7명의 IT 전문가가 말하는: 성공적인 AI 파일럿 프로젝트를 시작하고 확장하는 방법

미국 버지니아주 알렉산드리아에 위치한 미국 특허상표청은 인공지능(AI) 프로젝트를 활용해 특허 분류 프로세스 속도를 높이고, 사기 적발을 돕고, 심사관이 유사한 특허에 대한 검색을 확대해 동일하게 검색할 수 있도록 하고 있습니다. 시간 더 많은 문서가 작성되고 각 프로젝트가 파일럿으로 시작됩니다. "개념 증명(PoC)은 새로운 기술을 이해하고, 비즈니스 가치 가정을 테스트하고, 대규모 프로젝트 납품의 위험을 줄이고, 전체 생산 구현 결정을 알리는 데 사용하는 핵심 방법입니다."라고 U.S. Patent의 최고 정보 책임자인 Jamie Holcombe는 말했습니다. 시범 프로그램이 성공적으로 입증되면 다음 단계는 이를 확장할지 여부를 결정하는 것이라고 그는 말했습니다. 그런 다음 실제 환경에서 확장하고 전체 프로덕션에 들어갈 차례입니다.

인도 전자 상거래 제공업체인 Flipkart도 비슷한 프로세스를 거쳐 고객이 11개 언어로 수백만 개의 항목에 대한 텍스트 및 시각적 검색을 수행하도록 돕는 프로젝트를 배포했습니다. 이제 Flipkart는 딥 러닝을 사용하여 사용자 의도 감지, 언어 번역, 음성-텍스트 및 텍스트-음성 기능을 포함하는 모델을 구축하는 대화형 봇을 테스트하고 있습니다. Flipkart와 미국 특허청은 컴퓨터 비전, 자연어 처리, 기계 학습 및 기타 인공 지능 기술의 적용을 비즈니스의 다른 측면으로 빠르게 확장하고 있습니다.

AI와 머신러닝이 흥미로운 만큼, 초기 파일럿 프로젝트와 PoC 프로젝트가 전체 프로덕션에 도달하지 못하는 경우도 많습니다. 이미 성공한 프로젝트는 전략 계획의 일부가 되어야 하고, 경영진의 지원이 있어야 하며, 올바른 데이터를 사용할 수 있어야 하고, 필요한 팀이 있어야 하며, 올바른 기술 및 비즈니스 지표와 프로젝트 마일스톤이 있어야 하며, 여러 번의 반복을 거쳐야 하며, 빨리. Flipkart의 엔지니어링 부사장인 Ganapathy Krishnan은 "이 프로세스는 고품질 수준에 도달하는 데 1~2년이 걸릴 수 있으며 이 기간 동안 인내심을 가져야 합니다."라고 말했습니다.

성공을 위한 기반 마련

기업은 성공적인 AI 파일럿 프로젝트를 생산에 착수하고 결과를 제공하기 위해 빠르게 움직이고 있습니다. Forrester의 인공 지능, 기계 학습 및 데이터 과학 분석가인 Rowan Curran은 다음과 같이 말했습니다. "우리는 AI 프로젝트가 주류에 진입하고 있는 것을 확인했습니다. 기업의 57%가 AI 프로젝트를 구현하거나 확장하고 있으며, 70~75%의 기업이 AI 프로젝트를 구현하거나 확장하고 있습니다. 또한 Ernst & Young의 최근 조사에 따르면 CIO 및 IT 리더 중 53%가 AI 분야의 데이터 및 분석이 향후 2년 내에 최고의 투자 분야가 될 것이라고 답했습니다. .

그러나 이러한 파일럿 프로젝트 중 다수는 하향식 지원 부족을 비롯한 여러 가지 이유로 시작하기도 전에 실패할 운명에 처해 있습니다. USPTO의 Holcombe는 "고위 경영진의 승인이 필요하고 필요한 자금이 있어야 합니다"라고 말했습니다.

