파트너십을 통해 AI 과제를 관점에 두기

파트너십을 통해 AI 과제를 관점에 두기

타임 스탬프 : 25 년 2023 월 4 일 오전 27:XNUMX
PlatoBlockchain Data Intelligence 파트너십을 통해 AI 문제를 관점에서 살펴봅니다. 수직 검색. 일체 포함.

후원 기능 기술이 보다 수직적인 부문과 산업 전반에 걸쳐 더욱 광범위하게 배포됨에 따라 비즈니스 프로세스, 전략적 의사결정 및 고객 경험을 변화시키는 인공지능(AI)의 역량은 IT 전략가와 경제 분석가들로부터 큰 호평을 받고 있습니다.

한때 AI가 최적의 가치를 제공하는 데 필요한 투자 승인을 꺼렸던 최고 경영자들조차 AI가 운영 효율성을 개선하고 새로운 수익원을 창출할 수 있는 잠재력을 인식하게 되었습니다.

PwC와 같은 유서 깊은 시장 관찰자의 예측은 그들의 견해를 뒷받침합니다. 그것은 '글로벌 인공지능 연구'는 AI가 15.7년 세계 경제에 최대 2030조 6.6천억 달러에 기여할 수 있다고 추산합니다. 이 중 9.1조 XNUMX천억 달러는 생산성 향상으로, XNUMX조 XNUMX천억 달러는 '소비 부작용'으로 인해 발생할 수 있다고 PwC는 주장합니다.

최근 여러 생성 AI 도구의 출시는 브레이크 아웃 이전에는 컴퓨터 과학의 고도로 전문화되고 '미래적인' 분야였던 분야에 대한 요점입니다. 2022년 영국 인공지능국(Office for Artificial Intelligence) 신고 약 15%의 기업이 적어도 하나의 AI 기술을 채택했으며 이는 432,000개의 기업에 해당합니다. 약 2%의 기업이 AI를 시험하고 있었고, 10%는 앞으로 적어도 하나의 AI 기술을 채택할 계획이었습니다(각각 62,000개 기업과 292,000개 기업).

아직은 복잡한 내용이군요

이처럼 AI에 열광하는 조직에서는 AI가 아직 비교적 초기 단계의 기술이며 처음 설정하는 것이 어려울 수 있다는 점을 기억해야 합니다. 더욱이 관련 ROI(투자 수익률)는 매우 정밀하게 관리되는 구현 절차 및 구성에 크게 좌우되며 오류 발생 시 기존 IT 배포에 비해 견고성이 떨어지는 경우가 많습니다.

AI는 AI/기계 학습 이니셔티브 및 워크로드 구현을 담당하는 IT 팀에 대해 예측 가능한 테스트를 제시합니다. 여기에는 기술 격차 및 컴퓨팅 제약 극복이 포함될 수 있습니다. 또한 이미 공통 IT 인프라를 사용하고 있는 다른 기업 워크로드와의 리소스 균형이 필요할 수도 있습니다.

HPE(Hewlett Packard Enterprise)의 인공 지능 최고 기술 책임자인 Matt Armstrong-Barnes는 "AI는 목적지가 아닌 여정입니다. 채택 준비가 되어 있거나 단순히 효율성을 높이기 위해 프로세스를 자동화하는 것이 아닙니다."라고 말합니다. “오히려 장기적인 가치 실현, 더 나은 결과 제공, AI가 IT 배포에 대해 근본적으로 다른 접근 방식을 요구한다는 점을 인식하는 것이 중요합니다. 기업 기술자에게는 360도 전방위 학습 곡선이 됩니다.”

Armstrong-Barnes의 주장은 Deloitte의 최신 ''기업 내 AI 현황' 글로벌 비즈니스 리더를 대상으로 한 설문조사입니다. 응답자들은 AI 구현 프로젝트의 연속적인 단계에서 AI가 발생하는 수많은 문제를 식별했습니다. AI의 비즈니스 가치를 입증하는 것이 37%가 언급한 문제였습니다. 프로젝트는 비용이 많이 들 수 있으며 투자를 중시하는 이사회와 최고 경영진이 직면한 매력적인 비즈니스 사례를 검증하기 어려울 수 있습니다.

