카말 알루왈리아, 이키가이 랩스: 제너레이티브 AI로 비즈니스를 한 단계 더 발전시키는 방법
이키가이 랩의 카말 알루왈리아 사장은 최근 AI 뉴스와의 인터뷰에서 세대 인공지능 기술의 다양한 측면에 대해 자세히 설명하며 기술의 도입과 효과적인 사용에 대한 귀중한 통찰을 제공했습니다. 또한, 그는 인공지능 시스템 개발 과정에서 윤리적 고려 사항을 통합하는 것의 중요성을 강조했습니다.
이키가이 랩에 대한 개요와 서비스, 그리고 기업의 목표 달성을 어떻게 지원하는지 설명해 주시겠습니까?
이키가이의 혁신적인 AI 기반 플랫폼은 구조화된 표 형식 데이터에 맞춘 특화된 설계를 활용하여 흩어져 있는 부서별 조직 정보를 통찰력 있고 사전 예방적인 인텔리전스로 전환합니다.
상당량의 기업 정보는 SAP 및 Salesforce와 같은 시스템 내에서 찾을 수 있는 구조화된 표 형식의 데이터로 구성되어 있습니다. 이러한 데이터는 조직의 전략적 계획과 예측을 수립하는 데 중요한 역할을 합니다. 텍스트와 같은 비정형 데이터를 처리하는 데 탁월한 대규모 언어 모델(LLM)에 대한 관심이 높지만, MIT에서 수행한 연구에서 비롯된 이키가이의 독점적인 대규모 그래픽 모델(LGM)은 정형 데이터를 활용하여 복잡한 문제를 해결하는 데 중점을 두고 있습니다.
매출, 제품, 직원 성과, 현금 흐름 관리. 새로운 제품을 출시하거나 낯선 시장에 진출하는 등 중요한 순간에 이러한 시계열이 어떻게 상호 작용하는지에 대한 인사이트를 얻으면 의사 결정 프로세스를 크게 개선하여 더 유리한 결과를 얻을 수 있습니다.
현대의 제너레이티브 인공지능(AI) 영역은 첨단 알고리즘을 활용하여 새로운 콘텐츠나 구조를 만드는 역동적이고 빠르게 진화하는 분야로 특징지을 수 있습니다. 최근 몇 년 동안 이 분야에서는 연구자와 개발자 모두가 다양한 돌파구를 마련하면서 상당한 진전이 있었습니다. 앞으로 더욱 정교한 기술이 개발되고 기존 시스템에 통합되면서 제너레이티브 AI 환경은 계속 확장되고 발전할 것으로 예상됩니다. 이는 잠재적으로 다양한 산업 분야에서 자동화를 강화하여 효율성과 생산성을 향상시킬 수 있습니다. 그러나 이러한 발전과 관련된 윤리적 영향을 고려하고 책임감 있게 활용하는 것 또한 중요합니다.
OpenAI, Anthropic 및 기타 조직에서 개발한 언어 모델과 같은 발전은 소비자 지향적인 기반에서 비롯됩니다.이러한 모델은 방대한 양의 인터넷 기반 정보로 학습되며 이러한 리소스가 계속 확장되고 있어 개발에 상당한 컴퓨팅 자원과 메모리 용량이 필요합니다. GPT4 훈련에 할당된 예산은 1억 달러이며, GP5 개발에 예상되는 지출은 25억 달러로 추산됩니다.
수많은 사용자에게 비용이 분산되는 소비자 환경에서는 학습 경험의 일부로 특정 오류를 흡수하는 것이 허용될 수 있습니다. 그러나 기업 환경에서는 정확도가 매우 중요하기 때문에 어떤 실수도 용납할 수 없습니다. 또한 방대한 인터넷 데이터를 사용하여 모델을 학습시키는 것은 대부분의 조직에서 재정적으로 부담스러운 일이며, 기존 모델에 의존하는 경우 지적 재산과 기밀 정보에 상당한 위험을 초래할 수 있습니다.
일부 기업은 안전한 프레임워크 내에서 대규모 언어 모델(LLM)을 활용할 수 있는 사내 기술 인프라 구축을 선택했지만, 대부분의 조직은 이러한 프로젝트를 독립적으로 수행하는 데 필요한 전문 지식과 자원이 모두 부족합니다.
수많은 장애물에도 불구하고 조직은 대규모 언어 모델(LLM)이 제공하는 고급 기능에 대한 열망을 갖고 있습니다. 그러나 이러한 모델은 특히 정보가 부족한 상황에서 매우 정확한 결과를 산출하는 것이 필수적입니다. 또한 모델 기반에 민감한 데이터가 포함되지 않도록 효과적인 방법론이 존재해야 합니다. 또한 교육 및 업그레이드 비용, GPU(그래픽 처리 장치)에 대한 의존도, 거버넌스 및 장기 데이터 보존과 관련된 문제를 포함하여 이러한 시스템의 소유 및 유지와 관련된 전체 비용을 최소화하기 위한 전략을 수립해야 합니다. 따라서 이러한 요구 사항에는 현재 제품에서 크게 벗어난 대안적인 접근 방식이 필요합니다.
