생성형 AI 워크로드의 컴퓨팅 용량 격차를 식별합니다. 클라우드 서비스 또는 온프레미스 고성능 컴퓨팅 클러스터와 같은 옵션을 고려하여 확장 가능한 컴퓨팅 리소스를 계획합니다. 리소스 할당을 최적화하여 훈련 워크로드와 추론 워크로드의 성능과 비용 효율성의 균형을 맞춥니다.

개인 정보 보호 및 보안 영향 해결

강력한 보안 조치를 구현하여 생성형 AI 훈련 및 운영에 사용되는 민감한 데이터를 보호합니다. 개인 정보를 처리할 때 일반 데이터 보호 규정(GDPR) 또는 캘리포니아 소비자 개인정보 보호법(CCPA)과 같은 데이터 보호 규정을 준수해야 합니다. 생성형 AI 기능의 무단 액세스 또는 오용을 방지하기 위해 안전한 모델 배포 및 모니터링을 위한 프로토콜을 개발합니다.

이해관계자를 조기에 참여시키기

리더십 동의와 지원을 얻기 위해 처음부터 주요 이해관계자를 참여시킵니다. 특히 생성형 AI 워크로드에 대한 현대화 이니셔티브의 이점과 잠재적 영향을 명확하게 전달합니다. 이해관계자가 생성형 AI 기술과 그 영향을 이해하는 데 도움이 되는 교육 및 리소스를 제공합니다.

반복 및 학습

대상 솔루션을 구체화할 수 있는 증분 접근 방식을 채택합니다. 피드백 루프를 사용하여 워크로드 아키텍처 및 프로세스를 지속적으로 개선합니다. 생성형 AI 구현의 성능과 영향을 정기적으로 평가하고 실제 결과와 변화하는 비즈니스 요구 사항에 따라 필요에 따라 전략을 조정합니다.