일부 IT 리더는 조직 중간에서 또는 아래에서 위로 프로젝트를 시작하면 기회가 줄어들 것이라고 믿습니다. 프로젝트 성공의 기회. 가장 성공적인 프로젝트는 CIO의 지원과 프로젝트에 자금을 지원하고 AI를 조직의 전반적인 디지털 전환 전략에 통합하겠다는 경영진의 의지를 갖게 됩니다.

Flipkart의 Krishnan은 명확한 기대치를 설정하는 것도 중요하다고 말했습니다. "배포하는 프로젝트가 비즈니스를 근본적으로 변화시킬 것이라고 기대해서는 안 됩니다. 이는 긴 프로세스이고 시간이 걸립니다."

PoC는 제조 회사인 Eli Lilly의 경우처럼 기업 내 역량을 연마하는 연습이 될 수도 있습니다( Eli Lilly)가 접근합니다. Lilly의 정보 및 디지털 솔루션 담당 부사장이자 최고 정보 책임자인 Tim Coleman은 "PoC를 통해 우리는 기술 및 프로젝트 전달의 규모 측면을 실험하고 이해했습니다."라고 말했습니다. Lilly 팀은 자연어 처리 기능을 비즈니스 영역에 적용하고 있습니다. 임상 및 과학 콘텐츠 제작부터 제품 개발, 고급 검색 및 일반 관리 기능에 이르기까지 자연어 발견, 생성 및 번역.

그러나 이러한 역량 강화 활동을 광범위한 변혁적 가치를 창출해야 하는 파일럿 프로젝트와 혼동하지 마십시오. EY의 글로벌 AI 컨설팅 리더인 Dan Diasio는 이렇게 경고합니다. “목표 달성을 위해 역량을 구축하고 싶지만 미래에는 파괴자들이 투자자들에게 의미 있는 영향을 미치기 위해 경쟁한다면 하향식 접근 방식을 취해야 합니다.”

의료회사인 Atlantic Health System이 인공지능과 머신러닝 프로젝트를 다루는 방식입니다. Atlantic Health System은 영상 평가를 성공적으로 시험하여 방사선 전문의를 지원하고 사전 승인 자동화를 통해 영상 주문을 받고 여러 프로세스 단계를 통해 일정을 계획했습니다. 회사의 수석 부사장 겸 최고 정보 책임자인 수닐 다드라니(Sunil Dadlani)는 "인공 지능은 고립된 이니셔티브가 아니라 디지털 혁신의 일부여야 합니다. 우리는 Eli Lilly에서 인공 지능과 기계 학습을 위한 거버넌스 구조와 투자 계획을 공식화했습니다."라고 말했습니다. Coleman은 프로젝트 제안이 진행되기 전에 세 가지 기준을 통과해야 한다고 말했습니다. 즉, 투자 수익 측면에서 비즈니스 가치를 제공하고, 허용 가능한 성공률을 가지며, 프로젝트 결과가 비즈니스 전략 및 우선순위와 일치해야 한다고 Coleman은 말했습니다. 예를 들어, 모자이크 PV(Mosaic PV)는 약물 부작용 보고에 초점을 맞춘 Eli Lilly의 최초 AI 프로젝트 중 하나였으며, 주요 동인은 "높은 수준의 품질과 규정 준수를 유지하면서 생산성을 높이고 부작용 처리 비용을 줄이는 것"이었습니다.

무엇이 문제인가요?

성공적인 파일럿은 비즈니스 문제를 정의하는 것부터 시작해야 합니다. 글로벌 전문 서비스 회사인 Genpact의 최고 디지털 전략가인 Sanjay Srivastava는 "답을 통해 문제를 찾는 사람이 되지 마십시오."라고 말합니다. Genpact는 주로 대기업에 AI 프로젝트에 대한 컨설팅 서비스를 제공합니다. "비즈니스 성공에 초점을 맞추고 답변보다는 질문으로 시작하는 프로젝트가 성공하는 경향이 있습니다.

