<기업에서의 AI도입은 신중하고 작게 시작하세요> 커리어리 친구분들은 꼭 읽어보셨으면 합니다. 매우 중요한 이야기라고 생각합니다. 앤드류 응은 구글브레인의 헤드, 바이두의 최고 과학자, 쿠세라의 설립자등 AI계에서 가장 영향력있는 엔지니어겸 사업가입니다. 그가 하는 말은 매우 명확하고 정확합니다. "나는 여전히 기업들이 참여하여 오늘날의 기술이나 단기적인 기술 세대로는 기술적으로 불가능하거나 기술적으로 불가능하다고 생각하는 프로젝트에 투자하고 있습니다. 먼저 걷는 법을 배워라. 당신이하는 첫 번째 프로젝트가 천만 달러의 AI 프로젝트가 아니더라도 괜찮다." 그러나 AI 이니셔티브의 특성으로 인해 소규모 프로젝트에 착수하는 것도 어려울 수 있습니다. AI 이니셔티브는 종종 여러 부서에 걸쳐 있고 많은 조직이 여전히 개발하기 위해 노력하고있는 교차 기능적 리더십이 필요합니다. 앤드류가 센트럴 AI 그룹이 가장 중요하다고 말하는 이유입니다. 그는 "이를 위해서는 Top down 하향식 리더십이 필요하다"고 말했다. Q: AI에 대한 흥분이 계속 증가하는 것을 볼 때 더 넓은 시장이 어디에 있다고 생각하십니까? 이 시점에서 기술이 현실보다 과장된 것일까 요? A: AI는 하나의 덩어리가 아닙니다. 따라서 확실히 불균형적으로 과장된 일부 세그먼트도 있지만 더 많은 대중에게 보이지 않는 세그먼트가 많이 있습니다. 한편, 훨씬 더 관련성이 높은 B2C 애플리케이션과 비교할 때 가치는 있지만 잘 이해되지 않은 AI의 산업 B2B 애플리케이션이 많이 있습니다. Q: 이 여정에서 기업이 어디에 있다고 생각하십니까? 차이가있을 것이라는 것을 알고 있지만, 기업은 이제 소규모 파일럿 프로젝트를 취하고이를 확장하기 시작하는 것 같습니다. A: 초기. 대기업, 심지어 Fortune 500 대 기업의 경우 일부는 더 앞서 있지만 많은 기업은 상당한 가치를 거두는 한두개의 모범사례를 통해 생산에 투입된 하나의 AI 프로젝트와 잠재적으로 유망 할 수있는 수십 개의 파일럿 프로젝트를 보유하고 있습니다. 그러나 대부분의 전통 산업기업들은 디지털화 물결이 아직 초기 단계입니다. Q: 당신은 모델에 대한 투자보다 양질의 데이터 가 필요하다는 목소리를 냈습니다 . 기업이 무시하고있는 데이터 소스가 있습니까? A: 대답은 '예'라고 생각합니다. 더 일반적인 패턴은 엄청난 가치를 창출 할만큼 이미 충분한 데이터를 보유하고있는 많은 회사가 있다는 것입니다. 매우 쉽게 생성 할 수있는 모든 데이터. 전자 상거래를 생각해보십시오. 수많은 기업이 이미 데이터웨어 하우스에 수많은 사용자 데이터를 보유하고 있으며 AI 팀이 인사이트를 확보 할 수 있습니다. Q: 조직이 이 AI 여정을 시작하는 가장 좋은 방법은 무엇입니까? 성공하려면 어떻게 설정해야합니까? A: 가장 중요한 단계 중 하나는 빠른 승리결과를 제공하는 것입니다. 소규모 파일럿 프로젝트를 수행 한 다음 성공적인 결과를 얻습니다. 그리고 그 초기 빠른 승리는 종종 두 번째, 세 번째 및 네 번째 프로젝트에 유용한 조직 교훈을 가르칩니다. 너무 많은 회사가 웅장한 계획을 원하기 시작합니다. 그러나 걷는 법을 배우기 전까지는 마라톤 결승선을 통과 할 때 무엇을해야할지 계획하는 것이 매우 어렵습니다. 먼저 걷는 법을 배우십시오. 당신이하는 첫 번째 프로젝트가 천만 달러의 AI 프로젝트가 아니라는 것은 괜찮습니다. 