인브게이트의 연구개발 책임자 다니엘 시올렉 인터뷰 시리즈

다니엘은 15년 이상의 산업 경험을 가진 열정적인 IT 전문가입니다. 그는 컴퓨터 과학 박사 학위를 가지고 있으며 기술 연구 분야에서 오랜 경력을 가지고 있습니다. 그의 관심 분야는 인공 지능, 소프트웨어 엔지니어링, 고성능 컴퓨팅 등 여러 분야에 걸쳐 있습니다.

다니엘은 인브게이트의 연구개발 책임자로, 연구개발과제를 이끌고 있습니다. 그는 제품 개발 팀과 비즈니스 개발 팀과 함께 회사 연구개발 전략을 설계, 구현, 모니터링합니다. 연구에 집중하지 않을 때는 가르치는 일에 집중합니다.

인브게이트는 조직에 부서 간 원활한 서비스를 제공하는 도구를 제공하여 조직을 강화합니다.

컴퓨터 과학에 관심을 가지게 된 것은 언제이며, 어떻게 된 일입니까?

컴퓨터 과학에 대한 관심은 어린 시절부터 시작되었습니다. 전자 장치를 탐색하고 작동 원리를 이해하려고 노력했습니다. 나이가 들면서 코딩에 관심을 가지게 되었습니다. 첫 프로그램을 작성한 것을 기억합니다. 그 때부터 컴퓨터 과학을 전공하기로 결심했습니다.

현재 연구개발과제를 이끌고 있으며, 새로운 생성형 인공 지능 애플리케이션을 구현하고 있습니다. 어떤 작업을 하고 있는지 설명해 주시겠습니까?

연구개발 부서에서 복잡한 문제를 해결하려고 합니다. 생성형 인공 지능 애플리케이션에 대한 최근의 발전은 기회를 제공하고 있습니다.

인브게이트의 주요 목표는 소프트웨어의 사용성을 최적화하는 것입니다. 이를 위해 사용자들이 소프트웨어를 어떻게 사용하는지 모니터링하고, 문제점을 식별하여 제거하려고 합니다. 자연어 이해와 활용에 대한 문제를 해결하기 위해 대규모 언어 모델(Large Language Model, LLM)을 사용하고 있습니다.

최근에 비용 효율적인 LLM이 등장하면서, 이러한 사용 사례를 간소화할 수 있게 되었습니다. 이제 작성 추천, 자동으로 지식 베이스 문서를 작성하고, 긴 텍스트를 요약하는 기능을 제공할 수 있습니다.

인브게이트에서 사용하는 “중립적 인공 지능” 전략은 무엇이며, 왜 중요합니까?

중립적 인공 지능은 기본적으로 유연성과 적응성을 의미합니다. 즉, 단일 인공 지능 모델이나 제공업체에 의존하지 않는다는 뜻입니다. 대신, 각 제공업체가 제공하는 최善의 솔루션을 활용하면서, 하나의 시스템에 묶이지 않도록 합니다.

예를 들어, 생성형 인공 지능 기능을 위해 오픈AI의 GPT, 구글의 Gemini, 메타의 Llama-2를 사용해야 합니까? 클라우드 배포, 관리 인스턴스, 또는 자체 호스팅 배포를 선택해야 합니까? 이러한 결정은 중요하며, 새로운 모델이 출시되고 제공업체가 시장에 진입함에 따라 변경될 수 있습니다.

중립적 인공 지능 접근 방식은 시스템이 항상 적응할 수 있도록 보장합니다. 구현에는 세 가지 주요 구성 요소가 있습니다. 인터페이스, 라우터, 인공 지능 모델입니다. 인터페이스는 인공 지능 시스템의 구현 세부 사항을 추상화하여, 다른 소프트웨어 구성 요소가 쉽게 상호 작용할 수 있도록 합니다. 라우터는 각 요청을 인공 지능 모델의 기능과 요청 유형에 따라 라우팅합니다. 마지막으로, 모델은 실제 인공 지능 작업을 수행합니다.인공 지능 모델과 제공업체를 선택할 때의 의사 결정 과정은 무엇입니까?

새로운 기능을 개발할 때마다, 평가 기준을 설정합니다. 이 기준은 다양한 인공 지능 모델의 효율성을 평가하는 데 사용됩니다. 그러나 성능만 고려하지 않습니다. 또한 각 모델의 속도와 비용을 고려합니다. 이렇게 하면 각 모델의 가치를 종합적으로 평가할 수 있습니다.

새로운 모델이나 업데이트된 모델이 출시되면, 평가 기준을 다시 실행하여 비교합니다. 이렇게 하면 현재 선택된 모델과 새로운 모델의 성능을 비교할 수 있습니다. 새로운 모델이 현재 모델을 능가한다면, 라우터 모듈을 업데이트하여 변경된 모델을 반영합니다.

다양한 인공 지능 모델과 제공업체를无중단으로 전환하는 데는 어떤 어려움이 있습니까?

다양한 인공 지능 모델과 제공업체를無중단으로 전환하는 데는 몇 가지 어려움이 있습니다.

첫째, 각 제공업체는 입력을 특정 형식으로 요구하며, 인공 지능 모델은 동일한 요청에 다르게 반응할 수 있습니다. 이는 각 모델을 개별적으로 최적화해야 한다는 것을 의미하며, 이는 복잡할 수 있습니다.

둘째, 인공 지능 모델은 서로 다른 기능을 가지고 있습니다. 예를 들어, 일부 모델은 JSON 형식의 출력을 생성할 수 있으며, 이는 많은 구현에서 유용한 기능입니다. 다른 모델은大量의 텍스트를 처리할 수 있으며, 이는 특정 작업에 대한 더 포괄적인 컨텍스트를 사용할 수 있도록 합니다. 이러한 기능을 관리하여 각 모델의 잠재력을 최대화하는 것이 중요합니다.

