스킵 레번스, 마케팅 디렉터, 미디어 & 엔터테인먼트, 퀀텀 – 인터뷰 시리즈

스킵 레번스는 퀀텀의 제품 리더이자 AI 전략가입니다. 퀀텀은 AI와 비정형 데이터를 위한 데이터 관리 솔루션의 선두 주자입니다. 그는 현재 퀀텀의 종단간 솔루션에 대한 참여, 인식, 및 성장을 담당하고 있습니다. 그의 경력은 애플, 백블레이즈, 심플리, 액티브 스토리지와 같은 조직에서 마케팅 및 비즈니스 개발, 전도, 새로운 제품 출시, 주요 이해관계자와의 관계 구축, 및 수익 성장과 같은 업무를 수행했습니다.

퀀텀은 비정형 데이터를 관리, 보강, 및 보호하는 종단간 데이터 솔루션을 제공합니다. 비디오 및 오디오 파일과 같은 데이터를 대규모로 다루는 데 중점을 두고 있습니다. 퀀텀의 기술은 데이터를 가치 있는 통찰력으로 변환하여 비즈니스들이 가치를 추출하고 정보에 기반한 의사 결정을 내릴 수 있도록 합니다. 퀀텀의 플랫폼은 보안, 확장성, 및 유연성을 제공하는 솔루션을 제공하며, 온프레미스 인프라와 클라우드 기능을 결합합니다. 이 접근 방식은 비즈니스들이 데이터 성장을 효율적으로 다루면서 보안과 유연성을 전체 데이터 수명 주기 동안 보장할 수 있도록 합니다.

퀀텀의 비정형 데이터를 위한 AI 주도 데이터 관리 접근 방식에 대해 개요를 제공할 수 있나요?

고객들이 주요 비즈니스 운영에 AI 및 머신 러닝을 통합하도록 도와줌으로써, 퀀텀은 고객들이 비정형 데이터에서 의미 있는 가치를 추출하고 행동할 수 있는 비즈니스 통찰력을 생성하도록 도와줍니다. 고객들이 자체 AI/ML 도구를 구축함으로써, 데이터와 콘텐츠의 유입에 단순히 대처하는 것에서 벗어나 효율성과 전문성을 모든 비즈니스 운영 단계에서 증폭시키는 통찰력을 활용할 수 있습니다.

퀀텀의 AI 기술이 비정형 데이터를 어떻게 분석하며, 경쟁사와의 차별점은 무엇인가요?

AI/ML 도구를 처음 도입할 때, 많은 조직들이 워크플ロー가 무질서하고 분리되며, 데이터를 추적하기 어려워지며, 보안 및 보호 표준을 적용하기 어렵습니다. 초기 개발은 종종 부적절한 저장소 및 파일 시스템 성능으로 인해 방해받습니다.

우리는 Myriad를 개발했습니다. 이는 고성능 소프트웨어 정의 파일 저장소 및 지능형 패브릭 환경으로, AI/ML 파이프라인 및 고성능 워크플로우를 통합하는 도전을 우아하게 해결합니다. Myriad는 레거시 하드웨어 및 저장소 제약과 구별되는 명확한 출발점입니다. 최신 저장소 및 클라우드 기술로 구축되었으며, 마이크로 서비스 기반으로 Kubernetes에 의해 오케스트레이션되어 관리 상호작용이 거의 필요 없는 고도로 반응적인 시스템입니다. Myriad는 NVMe 및 지능형 패브릭 네트워킹과 원격 직접 메모리 액세스(RDMA) 연결을 최대한 활용하도록 설계되었습니다. 결과적으로 시스템은 지능적으로 자동으로 변경에 반응하며, 일반적인 작업을 수행하기 위해 최소한의 관리 상호작용이 필요합니다. 지능형 패브릭을 시스템의 일부로 만듦으로써, Myriad는 또한 내재적으로 부하가 균형된 시스템으로, 단일 균형된 IP 주소로 여러 100Gbps 포트의 대역폭을 제공합니다.

Myriad와 우리의 클라우드와 같은 오브젝트 저장소 시스템인 ActiveScale를 결합하면, 조직이 가장 큰 데이터 레이크 및 콘텐츠를 보관 및 보존할 수 있습니다. 조합은 고객에게 AI 파이프라인을 위한 종단간 데이터 관리 솔루션을 제공합니다. 또한 CatDV 솔루션과 함께 제공되면, 고객은 데이터를 태그하고 카탈로그화하여 추가로 데이터를 보강하고 분석 및 AI를 준비할 수 있습니다.

파리 올림픽에서의 비디오 감시와 AI의 사용에 대한 통찰력을 공유할 수 있나요? 그리고 이 기술을 사용한 다른 대규모 이벤트 또는 조직은 무엇인가요?

