기고 | 기업의 AI 프로젝트가 개념 증명(PoC)에서 멈추는 이유
CIO
"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
다음 내용이 궁금하다면?
이미 회원이신가요?
2025년 1월 15일 오후 11:42
많은 조직에서, 실험을 ‘revenue 지표 향상시키는 아이디어 찾아내기’ 내지는 ‘기획안 통과시키기 위한 근거찾기’ 정도로 여기곤 합니다. 그리고 그런 숫자들을 어떻게든 찾아내는 일을 데이터 분석이라고 부르려 하죠. 적어도 제가 리딩하는 팀에서 하고자 하는 실험과 분석은, 그런 것이 아닙니다.
... 더 보기지
... 더 보기브랜드와 고객 사이에 ‘접점’이 있어요.
채널로는 웹, SNS, 오프라인,광고, 디지털 채널들.
다
... 더 보기‘
... 더 보기