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

# AI 기반 ADM 대상 운영 모델 구현
<a name="implement-strategy"></a>

구조화된 단계별 접근 방식을 사용하여 생성형 AI 애플리케이션 개발 및 유지 관리(ADM) 대상 운영 모델(TOM)을 구현합니다. 다음 접근 방식은 현재 운영 중단을 최소화하면서 빠른 성공과 장기적인 전환적 변화의 균형을 맞춥니다. 각 단계는 TOM의 특정 구성 요소를 다루며 구현 프로세스 전반에 걸쳐 상호 종속성과 진화를 강조합니다.

다음 다이어그램과 같이 구현 전략은 12개월 동안 기본 복잡성에서 고급 복잡성으로 진행되는 단계로 구성됩니다.
+ **1단계: 파운데이션 설정** -이 단계는 1\~3개월 후에 발생합니다. 기본 거버넌스 구조를 설정하고 빠른 성공을 달성하면서 필수 AI 도구를 도입합니다.
+ **2단계: 기능 구축** -이 단계는 3\~6개월 후에 수행됩니다. AI 채택을 확장하고 복잡성이 중간인 프로세스를 해결합니다. AI COE를 시작하고, AI 채택을 프로젝트 관리 및 운영 역할로 확장하고, ADM 파트너와 협력하여 생성형 AI를 사용하여 주요 SDLC 프로세스를 재설계합니다.
+ **3단계: 변환 조정** -이 단계는 6\~12개월(및 그 이후) 후에 발생합니다. 고급 솔루션을 구현하고 복잡성이 높은 문제를 해결합니다. 예를 들어 아키텍처 설계, 풀 스택 개발 및 보안 모니터링을 위한 고급 AI 솔루션을 구현합니다. AI 거버넌스를 엔터프라이즈 수준으로 성숙시키고 새로운 AI 기반 현실을 반영하도록 ADM 파트너와의 계약 관계를 발전시킵니다.



![AI 기반 ADM 운영 모델을 구현하기 위한 전략의 여러 단계입니다.](http://docs.aws.amazon.com/ko_kr/prescriptive-guidance/latest/strategy-transform-adm-operating-model-gen-ai/images/implement-adm-tom.png)


**참고**  
구현을 시작하기 전에 AI 기반 SDLC 준비 상태 평가를 수행하여 조직의 현재 SDLC 기능의 기준을 설정하고 개선이 필요한 주요 영역을 식별합니다. 자세한 내용은 [다음 단계를](next-steps.md) 참조하세요.

실제 타임라인은 조직 컨텍스트, 구현 접근 방식, 구현 크기 및 규모와 같은 기타 요인에 따라 달라질 수 있습니다. 일부 조직은 특정 상황 및 성숙도 수준에 따라 더 짧거나 긴 기간으로 결과를 달성할 수 있습니다.

이러한 단계를 진행하면 AI를 사용하여 혁신, 효율성 및 경쟁 우위를 추진함으로써 조직의 ADM 관행을 체계적으로 혁신할 수 있습니다. 조직에서 단계별 접근 방식을 사용하는 방법에 대한 자세한 내용은 [AI 기반 ADM TOM 구현을 위한 로드맵](#roadmap) 및 [모든 구현 단계의 모범 사례를](#best-practices) 참조하세요.

조직은이 변환 여정을 통해 사내 기능을 개선할 수 있습니다. 또한이 여정에는 지속적인 조정과 모든 이해관계자와의 명확한 커뮤니케이션이 필요합니다. 그 결과 컨설팅 및 기술 서비스 공급자와의 AI 기반 소프트웨어 개발 및 유지 관리를 위한 통합된 글로벌 ADM 대상 운영 모델이 생성됩니다.