시간이 지남에 따라 이러한 AI 프로젝트를 확장하면 AI 관련 위험 관리(Deloitte 설문 조사에 참여한 사람들의 50%가 언급), 임원 동의 부족(역시 50%) 및 AI 부족과 같은 확인된 추가 장애물에 부딪힐 수 있습니다. 유지 관리 또는 지속적인 지원(다시 50%)

Armstrong-Barnes는 “당연히 기업 리더는 AI가 원하는 만큼의 성과를 거둘 것이라고 확신해야 합니다.”라고 말합니다. “수년 동안 입증된 AI 구현에 참여한 기술 파트너와 처음부터 협력하면 소송에서 승리하는 데 도움이 됩니다. 그 실적은 프로젝트 제안에 신뢰성을 부여하고 AI의 위험이 다른 IT 벤처만큼 관리 가능하다는 것을 경영진에게 확신시키는 데 도움이 될 것입니다.”

기술과 인재는 확실히 필요하지만 광범위한 AI 채택을 지원하기 위해 회사의 문화, 구조 및 작업 방식을 조정하는 것도 마찬가지로 중요합니다. 맥킨지에 따르면, 때로는 AI가 주도하는 변화에 대한 장벽으로 작용하는 독특한 특성이 있습니다.

McKinsey는 "회사에 고객 요구에 부응하는 데 자부심을 느끼는 관계 관리자가 있는 경우 "기계"가 고객이 원하는 것에 대해 더 나은 아이디어를 가질 수 있다는 개념을 거부하고 AI 도구의 맞춤형 제품 권장 사항을 무시할 수 있습니다."라고 McKinsey는 말합니다.

Armstrong-Barnes는 “저는 HPE 동료 및 HPE 고객과 AI 배포와 관련하여 직면하고 있는 다양한 문제에 관해 자주 논의합니다.”라고 말합니다. “몇 가지 일반적인 증거 특성이 계속해서 나타납니다. 하나는 AI 배포가 기존 IT 구현과 근본적으로 다른 점을 과소평가하는 것입니다. 조직은 과거에 구현한 IT 프로젝트와는 기본적으로 다른 방식으로 AI를 배포해야 합니다. AI의 데이터 관리 및 확장은 크게 다릅니다. 이는 때로는 힘들게 얻은 기술 경험을 새로 배워야 함을 의미합니다.”

Armstrong-Barnes는 긴급한 비즈니스 요구 사항을 지원하는 실제 사용 사례에 AI를 직접 배포하기 전에 AI 파일럿을 실험하려는 경향을 피해야 한다고 설명합니다. "구매 전 시험해 보는 접근 방식은 합리적인 것 같습니다. AI는 복잡하고 투자가 많이 필요합니다."라고 그는 설명합니다. "그러나 AI의 경우 테스트 실행 및 테스트 프로젝트는 사용자 조직이 실제 구현에서 직면하게 되는 문제를 실제로 재현하지 않습니다. . '실험실'에서 시작된 것은 실험실에 머무르는 경향이 있습니다."

채택 규모의 반대편에서 Armstrong-Barnes는 AI 없이 애플리케이션이 최적으로 작동하는 경우에도 AI를 적용할 수 있는 모든 곳에 AI를 적용하려고 하는 기업을 봅니다. 그러면 모든 것을 깨뜨릴 수 있는 너트로 보아서는 안 됩니다.”

사람과 인프라를 쉽게 이용할 수 없음

가장 발전된 AI 시스템조차도 아직 완전한 엔드투엔드 자율성을 확보하지 못했습니다. 따라서 인간의 전문 지식을 통해 훈련되고 미세 조정되어야 합니다. 이는 AI를 열망하는 기업에 대한 또 다른 과제를 나타냅니다. 필요한 기술을 가장 잘 습득하는 방법은 무엇입니까? 기존 IT 인력을 재교육하는 것입니까? 필요한 AI 지식을 갖춘 새로운 팀원을 모집하시겠습니까? 아니면 AI 전문 지식의 필요성을 기술 파트너에게 맡기는 옵션을 모색하시겠습니까?

맥킨지 보고서 AI의 잠재력은 숙련된 인재의 부족으로 인해 제한되고 있습니다. 일반적인 AI 프로젝트에는 데이터 과학자, 데이터 엔지니어, ML 엔지니어, 제품 관리자, 디자이너 등 고도로 숙련된 팀이 필요하며, 이러한 모든 채용 작업을 맡을 수 있는 전문가가 충분하지 않습니다.

