대규모 및 생산 과정에서 AI 추론을 통해 가치 실현
인공지능/AI 전문 정보
장비 고장을 예측하기 위해 AI 모델을 교육하는 것은 엔지니어링 성과입니다. 그러나 예측이 실행에 도달할 때까지(모델이 오작동하는 기계를 성공적으로 표시하는 순간) 진정한 비즈니스 혁신이 이루어집니다. 하나의 기술적 이정표는 개념 증명 데크에 있습니다. 다른 하나는 의미 있게 수익에 기여합니다. HPE Digital Next Advisory의 전 세계 수석 이사인 Craig Partridge는 “AI의 진정한 가치는 추론에 있다”고 믿습니다. 추론은 AI가 유지되는 곳입니다. 실제 워크플로우에서 모든 교육을 활용하는 것이 운영 계층
핵심 특징
고품질
검증된 정보만 제공
빠른 업데이트
실시간 최신 정보
상세 분석
전문가 수준 리뷰
상세 정보
핵심 내용
장비 고장을 예측하기 위해 AI 모델을 교육하는 것은 엔지니어링 성과입니다. 그러나 예측이 실행에 도달할 때까지(모델이 오작동하는 기계를 성공적으로 표시하는 순간) 진정한 비즈니스 혁신이 이루어집니다. 하나의 기술적 이정표는 개념 증명 데크에 있습니다. 다른 하나는 의미 있게 수익에 기여합니다. HPE Digital Next Advisory의 전 세계 수석 이사인 Craig Partridge는 “AI의 진정한 가치는 추론에 있다”고 믿습니다. 추론은 AI가 유지되는 곳입니다. 실제 워크플로우에서 모든 교육을 활용하는 것이 운영 계층입니다. Partridge는 “이를 위해 우리가 사용하는 문구는 ‘규모와 프로덕션에서 신뢰할 수 있는 AI 추론’입니다.”라고 자세히 설명합니다
상세 분석
. “우리는 AI 투자에 대한 가장 큰 수익이 나올 것이라고 생각하는 곳이 바로 여기입니다.” 그 지점에 도달하는 것은 어렵습니다. HPE의 전 세계 디지털 고문인 Christian Reichenbach는 회사가 최근 1,775명의 IT 리더를 대상으로 실시한 설문 조사 결과를 다음과 같이 지적합니다. 현재 거의 4분의 1(22%)의 조직이 AI를 운용했지만(전년의 15%에서 증가) 대다수는 여전히 실험에 머물고 있습니다. 다음 단계에 도달하려면 운영 원칙으로 신뢰 구축, 데이터 중심 실행 보장, AI를 성공적으로 확장할 수 있는 IT 리더십 육성이라는 세 부분으로 구성된 접근 방식이 필요합니다. 확장 가능하고 위험성이 높은 AI를 위한 전제 조건인 신뢰 신뢰할 수 있는 추론은 사용자가 AI 시스템에서 얻는 답변에 실제로 의존할 수 있다는 것을 의미합니다. 이는 마케팅 카피 생성, 고객 서비스 챗봇 배포와 같은 애플리케이션에 중요하지만, 수술 중 보조 로봇이나 혼잡한 거리를 이동하는 자율주행차 등 더 큰 위험이 따르는 시나리오에는 절대적으로 중요합니다.
정리
사용 사례가 무엇이든 신뢰를 구축하려면 데이터 품질을 두 배로 높여야 합니다. 무엇보다도 추론 결과는 신뢰할 수 있는 기반 위에 구축되어야 합니다. 이러한 현실은 Partridge의 진언 중 하나인 “잘못된 데이터 입력은 잘못된 추론과 같습니다.”를 알려줍니다. Reichenbach는 데이터 품질이 부족할 때 어떤 일이 발생하는지에 대한 실제 사례를 인용합니다. 환각을 포함하여 신뢰할 수 없는 AI 생성 콘텐츠의 증가로 인해 워크플로가 막히고 직원들이 사실 확인에 상당한 시간을 소비하게 되는 것입니다. “일이 잘못되면 신뢰도가 낮아지고 생산성 향상에 도달하지 못하며 우리가 원하는 결과도 달성되지 않습니다.”라고 그는 말합니다. 반면에 신뢰가 추론 시스템에 적절하게 엔지니어링되면 효율성이 향상됩니다.
자주 묻는 질문
Q. 어떤 정보를 제공하나요?
A. 인공지능/AI 관련 최신 정보를 제공합니다.
Q. 신뢰할 수 있나요?
A. 검증된 출처만 선별합니다.
Q. 더 궁금한 점은?
A. 댓글로 문의하세요.
원문 출처
이 글은 원본 기사를 참고하여 작성되었습니다.