그런 다음 AI가 최고의 답변인지 결정하세요." Krishnan은 "이 프로젝트가 AI 사용을 보장할 만큼 복잡한 기준에 부합합니까? 간단한 규칙 기반 접근 방식으로 수행할 수 있다면 그렇게 하세요"라고 Krishnan은 말했습니다. "그러나 수십만 또는 수백만 개가 있다면 그렇게 하세요. 수천 개의 규칙이 있을 때 소프트웨어 기반 방법을 사용하는 것은 불가능합니다.”

적절한 지표와 데이터가 있습니까?

미국 특허청으로 돌아가서 AI 프로젝트에는 모델 실행 방법에 대한 기술 지표와 AI 프로젝트의 상업적 가치를 정량화하는 방법에 대한 지표라는 두 가지 지표가 필요합니다.

Atlantic Health System은 비즈니스의 작은 부분에 대해 명확한 비즈니스 KPI를 갖춘 파일럿 프로젝트를 구현하여 성공을 보장합니다. 예를 들어 Atlantic Health System의 영상 평가 시스템은 신경학 분야의 소규모 파일럿으로 배포를 시작하여 심장학 및 기타 분야로 빠르게 확장되었습니다. 팀은 8주 만에 성공적인 신경학 파일럿을 만들고 프로젝트 결과를 시연했으며 심장학 및 기타 모든 서비스 라인의 지원을 받았습니다.

Flipkart는 USPTO와 마찬가지로 먼저 기술 모델 지표에 초점을 맞춘 다음 A/B 테스트를 실행하여 비즈니스에 어떤 영향을 미칠지 확인합니다. 현재 팀은 AI 지원 대화형 봇을 개발하고 테스트하고 있습니다. 그들은 질문에 대답하는 로봇의 능력인 "응답 가능성"이라는 측정 기준으로 시작했습니다. 이제 그들은 이것이 비즈니스에 측정 가능한 영향을 미칠지 확인하기 위해 A/B 테스트를 실행하고 있습니다.

AI 프로젝트는 빅 데이터에 크게 의존하므로 필요한 속도, 규모 및 다양성이 필요하다고 Dadlani는 말했습니다. "데이터 품질이 좋지 않으면 기대한 결과를 볼 수 없습니다."

Genpact의 Srivastava도 이에 동의합니다. "AI 시스템 구축 작업의 90%는 데이터 수집, 조정, 엔지니어링, 거버넌스에 관한 것입니다. 10%에 집중하고 90%를 버리면 처음부터 실패하게 되므로 기반을 구축해야 합니다.

또한 다양한 A/B 테스트 간에 지속적인 피드백을 제공할 수 있어야 합니다. 실시간으로 데이터를 가져와 모델을 조정할 수 있어야 합니다. 그러나 귀하의 조직에서는 데이터를 자동으로 신속하게 전달하지 못할 수도 있습니다. 예를 들어, 예측 모델을 작업 중이고 팀이 고객이 무엇을 구매하는지에 대한 정보를 자동으로 얻지 못하는 경우 루프를 완료할 수 없습니다. 시간이 지남에 따라 고객 선호도가 바뀔 수 있으므로 전체 배포 후에도 피드백 루프를 계속 유지하는 것도 중요합니다. 모델이 이를 고려하지 않으면 기대한 결과, 즉 "모델 드리프트"를 얻을 수 없습니다.

파일럿 프로젝트가 확대되나요?

파일럿 프로젝트는 초기 예상대로 완벽하게 배포할 수 있지만 확장성은 이러한 파일럿 프로젝트에 따라 달라집니다. 그렇다면 파일럿 프로젝트를 전체 배포로 확장하는 데 적합한 리소스가 있습니까? EY의 Diasio는 "데이터 저장소를 보유하고, 새로운 팀을 고용하고, 데이터 라벨 공장을 구축하는 대신 코드를 단순화하고, 새로운 기술을 도입하고, AI 및 기계 학습을 첨단화해야 할 수도 있습니다."라고 말했습니다. 모든 엔지니어링 기술을 갖추고 있습니다.”