Armstrong-Barnes는 “기업 기술자들은 일반적으로 다섯 가지 주요 측면에서 자신의 능력을 업그레이드해야 합니다.”라고 말합니다. “주로 AI 전문 지식, IT 인프라, 데이터 관리, 복잡성 관리 및 앞서 언급한 문화적 장벽 분야에 있습니다. 올바른 접근 방식과 파트너십 지원이 있다면 이러한 과제 중 어느 것도 극복할 수 없는 것이 아닙니다.”

AI는 또한 실행 가능한 초강력 하드웨어를 좋아합니다. ROI 비율의 입증 가능한 증가 없이 서버 자산에 필요한 투자를 원하거나 감당할 수 있는 조직이 거의 없기 때문에 고성능 컴퓨팅 플랫폼을 프로비저닝하는 것은 계속해서 어려운 과제로 남아 있습니다.

Armstrong-Barnes는 "AI 구현을 계획할 때 매우 초기 단계에서 IT 기획자는 핵심 구현 기술과 관련하여 몇 가지 주요 결정을 내려야 합니다."라고 말합니다. "예를 들어, 구매하시겠습니까, 구축하시겠습니까? 아니면 두 가지 요소를 모두 포괄하는 하이브리드 접근 방식을 택하시겠습니까?"

다음으로 중요한 결정은 파트너십과 관련이 있습니다. Armstrong-Barnes는 성공적인 AI 제공의 정의 조건은 누구도 혼자서는 할 수 없다는 점이라고 지적합니다. “기술 파트너의 지원이 필요하며 이러한 파트너십을 구축하는 가장 좋은 방법은 AI 생태계를 이용하는 것입니다. AI 생태계를 AI 노력을 개발하고 운영하는 데 필요한 올바른 노하우, 데이터, AI 도구, 기술 및 경제성에 대한 액세스를 제공하는 지원 전문 지식 컨소시엄으로 생각하십시오.”

Armstrong-Barnes는 다음과 같이 덧붙였습니다. “HPE가 어떻게 AI 사용 사례에 그렇게 많은 경험을 갖게 되었는지 묻는 고객이 가끔 있습니다. 우리가 몇 년 전에 그 영향을 예측하고 시장보다 훨씬 앞서 준비를 시작했습니까? 사실 우리는 몇 년이 아니라 수십 년 전에 AI의 영향력이 다가오는 것을 보았고 오랫동안 AI 우수 센터와 생태계를 구축해 왔으며 고객 요구 사항과 성장 기회에 맞춰 기존 전문 지식을 강화하기 위해 전략적 인수를 진행해 왔습니다.”

기차도 없고 이득도 없다

그러한 강화 중 하나는 2021년 HPE의 HPC 및 AI 솔루션 제품의 일부가 된 Defined AI입니다. Decisiond AI의 오픈 소스 소프트웨어는 규모에 맞게 최적화된 모델을 구축하고 교육하는 것이 ML 개발의 정확하고 중요한 단계라는 사실을 다룹니다. 분석가, 연구자, 과학자 등 기술 전문가가 아닌 사람도 HPC의 과제를 해결해야 합니다.

이러한 과제에는 특수 컴퓨팅 프로비저닝, 데이터 스토리지, 컴퓨팅 패브릭 및 가속기 카드를 포괄하는 고도로 병렬적인 소프트웨어 스택과 인프라를 설정하고 관리하는 것이 포함됩니다.

Armstrong-Barnes는 "또한 ML 지수는 자신이 설정한 전문 인프라의 활용도를 최대화하기 위해 모델을 효율적으로 프로그래밍, 예약 및 교육해야 하며 이로 인해 복잡성이 발생하고 생산성이 느려질 수 있습니다."라고 말합니다.

물론 이러한 작업은 엄격한 수준의 역량을 통해 수행되어야 하며, 이는 과도한 내부 IT 팀의 지원에도 불구하고 쉽게 보장되지 않습니다.

