AI 전략 - AI 전략 개발을 위한 프로세스

이 문서에서는 AI 채택을 위해 조직을 준비하는 프로세스를 간략하게 설명합니다. 올바른 AI 솔루션을 선택하고, 데이터를 준비하고, 책임 있는 AI 원칙에서 접근 방식을 접지하는 방법을 알아봅니다. 잘 계획된 AI 전략은 비즈니스 목표에 부합하고 AI 프로젝트가 전반적인 성공에 기여하도록 합니다.

AI 사용 사례 식별

AI는 개별 효율성을 향상시키고 비즈니스 프로세스를 개선합니다. 생성 AI는 생산성을 높이고 고객 환경을 향상시킵니다. 기계 학습과 같은 비 생성적 AI는 구조화된 데이터를 분석하고 반복적인 작업을 자동화하는 데 이상적입니다. 이러한 이해를 통해 AI가 가치를 더할 수 있는 비즈니스 전반의 영역을 식별합니다. 자세한 내용은 예제 AI 사용 사례를 참조 하세요.

• 자동화 기회를 찾습니다. 자동화에 적합한 프로세스를 식별하여 효율성을 개선하고 운영 비용을 절감합니다. 반복 작업, 데이터 사용량이 많은 작업 또는 AI가 상당한 영향을 미칠 수 있는 오류율이 높은 영역에 집중합니다.

• 내부 평가를 수행합니다. 다양한 부서의 입력을 수집하여 AI가 해결할 수 있는 과제와 비효율성을 식별합니다. 워크플로를 문서화하고 관련자의 의견을 수집하여 자동화, 인사이트 생성 또는 향상된 의사 결정을 위한 기회를 파악합니다.

• 업계 사용 사례를 살펴봅니다. 유사한 조직이나 산업이 AI를 사용하여 문제를 해결하거나 운영을 향상시키는 방법을 연구합니다. Azure 아키텍처 센터에서 AI 아키텍처와 같은 도구를 사용하여 영감을 받고 요구 사항에 맞는 방법을 평가합니다.

• AI 대상을 설정합니다. 식별된 각 사용 사례에 대해 목표(범용), 목표(원하는 결과) 및 성공 메트릭(정량화 가능한 측정값)을 명확하게 정의합니다. 이러한 요소는 AI 채택을 안내하고 그 영향을 측정하는 벤치마크 역할을 합니다.

자세한 내용은 예제 AI 전략을 참조 하세요.

AI 기술 전략 정의

AI 기술 전략은 생성 및 비제전적 AI 사용 사례에 가장 적합한 도구와 플랫폼을 선택하는 데 중점을 둡니다. Microsoft는 SaaS(Software-as-a-Service), PaaS(Platform-as-a-Service), IaaS(Infrastructure-as-a-Service) 등 다양한 수준의 사용자 지정 및 공유 책임 제공하는 다양한 옵션을 제공합니다. 결정을 안내하려면 다음 AI 의사 결정 트리를 사용합니다. 각 서비스에 대해 해당 서비스에 성공하는 데 필요한 기술, 데이터 및 예산을 평가합니다. 이 평가 프로세스에 도움이 되는 지침이 이 문서에 있습니다.

AI SaaS(소프트웨어 서비스) 구입

Microsoft는 개별 효율성을 향상시키는 다양한 코필로트 생성 AI 서비스를 제공합니다. 이러한 코필로트를 사용하면 비즈니스 전반 또는 특정 사용자에 대한 AI 기능을 위한 SaaS(Software as a Service)를 구매할 수 있습니다. SaaS 제품은 일반적으로 최소한의 기술 기술이 필요합니다.

필요한 데이터 측면에서 Microsoft 365 Copilot Microsoft Graph에서 엔터프라이즈 데이터를 사용합니다. 민감도 레이블을 사용하여 데이터를 분류할 수 있습니다. 역할 기반 코파일럿에는 데이터를 수집하기 위한 다양한 데이터 연결 및 플러그인 옵션이 있습니다. 대부분의 제품 내 코필로트는 추가 데이터 준비가 필요하지 않습니다. Micorosoft 365 Copilot 확장하면 Microsoft Graph 또는 다른 데이터 원본에서 가져올 수 있는 선언적 에이전트를 통해 더 많은 데이터를 추가할 수 있습니다. Copilot Studio 는 다양한 비즈니스 애플리케이션에 대한 사용자 지정 부조합을 만드는 데 필요한 많은 데이터 처리를 자동화합니다. 자세한 내용은 다음 표의 링크를 사용합니다.

