📌 기업의 AI 프로젝트가 개념 증명(PoC)에서 멈추는 이유

"가트너(Gartner)는 2025년까지 생성형 AI 프로젝트의 최소 30%가 PoC 단계 이후 중단될 것이라고 전망했다." -발췌 中-

이제 AI 라는 키워드는 사업 제안의 기본 소양이 되어가는 듯 합니다. 하지만 이 유용한 도구가 빛을 보지 못하는 사례 또한 증가하고 있습니다. 그 이유와 핵심을 명료하게 정리한 글이 있어 공유하고자 합니다~!

• 데이터의 과도한 양, 열약한 품질

  • 대규모 데이터 세트에는 오류, 불일치, 편향이 포함될 가능성이 커서 모델 결과에 영향을 미칠 수 있다.

  • 모델이 학습하는 데이터 내에서 빈번하게 나타나는 정보(다수 개념)가 상대적으로 드문 정보(소수 개념)를 덮어버릴 수 있다.

  • 너무 많은 데이터는 오히려 비용과 시간의 부담을 가중시킬 수 있다.

• 고품질 데이터의 필요성

  • 현실세계를 명확히 반영

  • 구조적 일관성

  • 일반화를 위한 다양성

  • 특정목표와의 연관성

  • 윤리적 고려사항

• 고품질 데이터를 확보하는 방법

  • ...

결국은 많은 사람들이 '데이터'라는 결론을 이미 알고 있습니다. 하지만 여전히 "데이터가 충분한가?" 라는 양적인 질문에 머무르는 경우가 많습니다. 저자는 대신 ‘미래의 AI 솔루션을 뒷받침할 수 있는 올바른 데이터를 보유하고 있는가?’ 라는 질문을 던져야 할 때라고 말합니다. 데이터 볼륨의 혁신에서 시작한 시대이지만, 결국 "양보다 질"이라는 격언은 여전히 간과할 수 없는듯 합니다 : )

https://www.cio.com/article/3604066/%EA%B8%B0%EA%B3%A0-ai-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8%EA%B0%80-%EA%B0%9C%EB%85%90-%EC%A6%9D%EB%AA%85poc%EC%97%90%EC%84%9C-%EB%A9%88%EC%B6%94%EB%8A%94-%EC%9D%B4%EC%9C%A0.html