클라우드 컴퓨팅 개념 허브

연쇄적 사고 프롬프팅은 대규모 언어 모델(LLM)이 논리적인 일련의 단계를 사용하여 작업을 수행하도록 유도하는 기법입니다. AI 모델은 사람을 모방하려고 하지만, 정확하고 연관성이 높은 고품질의 결과를 생성하려면 프롬프트라는 상세한 지침이 필요합니다. 프롬프트 엔지니어링은 양질의 프롬프트를 만드는 기술이자 과학입니다. 연쇄적 사고(CoT) 추론은 복잡한 작업을 보다 간단하고 관리하기 쉬운 일련의 단계로 나누어 해답을 찾는 프롬프트 엔지니어링 기법입니다. 이를 통해 사용자는 LLM이 응답에 도달하는 과정에 대한 더 큰 통제력과 인사이트를 얻을 수 있습니다. 

연쇄적 사고의 예

“다음 수학 단어 문제를 단계별로 풀어보세요.

바나나 7개가 있는데 친구에게 바나나 4개를 준 후 바나나 5개를 더 받고, 그 후에 썩은 바나나 3개를 버리면 바나나가 몇 개 남나요?”

연쇄적 사고 결과

단계별로 분석해 보겠습니다.

1. 7개의 바나나로 시작합니다.
2. 친구에게 바나나 4개를 주면 7-4=3개의 바나나가 남습니다.
3. 바나나를 5개 더 사면 이제 3+5=8개의 바나나를 갖게 됩니다.

4. 바나나 3개를 버리면 8-3=5개의 바나나가 남습니다.

따라서 5개의 바나나가 남게 됩니다.

자연어 이해(NLU)는 컴퓨팅 시스템 또는 소프트웨어가 인간의 언어를 이해하는 능력입니다. 이를 통해 소프트웨어는 채팅 의도와 감정을 인식하고 실제와 같은 대화 상호작용을 통해 매우 매력적인 사용자 경험을 제공할 수 있습니다. 예를 들어 Alexa와 같은 어시스턴트는 사람의 음성에 반응하고 AI 기반 챗봇은 텍스트 기반 대화에 참여합니다. 이러한 시스템들은 자연어 이해를 통해 사람이 생성한 대화 입력을 받아 내부 컴퓨터 언어 구문으로 변환하고 입력에 따라 조치를 취할 수 있습니다. 사용자는 자신이 선택한 언어를 사용하여 기계와 자연스럽게 상호작용할 수 있습니다.

인지 컴퓨팅은 소프트웨어를 인간처럼 추론하고 ‘생각’하게 만드는 과정입니다. 인간은 타고난 고급 추론 능력을 통해 새로운 상황에 적응하고 복잡한 문제를 해결할 수 있습니다. 예를 들어 숲에서 길을 잃은 사람은 생존을 위해 물이 있는 쪽으로 이동하거나 도움을 청하기 위해 차량 소리가 나는 곳을 향해 이동할 수 있습니다. 마찬가지로 인지 컴퓨팅은 지각, 주의력, 기억을 통해 소프트웨어 시스템에서 인간의 사고 과정을 시뮬레이션하는 것을 목표로 합니다.

기존의 인공 지능(AI) 시스템은 데이터 분석, 예측, 사용자 지시에 따른 텍스트 생성 등, 특별히 훈련된 문제를 해결할 수 있습니다. 하지만 인지 컴퓨팅은 환경 변화에 대응하여 독립적인 의사 결정을 통해 미리 정해진 목표를 달성하도록 소프트웨어 시스템을 훈련함으로써 인공 지능을 한 단계 발전시키는 것을 목표로 합니다. 

인지 컴퓨팅의 예

조직의 전문가를 위한 일정 예약 작업을 예로 들어 보겠습니다. 새로운 예약은 전문가가 근무할 수 있는 오후에만, 고객과 기존 관계를 맺고 있는 경우에 한해 이루어져야 합니다. 또한 예약은 요청 후 2주 이내에 이루어져야 합니다. 하지만 이러한 조건에는 다음과 같은 미묘한 문제가 있습니다. 