Microsoft Copilots	설명	사용자	필요한 데이터	필요한 기술	주요 비용 요소
Microsoft 365 Copilot	Microsoft 365 앱에서 작업을 자동화하고 Microsoft Graph에서 비즈니스 데이터와 채팅할 수 있는 향상된 보안 방법을 제공하는 엔터프라이즈 차원 솔루션에 Microsoft 365 Copilot를 사용합니다.	비즈니스	예	일반 IT 및 데이터 관리	라이선스
역할 기반 코필로트	Microsoft 365용 Microsoft Copilot for Security 및 역할 기반 에이전트를 사용하여 특정 비즈니스 역할에 대한 생산성을 향상시킵니다. 역할 기반 에이전트에는 Microsoft 365 Copilot for Sales, Microsoft 365 Copilot for Service및 Microsoft 365 Copilot for Finance가 포함됩니다.	비즈니스	예	일반 IT 및 데이터 관리	라이선스 또는 보안 컴퓨팅 단위(보안을 위한 부조종사)
제품 내 코필로트	코필로트를 사용하여 Microsoft 제품 내의 생산성을 향상시킵니다. 제품 내 코파일럿이 있는 제품에는 GitHub, Power Apps, Power BI, Dynamics 365, Power Automate및 Azure등이 있습니다.	비즈니스 및 개인	예	None	무료 또는 구독
부조종사 무료 또는 프로	Azure OpenAI 모델에 대한 브라우저 기반 액세스를 위해 무료 버전을 사용합니다. 더 나은 성능과 더 많은 용량을 위해 Copilot Pro를 사용합니다.	개인	아니요	None	코필로트 무료 또는 코필로트 프로 구독에 대한 없음
Microsoft 365 Copilot용 확장성 도구	선언적 에이전트를 통해 Microsoft Graph 커넥터 또는 기능(기술)을 통해 더 많은 데이터(지식)로 Microsoft 365 Copilot 사용자 지정(확장)합니다. 선언적 에이전트를 빌드하려면 Copilot Studio(SaaS 개발), 에이전트 작성기, VS Code의 Teams 도구 키트(프로 코드 옵션) 및 sharepoint같은 확장성 도구를 사용합니다.	비즈니스 및 개인	예	데이터 관리, 일반 IT 또는 개발자 기술	Microsoft 365 Copilot 라이선스
Copilot Studio	Copilot Studio 사용하여 테스트를 빌드하고 SaaS 제작 환경에서 에이전트를 배포합니다.	개발자	예	플랫폼을 사용하여 데이터 원본을 연결하고 프롬프트를 매핑하며 다양한 위치에 보조 프로그램을 배포합니다.	라이선스

Azure Platforms(PaaS)를 사용하여 AI 워크로드 빌드

Microsoft는 AI 워크로드를 빌드하기 위한 다양한 PaaS(Platform-as-a-Service) 옵션을 제공합니다. 선택하는 플랫폼은 AI 목표, 필수 기술 및 데이터 요구 사항에 따라 달라집니다. Azure는 초보자 친화적인 도구부터 숙련된 개발자 및 데이터 과학자를 위한 고급 옵션에 이르기까지 다양한 전문 지식 수준에 적합한 플랫폼을 제공합니다. 가격 책정 페이지를 검토하고 Azure 가격 계산기 사용하여 비용을 예측합니다.

