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

# 생성형 AI 개발을 위한 계층화된 접근 방식 채택
<a name="layered-approach"></a>

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.](https://docs.aws.amazon.com/ko_kr/prescriptive-guidance/latest/strategy-enterprise-ready-gen-ai-platform/images/gen-ai-platform-layers.png)


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](https://aws.amazon.com/ai/machine-learning/trainium/), [AWS Inferentia](https://aws.amazon.com/ai/machine-learning/inferentia/), [UltraClusters](https://aws.amazon.com/ec2/ultraclusters/), [Elastic Fabric Adapter](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/efa.html), [ML용 용량 블록, Nitro System 및 Neuron을 사용하는 것이](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-capacity-blocks.html) 좋습니다. [AWS](https://aws.amazon.com/ec2/nitro/) [AWS](https://aws.amazon.com/ai/machine-learning/neuron/) 

1. **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 Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)을 사용하여 가드레일을 설정하거나, 에이전트를 빌드하거나, 모델을 사용자 지정하거나, 자체 사용자 지정 모델을 가져올 수 있습니다.

1. **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.

1. **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.