파일럿 프로젝트 실행

Flipkart는 파일럿 프로젝트에서 클라우드 및 MLOps 관련 기능을 채택했습니다. "파일럿 프로젝트에는 처음부터 많은 엔지니어링 지원이 필요하고 자주 반복하고 시행착오를 빠르게 거쳐야 하며 이를 위해서는 대규모 클라우드 서비스 제공업체의 MLOps 인프라가 필요합니다."라고 그는 파일럿 팀에 정기적인 보고서가 있어야 한다고 조언했습니다. 목표 달성에 얼마나 근접했는지 확인하고 파일럿 기간 동안 기대치가 올바르게 설정되었는지 확인하세요.

"파일럿 초기 단계에서 3%를 설정하면 잘하고 있는 것입니다." 바로 혜택을 기대하지는 마세요. 복잡한 파일럿 프로젝트는 3개월 이내에 효과를 확인하는 데 어려움을 겪는 경우가 많습니다. 당신이 해야 할 일은 배포하고, 격차를 찾고, 다시 배포하고, 점진적으로 개선하는 것입니다.

파일럿 프로젝트 중 실패가 반드시 파일럿 프로젝트의 종료를 의미하는 것은 아닙니다. USPTO의 강화된 분류 시스템은 처음에는 실패했습니다. Holcombe는 "처음부터 부적절하게 관리되는 데이터 세트에 문제가 있었습니다"라고 말했습니다. 그러나 팀은 시스템이 수동 프로세스보다 훨씬 더 나은 성능을 발휘할 때까지 재보정하고 파일럿을 계속했습니다. “실패해도 포기하지 말고 실패한 이유를 찾아보세요.”

최종 평가

위의 CIO, IT 이사 및 컨설턴트는 다양한 방법을 사용하여 파일럿 프로젝트를 평가합니다. Atlantic Health System에서는 초기 파일럿이 완료되면 결과를 평가하여 파일럿 연장, 생산 진행 또는 손실 감소 여부를 결정합니다. Dadlani는 다음과 같이 말했습니다. “파일럿 프로젝트는 인지된 성공 척도를 제공해야 하며, 유망한 결과가 보일 때만 확장에 필요한 것이 무엇인지, 시간이 얼마나 걸릴지, 가치를 실현하는 데 얼마나 걸릴지 말할 것입니다. , 기술 인프라 어떤 자원 투자가 필요하며 어떻게 구현합니까?"

Eli Lilly의 Coleman은 파일럿 프로젝트가 실패하는 데에는 AI 기술 부족, 레이블이 지정된 데이터 부족, 불분명한 프로젝트 비전 또는 가치 제안, 부족 등 여러 가지 이유가 있다고 말했습니다. 민첩성 부족, 빠른 시행착오 사고방식 부족, 고위 경영진의 동의 부족, 비즈니스 채택을 촉진하는 조직 변경 관리 부족.

재무보고에 중요한 지표를 위쪽으로 보고해야 합니다. 예를 들어, 가격 책정 알고리즘이 5천만 달러의 절감을 예측하는 경우 현재까지 달성한 ​​것과 예상한 것 사이에 차이가 있을 수 있습니다. Diasio는 다음과 같이 말합니다. “대규모의 비용이 많이 드는 프로젝트에 관해 이야기할 때 파일럿 프로젝트에는 도구가 부족한 경우가 많습니다. 그 정도의 가치를 창출하려면 최대한 열심히 노력하여 달성한 가치를 문서화하세요.”

이것은 또한 파일럿 규모를 확대해야 하는지를 재평가할 수 있는 기회이기도 합니다. Genpact의 Srivastava는 "많은 PoC가 기술적으로는 매우 성공적이지만 확장 측면에서는 경제적으로 타당하지 않습니다."라고 Genpact의 Srivastava는 말했습니다.