머신 러닝은 비디오에서 관심 패턴을 인식하고 실시간 비디오 데이터의 홍수에서 통찰력을 도출하는 반복 가능한 작업을 개발할 수 있습니다. 이는 인간의 노력만으로는 불가능한 규모와 속도입니다. 비디오 감시를 예로 들어, 수백 개의 카메라가 모델에 정보를 제공하는 경우에도, 의심스러운 행동을 캡처하고 플래그할 수 있습니다. 인간이 이 작업을 수행하는 경우, 한 번에 하나의 이벤트만 처리할 수 있지만, AI를 사용한 비디오 감시 시스템은 동시에 수천 개의 사례를 처리할 수 있습니다.

또 다른 응용 분야는 군중 감정 분석으로, 긴 대기열을 추적하고 잠재적인 좌절을 식별할 수 있습니다. 이는 보안 전문가가 신뢰성 있게 플래그할 수 있는 작업이지만, AI/ML 시스템을 사용하여 동시에 여러 스트림을 지속적으로 감시하면, 전문가들이 필요할 때 적절한 조치를 취할 수 있도록 해줍니다. 이는 전체적인 효율성과 안전성을 크게 향상시킵니다.

비정형 데이터 분석을 위한 AI를 구현할 때 조직이 직면하는 주요 도전은 무엇이며, 퀀텀은 이러한 도전을 어떻게 완화하는가요?

조직은 저장소 및 데이터 및 콘텐츠 관리 전반에 대한 접근 방식을 완전히 재고해야 합니다. 대부분의 조직은 저장소 기능을 유기적으로 성장시키며, 이는 다중 벤더 混乱 및 불행한 복잡성을 생성합니다.

AI를 채택함에 따라, 조직은 운영을 지원하는 저장소를 단순화해야 합니다. 종종 초기 데이터 수신 또는 랜딩 존에서 “핫” 부분을 구현해야 하며, 여기서 애플리케이션 및 사용자가 가능한 한 빠르게 작동할 수 있습니다. 그런 다음 대량의 데이터를 보관하고 비용 효율적으로 보호할 수 있는 대규모 “콜드” 저장소가 추가됩니다. 데이터를 “핫” 처리 워크플로우로 거의 즉시 다시 이동할 수 있습니다.

저장소를 더 적은 수의 컴팩트한 솔루션으로 재구성함으로써, 관리 부담이 크게 줄어듭니다. 이러한 “핫/콜드” 데이터 관리 솔루션은 AI/ML 워크플로우 통합에 이상적이며, 퀀텀 솔루션은 고객이 매우 민첩하고 유연하며 관리하기 쉬운 플랫폼을 만들 수 있도록 합니다.

퀀텀의 AI 혁신은 조직의 성장과 효율성을 향상시키기 위해 다른 AI 기반 도구 및 기술과 어떻게 통합되나요?

많은 사람들이 AI/ML 도구를 위한 저장소가 단순히 그래픽 처리 장치(GPU)를 공급하는 것만이라고 생각하지만, 이는 방정식의 작은 부분에 불과합니다. 비록 속도와 높은 성능이 데이터를 가능한 한 빠르게 GPU에 공급하는 데 중요할 수 있지만, 더 큰 그림은 조직이 반복적이고 지속적인 AI/ML 개발, 훈련, 및 추론 루프를 어떻게 통합할 수 있는지에 관한 것입니다. 종종 해결하는 첫 번째이자 가장 중요한 AI/ML 작업은 내부 지식 근로자를 교육하는 데 사용되는 자체 데이터를 사용하여 “지식 봇” 또는 “상담 봇”을 구축하는 것입니다. 이러한 지식 봇을 유용하고 고유하게 만드는 데에는大量의 전문 정보가 필요합니다. 여기서 AI를 사용한 저장소 솔루션이 필요합니다. 이러한 저장소 솔루션이 데이터를 유형, 세트, 및 카탈로그로 구성하여 쉽게 검색, 찾기, 및 분석할 수 있도록 하면, 지식 봇이 조직의 고유한需求에 대해 매우 잘 교육될 수 있습니다.

AI 기반 워크플로우 관리 기능에 대해 자세히 설명할 수 있나요? 그리고 데이터 프로세스를 어떻게 스트림라인 하나요?

우리는 저장소 솔루션에 직접 통합하여 자동화된 작업 및 실시간 통찰력을 제공하는 일련의 AI 기반 워크플로우 관리 도구를 구축하고 있습니다. 이는 빠르고 정보에 기반한 의사 결정을 가능하게 합니다. 이는 새로운 고급 데이터 분류 및 태깅 시스템을 사용하여 데이터를 구성하고 쉽게 검색할 수 있도록 합니다. 또한 미디어에 대한 표준 작업을 수행할 수 있습니다. 예를 들어, 특정 크기로 맞추는 작업을 자동화할 수 있습니다. 이는 데이터를 훈련 세트로 구성할 때 수동 노력을 크게 줄입니다.