조직은 어떤 방식으로 생성 인공 지능과 관련된 이점을 최적화하기 위한 접근 방식을 공식화할 수 있으며, 이를 어떻게 달성할 수 있습니까?
대규모 언어 모델(LLM)에 대한 광범위한 연구에도 불구하고 많은 고객이 다른 언어 모델과 차별화할 수 있는 고유한 기능을 구축하는 전략에 대해 문의합니다.
대규모 언어 모델(LLM)을 활용하면 챗봇 개발, 홍보 자료 생성 등 유사한 기능에 광범위하게 액세스할 수 있어 수많은 개인이 비슷한 목적으로 사용할 때 더 이상 차별화 요소로 작용하지 않을 수 있습니다.
중요한 측면은 일반적인 고려 사항에서 벗어나 각 기업의 고유한 기업 및 상황에 맞는 개선 기회를 정확히 찾아내는 것입니다. 예를 들어, 제조업을 영위하는 기업이 생산 시설을 중국 밖으로 이전해야 하는 경우 운송, 인력 및 기타 다양한 변수와 관련된 불확실성에 대처해야 합니다. 마찬가지로 환경적으로 지속 가능한 제품을 만드는 것이 목표라면 원자재 조달, 공급업체, 금융 계약에 대한 조정이 필요할 것입니다. 이러한 경우 이러한 복잡성을 효과적으로 모델링하려면 어떻게 해야 할까요?
불확실성이 증가함에 따라 많은 조직에서 전략적 계획 및 의사 결정의 수단으로 인공지능(AI)을 조직 운영에 통합하는 방안을 모색하고 있습니다. 이러한 기술 혁신의 이점을 최대한 활용하려면 각 조직의 고유한 요구사항에 맞는 AI 도구를 파악하고 이를 충족하는 것이 필수적입니다. 이를 통해 이러한 조직은 AI의 잠재력을 최대한 활용하고 오늘날의 역동적인 시장에서 상당한 경쟁 우위를 확보할 수 있습니다.
조직이 생성적 인공 지능(AI)을 구현할 때 직면하는 주요 장애물과 이를 해결하기 위한 전략은 최근 상당한 관심의 대상이 되고 있습니다. 이러한 어려움에는 데이터 품질, 알고리즘의 복잡성, 모델 해석 가능성, 윤리적 문제, 기존 시스템과의 통합과 같은 문제가 포함됩니다. 이러한 문제를 효과적으로 해결하기 위해 기업은 연구 개발에 대한 투자, 다양한 분야의 전문가와의 협업, 업계 표준 및 모범 사례 준수, 강력한 테스트 절차 구현, 성과에 대한 지속적인 모니터링 및 평가, 의사결정 과정의 투명성, 조직 내 책임과 책임의 문화 조성 등 다양한 접근 방식을 채택할 수 있습니다. 이러한 문제를 사전에 해결함으로써 기업은 제너레이티브 AI의 잠재력을 성공적으로 활용하는 동시에 배포와 관련된 위험을 완화할 수 있습니다.
현재 많은 사람들이 제너레이티브 AI를 시도하고 있지만, 막대한 비용과 안전에 대한 우려로 인해 실제 활용을 위해 발전시킨 사례는 극히 일부에 불과하다는 것이 연구 결과 밝혀졌습니다. 하지만 그래픽 처리 장치 대신 중앙 처리 장치를 사용하여 조직의 독점 정보에 맞게 알고리즘을 조정하고 정확한 결과를 도출하고 이러한 결론에 도달하는 방법에 대해 완전히 명확하게 설명할 수 있는 시나리오를 상상해 보세요.또한 모든 규제 및 규정 준수 문제가 해결되어 데이터의 출처나 재교육 범위와 관련된 불확실성이 제거된 세상을 상상해 보세요. 이키가이가 대형 그래픽 모델 구현을 통해 달성하고자 하는 것이 바로 이러한 잠재력입니다.
오늘날 조직이 직면한 중요한 장애물 중 하나는 불충분하거나 최적이 아닌 데이터 문제입니다. 실제로 거의 모든 기업이 이 문제를 겪고 있으며, 이는 종종 인공지능 시스템을 구현하는 데 걸림돌로 작용합니다. 많은 기업이 데이터 정리의 필요성에 대해 논의하지만, 완벽한 정보를 추구하는 것이 오히려 발전을 저해할 수 있다는 점을 인식하는 것이 중요합니다. 따라서 기업이 기존 리소스에서 가치 있는 인사이트를 도출하는 동시에 데이터 변동성을 관리하기 위한 전략적 접근 방식을 포괄할 수 있는, 부족하거나 산발적인 데이터 세트에서 효과적으로 작동할 수 있는 AI 애플리케이션은 필수 불가결한 요소입니다.