AI 목표	Microsoft 솔루션	필요한 데이터	필요한 기술	주요 비용 요소
코드 우선 플랫폼을 사용하여 RAG 애플리케이션 빌드	Azure AI Foundry 또는 Azure OpenAI	예	모델 선택, 데이터 흐름 오케스트레이션, 데이터 청크 분할, 청크 보강, 인덱싱 선택, 쿼리 유형 이해(전체 텍스트, 벡터, 하이브리드), 필터 및 패싯 이해, 재전송 수행, 프롬프트 흐름 엔지니어링, 엔드포인트 배포 및 앱에서 엔드포인트 사용	컴퓨팅, 토큰 안팎 수, 사용된 AI 서비스, 스토리지 및 데이터 전송
생성 AI 모델 미세 조정	Azure AI Foundry	예	데이터를 전처리하고, 데이터를 학습 및 유효성 검사 데이터로 분할하고, 모델의 유효성을 검사하고, 다른 매개 변수를 구성하고, 모델을 개선하고, 모델을 배포하고, 앱에서 엔드포인트를 사용합니다.	컴퓨팅, 토큰 안팎 수, 사용된 AI 서비스, 스토리지 및 데이터 전송
사용자 고유의 데이터를 사용하여 기계 학습 모델 학습 및 유추	Azure Machine Learning 또는 Microsoft Fabric	예	데이터 전처리, 코드 또는 자동화를 사용하여 모델 학습, 모델 개선, 기계 학습 모델 배포 및 앱에서 엔드포인트 사용	컴퓨팅, 스토리지 및 데이터 전송
애플리케이션에서 비생성적 AI 모델 사용	Azure AI 서비스	예	올바른 AI 모델 선택, 엔드포인트 보안, 앱에서 엔드포인트 사용, 필요에 따라 미세 조정	사용된 모델 엔드포인트, 스토리지, 데이터 전송, 컴퓨팅 사용(사용자 지정 모델을 학습하는 경우)

IaaS(인프라 서비스)를 사용하여 사용자 고유의 모델 가져오기

더 많은 제어 및 사용자 지정이 필요한 조직의 경우 Microsoft는 IaaS(Infrastructure-as-a-Service) 솔루션을 제공합니다. AI 워크로드에는 Azure 플랫폼(PaaS)이 선호되지만, CycleCloud을 통해 제공되는 Azure Virtual Machines 와 Azure Kubernetes Service 는 고급 AI 요구 사항을 위한 GPU 및 CPU 접근을 제공합니다. 이 설정을 사용하면 사용자 고유의 모델을 Azure로 가져올 수 있습니다. 관련 가격 책정 페이지 및 Azure 가격 계산기를 참조하세요.

AI 목표	Microsoft 솔루션	필요한 데이터	필요한 기술	주요 비용 요소
고유한 AI 모델을 학습하고 유추합니다. 사용자 고유의 모델을 Azure로 가져옵니다.	Azure Virtual Machines 또는 Azure Kubernetes Service	예	인프라 관리, IT, 프로그램 설치, 모델 학습, 모델 벤치마킹, 오케스트레이션, 엔드포인트 배포, 엔드포인트 보안 및 앱에서 엔드포인트 사용	컴퓨팅, 컴퓨팅 노드 오케스트레이터, 관리 디스크(선택 사항), 스토리지 서비스, Azure Bastion 및 사용된 기타 Azure 서비스

자세한 내용은 예제 AI 전략을 참조 하세요.

AI 데이터 전략 정의

각 AI 사용 사례에 대해 AI 데이터 전략을 정의해야 합니다. 데이터 전략은 규제, 윤리적 및 운영 표준에 부합하는 데이터 수집, 스토리지 및 사용 사례를 간략하게 설명해야 합니다. 각 사용 사례에 맞게 전략을 조정하여 안정적인 AI 출력을 보장하고 데이터 보안 및 개인 정보를 향상합니다. 필요한 경우 이러한 개별 전략을 조직의 광범위한 요약 데이터 전략으로 통합할 수 있습니다.

• 데이터 거버넌스를 설정합니다. 워크로드가 법적 및 윤리적 표준을 준수하도록 각 AI 사용 사례에 대한 데이터 거버넌스 원칙을 정의합니다. 사용 사례와 관련된 액세스, 사용 및 스토리지를 제어하는 민감도 및 정책에 따라 데이터의 분류를 포함합니다.

• 데이터 수명 주기를 계획합니다. 각 AI 사용 사례에 대한 데이터를 수집, 저장, 처리 및 사용 중지하는 방법을 지정합니다. 보존 및 삭제 정책을 포함하고 버전 제어를 사용하여 업데이트 중에 정확도를 유지합니다.

• AI 공정성 및 바이어스 컨트롤을 설정합니다. 이 AI 사용 사례에 사용되는 데이터의 편향을 감지하고 해결하는 프로세스를 개발합니다. Fairlearn과 같은 도구를 사용하여 특히 중요한 데이터 특성을 사용할 때 모델이 공정하고 공평한 결과를 제공하도록 합니다.

• AI와 데이터 팀 간의 협업을 촉진합니다. 고품질의 잘 관리되는 데이터를 사용하여 모델을 빌드할 수 있도록 AI 개발을 데이터 엔지니어링 노력에 맞춥니다. AI 모델 학습 및 데이터 업데이트를 위한 통합 파이프라인을 설정합니다.