## AI 기반 ADM TOM 구현을 위한 로드맵
<a name="roadmap"></a>

다음 표에는 현재 작업 중단을 최소화하면서 단계적 접근 방식을 사용하여 ADM TOM을 구현하는 참조 로드맵이 나와 있습니다. 각 ADM 구성 요소에 대해 로드맵은 각 구현 단계에서 발생하는 관련 활동을 설명합니다.


| 
| 
| ADM 구성 요소 | 파운데이션 설정: 1\~3개월 | 기능 구축: 3\~6개월 | 변환 규모 조정: 6\~12개월 이상 | 
| --- |--- |--- |--- |
| **전략적 조정** |   AI 조향 위원회를 활성화합니다.   비즈니스 조정을 통해 비전, 미션 및 목표를 설정합니다.   AI 기술 및 도구 전략과 로드맵을 개발합니다.   |   KPIs 및 비즈니스 목표를 AI 기능과 지속적으로 조정합니다.   영향을 미치는 AI 이니셔티브에 대한 명확한 이해관계자 커뮤니케이션을 유지합니다.   비즈니스 성과 및 ROI를 검토합니다.   |   KPIs 및 비즈니스 목표를 AI 기능과 지속적으로 조정합니다.   영향을 미치는 AI 이니셔티브에 대한 명확한 이해관계자 커뮤니케이션을 유지합니다.   비즈니스 성과 및 ROI를 검토합니다.   AI 거버넌스를 EA와 통합합니다.   AMS 파트너와 함께 부서 간 AI 거버넌스를 설정합니다.   사내 및 AMS 파트너 팀에서 AI 도구를 전 세계적으로 표준화합니다.   | 
| **조직 구조** |   부서 간 AI 챔피언을 식별합니다.   AI 통합을 위한 주요 역할을 식별합니다.   |   전담 팀과 함께 AI COE를 시작합니다.   |   AI 기반 조직 및 지속적 최적화를 구현합니다.   | 
| **인재 및 기술** |   기본 AI 훈련 프로그램을 구현합니다.   소프트웨어 개발자 및 테스트 엔지니어와 같은 성향이 높은 역할을 위한 AI 도구를 채택합니다.   고급 AI 훈련 프로그램을 구현합니다.   역할별 AI 훈련 프로그램을 구현합니다.   |   역할별 AI 훈련 프로그램을 구현합니다.   AI 중심의 진로와 발전을 개발합니다.   육상 및 해상 팀을 위한 공유 훈련 프로그램을 구현합니다.   |   역할별 AI 훈련 프로그램을 구현합니다.   AI 채택을 제품 소유자, BA, SA 및 도메인 SMEs.   AI 혁신 인센티브 프로그램을 수립합니다.   조직과 AMS 파트너 간에 지속적인 AI 지식 공유를 위한 메커니즘을 설정합니다.    | 
| **거버넌스 및 규정 준수** |   AI 원칙 지침을 개발합니다.   AI 관련 IP 및 데이터 사용에 대한 지침을 설정합니다.   위험 평가 프레임워크를 생성합니다.   규정 준수를 위해 규제 기관과 협력합니다.   |   AI 거버넌스 정책 및 절차를 구현합니다.   AI 자동화와 인적 감독의 균형을 맞춰 품질을 보장하고 제어를 유지합니다.   |   AI 자동화와 인적 감독의 균형을 맞춰 품질을 보장하고 제어를 유지합니다.   AMS 파트너를 위한 AI별 프로젝트 및 계약 템플릿과 SLAs를 개발합니다.   ADM의 AI 사용 부분에서 데이터 프라이버시 및 보안 문제를 지속적으로 검토하고 해결합니다.   | 
| **성능 측정** |   ADM에 대한 AI 목표 및 주요 성공 지표를 설정합니다.   대규모 언어 모델(LLMs)에 대한 주요 성공 지표를 설정합니다.   |   ADM 프로세스에 대한 AI별 KPIs.   ADM 파트너 성능을 위한 AI별 KPIs.   AI 비용 할당 및 ROI 추적을 구현합니다.    |   KPIs.   ADM 글로벌 제공 모델의 지속적인 개선을 위한 AI 기반 인사이트를 구현합니다.   피드백과 결과에 따라 지속적으로 모니터링하고 조정합니다.   | 
| **파트너 에코시스템** |   변환 계획을 위해 AMS 파트너를 참여시킵니다.   AI 통합 역할을 AMS 파트너와 조정합니다.   AMS 및 CloudOps 파트너와 함께 AI 준비 상태를 평가합니다.   AI 통합을 위한 기존 AMS 계약을 검토합니다.   |   AMS 및 CloudOps 파트너와 공동 AI COE를 설정합니다.   ADM 파트너와 협력하여 TOM에 AI를 통합합니다.   AMS 파트너와 협력하여 ADM을 위한 고급 AI 솔루션을 구현합니다.   |   AMS 파트너와 협력하여 ADM을 위한 고급 AI 솔루션을 구현합니다.   AMS 파트너와 함께 AI 도구 및 환경을 표준화합니다.   AI가 AMS 아웃소싱 가치 제안에 미치는 영향을 정기적으로 평가합니다.   AI 강화 서비스에 대한 유연한 참여 모델 및 결과 기반 요금을 고려하세요.   | 
| **기술 및 도구** |   더 빠른 문제 해결을 위해 AI 기반 지식 기반을 구현합니다.   AI 기반 협업 도구를 구현합니다.   AI 지원 코딩 및 테스트 도구를 채택합니다.   |   AI 기반 프로젝트 계획 및 위험 평가 도구를 통합합니다.   AI 기반 릴리스 관리 및 예측 유지 관리를 구현합니다.   AI 지원 프로젝트 예측기 도구를 구현합니다.   |   AI 기반 아키텍처 의사 결정 지원 도구를 구현합니다.   AI 기반 풀 스택 코드 생성 및 최적화 도구를 채택합니다.   모든 전송 위치에 클라우드 기반 AI 증강 플랫폼을 구현합니다.   | 
| **프로세스** |   AI 생성 코드와 수동 코드를 통합하기 위한 지침을 설정합니다.   AI 기반 도구에 대한 프로세스 및 SOPs 설정합니다.   LLMs의 지속적인 개선을 위한 피드백 루프를 설정합니다.   |   TOM에 AI를 통합하도록 ADM 프로세스를 재설계합니다.   육상, 근해 및 해상 위치 간에 AI 기반 SOPs를 개발합니다.    |   AI 기반 아키텍처 결정 및 풀 스택 코드 생성을 위한 프로세스를 설정합니다.   AI 지원 규정 준수 검사 및 보안 모니터링 프로세스를 수립합니다.   AI 기반 ADM 운영 모델의 프로세스 개선을 위한 메커니즘을 설정합니다.   | 