첫 번째 프로젝트가 $ 200,000 프로젝트이거나 심지어 $ 50,000 프로젝트라도 괜찮습니다. 그 목적이 반드시 막대한 ROI를 창출하는 것은 아닙니다. 더 큰 가치는 학습입니다. Q:기업이 AI 전략을 잘못 이해하는 다른 방법이 있습니까? A: AI의 과제 중 하나는 기술적으로 실현 가능한지 여부를 파악하기 위해 상당한 양의 기술 지식이 필요하다는 것입니다. 나는 여전히 기업들이 현재의 기술이나 단기 세대의 기술로 기술적으로 불가능하거나 기술적으로 불가능하다고 생각하는 프로젝트에 뛰어 들고 투자하는 것을 목격하고 있습니다. 예를 들어, 모든 고객 서비스 요청을 상당히 능숙하게 처리 할 수있는 챗봇을 구축합니다. 불가능하다는 것은 분명합니다. 최근에 누군가가 6 개월 동안 6 명의 엔지니어와 함께 자율 주행 자동차와 동등한 것을 만들 수 있도록 도와 줄 수 있는지 물었습니다. 그렇게 할 수 없을 것 같아요. 프로젝트의 우선 순위를 정하기 위해서는 부서 간 비즈니스 및 기술적 인 판단이 필요하기 때문에 프로젝트 선택은 여전히 매우 어렵습니다. 중앙 집중식 AI 그룹 만이 회사 전체에 걸쳐 수평 적 플랫폼을 구축 할 수 있으므로이를 적용하려면 하향식 리더십이 필요합니다. Q: 특히 Landing AI를 시작하게 된 제조 산업에서 무엇을 보았습니까? A: AI 채택에 대해 많은 최고 경영진과 이야기하면서 나는 실제 배포 측면에서 동일한 문제를 반복해서 보았습니다. 1 백만달라에서 3 백만달러의 프로젝트가 있습니다. 그리고 AI 인재와 인력을 확보하는 것은 어렵습니다. 수많은 프로젝트가 개념 증명에 갇혀 있었는데, 회사가 AI 모델을 개발하더라도 주변 소프트웨어를 모두 작성하기가 어렵 기 때문입니다. MLOps는 때때로 우리가 그렇게 부르는 것입니다. 결국 컴퓨터 비전을위한 데이터 중심의 MLOps 플랫폼 인 LandingLens를 구축했습니다. 우리는 제조에서 시작했지만 다른 컴퓨터 비전 수직 애플리케이션에 관심이있는 기업이 컴퓨터 비전 시스템을 구축하고 배포하는 데있어 10 배 더 효율적이고 종종 훨씬 더 성공적이되도록 돕습니다. Q: 기업이 AI를 채택하는 이유에 대한 일반적인 개념은 비용 절감입니다. AI의 수명주기에서 우리가 어디에 있는지에 따라 즉각적인 결과가 품질 개선과 관련되어야한다는 것을 알고 있습니까? 어떤 메트릭이 먼저 우선 순위를 지정하는지 성공 측면에서 차이가 있습니까? A: 비용을 절감하는 것은 가치있는 일이며 수익을 개선하거나 마진을 개선하는 것은 가치있는 일이지만 후자의 프로젝트 범주는 비용 절감보다 더 많은 추진력을 가지고있는 경우가 많습니다. 비용 절감 이상의 가치를 창출하는 프로젝트에 대한 추진력을 얻는 것은 쉽습니다. Q: AI 전략에 어려움을 겪고있는 기업을위한 조언은 무엇입니까? A: 조직이 AI 채택과 성능을 크게 향상시킬 수있는 올바른 철학과 MLOps 도구를 찾으십시오. 엔지니어가 자체 도구를 사용하는 시대를 지나갔습니다. 지금까지 매우 광범위한 도구를 사용하여 많은 AI가 개발되었습니다. 우리는 지난 10 년 동안 그렇게했고 지금은 계속 진행하고 있습니다. 나는 어셈블리에서 어떤 코드도 작성하지 않습니다. 앞으로 우리는 효과적인 도구를 사용하는 능력이 기계 학습 엔지니어를 훨씬 더 효율적으로 만들 것임을 알게 될 것입니다.