차례:
비디오: [MV] IU(아이유) _ Friday(금요일에 만나요) (Feat. Jang Yi-jeong(장이정) of HISTORY(히스토리)) (십월 2024)
AI (인공 지능)는 이번 주 Microsoft Build 컨퍼런스에서 주요 초점입니다. 주목을받는 부분은 Microsoft의 Cortana와 Amazon의 Alexa가 서로 통신 할 수있는 능력이지만 훨씬 더 진행되고 있습니다. 엔터프라이즈 IT 및 개발자 모두에게 중요한 것은 Microsoft Build가 Azure를 AI의 가능한 경로로 제시하고 있으며 Azure를 통해 사용할 수있는 ML (machine learning) 서비스의 새로운 기능에 대해서도 이야기하고 있다는 것입니다.
AI에 대한이 모든 관심은 조직에서 운영 체제와 ML을 사용하여 운영 및 전반적인 경쟁력을 개선 할 수있는 방법에 대한 불가피한 질문으로 이어질 것입니다. 그러나 이러한 질문은 관련 개념에 대한 높은 수준의 개념을 가진 사람에게서 나올 가능성이 높으므로 IT 및 DevOps 전문가는 지금 준비 할뿐만 아니라 이러한 기술의 기능과 제한 사항 및 적용 방법을 이해해야합니다. 특정 비즈니스 사례에.
AI에 정통 해지십시오
AI의 과대 광고에 빠지지 않으려면 두 가지를 수행해야합니다. 먼저, 일반적인 AI 지식에 정통해야합니다. 이는 기술이 할 수있는 것과 할 수없는 것과 향후 12 개월 동안 어디로 향할 것인지 이해하는 것을 의미합니다. 둘째, 해당 지식을 조직 및 해당 워크 플로에 매핑하여 조직의 누가 AI의 혜택을 누릴 수 있는지 잘 알고 있어야합니다. 이 두 가지 질문에 답한 후에 만 AI 프로젝트가 실제로 발생하는 경우 필요한 리소스에 대해 알 수 있습니다.
AI와 ML에 대한 일반적인 지식을 구축하는 것이 그렇게 어려운 것은 아닙니다. 앞에서 설명한 기사 링크를 통해 시작하면 ML이 보안에 미치는 영향에 대한이 기사와 AI 데이터베이스의 기능에 대한이 기사를 포함하여 훨씬 더 많은 PCMag 독서를 통해 학습 할 수 있습니다. 일반 AI 풀에 발을 담그면 플랫폼 별 정보를 얻을 차례입니다.
현재 클라우드 공급 업체가 제공하는 서비스로 시작하십시오. Google, IBM 및 Microsoft와 같은 일부 주요 클라우드 공급 업체는 AI 및 ML을 독립형 또는 IaaS (Infrastructure-as-a-Service) 서비스와 함께 클라우드 서비스로 제공한다는 이점이 있습니다. 예를 들어, IBM 클라우드 고객은 IBM 클라우드 서비스를 구성 할 때 IBM Watson을 메뉴 선택으로 선택할 수 있습니다.
또한 사용 가능한 학습 자료를 확인하십시오. 많은 AI 웹 세미나가 있지만 특히 필요한 주제에 집중할 수 있다면 AI에서보다 실질적인 과정을 수강해야 할 수도 있습니다. 공급 업체도 여기에서 도움을 줄 수 있습니다. 예를 들어, Microsoft는 인공 지능을위한 Microsoft 전문 프로그램이라고하는 AI 온라인 과정에서 친구들과 AI에 대해 이야기하는 것 이상의 기술을 습득하는 데 도움을줍니다. Microsoft 과정은 포괄적 인 것으로 보이며 온라인으로 제공되며 인증서가 필요하지 않은 경우 무료입니다.