하지만 장기적으로 보면 상황이 바뀔 수 있습니다. "단기적으로 규모를 확장할 수 없는 경우에도 납품 성공 확률이 높은 소규모 프로젝트 범위는 여전히 단기적인 비즈니스 가치를 제공할 수 있으며 동시에 기술 역량과 기술은 다음과 같은 수준까지 성숙해집니다. 도전 과제를 극복하세요."라고 Coleman은 말했습니다. 확장 장벽의 정도”

그 다음은 인프라입니다. 구성, 네트워크 대역폭, 스토리지, 컴퓨팅을 포함하여 확장 시 모든 가정을 확인해야 합니다. Krishnan은 "파일럿 프로젝트를 확장하려면 많은 엔지니어링 지원이 필요하며 이것이 클라우드 기반 MLOps 인프라가 도움이 될 수 있는 부분입니다."라고 말했습니다.

마지막으로 AI를 업스트림 및 다운스트림 워크플로에 통합할 수 있는지 확인해야 합니다. 예를 들어, 예측 장애 기능은 필요할 때 필요한 장소에서 필요한 예비 부품을 확보하기 위해 이를 업스트림 공급망 시스템에 통합하지 않으면 유용하지 않습니다. 마찬가지로 이 정보는 유지 관리 일정을 조정하기 위해 다운스트림으로 사용될 수 있습니다.

천천히 시작하고, 빠르게 실패하고, 인내심을 갖고 기다리세요

성공적인 AI/ML 파일럿 프로젝트의 핵심은 초기 계획을 진행하는 것입니다. Holcombe는 처음부터 모든 이해관계자를 참여시키려면 "경영진의 동의가 필요합니다"라고 말했습니다.

AI/ML 파일럿 프로젝트는 전반적인 디지털 혁신 전략의 일부로 수행되어야 하며 매력적인 비즈니스 시나리오가 있어야 한다고 Dadlani는 원하는 결과를 얻으려면 인내심이 필요하다고 말했습니다. 성공을 정의하는 기술 및 비즈니스 영향 지표를 개발합니다. 필요한 리소스가 있는지 확인하고, 팀을 구성하고, 시행착오에 신속하게 대비하세요. 따라서 팀에 필요한 기술과 도메인 전문 지식을 갖추는 것이 AI 파일럿 프로젝트 성공의 열쇠입니다. "파일럿 단계에서도 다기능 팀이 필요합니다. 파일럿 프로젝트는 실제 워크플로우의 일부이고 프로젝트부터 참여해야 하기 때문에 모든 사람이 참여하도록 하고 싶습니다." 시작합니다.”

필요한 인재가 부족한 조직은 외부 파트너와 함께 하이브리드 팀을 구성하는 것을 고려해야 하며, 중소기업은 적절한 인재를 찾을 수 있다면 더 많은 책임을 아웃소싱해야 할 수도 있습니다. Srivastava는 "적합한 AI/ML 엔지니어와 데이터 엔지니어가 없으면 아웃소싱이 매우 어렵습니다."라고 Srivastava는 말합니다. 게다가 머신러닝과 산업(예: 제조)을 모두 이해하는 팀원이 있어야 합니다. ) 인사. 이는 찾기 쉬운 기술이 아니므로 교차 훈련이 중요합니다.

마지막으로 Atlantic Health System이 머신러닝 기반 영상 평가 시스템 프로젝트에서 했던 것처럼 실제 비즈니스 결과를 창출한 다음 비즈니스의 다른 영역으로 확장할 수 있는 대상 프로젝트를 고려하고 싶습니다.

파일럿이 전체 프로덕션으로 전환되면 이미 수행한 작업을 기반으로 구축하세요. 사업부에게 파일럿 진행 상황에 대한 정보를 제공하고, 프로젝트가 완전히 배포되었을 때 수행할 작업을 시연하고, 다른 사업부가 자체 애플리케이션을 사용할 수 있는 플랫폼을 개발합니다. Srivastava는 다음과 같이 말했습니다. “오늘날 변화의 속도는 그 어느 때보다 느립니다. 파괴와 성장을 원하는 기업은 가치를 창출하는 방식을 바꿔야 합니다. AI 없이는 그렇게 할 수 없습니다. 인공지능을 사용하면 무기력해 보일 것이다.”

위 내용은 7명의 IT 전문가가 말하는: 성공적인 AI 파일럿 프로젝트를 시작하고 확장하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!