AI 전략의 숨은 영웅, 데이터는 무엇인가

AI 골드 러시 – 파일럿과 실험에서 기업 규모와 전략으로

무어의 법칙은 AI에 관한 것입니다. AI는 매우 수요가 많으며, 모든 기업이 AI를 채택하고 있습니다. 또한 새로운 AI 모델, AI 에이전트, 새로운 기술들이 등장하면서 수요가 더욱 증가하고 있습니다. 이는 기업들에게 근본적인 변화를 가져옵니다. AI, 특히 생성적 AI를 위한 파일럿과 실험의 시대는 점점 사라지고 있습니다. 기업들은 AI를 기업 전략의 일부로 통합하여 확장하고真正한 비즈니스 차별화를 창출해야 한다는 것을 깨닫고 있습니다. AI는 대부분의 이사회에서 논의되는 주제이며, 이는 전략적 혁신과 예산을 가져옵니다.

데이터: AI 전략의 첫 번째 도미노

AI 전략을 고려할 때 데이터는 중요한 요소입니다. 데이터는 AI 모델이 컨텍스트를 이해하고, 지능적이고, 도메인 및 기업에 특화된 모델을 만들기 위해 필수적입니다. AI 모델은 모델의 튜닝 방식과 입력된 데이터에 따라 결과를 예측합니다. 둘 다 데이터의 품질, 다양성, 최신성, 구조에 의존합니다.

最近의 IDC 예측에 따르면, AI는 2030년까지全球 경제를 거의 20조 달러로 끌어올릴 것으로 예상되며, 이는 모델뿐만 아니라 데이터와 인프라에 대한大量 투자에 의해 주도됩니다.

狭い 하위 집합으로 훈련된 데이터는 편향된 모델을 생성하며, 구식 데이터는 관련이 없는 결과를 생성하며, 나쁨 데이터는 나쁨 AI 결과를 생성합니다. 따라서 데이터는 기업의 데이터 전략의 첫 번째 도미노입니다. 최고의 인재와 최신 기술을 가지고 있어도, 데이터 도미노가 떨어지면 전체 AI 전략이 빠르게 무너집니다.

Gartner의 2024년 보고서에 따르면, 기업은 AI를 확장하면서 데이터에 의존하며, 성공하는 리더는 데이터를 신뢰하고 전략적으로 사용하는 것입니다.

AI 전략을 위한 주요 전략적 데이터 결정

다음은 귀하와 귀하의 기업이 AI 전략을 준비하기 위해 데이터를 준비하기 위해 고려해야 할 5가지 주요 사항입니다.

1. 데이터 랜드스케이프 재사용 – 많은 기업이 데이터 관리, 데이터 거버넌스, 데이터 저장 및 분석을 AI에 재사용하지 않습니다. 중요한 보고서와 분석을 위한 데이터는 또한 AI에 중요할 수 있습니다. 따라서 기업은 이미 존재하는 데이터 자산에서 시작해야 합니다. 물론, 이는 올바른 데이터 품질 조치와 함께 증강되어야 합니다.

질문 – 우리 기업에는 어떤 데이터가 있으며, 어떤 상태인가?

2. 메타데이터 및 데이터 라이너지 – 존재하는 데이터에 대한 메타데이터(즉, 데이터에 대한 데이터)는 AI에 중요할 수 있습니다. 예를 들어, 비즈니스 용어를 태그한 데이터는 RAG 모델의 관련 컨텍스트를 식별하는 데 도움이 될 수 있습니다. 보험 기업에서 사용자가 청구 상태를 요청할 때, 청구 상태와 관련된 모든 데이터 속성이 AI 모델의 컨텍스트로 사용될 수 있습니다. 데이터 라이너지는 또한 데이터의 흐름을 이해하는 데 도움이 되며, AI 모델이 신뢰할 수 있는 데이터 소스를 식별하는 데 도움이 됩니다.

最近의 ISASA 블로그에 따르면, AI 거버넌스는 중요하며, 확장하기 위해 올바른 메타데이터와 데이터 라이너지가 필요합니다.

질문 – 우리의 데이터는 비즈니스 및 기술 메타데이터로 올바르게 태그되어 있나요? 데이터 라이너지를 수집하여 데이터가 끝에서 끝까지 어떻게 흐르는지 이해하고 있나요?

3. 데이터 거버넌스 및 컴플라이언스 – 데이터가 잘 관리되고 거버넌스되고, 컴플라이언스 및 개인 정보 보호 규정들이 데이터에 적용되는지 확인하십시오. AI 전략은 이러한 거버넌스와 규정을 상속받고 확장해야 합니다. 예를 들어, 고객이 GDPR 규정에 따라 데이터를匿名화하려는 경우, AI 모델은 匿名화된 데이터셋에서 훈련되고 운영되어야 합니다.

질문 – 데이터 거버넌스 및 컴플라이언스 프로그램이 있나요? 없으면, AI 전략을 위해 어떤 주요 사항을 준비해야 하나요?

4. 마스터 데이터를 AI 쿼터백으로 다루기 – 핵심 마스터 데이터는 기업의 주요 엔티티에 대한 데이터를 포함하며, AI 전략의基础로 사용되어야 합니다. 예를 들어, 고객의 360도 보기가 존재하는 경우, 고객 도메인에 대한 AI 전략(예: 고객 이탈 예측)은 이 마스터 데이터를 활용하여 데이터가 누락되거나 불완전하지 않도록 해야 합니다. 물론, 이는 특정 데이터 소스에서 더 많은 정보와 결합될 수 있습니다.

질문 – 주요 마스터 데이터 도메인이 완전하고 데이터 랜드스케이프의 나머지 부분과 연결되어 있나요?

5. 데이터와 그 가치 – 데이터는 비용 센터로 다루어져서는 안 되며, AI와 비즈니스에 대한 가치로 측정되어야 합니다. 이는 데이터가 이사회와 CXO 주제에 추가로 논의되어야 함을 의미합니다.

질문 – 우리의 이사회와 CXO가 데이터의 가치를 이해하고 있나요? 없으면, 특히 기업의 AI 전략의 контек스트에서 어떻게 이해시킬 수 있나요?

모델은 사라지고, 데이터는 남습니다.

AI 전략이 발전함에 따라, 새로운 모델과 AI 혁신이 등장할 것입니다. 이 분야의 혁신 속도는 놀라울 것입니다. 그러나 시간이 지나면, AI 모델은 상업화될 것입니다. 기업에서真正한 차별점은 사용하는 모델이 아니라, 데이터가 어떻게 훈련되고, 미세 조정되고, 작동하는지에 있습니다.

AI 전략을 수립하는 경우, 모델부터 시작하지 마십시오. 데이터를 지원할 수 있는지 묻는 질문부터 시작하십시오.