새로운 2023년 보고서는 인공 지능의 미래 전망을 밝힙니다.

Google Cloud는 데이터 및 AI 전략과 관련된 5가지 주요 트렌드를 살펴보는 2023년 데이터 및 AI 동향 보고서를 발표했습니다. 보고서는 소비자 요구, 시장 상황, 새로운 인공 지능(AI) 및 기계 학습(ML) 기술이 모두 진화하고 있으며 데이터 복잡성 증가로 인해 1년 전과 다른 환경이 조성되고 있다고 지적합니다.

IDC가 실시한 이 연구에서는 800개 이상의 글로벌 기업 조직을 대상으로 데이터 사용 시 가장 큰 과제, 데이터 및 AI 클라우드 솔루션에서 얻을 수 있는 이점, 이러한 솔루션을 어떻게 사용할 것인지 질문했습니다.

트렌드 1: 정적 데이터는 오래되었습니다. 통합 데이터 클라우드 시대가 왔습니다. 보고서에 따르면 2026년에는 전 세계적으로 매초 7PB의 데이터가 생성될 것이라고 합니다. 현재 데이터의 10%만이 원본 데이터이고, 나머지 90%는 복제 데이터입니다. 이러한 고립된 데이터 저장소는 조직에 아무런 도움이 되지 않습니다. Google Cloud는 이 데이터를 저장, 관리, 분석, 적용하는 더 나은 방법이 필요하다고 말합니다. 보고서에서는 통합 클라우드가 데이터베이스, 데이터 웨어하우스 및 데이터 레이크, 스트리밍, 비즈니스 인텔리전스(BI), 인공 지능(AI) 및 기계 학습(ML)을 위한 공통 인프라를 제공하므로 어떻게 솔루션이 될 수 있는지 살펴봅니다.

Google Cloud의 데이터베이스 엔지니어링 총괄 관리자이자 부사장인 Andi Gutmans는 통합 데이터 클라우드가 데이터와 통찰력을 혁신적인 디지털 경험 애플리케이션과 더 나은 의사 결정에 통합할 수 있다고 말했습니다. “따라서 사용자는 필요할 때 올바른 정보를 얻어 최상의 결과를 얻을 수 있습니다.”

트렌드 2: 개방형 데이터 생태계를 통해 데이터가 플랫폼 간에 자유롭게 이동할 수 있으므로 기업은 데이터 잠금 및 격리를 피할 수 있습니다. PostgreSQL, Kafka, TensorFlow, PyTorch, Presto, JanusGraph, Apache 프로젝트 등 사전 구축된 오픈 소스 서비스 및 애플리케이션은 개발 속도를 높이고 비용을 절감하는 데 도움이 됩니다. 한편, 보고서는 이러한 개방형 표준과 개방형 아키텍처가 로컬에서 데이터 분석과 같은 작업을 수행할 수도 있어 데이터 이동 비용을 줄이는 데 도움이 된다고 지적합니다.

트렌드 3: Google Cloud에 따르면 우리는 AI 티핑 포인트에 서 있으며 관리 데이터 클라우드와 AI 클라우드는 분리될 수 없습니다. 인공 지능으로 구동되는 애플리케이션은 더 많은 문제를 해결하고 데이터에서 전례 없는 통찰력을 얻고 있습니다. Google Cloud의 클라우드 인공 지능 및 산업 솔루션 담당 부사장 June Yang은 데이터 과학자, 분석가, 개발자 및 ML 제작자가 이제 긴밀하게 협력하고 있으며 통합 포털의 도구에 액세스할 수 있는 단일 인터페이스를 원한다고 말했습니다. 보고서에 따르면 조직의 80%가 AI/ML 모델 실행에 대한 내장된 지원으로 인해 특정 데이터 클라우드 플랫폼을 선택할 가능성이 더 높아졌다고 밝혔습니다.

또한 사전 훈련된 모델과 로우 코드 훈련 방법은 기업이 AI 및 ML 프로젝트 목표를 달성하는 데 도움을 주어 "시민" 데이터 과학자를 가능하게 합니다. 보고서에 따르면 조직의 81%가 더 많은 "시민" 데이터 과학자가 있으면 더 많은 프로젝트에 고급 분석을 적용하는 능력이 크게 향상될 것이라고 답했습니다.

트렌드 4: 기업에서는 BI를 다시 생각하고 있습니다. Google Cloud는 작업 중심의 BI 패러다임을 선호하여 기존의 대시보드 중심 모델을 버리고 있다고 말합니다. 이 패러다임에서는 더 많은 유형의 워크플로를 지원하기 위해 더 많은 환경의 더 많은 사람들에게 통찰력이 전달됩니다. BI 및 분석은 잠재적 추세, 데이터 이상 및 잠재적 문제를 식별하는 데 도움이 될 수 있으며, 조직의 87%는 BI 소프트웨어가 예측 모델의 개발 및 배포를 지원하기를 원합니다. 기업이 더 넓은 내부 청중에게 다가가고 고객 대면 애플리케이션을 개선하려고 함에 따라 BI 및 분석을 엔터프라이즈 애플리케이션에 내장하는 추세도 증가하고 있습니다.

트렌드 5: 데이터 위험 관리가 대두되고 있습니다. 기업은 보안, 거버넌스 및 신뢰를 향상하기 위해 알려지지 않은 데이터를 이해하고 있습니다. 비정형 및 정형 데이터가 점점 더 많이 수집됨에 따라, 데이터를 보호하고 규정 준수를 유지하는 방법을 이해하려면 수집되는 데이터가 무엇인지 정확히 이해하는 것이 중요합니다. 위험을 판단하기 위해 각 데이터 세트를 수동으로 찾고, 스캔하고, 분류하는 것은 어려운 일입니다. 특히 민감한 정보가 채팅 내용에 포함될 수 있는 고객 채팅 애플리케이션을 사용하는 회사와 같은 사용 사례의 경우 더욱 그렇습니다.

Google Cloud에서는 모든 데이터를 파악하고 데이터 수집 파이프라인과 스토리지 사일로를 이해하는 것이 데이터 위험 관리에서 가장 중요한 단계라고 말합니다. 다음은 많은 조직이 ML 및 비즈니스 자동화 도구를 사용하는 분류입니다. 자동화된 제어를 구현하면 데이터를 저장하고 공유할 때 위험을 줄이는 데 도움이 될 수 있습니다. 예를 들어 고객이 민감한 데이터를 제공하는 경우 자동화된 프로세스를 통해 민감한 정보를 저장하기 전에 수정할 수 있습니다. Google Cloud는 2027년까지 대기업의 66%가 데이터에 내재된 위험을 측정하고 보안 및 필터링을 통해 위험을 줄일 수 있는 데이터 제어 평면 기술에 상당한 투자를 할 것으로 예측합니다.

위 내용은 새로운 2023년 보고서는 인공 지능의 미래 전망을 밝힙니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!