검증 가능한 작업부터 시작
유용한 결과가 무엇인지 명확히 합니다.
내부 문서 검색과 운영 결과 예측에는 서로 다른 데이터와 평가 방법이 필요합니다. 입력, 출력이 지원할 의사결정, 오류의 영향을 살펴봅니다. 이를 통해 검토할 접근 방식, 필요한 근거, 결과를 사용하기 전에 사람이 확인해야 할 지점을 정합니다.
범위를 좁힌 실현 가능성 검토를 통해 더 큰 애플리케이션의 범위를 합의하기 전에 구체적인 기술 질문에 답할 수 있습니다.
AI 및 머신러닝 서비스
문제에 맞춰 접근 방식을 선택합니다.
사용 가능한 데이터, 출처 접근 조건, 검토 요구사항에 따라 애플리케이션과 결과 평가 방식을 설계합니다.
요구사항 상담하기AI 애플리케이션 개발
문서 처리, 정보 검색, 콘텐츠 초안 준비를 돕는 애플리케이션을 개발합니다. 관련 비즈니스 프로세스 안에서 출처 자료, 필요한 출력, 검토 단계를 정의합니다.
- 문서 처리
- 선정한 지식 자료 검색
- 콘텐츠 준비 지원
챗봇 및 어시스턴트 개발
승인된 정보와 연결된 서비스를 활용하는 대화형 인터페이스를 개발합니다. 주제 범위와 접근 규칙을 정하고, 추가 설명을 요청하거나 대화를 사람에게 넘길 수 있도록 합니다.
- 대화형 사용자 인터페이스
- 지식 자료 출처 연결
- 사람이 담당하는 지원으로 전환
머신러닝 개발
예측이나 분류 작업에 필요한 데이터를 준비하고 후보 모델을 개발한 뒤, 적절한 기준 모델과 결과를 비교합니다. 대표적인 사례와 비즈니스 질문에 맞는 지표로 평가합니다.
- 데이터 준비
- 예측 및 분류 모델
- 모델 비교 및 평가
AI 연동 및 평가
선택한 모델을 애플리케이션에 연결하고 전체 업무 흐름의 동작을 확인합니다. 유용한 피드백을 기록하고, 낯선 입력, 누락된 출처, 주의가 필요한 출력이 있는 사례를 검토합니다.
- 애플리케이션 및 모델 연동
- 평가 사례 및 기준
- 모니터링 및 사용자 피드백
컴퓨터 비전 설명 예시
객체를 탐지한 뒤 근거를 검토합니다.
이 건설 현장 장면은 이미지 처리 흐름의 객체 탐지를 설명하기 위한 예시입니다. 실제 프로젝트에서는 객체 범주와 대표 사례를 정의하고, 놓친 객체와 잘못된 탐지를 검토한 뒤 출력 활용 방식을 결정합니다.
- 중요한 객체와 상황을 정의합니다.
- 잘못된 탐지와 놓친 객체를 검토합니다.
- 출력을 합의한 사람의 검토 단계에 연결합니다.
AI 애플리케이션 예시
출처를 확인할 수 있는 회사 문서 검색.
내부 어시스턴트는 직원이 선정된 회사 문서에서 답을 찾도록 도울 수 있습니다. 애플리케이션은 사용자에게 접근 권한이 있는 자료를 검색하고 출처를 포함한 답변을 준비합니다. 평가에서는 출처가 답변을 뒷받침하는지, 문서가 없거나 오래되었거나 서로 모순될 때 어시스턴트가 어떻게 동작하는지 확인합니다.
- 출처 자료를 검색하기 전에 문서 접근 규칙을 적용합니다.
- 유용한 답변뿐 아니라 답할 수 없는 질문도 테스트합니다.
- 출처를 검토하거나 사람의 도움을 요청할 수 있는 경로를 제공합니다.
- 질문직원이 업무에 관한 질문을 제출합니다.
- 검색애플리케이션이 허용된 문서 출처를 검색합니다.
- 답변어시스턴트가 출처를 포함한 답변을 준비합니다.
- 검토사용자가 출처를 확인하거나 추가 도움을 요청합니다.
가상의 어시스턴트 시나리오입니다. 실현 가능성과 출력 품질은 선정한 출처를 대상으로 평가해야 합니다.
AI 프로젝트 진행
평가를 바탕으로 다음 단계를 결정합니다.
프로토타입은 작업, 데이터, 제안한 접근 방식에 대해 합의한 질문에 답할 때 유용합니다.
활용 사례 평가
고객팀과 함께 입력 예시, 출처 접근 조건, 기대 출력을 검토합니다. 평가 사례, 성공 기준, 해당 접근 방식이 적절하지 않게 되는 조건을 정의합니다.
제공되는 결과물활용 사례 범위 및 평가 계획개발 및 비교
범위를 좁힌 프로토타입이나 모델을 만들고 결과를 평가합니다. 실패 사례를 살펴보고 후보 접근 방식을 비교하며 연동 전에 해결해야 할 한계를 파악합니다.
제공되는 결과물프로토타입 및 문서화된 결과연동 및 검토
합의한 접근 제어와 사람의 검토를 적용해 선택한 접근 방식을 애플리케이션에 연결합니다. 모니터링, 피드백 수집, 향후 모델이나 출처 변경을 확인할 방법을 문서화합니다.
제공되는 결과물통합된 업무 흐름 및 검토 절차
맞춤형 머신러닝 모델이 필요한가요?
작업에 따라 다릅니다. 기존 모델, 검색 기반 애플리케이션, 일반 소프트웨어로 요구사항을 충족할 수도 있습니다. 맞춤형 모델 개발을 권하기 전에 데이터 가용성, 평가 결과, 운영 제약을 고려합니다.
비즈니스 데이터가 불완전해도 시작할 수 있나요?
대표적인 샘플을 검토하는 것부터 시작할 수 있습니다. 결과에 따라 데이터 준비, 출처 범위 확대, 초기 작업 범위 축소가 필요할 수 있습니다. 또한 지금 테스트할 수 있는 부분과 추가 정보가 필요한 부분을 구분하는 데 도움이 됩니다.
부정확한 AI 답변은 어떻게 관리하나요?
설계에 출처 표시, 사람의 검토, 대체 동작, 피드백 수집을 포함할 수 있습니다. 이러한 제어 방식은 작업에 맞춰 선택하고 대표적인 질문으로 테스트합니다. 오류 관리에 도움을 주지만, 모든 출력을 정확하게 만드는 것은 아닙니다.
다음 단계
AI 프로젝트에서 어떤 작업을 다뤄야 하나요?
입력 예시, 필요한 출력, 그 출력이 지원할 의사결정을 알려 주세요. 초기 평가 범위를 정의할 수 있습니다.