미션 스테이트먼트, 목표 및 전략적 이니셔티브를 포함하는 ADM용 AI 비전의 프레임워크에 대한 자세한 내용은 [부록 A: ADM용 AI 비전의 샘플 프레임워크](appendix-framework.md)를 참조하세요. 세 단계 모두에서 거버넌스, 조직 구조, 역할, 프로세스 및 도구를 다루는 자세한 구현 체크리스트는 [부록 B: ADM TOM의 구현 체크리스트를](appendix-checklist.md) 참조하세요.

## 모든 구현 단계의 모범 사례
<a name="best-practices"></a>

다음 모범 사례는 모든 구현 단계에서 염두에 두는 것이 중요합니다. 각 모범 사례에 대해 관련 운영 모델 구성 요소가 표시되어 모델의 어떤 측면이 가장 영향을 받는지 나타냅니다.
+ 피드백과 결과를 기반으로 접근 방식을 지속적으로 모니터링하고 조정합니다. (성능 측정)
+ 다양한 AI 이니셔티브와 그 영향에 대해 모든 이해관계자와 명확하게 소통합니다. (전략적 정렬)
+ AI 자동화와 인적 감독의 균형을 맞춰 품질을 보장하고 제어를 유지하세요. (정부 및 규정)
+ AI 이니셔티브의 투자 수익률(ROI)을 정기적으로 평가하고 그에 따라 전략을 조정합니다. (성능 측정, 전략적 정렬)
+ 글로벌 제공 모델에서 AI 사용과 관련된 데이터 프라이버시 및 보안 문제를 해결합니다. (정부 및 규정)
+ AI가 아웃소싱 가치 제안에 미치는 영향을 정기적으로 평가하고 필요에 따라 참여 모델을 조정합니다. (파트너 에코시스템, 전략적 조정)