AI가 조직을 도울 수있는 방법에 대한보다 구체적이고 구체적인 지식을 얻는 효과적인 방법은 일반적인 접지를 얻은 후 클라우드 공급 업체에 간단히 연락하는 것입니다. 물론, 전문 서비스 영업 사원을 상대해야하지만 이것이 유일한 단점입니다. 단점은 이러한 사람들이 고급 서비스가 조직에 어떤 도움을 줄 수 있는지 신속하게 매핑 할 때 원 스톱 상점이라는 것입니다. 그리고 그들이 모르는 것들은 엔지니어링에 직접 연결하여 쉽게 알 수 있습니다. 올바른 질문으로 무장하여 긴 판매 피치를 피할 수 있습니다. 그들이 제공하는 것뿐만 아니라 조직이 필요로하는 것에 대한 실사 준비 만하면됩니다. 이를 통해 대화를 이끌어 낼 수 있습니다. 결과는 회사에서 AI를 구현할 수있는 방법과 해당 투자에서 얻을 수있는 일에 대한 초기 청사진으로 용도를 변경할 수 있습니다.
그리고 이러한 서비스가 반드시 제공자에게 고유 한 것은 아님을 기억하십시오. 예를 들어, 랙 스페이스는 다른 유명 클라우드 공급 업체가 제공하는 대부분의 AI 서비스에 대한 액세스를 제공하고 관리 서비스의 일부로 제공 할 수도 있습니다.
사내 기능 이해
앞에서 언급했듯이 AI 방정식에서 IT 업무의 핵심 부분은 비즈니스 운영 방식과 AI 및 ML이 이러한 요구에 어떻게 대응하는지 이해하는 것입니다. 분명히 고객 서비스 운영과 콜 센터는 대화식 AI가 크게 성장한 두 분야이지만 현재 회사에서 챗봇 기술을 사용하는 경우에만 좋습니다. 그렇지 않은 경우 전체 AI 구현 계획에 해당 비용을 추가해야합니다. 또한 이번 주 개발자 컨퍼런스에서 명확하게 보여 주듯이 다른 비즈니스 분야, 특히 분석, 개발 및 보안 분야에서 AI가 많이 성장하고 있습니다. 귀사에서 현재 개발 또는 DevOps 컨설턴트를 고용하고 있다면 부끄러워하지 마십시오. AI와 ML을 볼 수있는 곳을 논의하고 클라우드 제공 업체의 전문 서비스 담당자와의 대화에 초대하는 것을 고려하십시오.
모든 비즈니스 프로세스를 매핑하지 않은 경우 AI를 시작하는 것이 좋습니다. AI가 특정 프로세스에 적합하지 않은 것으로 밝혀 지더라도 진행 상황을 이해하는 것은 결코 나쁜 일이 아니며 나중에 다른 배포를 위해 데이터가 필요할 것입니다. 다음 세 가지 주요 단계를 따르면 비즈니스 프로세스를 매핑하는 것도 매우 간단한 작업입니다.
- 프로세스를 식별하십시오. 일반적으로이 과정은 회의 집약적 인 단계이지만 비공식적으로 시작하여 이러한 부담을 완화 할 수 있습니다. 고위 관리자에서 중간 관리자로 하향 이동하여 비즈니스 미션이 무엇인지, 프로세스가이를 지원하는 방법을 식별하십시오. 회의는 비공식적이고 과도한 커피 토론이 될 수 있으며, 그 결과보다 공식적인 프로세스 매핑 세션을 진행할 수 있습니다.
- 각 주요 프로세스에 대한 팀을 구성하십시오. 거의 실패 할 것이므로 혼자서 시도하지 마십시오. 대신 프로세스 목록을 관리 가능한 수의 핵심 프로세스로 분류 한 다음 각 전문가 그룹을 구성하십시오. 그것이 당신의 두뇌의 신뢰입니다.
- 워크 플로우를 맵핑하십시오. 무엇을하고 누구를 얻었 으면, 그 방법을 찾아보십시오. 표준 플로우 차트 도구를 사용하여 단계별로 발생하는 상황, 발생 원인 및 특정 작업을 수행하는 데 사용중인 대상을 맵핑하십시오. 소프트웨어 및 하드웨어 감사의 데이터를 사용하여 결과를 확인하십시오. 이 단계에서 원하는만큼 깊거나 가벼울 수 있지만 AI가 특정 프로세스에 어떻게 도움이 될 수 있는지에 관한 "aha"순간을 시작하는 것이 좋은 계기입니다. 불필요한 소프트웨어 및 하드웨어 지출과 관련된 몇 가지 순간이있을 것입니다.