ML 모델 교육을 위한 Defined AI의 오픈 소스 플랫폼은 이러한 리소스 격차를 해소하도록 설계되어 온프레미스 또는 클라우드에서 실행되는 워크스테이션 또는 AI 클러스터를 쉽게 설정, 구성, 관리 및 공유할 수 있습니다. 그리고 프리미엄 지원 외에도 고급 보안, 모니터링, 관찰 도구 등의 기능이 포함되어 있으며 모두 HPE 내 전문 지식을 통해 지원됩니다.

Armstrong-Barnes는 “Determined AI는 기업이 더 짧은 시간에 더 큰 가치를 실현하기 위해 규모와 속도에 맞게 ML 모델을 구축하고 훈련하는 데 필요한 장벽을 제거하는 것입니다.”라고 Armstrong-Barnes는 설명합니다. “이러한 기능에는 가속기 예약, 내결함성, 모델의 고속 병렬 및 분산 교육, 고급 하이퍼파라미터 최적화 및 신경 아키텍처 검색과 같이 AI/기계 학습 워크로드를 최적화하는 데 필요한 매우 기술적인 기능이 포함됩니다.

“재현 가능한 협업 및 지표 추적과 같은 징계 작업에 추가하면 항상 염두에 두어야 할 사항이 많습니다. Defined AI의 도움으로 프로젝트 전문가는 혁신에 집중하고 납품 시간을 단축할 수 있습니다.”

더 많은 HPC 리소스와 규제가 중요한 역할을 합니다.

HPC의 강력한 기능은 AI 모델을 훈련하고 최적화하는 데 점점 더 많이 사용되고 있으며, AI와 결합하여 모델링 및 시뮬레이션과 같은 워크로드를 늘리는 것 외에도 제조업 전반에 걸쳐 여러 부문에서 발견 시간을 단축하기 위해 오랫동안 확립된 도구입니다.

글로벌 HPC 시장은 2020년대 남은 기간 동안 상당한 성장을 이룰 것으로 예상됩니다. 모르도르 정보국 견적 그 가치는 56.98년에 2023억 96.79천만 달러로 예측되며, 2028년에는 예측 기간 동안 연평균 성장률(CAGR) 11.18%로 XNUMX억 XNUMX천만 달러에 이를 것으로 예상됩니다.

“HPE는 오랫동안 HPC 인프라를 구축해 왔으며 이제 엑사스케일 슈퍼컴퓨터와 밀도 최적화 컴퓨팅 플랫폼을 포함하는 HPC 포트폴리오를 보유하게 되었습니다. 가장 큰 HPC 클러스터 중 일부는 HPE 혁신을 기반으로 구축되었습니다.”라고 Armstrong-Barnes는 말합니다. “HPE는 고성능 하드웨어 플랫폼 분야에서 비교할 수 없는 전문성을 보유하고 있습니다.”

의 도입으로 대규모 언어 모델용 HPE GreenLake 올해 초(2023년) 스타트업부터 Fortune 500대 기업에 이르기까지 기업은 HPE의 AI 소프트웨어와 최첨단 슈퍼컴퓨터를 결합한 지속 가능한 슈퍼컴퓨팅 플랫폼을 사용하여 대규모 AI를 훈련, 조정 및 배포할 수 있습니다.

분명히 AI를 채택하는 것은 모든 규모의 조직에 어려운 일이지만 이는 기술만의 문제는 아니라고 Armstrong-Barnes는 지적합니다. “점점 더 모든 AI 채택자는 새로운 AI 규정 및 규정 준수에 대한 최신 정보를 유지해야 할 것입니다. 미국 AI 권리장전, EU AI법, 영국 정부의 AI 백서에 제시된 향후 규제 제안(일반적으로 규정 준수 AI 프레임워크에 대한 정보를 제공할 것으로 예상됨) 등이 이에 대한 내재적인 예입니다.”

국제적으로 운영되는 기업의 경우 이는 관료주의에 싸인 또 다른 장애물처럼 보이지만 Armstrong-Barnes는 잘 갖춰진 AI 파트너십 생태계의 도움을 받으면 규제 준수가 겉보기만큼 부담스럽지 않을 수 있다고 제안합니다.

"AI 에코시스템 파트너가 규정 준수에 도움을 줄 수 있는지 확인하세요. 이미 규제가 심한 비즈니스 환경에 있다면 기존 규정 준수 수준이 이미 절반 정도 되었을 수도 있습니다."

HPE가 후원합니다.

타임 스탬프 :

더보기 등록