지식 관리가 AI 성공의 기본인 이유는 무엇입니까?

정확도를 높이는 한 가지 방법은 AI에 올바른 컨텍스트를 제공하고

환각을 줄이는 것입니다.

AI가 업무를 어떻게 혁신할지(일상 작업을 더 효율적이고 반복 가능하게 만들고 개인 노력을 늘리는 것)에 대한 모든 대화를 하다 보면 푹 빠져들기 쉽습니다. AI가 할 수 없는 것은 무엇일까요?

이름은 생성 인공지능이지만, 이미지, 코드, 텍스트, 음악 등을 생성할 수 있는 인공지능은 처음부터 만들어지는 것이 아닙니다. 인공지능 모델은 제공된 정보를 기반으로 학습되며, 특히 일반적으로 학습 데이터로 많은 양의 텍스트가 필요한 LLM(대형 언어 모델)의 경우 더욱 그렇습니다. AI가 정확하고 최신이며 잘 정리된 정보에 대해 훈련을 받으면 정확하고 최신이며 관련성이 높은 답변을 제공하는 경향이 있습니다. MIT 연구에 따르면 지식 기반을 LLM에 통합하면 결과 품질이 향상되고 오류가 줄어드는 경우가 많습니다. 이는 인공 지능과 기계 학습의 발전이 지식 관리의 필요성을 대체하지 못했다는 것을 의미합니다. 오히려 지식 관리가 더욱 중요해졌습니다

품질 향상, 품질 향상

오래되고 불완전한 정보에 대한 교육을 받은 LLM은 "환각", 즉 약간 벗어난 것부터 완전히 일관되지 않은 것까지 잘못된 결과가 발생하기 쉽습니다. 환각에는 질문에 대한 잘못된 답변과 사람 및 사건에 대한 잘못된 정보가 포함됩니다.

Generative AI는 "가비지 인, 쓰레기 아웃"이라는 고전적인 컴퓨팅 규칙에도 적용됩니다. AI 모델의 훈련 데이터는 매우 중요합니다. 이 데이터가 오래되었거나 구조가 잘못되었거나 구멍이 있는 경우 AI는 사용자를 오도하는 답변을 생성하기 시작하여 조직에 문제와 혼란을 야기합니다.

환상을 피하려면 다음과 같은 지식이 필요합니다.

• 정확성 지식이 풍부한 사용자가 검증한 신뢰할 수 있는 정보 품질
• 새로운 데이터/최종 사례가 나타날 때 최신 상태를 유지하고 쉽게 새로 고침
• 상황에 맞는, 즉 솔루션을 찾고 제공하는 맥락을 포착
• 지속적인 개선 및 자립

토론과 협업을 지원하는 지식 관리(KM) 접근 방식은 동료와 협력하여 AI의 응답을 검토하고 프롬프트 구조를 개선하여 답변 품질을 향상시킬 수 있으므로 지식 기반의 품질을 향상시킬 수 있습니다. 이러한 상호 작용은 AI의 강화 학습의 한 형태입니다. 인간은 AI가 생성한 출력의 품질과 정확성에 판단을 적용하고 AI(및 인간)가 개선되도록 돕습니다.

올바른 질문을 하세요

LLM을 사용할 때 쿼리 구조는 결과의 품질에 영향을 미칩니다. 그렇기 때문에 프롬프트 엔지니어링(AI에서 최상의 결과를 얻기 위해 쿼리를 구성하는 방법을 아는 것)이 중요한 기술이 되고 있으며 생성 AI가 대화의 양쪽 측면, 즉 프롬프트와 응답을 도울 수 있는 영역이 되고 있습니다.

2023년 6월 Gartner 보고서 '지식 관리를 위한 솔루션 경로'에 따르면 인공 지능에 대한 지침이나 문제를 공식화하는 행위인 프롬프트 엔지니어링은 그 자체로 빠르게 중요한 기술로 자리잡고 있습니다. 반복적이고 대화적인 방식으로 지능형 비서와 상호 작용하면 인공 지능이 지식 관리 작업을 완료하고 획득한 지식을 인간 동료와 공유하도록 안내하는 지식 근로자의 능력이 향상됩니다.

AI를 활용하여 지식 공유를 중앙 집중화

지식 획득 및 공유 필수 지식경영 실천이 번창할 수 있도록 AI 기반 지식 캡처, 콘텐츠 강화 및 AI 도우미는 전체 조직에 학습 및 지식 공유 방식을 도입하고 이를 일상적인 워크플로에 포함시키는 데 도움이 될 수 있습니다.

Gartner의 지식 관리 솔루션 경로에 따르면 Teams용 Stack Overflow와 같은 제품은 Microsoft Teams 또는 Slack과 통합되어 Q&A 포럼에 지속적인 지식 저장소를 제공할 수 있습니다. 사용자는 커뮤니티에 직접 질문을 게시할 수 있습니다. 답변은 찬성 또는 반대 투표로 결정되며, 가장 좋은 답변이 상위 답변으로 고정됩니다. 답변된 모든 질문은 검색 가능하며 다른 지식 소스처럼 선별될 수 있습니다. 이 접근 방식은 지식 공유를 워크플로우의 중심으로 삼는 추가적인 이점이 있습니다

또 다른 Gartner 보고서 "Generative AI가 개발자 경험을 향상시키는 방법 평가"(2023년 6월)에 따르면 조직은 Generative AI Enhanced Development Community of Practice를 구축하여 생성 AI 도구 사용에 대한 성숙한 관행을 수집하고 전파하는 것이 좋습니다. 엔지니어링 팁 및 코드 확인 방법. 보고서는 또한 조직이 조직에서 승인한 도구, 사용 사례 및 프로세스를 학습하고 적용하여 생성적 AI를 성공적으로 사용하는 데 필요한 기술과 지식을 확보할 것을 ​​권장합니다. 새로운 기술을 배우거나 기존 기술을 확장하려는 새로운 개발 인력 및 숙련된 개발자. 그러나 복잡성 절벽이 있습니다. 특정 시점이 지나면 문제의 뉘앙스, 상호 의존성 및 전체 맥락을 처리하는 AI의 능력과 솔루션이 감소합니다.

Stack Overflow 팟캐스트의 최근 에피소드에서 제품 관리자인 Marcos Grappeggia는 Google Cloud Duet은 "LLM은 개발자가 더 많은 일을 하고 더 빠르게 움직일 수 있도록 지원하는 데 매우 능숙합니다."라고 말했습니다. 그는 여기에는 익숙하지 않은 언어와 기술을 테스트하고 시도하는 것이 포함된다고 언급했습니다. 하지만 Grappeggia는 또한 LLM이 일반 개발자를 위한 좋은 대체품이 아니라고 경고합니다... 코드를 이해하지 못한다면 이는 여전히 실패의 비결입니다

이 복잡성의 절벽이 바로 당신에게 필요한 것입니다. 인간이 능력을 가질 수 있는 곳 독창적인 사고와 경험적 판단 능력을 갖추기 위함입니다. 귀하의 목표는 인간이 만든 지식을 정제하고 검증함으로써 인공 지능의 엄청난 힘을 활용하는 지식 관리 전략을 개발하는 것입니다.

위 내용은 지식 관리가 AI 성공의 기본인 이유는 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!