마지막으로, 인공 지능으로 생성된 응답이 안전하게 사용될 수 있도록 해야 합니다. 생성형 인공 지능 모델은 때때로 “환상”을 생성하거나, 거짓 또는 무의미한 응답을 생성할 수 있습니다. 이를 완화하기 위해, 강력한 후처리 필터를 구현하여 부적절한 응답을 감지하고 필터링합니다.

중립적 인공 지능 시스템의 인터페이스는 어떻게 설계되어 사용자 친화적인 상호 작용을 제공합니까?

인터페이스의 설계는 연구개발 팀과 엔지니어링 팀의 협력입니다. 기능별로 요구 사항과 사용 가능한 데이터를 정의하고, 이를 쉽게 상호 작용할 수 있도록 설계합니다. 이렇게 하면 엔지니어링 팀이 비즈니스 로직에 집중할 수 있습니다.

이 과정은 최신 연구에 의존하지 않습니다. 대신, 검증된 소프트웨어 엔지니어링 관행을 적용합니다.

전세계적인 운영을 고려할 때, 인브게이트는 지역별 가용성과 지역 데이터 규정 준수를 어떻게 처리합니까?

지역별 가용성과 지역 데이터 규정 준수를 보장하는 것은 인브게이트의 중요한 운영입니다. 우리는 규모와 최고의 보안 표준을 제공하는 제공업체를 신중하게 선택합니다.

예를 들어, 우리는 GDPR과 같은 규정을 준수하는 제공업체만 고려합니다. 이렇게 하면 지역별로 서비스를 배포할 수 있으며, 지역 법적 프레임워크 내에서 운영하고 있음을 확신할 수 있습니다.

주요 클라우드 제공업체인 AWS, Azure, Google Cloud는 이러한 요구 사항을 충족하며, 광범위한 인공 지능 기능을 제공하여 글로벌 운영에 적합한 파트너입니다. 또한, 지역 데이터 규정의 변경을 지속적으로 모니터링하여 준수를 보장합니다.

인브게이트의 IT 솔루션 개발 접근 방식은 지난 10년 동안 어떻게 진화했습니까? 특히, 생성형 인공 지능의 통합을 고려할 때?

인브게이트의 IT 솔루션 개발 접근 방식은 지난 10년 동안 크게 진화했습니다. 자동화된 워크플로우, 디바이스 발견, CMDB와 같은 고급 기능을 추가했습니다. 이러한 기능은 사용자에게 IT 운영을 간소화했습니다.

최근에, 우리는 생성형 인공 지능을 제품에 통합하기 시작했습니다. 이는 최근의 발전과 함께, 비용 효율적인 솔루션이 제공되기 시작했습니다. 생성형 인공 지능의 통합은 제품을 더 효율적이고 사용자 친화적으로 만들었습니다.

아직 초기 단계이지만, 인공 지능은 IT 운영에서 필수적인 도구가 될 것으로 예상합니다. 따라서, 우리는 제품을 더 발전시키기 위해 인공 지능 기술을 계속 통합할 계획입니다.

AI 허브의 생성형 인공 지능은 일반적인 IT 사고에 대한 응답의 속도와 품질을 어떻게 향상시킵니까?

AI 허브의 생성형 인공 지능은 다단계 프로세스를 통해 IT 사고에 대한 응답의 속도와 품질을 향상시킵니다.

초기 접촉: 사용자가 문제를 발견하면, AI 기반 가상 에이전트와 채팅을 시작하여 문제를 설명할 수 있습니다. 가상 에이전트는 자동으로 지식 베이스와 공공 데이터베이스를 검색하여 문제를 해결하는 데 도움을 줄 수 있습니다.

티켓 생성: 문제가 더 복잡한 경우, 가상 에이전트는 티켓을 생성하고, 대화에서 관련 정보를 자동으로 추출할 수 있습니다.

티켓 할당: 시스템은 티켓을 지원 에이전트에게 할당하며, 티켓의 카테고리, 우선순위, 에이전트의 경험을 고려합니다.

에이전트 상호 작용: 에이전트는 사용자에게 추가 정보를 요청하거나, 문제가 해결되었음을 알릴 수 있습니다. 이 상호 작용은 인공 지능을 통해 향상되며, 의사 소통을 개선하는 데 도움이 됩니다.

에스컬레이션: 문제가 에스컬레이션을 요구하는 경우, 자동 요약 기능을 통해 관리자가 문제를 빠르게 이해할 수 있습니다.

사후 분석: 티켓이 닫힌 후, 인공 지능은 근본 원인 분석을 수행하며, 사후 분석과 보고서를 작성하는 데 도움이 됩니다. 에이전트는 또한 인공 지능을 사용하여 지식 베이스 문서를 작성하여, tương tự한 문제를 해결하는 데 도움이 됩니다.

미래의 기능인 더智能한 MS Teams 가상 에이전트는 어떤 향상을 기대할 수 있습니까?

한 가지 약속된 길은 대화형 경험을 확장하여, 사용자와 더 복잡한 작업을 수행하는 “코파일럿”을 만드는 것입니다. 이는 사용자의 자가 서비스 능력을 향상시키는 데 도움이 될 뿐만 아니라, 에이전트에게 추가적인 강력한 도구를 제공하는 데도 도움이 될 것입니다. 궁극적으로, 이러한 강력한 대화형 인터페이스는 인공 지능을 모든 곳에서 사용할 수 있는 동반자로 만들 것입니다.

인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 인브게이트를 방문하십시오.