View a markdown version of this page

생성형 AI 개발을 위한 계층화된 접근 방식 채택 - AWS 권장 가이드

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

생성형 AI 개발을 위한 계층화된 접근 방식 채택

강력하고 확장 가능한 생성형 AI 플랫폼을 구축하려면 조직은 제어 및 보안을 유지하면서 혁신을 가능하게 하는 포괄적인 환경이 필요합니다. 이 전략 문서는 다음 이미지에 표시된 네 개의 필수 계층으로 구성된 엔터프라이즈 지원 환경을 권장합니다.

엔터프라이즈 지원 생성형 AI 환경의 네 가지 계층입니다.

다음 각 계층은 엔터프라이즈 전체에서 성공적인 생성형 AI 채택 및 확장에 중요한 역할을 합니다.

  1. 데이터 및 컴퓨팅 인프라 - 신뢰할 수 있는 인프라는 생성형 AI 애플리케이션을 개발, 훈련 및 배포하기 위한 기반을 제공합니다. 이 계층은 조직이 소규모 실험부터 대규모 프로덕션 배포에 이르기까지 다양한 사용 사례를 지원하는 데 필요한 컴퓨팅 리소스 및 데이터 관리 기능을 갖추도록 합니다. Amazon Elastic Compute Cloud(Amazon EC2)의 경우 AWS Trainium, AWS Inferentia, UltraClusters, Elastic Fabric Adapter, ML용 용량 블록, Nitro System 및 Neuron을 사용하는 것이 좋습니다. AWS AWS

  2. 승인된 파운데이션 모델 및 도구 -이 계층을 통해 조직은 보안 및 규정 준수를 유지하면서 승인되고 사전 훈련된 모델에 액세스할 수 있습니다. 팀은 다양한 모델을 실험하고, 효과를 평가하고, 특정 사용 사례에 가장 적합한 모델을 선택할 수 있습니다. Amazon Bedrock을 사용하여 가드레일을 설정하거나, 에이전트를 빌드하거나, 모델을 사용자 지정하거나, 자체 사용자 지정 모델을 가져올 수 있습니다.

  3. 보안 및 거버넌스 -이 계층은 생성형 AI 애플리케이션이 조직 정책, 규정 준수 요구 사항, 법률 및 개인 정보 보호 요구 사항, 윤리적 지침을 준수하도록 하는 데 도움이 됩니다. 이 계층에서는 모든 생성형 AI 이니셔티브에 걸쳐 일관된 보안 제어 및 거버넌스 메커니즘을 구현합니다.

  4. 반복 가능한 애플리케이션 패턴 -이 계층은 일반적인 생성형 AI 사용 사례에 대해 표준화된 템플릿과 모범 사례를 제공하여 개발을 가속화하고 일관성을 높입니다. 반복 가능한 패턴을 제공하면 작업 중복을 방지하고 성공적인 솔루션을 신속하게 확장할 수 있습니다. 반복 가능한 패턴의 예로는 지능형 문서 처리, 검색 증강 생성(RAG), 채팅 기반 어시스턴트, 에이전트 워크플로 등이 있습니다.

이 계층화된 접근 방식은 다음과 같은 주요 이점을 제공합니다.

  • 생성형 AI 구현의 다양한 측면을 명확하게 구분합니다.

  • 모든 생성형 AI 이니셔티브에서 일관된 보안 및 거버넌스를 촉진합니다.

  • 조직의 요구 사항에 따라 확장 가능한 인프라를 구축하는 데 도움이 됩니다.

  • 개발을 가속화하는 접근 방식을 표준화합니다.

  • 검증된 패턴과 관행을 통해 위험을 줄입니다.

이러한 네 가지 계층을 구현하면 조직은 새로운 요구 사항과 기회에 적응할 수 있는 유연성을 유지하면서 생성형 AI 이니셔티브를 위한 견고한 기반을 구축할 수 있습니다.