최적의 결과를 얻기 위해 내부 팀과 첨단 기술 간의 협업을 촉진하는 것이 중요한 장애물입니다. 규제가 심한 분야에서는 사람의 감독, 검증, 머신러닝을 통한 지속적인 개선이 매우 중요합니다. 이 과정에 전문화된 전문가를 통합하면 인공지능이 독립적으로 작동하지 않도록 보장할 수 있으며, 인간의 전문성을 효과적으로 통합하는 방법을 고안하는 것이 중요하다는 점을 강조합니다.
제너레이티브 인공지능을 효과적으로 구현하기 위해 조직 문화와 정신적 틀의 변화가 얼마나 중요하다고 생각하십니까?
생성적 인공지능을 도입하려면 조직 문화와 사고방식에 상당한 변화가 필요하며, 최고 경영진의 변함없는 지원과 지속적인 교육이 필요합니다. 이는 제가 에이트폴드에 재직하는 동안 140개 이상의 국가로 AI 플랫폼을 확장하는 과정에서 잘 드러났습니다. 고위 경영진에게 잠재적 결과, 방법론, 로드맵에 대한 교육을 시작하는 것이 중요합니다. 이들은 실험적인 접근 방식을 수용하는 동시에 목표 달성을 위한 지속적인 헌신을 장려해야 합니다. 또한 직원들은 AI 통합으로 인해 부과되는 책임을 이해하여 일상 업무에 AI가 일상적으로 통합될 수 있도록 준비해야 합니다.
최고 경영진의 효과적인 리더십과 명확한 커뮤니케이션은 인공지능이 고용에 미칠 잠재적 영향에 대한 우려를 완화하여 인공지능(AI)에 대한 긍정적인 태도를 조성할 수 있습니다.경영진은 AI가 곧바로 광범위한 일자리 감소로 이어질 것이라는 개념을 강조하기보다는, AI가 당장 대량 실직으로 이어지지는 않겠지만 대부분의 근로자는 향후 몇 년 동안 자신의 역할이 진화할 것으로 예상해야 한다는 점을 전달하는 것이 중요합니다. 또한 직원들이 필요한 기술을 습득하고 그에 따라 업무 흐름을 조정하기 위해서는 지속적인 교육과 개발이 중요합니다. 이러한 사전 예방적 접근 방식을 채택함으로써 조직은 직원들의 불필요한 공황을 유발하지 않고도 AI의 이점을 활용할 수 있습니다.
현대 비즈니스 환경의 복잡성을 효과적으로 탐색하려면 조직의 실제 현실에 부합하는 기술을 활용하는 것이 필수적입니다. 일반적인 생각과는 달리, 의미 있는 작업을 시작하기 위해 포괄적인 데이터 세트가 필요한 것은 아닙니다. 예를 들어 시계열 예측에서는 데이터를 정제하는 과정에서 지연이 발생할 수 있으며, 그 결과 무질서한 데이터 포인트가 추가로 누적되는 경우가 많습니다. 완벽한 정보를 계속 기다리다 보면 데이터를 활용할 수 있는 소중한 기회를 놓치게 됩니다. 따라서 희소하거나 산발적인 데이터 소스로 효율적으로 작동할 수 있는 인공지능 시스템은 현재 사용 가능한 리소스를 기반으로 지속적인 학습이 가능하기 때문에 필수적입니다.
고려해야 할 또 다른 중요한 요소는 인간의 전문성을 프로세스에 통합하는 것입니다. 인공지능(AI)이 마법의 솔루션처럼 작동한다는 생각은 잘못된 생각입니다. 많은 경우, 특히 규제가 심한 산업에서는 인간이 감독권을 행사하고, AI 시스템이 내린 결정을 검증하며, 강화 학습을 촉진하는 것이 필수적입니다. 이러한 접근 방식은 소비자 지향 솔루션의 성능을 개선하는 데 중요한 역할을 해왔습니다.
실제 애플리케이션에서 생성 인공지능을 효과적으로 활용하고 있는 조직의 사례를 소개해 주시겠습니까?