• 데이터 확장성을 준비합니다. 이 AI 워크로드에 필요한 볼륨, 속도 및 다양한 데이터를 예측합니다. 유연한 아키텍처를 사용하여 수요에 따라 크기를 조정하고 효율적인 리소스 관리를 위해 클라우드 기반 인프라를 고려하도록 계획합니다.

• 데이터 관리 자동화를 통합합니다. AI 및 기계 학습을 사용하여 태그 지정, 카탈로그 및 데이터 품질 검사와 같은 작업을 자동화할 계획입니다. 자동화는 정확도를 향상시키고 팀이 전략적 노력에 집중할 수 있도록 합니다.

• 지속적인 모니터링 및 평가를 계획합니다. 지속적인 데이터 품질, 성능 및 공정성을 보장하기 위해 데이터 및 모델 출력에 대한 정기적인 감사를 설정합니다. AI 모델 및 데이터 파이프라인을 모니터링하여 안정성 또는 규정 준수에 영향을 미칠 수 있는 모든 교대조를 식별합니다.

다양한 사용 사례에 맞는 예제 데이터 전략은 예제 AI 전략참조하세요.

책임 있는 AI 전략 정의

각 AI 사용 사례에 대해 AI 솔루션이 모든 사용자에게 신뢰할 수 있고 유익한 상태를 유지하는 역할을 간략하게 설명하는 책임 있는 AI 전략을 정의해야 합니다. 책임은 각 경우에 채택된 기술에 따라 달라질 수 있습니다. 필요한 경우 개별 사용 사례에서 파생된 가장 중요한 원칙을 포함하는 보다 광범위한 책임 있는 AI 전략을 만듭니다.

• AI 책임을 수립합니다. AI 기술 및 규정이 발전함에 따라 이러한 변경 내용을 모니터링하고 제어할 사람을 할당합니다. 일반적으로 AI CoE 또는 AI 리더의 책임입니다.

• 확립된 책임 있는 AI 원칙에 맞춥니다. Microsoft는 NIST AI RMF(인공 지능 위험 관리 프레임워크)를 준수하는 6가지 책임 있는 AI 원칙을 따릅니다. 이러한 원칙을 비즈니스 목표로 사용하여 성공을 정의하고 각 사용 사례에서 AI 채택을 관리합니다.

• 책임 있는 AI 도구를 식별합니다. 책임 있는 AI 도구는 AI가 더 광범위한 책임 있는 AI 사례와 일치하도록 보장합니다. 전략의 일환으로 관련된 책임 있는 AI 도구 및 프로세스를 식별합니다.

• 법률 및 규정 준수 요구 사항을 이해합니다. 법률 및 규정 준수는 AI 워크로드를 빌드하고 관리하는 방법에 영향을 줍니다. 운영 중인 AI를 관리하는 요구 사항을 연구하고 준수합니다.

자세한 내용은 예제 AI 전략을 참조 하세요.

다음 단계

AI 계획

예제 AI 사용 사례

이러한 예제에서는 다양한 생성 및 비제작적 AI 애플리케이션을 강조 표시합니다. 완전하지는 않지만 AI를 비즈니스의 여러 영역에 적용하는 방법에 대한 인사이트를 제공합니다.