• 화를 내거나 기분이 상해 있는 고객은 아침을 포함하여 이른 시간에 예약됩니다.
• 2주 기간이 지난 후에도 고객이 예약을 요청할 수 있습니다.
• 오래된 고객의 경우 예약이 완료된 후 맞춤형 이메일을 보내는 등 특별한 고려 사항이 필요할 수 있습니다.

일반적으로 AI는 기본 조건을 충족하여 작업을 자동화하도록 훈련받을 수 있지만, 인간 전문가처럼 이러한 미묘한 문제를 처리할 수는 없습니다. 하지만 인지 컴퓨팅은 예약 시 고객 만족이라는 목표를 달성하기 위해 필요에 따라 조건을 조정할 수 있는 AI 기술입니다. 예를 들어 고객 메시지의 감정을 읽고 예약의 우선순위를 정하거나 오래된 고객의 니즈를 충족하기 위해 이른 아침 예약을 잡을 수 있습니다.

멀티모달 AI는 텍스트, 이미지, 오디오 및 비디오와 같은 여러 데이터 유형을 처리, 해석 및 통합하는 인공 지능 시스템입니다. 많은 비즈니스 워크플로에서는 자막이 있는 비디오, 이력서가 있는 이미지, 관련 디자인 계획이 포함된 오디오 회의 메모 등 여러 관련 데이터 유형이 포함된 복잡한 데이터 세트가 생성되고 사용됩니다. 멀티모달 AI는 복잡한 분석 및 자동화를 위해 이러한 다양하고 풍부한 정보 세트를 해석할 수 있습니다. 조직은 비디오 분석, 문서 처리, 콘텐츠 생성 및 유사한 워크플로를 사용하여 비정형 멀티모달 데이터 소스에서 정확한 인사이트를 도출하고 프로세스 효율성을 높입니다.

SQL 데이터베이스는 행 및 열로 구성되는 테이블로 시각화된 데이터 컬렉션입니다. 데이터는 스프레드시트와 유사하게 저장되며, 열은 데이터 속성을 나타내고 행은 데이터의 대상 엔터티 또는 객체를 설명합니다. 대부분의 SQL 데이터베이스는 사용자 데이터 상호 작용을 위해 구조적 쿼리 언어(SQL)를 사용하므로 이렇게 명명되었습니다. 테이블 간의 데이터 관계를 저장할 수 있기 때문에 관계형 데이터베이스입니다.

예를 들어 제품 테이블에는 제품 이름, 유형, 비용 등과 같은 열이 있고 행에는 개별 제품에 대한 값이 포함됩니다. 고객 테이블에는 고객 이름 및 연락처 세부 정보가 포함된 열이 있습니다. 고객 데이터를 고객이 구매한 제품과 연결하는 세 번째 테이블을 생성할 수 있습니다.

데이터 아키텍처는 조직의 데이터 수집, 관리 및 사용을 설명하고 관리하는 가장 중요한 프레임워크입니다. 오늘날 조직에는 분석, 기계 학습, 인공 지능 및 기타 애플리케이션을 위해 해당 데이터에 액세스하려는 다양한 데이터 소스와 서로 다른 팀에서 엄청난 양의 데이터가 유입되고 있습니다. 현대식 데이터 아키텍처는 데이터 액세스와 사용 과정에서 데이터 보안 및 품질을 보장하는 응집력 있는 시스템을 제공합니다. 데이터 아키텍처는 조직이 부서 간에 데이터를 쉽게 이동하고 필요할 때 언제든지(실시간 액세스 포함) 사용할 수 있도록 하는 정책, 데이터 모델, 프로세스 및 기술을 정의하는 동시에 규정 준수를 완벽하게 지원합니다.

독립 소프트웨어 개발 판매 회사(ISV)는 기본 하드웨어 및 운영 체제와 별개의 소프트웨어 제품을 만들고 판매하는 조직입니다. 소프트웨어 솔루션은 일반적으로 영업 또는 재무 데이터 생성 및 관리 같은 구체적인 고객 문제를 해결합니다. 데이터 스토리지, 보안 또는 인증을 지원하는 인프라 소프트웨어일 수도 있습니다. 이러한 회사는 광범위한 고객층을 대상으로 다양한 하드웨어 플랫폼과의 소프트웨어 호환성을 보장합니다.

