Downcodes의 편집자는 Appen이 발표한 2024년 "인공지능 현황 보고서"에 대한 해석을 가져옵니다. 보고서는 생성적 AI가 빠르게 성장하고 있지만 기업은 데이터 관리에 있어 심각한 어려움에 직면해 있음을 보여줍니다. 설문 조사에 따르면 데이터 품질이 저하되고 AI 프로젝트의 투자 수익도 감소했으며 이는 AI 애플리케이션에서 고품질 데이터의 중요성을 강조합니다. 보고서는 또한 AI 모델 성능을 향상하고 윤리성과 관련성을 보장하기 위해 "인간-기계 협업" 기계 학습 모델의 중요성을 강조합니다. 보고서의 주요 결과를 자세히 살펴보겠습니다.
최근 Appen의 2024년 인공지능 현황 보고서가 큰 관심을 끌었습니다. 500명 이상의 미국 IT 의사 결정자를 대상으로 한 설문 조사를 기반으로 한 이 보고서에 따르면 생성 AI가 지난 1년 동안 17% 성장한 것으로 나타났습니다. 그러나 이러한 추세가 증가함에 따라 기업은 데이터 관리에 있어 상당한 어려움에 직면해 있습니다.
Appen의 전략 책임자인 Si Chen은 인터뷰에서 AI 모델의 적용이 점점 더 복잡하고 전문적인 분야로 침투함에 따라 데이터에 대한 요구 사항도 증가하고 있다고 언급했습니다. 데이터만으로는 충분하지 않습니다. 기업에는 정확하고 다양할 뿐만 아니라 명확한 레이블이 있고 특정 AI 사용 시나리오에 맞는 데이터가 필요합니다.
IT 운영부터 R&D까지 기업이 이 기술을 활용하여 효율성을 향상하면서 생성적 AI 애플리케이션의 범위가 확대되고 있습니다. 그러나 해당 분야의 호황에도 불구하고 AI 프로젝트의 투자 수익은 감소하고 있습니다.
2021년 이후 성공적으로 배포된 AI 프로젝트의 비율은 8.1% 감소했으며, 상당한 수익을 제공할 수 있는 프로젝트의 수도 9.4% 감소했습니다. 이는 주로 오늘날의 AI 프로젝트가 점점 더 복잡해지고 있고 많은 기업이 더 높은 품질의 데이터 지원이 필요한 더욱 도전적인 생성 AI 애플리케이션을 시도하기 시작했기 때문입니다.
아울러 보고서는 데이터 품질 문제가 점점 심각해지고 있다고 지적했다. 2021년 이후 데이터의 정확도는 거의 9% 감소했습니다. 오늘날 기업의 86%는 분기마다 모델을 업데이트해야 하며, 이로 인해 데이터 정확성과 다양성에 대한 요구가 높아집니다. 이러한 문제를 해결하기 위해 많은 기업에서는 외부 데이터 제공업체에 도움을 요청하고 있습니다.
동시에 데이터 준비는 엔터프라이즈 AI 프로젝트가 직면한 가장 큰 병목 현상이 되었습니다. 생성 AI 모델의 복잡성이 증가함에 따라 기업은 데이터 품질과 일관성을 보장하기 위한 장기적인 전략이 필요합니다. 또한 이 과정에서 인간의 개입이 점점 더 중요해지고 있는 것으로 조사 결과 응답자의 80%가 "인간-기계 협업"의 기계 학습이 중요하다고 생각하는 것으로 나타났습니다. 이 모델은 AI 모델의 성능을 향상시키는 데 도움이 될 뿐만 아니라 윤리성과 관련성을 보장합니다.
가장 밝은 부분:
제너레이티브 AI는 2024년 17% 성장을 달성할 것으로 예상되지만 기업은 데이터 관리에 많은 어려움을 겪고 있다.
? AI 프로젝트의 성공적인 배포 비율이 감소하고 있으며 투자 수익도 감소하고 있습니다.
데이터 품질 문제는 점점 더 심각해지고 있으며, 기업에서는 복잡한 AI 모델의 요구 사항을 충족하기 위해 더 높은 품질의 데이터가 시급히 필요합니다.
전체적으로 Appen의 보고서는 생성 AI 시대의 기업 데이터 전략에 대한 귀중한 참고 자료를 제공합니다. AI 기술의 적용을 추구하는 동안 AI 프로젝트의 성공을 보장하고 이상적인 투자 수익을 얻기 위해서는 데이터 품질과 효과적인 데이터 관리 전략에 주의를 기울이는 것이 중요합니다. Downcodes의 편집자는 계속해서 AI 분야의 동향에 주목하고 더욱 흥미로운 보고서를 여러분께 전해드릴 것입니다.