생성 AI	비제전적 AI
자율 에이전트: 일정 또는 고객 문의를 관리하는 가상 도우미와 같이 독립적으로 작업을 수행하는 AI 시스템을 개발합니다.	이미지 인식: AI를 활용하여 이미지 또는 비디오 내의 개체를 식별하고 분류하며 보안 또는 품질 제어 시스템에 유용합니다.
마케팅: 소셜 미디어 게시물 및 전자 메일 뉴스레터를 자동으로 만듭니다.	예측: 추세를 예측하거나 기록 데이터를 기반으로 작업을 최적화합니다.
전자상거래 플랫폼: 맞춤형 제품 추천 및 맞춤형 쇼핑 환경을 생성합니다.	프로세스 자동화: 고객 서비스 봇과 같이 콘텐츠 생성이 필요하지 않은 일상적인 작업 및 워크플로를 자동화합니다.
제품 디자인: 제품 프로토타입 또는 디자인 요소의 여러 변형을 빠르게 만듭니다.	데이터 분석: 인사이트 및 데이터 기반 의사 결정을 위해 구조화된 데이터의 패턴을 파악합니다.
소프트웨어 개발: CRUD 작업과 같은 반복적인 코드 생성을 자동화합니다.	모델 시뮬레이션: 복잡한 워크로드(유동적 역학, 유한 요소 분석)를 시뮬레이션하여 동작을 예측하고 디자인 또는 프로세스를 최적화합니다.
교육 플랫폼: 학생들을 위한 맞춤형 학습 자료를 생성합니다.	변칙 검색: 데이터의 비정상적인 패턴을 식별합니다. 예를 들어 사기 감지 또는 장비 오류 예측에 이 전략을 사용할 수 있습니다.
고객 서비스: AI 기반 챗봇을 통해 컨텍스트 기반 응답을 제공합니다.	권장 사항: 전자 상거래 및 스트리밍 서비스에서 일반적으로 사용되는 사용자 동작에 따라 개인 설정된 권장 사항을 제공합니다.
광고 대행사: 다양한 대상 세그먼트에 대한 타겟 광고 변형을 만듭니다.	최적화: 복잡한 문제(공급망 최적화, 리소스 할당)를 해결하여 효율성을 향상시킵니다.
건강 및 웰빙 앱: 사용자 지정된 운동 루틴 및 식사 계획을 생성합니다.	감정 분석: 소셜 미디어 또는 고객 리뷰의 텍스트를 분석하여 민심을 측정하고 고객 경험을 향상시킵니다.

AI 전략 예제

이 예제 AI 전략은 가상의 회사인 Contoso를 기반으로 합니다. Contoso는 고객용 전자 상거래 플랫폼을 운영하며 비즈니스 데이터를 예측하는 도구가 필요한 영업 담당자를 고용합니다. 또한 프로덕션을 위한 제품 개발 및 인벤토리를 관리합니다. 영업 채널에는 민간 기업과 고도로 규제되는 공공 부문 기관이 모두 포함됩니다.

AI 사용 사례	목표	목표	성공 메트릭	AI 접근 방식	Microsoft 솔루션	데이터 요구 사항	기술 요구 사항	비용 요인	AI 데이터 전략	책임 있는 AI 전략
전자상거래 웹 애플리케이션 채팅 기능	SaaS 및 온-프레미스 전반에서	고객 만족도 개선	고객 보존율 증가	PaaS, 생성 AI, RAG	Azure AI 파운드리	항목 설명 및 페어링	RAG 및 클라우드 앱 개발	사용	고객 데이터에 대한 데이터 거버넌스를 설정하고 AI 공정성 제어를 구현합니다.	AI CoE에 AI 책임을 할당하고 책임 있는 AI 원칙에 부합합니다.
내부 앱 문서 처리 워크플로	SaaS 및 온-프레미스 전반에서	비용 절감	완료율 증가	분석 AI, 미세 조정	Azure AI 서비스 - 문서 인텔리전스	표준 문서	앱 개발	예상 사용량	내부 문서에 대한 데이터 거버넌스를 정의하고 데이터 수명 주기 정책을 계획합니다.	AI 책임을 할당하고 데이터 처리 정책 준수를 보장합니다.
재고 관리 및 제품 구매	SaaS 및 온-프레미스 전반에서	비용 절감	재고의 더 짧은 유효 기간	기계 학습, 학습 모델	Azure Machine Learning	기록 인벤토리 및 판매 데이터	기계 학습 및 앱 개발	예상 사용량	판매 데이터에 대한 거버넌스를 설정하고 데이터의 편향을 감지하고 해결합니다.	AI 책임을 할당하고 금융 규정을 준수합니다.
회사 전체의 일상 업무	개별 생산성 향상	직원 환경 개선	직원 만족도 증가	SaaS 생성 AI	Microsoft 365 Copilot	OneDrive 데이터	일반 IT	구독 비용	직원 데이터에 대한 데이터 거버넌스를 구현하고 데이터 개인 정보를 보장합니다.	AI 책임을 할당하고 기본 제공 책임 있는 AI 기능을 활용합니다.
규제된 업계 채팅 기능을 위한 전자 상거래 앱	SaaS 및 온-프레미스 전반에서	매출 증대	판매 증가	IaaS 생성 AI 모델 학습	Azure Virtual Machines	도메인별 학습 데이터	클라우드 인프라 및 앱 개발	인프라 및 소프트웨어	규정 준수 조치를 사용하여 규제된 데이터에 대한 거버넌스를 정의하고 수명 주기를 계획합니다.	AI 책임을 할당하고 업계 규정을 준수합니다.