제품 구색을 간소화하기 위해 저희 서비스를 도입한 한 시장 참여자의 사례를 예로 들 수 있습니다. 이들의 목표는 재고 보유 비용을 최소화하는 동시에 고객 수요를 지속적으로 충족하기 위해 유지해야 할 이상적인 재고 관리 단위(SKU) 수를 결정하는 것입니다. 또한 또 다른 협력업체는 의료기관, 소매점, 숙박업소의 노동력 계획, 예측 및 스케줄링에 대한 역량을 활용하고 있습니다. 이 파트너가 직면한 주요 과제는 다양한 플랫폼에 분산된 데이터를 통합된 관점으로 통합하여 직원 복지와 운영 효율성 간의 균형을 맞추는 것이었습니다.Facebook 플랫폼에서 지원하는 애플리케이션의 다양성에도 불구하고, Facebook은 제품 소비 예측부터
최근 AI 윤리 위원회를 설립한 것은 인공지능 시스템의 책임 있는 개발과 배포를 보장하는 데 있어 중요한 이정표가 되었습니다. 윤리, 법률, 컴퓨터 과학, 사회학, 철학, 인권 전문가 등 다양한 배경을 가진 저명한 인사들로 구성된 윤리 위원회가 출범했습니다. 이들의 집단적 전문성을 바탕으로 공정성, 투명성, 책임성을 증진하면서 AI 기술을 둘러싼 복잡한 문제를 해결할 수 있습니다.
조직의 AI 윤리 위원회는 우리가 개발하는 인공지능 기술이 윤리적 원칙과 책임감 있는 설계 관행을 준수하도록 최선을 다하고 있습니다. 윤리 기준에 대한 이러한 헌신은 회사 정체성의 핵심이며, 저는 이 위원회의 뛰어난 개인들과 함께 일하게 된 것을 영광으로 생각합니다. 위원회의 저명한 위원으로는 데이터 시스템 및 사회 연구소(IDSS)의 창립 이사이자 MIT 교수인 문터 달레 박사, 조지 워싱턴 대학의 부학장이자 행정법 및 국가 안보 분야의 권위자인 아람 가부어 박사, 미국 국가안보연구소의 마이클 쿤스 박사, 미국 국립안보연구소의 마이클 쿤스 박사 등이 있습니다. 펜실베니아 대학교 컴퓨터 및 정보과학 국립센터 의장인 마이클 컨스(Michael Kearns),
의 석좌 교수인 마이클 조던(Michael I. Jordan) 박사가 참여합니다. 인공지능(AI) 윤리 위원회의 주요 목표는 다양한 산업에서 AI의 발전 및 활용과 관련된 시급한 도덕 및 보안 문제를 해결하는 것입니다. 일상 생활에서 AI의 중요성이 커짐에 따라 윤리적 고려 사항을 고려하면서 책임감 있는 성장을 우선시하는 것이 필수적인 과제가 되었습니다. 협의회는 분기별로 모임을 갖고 AI 관리, 정보 감소, 개인정보 보호, 합법성, 정확성 및 기타 관련 문제와 같은 중요한 주제를 논의할 예정입니다. 이러한 모임이 끝나면 협의회는 조직이 취해야 할 조치와 향후 단계를 요약한 제안을 발표할 예정입니다. 도덕적으로 건전한 AI 구현과 창의성에 대한 이키가이 랩의 헌신에 따라 협의회에서 제안한 이니셔티브를 제정할 것입니다.
이키가이 랩스는 전년도 8월에 2,500만 달러의 상당한 투자를 확보했습니다. 이러한 자본의 유입은 성장과 확장을 위한 새로운 길을 모색할 수 있는 기회를 제공하여 제품 제공을 개선하고 소중한 고객에게 더 큰 가치를 제공할 수 있게 해줍니다.
MIT와 같은 명망 있는 기관 출신으로 구성된 핵심 팀은 연구 개발을 위한 탄탄한 기반을 구축했습니다.따라서 이번 자금 조달은 주로 제품의 신뢰성을 높이는 데 집중하는 동시에 파트너와 효과적으로 협업할 수 있도록 고객 대면 팀을 확장하는 데 사용될 예정입니다.
시계열 슈퍼앱을 활용하여 매출 예측, 소비자 트렌드, 제품 단종 계획, 재고 최적화 등 매우 중요한 몇 가지 문제만 효과적으로 해결하도록 초점을 좁혔습니다. 광범위한 고객층을 대상으로 표 형식의 데이터에 대한 GenAI 액세스를 제공하기 위해 준비하면서 우리의 열정은 더욱 커지고 있습니다.
업계 리더의 AI와 빅데이터에 대해 자세히 알아보고 싶으신가요? 암스테르담, 캘리포니아, 런던에서 열리는 AI & amp; 빅데이터 엑스포 를 확인해 보세요. 이 종합 이벤트는 BlockX , 디지털 트랜스포메이션 위크 , 사이버 보안 및 클라우드 엑스포 등 다른 주요 이벤트와 함께 개최됩니다.