ISV는 영구 라이선스, 기간 계약 또는 서비스형 소프트웨어(SaaS) 같은 다양한 형식으로 소프트웨어를 판매합니다. 소프트웨어는 고객에게 라이선스가 부여되지만, 소유권은 ISV가 보유합니다.

챗봇은 사용자가 음성이나 문자로 대화할 수 있는 프로그램 또는 애플리케이션입니다. 챗봇은 1960년대에 처음 개발되었으며, 챗봇을 지원하는 기술은 시간이 지남에 따라 변화해 왔습니다. 챗봇은 일반적으로 사전 정의된 규칙을 사용하여 사용자와 대화하고 스크립트로 작성된 답변을 제공합니다. 최신 챗봇은 자연어 처리(NLP)를 사용하여 사용자를 이해하고 복잡한 질문에 매우 깊이 있고 정확하게 응답할 수 있습니다. 조직은 챗봇을 사용하여 고객 서비스 워크플로우부터 DevOps 관리에 이르는 모든 영역에서 커뮤니케이션을 확장, 개인화 및 개선할 수 있습니다.

엔터프라이즈 인공 지능(AI)은 대규모 조직 내에서 고급 AI 기술을 채택하는 것입니다. 프로토타입에서 프로덕션까지 AI 시스템을 가져오는 과정에서 규모, 성능, 데이터 거버넌스, 윤리, 규정 준수와 관련된 몇 가지 문제가 발생합니다. 엔터프라이즈 AI에는 대규모 조직 내에서 AI를 광범위하게 사용하기 위한 정책, 전략, 인프라, 기술이 포함됩니다. 엔터프라이즈 AI는 상당한 투자와 노력이 필요하지만 AI 시스템이 대세가 된 지금, 대규모 조직에 중요합니다.

인공 지능 에이전트는 환경과 상호 작용하고, 데이터를 수집하고, 데이터를 사용하여 사전 결정된 목표를 달성하기 위해 필요한 작업을 스스로 결정해서 수행할 수 있는 소프트웨어 프로그램입니다. 사람이 목표를 설정하면 AI 에이전트는 목표를 달성하기 위해 필요한 최적의 조치를 독립적으로 선택합니다. 예를 들어 고객 문의를 해결해야 하는 상담 센터 AI 상담원을 생각해 보세요. 상담원은 자동으로 고객에게 여러 질문을 하고, 내부 문서의 정보를 조회하고, 해결책을 찾아 대응합니다. 고객의 대답에 따라 고객 문의 자체를 해결할 수 있는지 아니면 사람에게 전달해야 하는지 결정합니다.

윤리적 인공 지능은 AI 시스템의 책임 있는 개발 및 배포를 촉진하는 일련의 원칙과 수칙입니다. 모든 신기술이 그렇듯이, AI 시스템은 사용자, 사회 및 환경의 변화를 가져옵니다. 윤리적 AI란 긍정적인 영향력을 강화하기 위한 조치를 취하는 한편 AI를 개발하고 사용하는 방식에 있어서 공정성과 투명성을 최우선으로 여기는 것을 말합니다. 윤리적 AI는 AI 혁신과 데이터 중심 의사 결정이 시민의 자유와 인권을 침해하지 않도록 막아줍니다.

텍스트 분류는 인공 지능 및 기계 학습(AI/ML) 시스템을 사용하여 개방형 텍스트 문서에 미리 정해진 범주를 할당하는 프로세스입니다. 많은 조직에는 법률 문서, 계약서, 연구 문서, 사용자 생성 데이터 및 이메일과 같은 대량의 문서를 지속적으로 생성하는 대규모 문서 아카이브와 비즈니스 워크플로가 있습니다. 텍스트 분류는 추가 분석을 위해 이 데이터를 정리, 구조화 및 분류하는 첫 번째 단계입니다. 자동 문서 레이블 지정 및 태그 지정이 가능합니다. 이렇게 하면 문서를 수동으로 읽고 이해하고 분류하는 데 소요되는 수천 시간을 절약할 수 있습니다.