지능형 자동화 도구는 정책에 따라 데이터 이동, 백업, 및 규정 준수를 관리하여 일관된 적용을 보장하고, 관리 부담을 줄입니다. 또한 실시간 분석 및 모니터링은 데이터 사용 패턴 및 잠재적인 문제에 대한 즉각적인 통찰력을 제공하여, 데이터 무결성 및 품질을 전체 수명 주기 동안 유지합니다.

AI 기반 데이터 관리의 전망은 어떻나요? 그리고 향후 몇 년 동안 어떤 트렌드를 예상하나요?

이러한 도구가 발전하고 멀티모달이 되는 경우, 데이터와 더 표현적이고 개방적인 방식으로 작업할 수 있는 방법을 제공할 것입니다. 미래에는 시스템과 “대화”를 나눌 수 있으며, 관심 있는 정보 또는 분석을 제공받을 수 있을 것입니다. 예를 들어, ‘내 “핫 존”에서 가장 빠르게 성장하는 데이터 유형은 무엇인가?’와 같은 질문을 할 수 있습니다. 이러한 전문성을 구축하는 조직은 더 정확하고 효율적으로 데이터를 처리할 수 있을 것입니다. 이는 새로운 데이터 스트림이不断으로 발생하는 경우에도 마찬가지입니다.

클라우드 기반 분석 및 저장소-서비스 제공은 전체 데이터 관리 전략에서 어떤 역할을 하나요?

저장소 요구 사항이 크게 증가하는 조직은 종종 수요를 따라가기 어려울 수 있으며, 특히 예산이 제한된 경우에는 더욱 그렇습니다. 공공 클라우드 저장소는 높은 비용과 예측할 수 없는 비용으로 인해 정확하게 추정하고 미래의 저장소 요구 사항을 예측하기 어렵게 만들 수 있습니다. 많은 고객은 공공 클라우드의 경험을 원하지만, 예측 가능한 운영 비용과 예측할 수 없는 이그레스 또는 API 비용이 없는 것을 원합니다. 이러한 요구를 충족하기 위해, 우리는 고객이 자신의 시설에서 저렴한 초기 진입점과 낮은 고정 월간 결제 옵션을 제공하는 Quantum GO를 개발했습니다. 저장소 요구 사항이 증가함에 따라, Quantum GO는 고객에게 단순한 “지불하는 만큼 성장” 구독 모델을 제공하여, 유연성과 확장성을 비용 효율적으로 제공합니다.

퀀텀은 빠르게 발전하는 AI 및 데이터 관리 환경에서 앞서 나가는 방법은 무엇인가요?

오늘날, 단순한 “저장소 제공자”로서의 역할만으로는 충분하지 않습니다. 새롭게 진화하는 데이터 및 비즈니스 도전 과제는 고객이 데이터의 가치를 극대화하도록 도와주는 지능형 AI 기반 데이터 플랫폼을 필요로 합니다. 퀀텀에서는 고객이 데이터를 쉽게 및 효과적으로 전체 수명 주기 동안 작업할 수 있도록 혁신하고 투자하고 있습니다.

우리는 데이터를 검색, 찾기, 및 분석하여 더 많은 가치와 통찰력을 추출하기 쉽도록 하는 AI 기능을 향상시키고 있습니다. 우리는 자동 비디오 자막, 오디오 및 비디오 파일을 다른 언어로 번역, 및 수천 개의 파일에서 말한 단어 또는 특정 항목을 찾는 기능을 포함하여, 이러한 기능을 더욱 강화할 것입니다.

AI 및 비정형 데이터 관리를 시작하는 조직에 대한 조언은 무엇인가요?

AI/ML은 엄청난 수준의 관심을 받았으며, 이는 실제로 유용한 것이 무엇인지 구분하기 어렵게 만들 수 있습니다. 조직은 먼저 생성되는 데이터를 생각해야 하며, 데이터가 생성, 캡처, 및 보존되는 방식을 식별해야 합니다. 또한 조직은 데이터가 필요할 때 액세스 및 검색할 수 있는 저장소 솔루션을 찾아야 합니다. 이는 또한 현재 및 미래의 AI/ML 이니셔티브를 위한 일일 워크플로우 및 미래 발전에 대한 안내를 제공할 것입니다. 저장소 시스템 및 데이터 워크플로우가 스트림라인화되고, 단순화되고, 강력한 경우, 조직은巨大한 이익을 얻을 것입니다. 조직은 이러한 AI/ML 도구가 임무를 어떻게 발전시킬 수 있는지 탐색하는 데 집중할 수 있으며, 올바른 데이터 관리 플랫폼으로 지원할 수 있는 것을 걱정할 필요가 없습니다.

훌륭한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 퀀텀을 방문할 수 있습니다.