이 세 단계를 수행하면 상점에서 AI에 대해 고려해야 할 가장 효과적인 영역을 빠르게 결정할 수 있습니다. AI가 적합하지 않다고 판단되는 분야에서도 미래에 필요한 귀중한 데이터입니다. 실제로 혜택이있을 수 있다고 생각하는 사람들에게는 리소스를 살펴볼 차례입니다. 다행히 많은 AI 서비스 제공 업체가 리소스 소비 및 평가를 쉽게 만듭니다. IBM Watson이 좋은 예입니다. 여기에서 고객 서비스에서 시각적 인식에 이르기까지 모든 종류의 작업에 대해 사전 구축 된 광범위한 AI 솔루션을 찾을 수 있습니다. IBM은 AI를 사용하는 콜 센터 솔루션을 제공하여 비용을 절감하면서 고객 참여를 지원할 수 있습니다. 이러한 솔루션을 평가하면 AI가 조직에서 어떻게 작동하고 다른 비즈니스 관리자와 토론을 촉진하고 공급 업체 토론을 판매하려는 것이 아니라 필요한 것에 더 집중할 수있는 방법에 대한 실제 경험을 제공 할 수 있습니다.
평가 신청은 쉽습니다. IBM Watson의 경우 IBM 클라우드 계정을 거쳐야하며 일부 IBM 서비스를 이용할 수 있어야합니다. 또는 Azure를 사용하여 회사가 "Microsoft Cognitive Services Language Understanding"또는 LUIS라고하는 Microsoft의 AI 기반 언어 프로세서에 도달 할 수 있습니다. 이 서비스는 음성 인식 서비스를 지원하도록 설계되었지만 Azure는 다양한 작업 및 업종을 대상으로 점점 더 많은 관련 제품을 제공합니다.
비용 파악
기능과 기능은 확실히 핵심 지식 요점을 포함하지만, 결국 책임을지는 중요하고 피할 수없는 데이터 포인트는 비용입니다. AI 제품에 대한 액세스를 제공하는 주요 클라우드 제공 업체가이를 파악하는 데 도움이 될 수 있지만 PCMag에 대한 IaaS 검토 라운드 업 업데이트를 수행하면서 알게 된 것처럼 쉽지 않습니다. 따라서 지금 시작해야하며 거의 확실하게 도움을 요청해야합니다. 요구 사항을 정의하기 위해 참여하는 전문 서비스 직원도 비용을 계산하는 데 도움이 될 수 있지만, 조직의 운영 방식, 타임 라인 제약 조건 및 직원 구성에 대한 자신의 지식으로이를 강화해야합니다. 자원 - 모두 장기 비용에 큰 영향을 줄 수 있습니다.
물론 관리 체인에 아무도 AI에 대해 아무런 소음을 내지 않았다면 이와 같은 평가 프로젝트를 시작하는 것은 우선 순위를 정하기가 어렵습니다. 그러나 내가 말했듯이 비즈니스 프로세스 지식은 회사가 결국 AI를 배포하는지 여부에 매우 중요합니다. 또한, 그 지식을 습득하면 높은 수준의 지식을 가진 사람이 직원 회의에서 그것을 얻는 날에 당신을 록 스타로 만들 것입니다. 또한 AI와 ML을 파헤 치면 업계에 관계없이 AI가 구현 한 미래가 대부분의 조직에서 미래에 있다는 것을 알 수 있습니다.
결국, 제품 또는 서비스를 구현 및 관리하고 필요한 인프라를 제공하며 개발 팀이 모든 작업을 수행하는 데 필요한 보안 및 통합 프로세스를 관리해야하는 IT 및 DevOps 직원이 될 것입니다. 지금 준비하면 나중에 많은 두통을 피할 수 있습니다.
