AI 계획 - AI 채택 계획 프로세스
이 문서에서는 AI 채택을 계획하기 위한 조직 프로세스를 간략하게 설명합니다. AI 채택 계획은 조직이 AI를 운영에 통합하기 위해 수행해야 하는 단계를 자세히 설명합니다. 이 계획은 AI 이니셔티브와 비즈니스 목표 간의 맞춤을 보장합니다. 이를 통해 조직은 효과적인 AI 채택을 위해 리소스를 할당하고, 기술을 개발하고, 기술을 배포할 수 있습니다.
AI 기술 평가
기술 전략에서 각각에 대한 AI 사용 사례 및 AI 솔루션을 식별했습니다. 이러한 솔루션을 사용하려면 특정 AI 기술을 채택해야 합니다. 진행하기 전에 현재 AI 기술을 평가하고 해결해야 할 격차를 식별합니다. AI 완성도 평가는 AI를 구현할 준비를 결정하는 데 도움이 됩니다. 또한 기능과 일치하는 사용 사례 선택을 안내하고 성공을 신속하게 처리합니다. 다음 표를 사용하여 AI 완성도 수준을 평가합니다. 자세한 내용은 Azure에서 생성 AI에 대한 기술 평가를 참조 하세요.
| AI 완성도 수준 | 필요한 기술 | 데이터 준비 상태 | 가능한 AI 사용 사례 |
|---|---|---|---|
| 수준 1 | ▪ AI 개념에 대한 기본 이해 ▪ 데이터 원본을 통합하고 프롬프트를 매핑하는 기능 |
▪ 사용 가능한 최소-0 데이터 ▪ 사용 가능한 엔터프라이즈 데이터 |
▪ Azure 빠른 시작(테이블 참조) ▪ Copilot Studio 앱 |
| 수준 2 | ▪ AI 모델 선택 경험 ▪ AI 배포 및 엔드포인트 관리에 대한 숙지 ▪ 데이터 정리 및 처리 경험 |
▪ 사용 가능한 최소-0 데이터 ▪ 작고 구조화된 데이터 세트 ▪ 사용 가능한 소량의 도메인별 데이터 |
▪ 이전 프로젝트 ▪ Azure AI 서비스를 사용하는 사용자 지정 분석 AI 워크로드 ▪ Azure AI Foundry에서 검색 증강 생성(RAG) 없이 사용자 정의 생성 AI 채팅 앱 ▪ 자동화된 모델 학습을 사용하는 사용자 지정 기계 학습 앱 ▪ 생성 AI 모델 미세 조정 |
| 수준 3 | ▪ 프롬프트 엔지니어링의 숙련도 ▪ AI 모델 선택, 데이터 청크 및 쿼리 처리의 숙련도 ▪ 데이터 전처리, 정리, 분할 및 유효성 검사에 대한 숙련도 ▪ 인덱싱을 위한 데이터 접지 |
▪ 기계 학습에 사용할 수 있는 많은 양의 기록 비즈니스 데이터 ▪ 사용 가능한 소량의 도메인별 데이터 |
▪ 이전 프로젝트 ▪ Azure AI Foundry(또는 Azure Machine Learning)에서 RAG를 사용하는 생성 AI 앱 ▪ Machine Learning에서 기계 학습 모델 학습 및 배포 ▪ Azure Virtual Machines에서 작은 AI 모델 학습 및 실행 |
| 수준 4 | ▪ 인프라 관리를 포함한 고급 AI/기계 학습 전문 지식 ▪ 복잡한 AI 모델 학습 워크플로 처리에 대한 숙련도 ▪ 오케스트레이션, 모델 벤치마킹 및 성능 최적화 경험 ▪ AI 엔드포인트 보안 및 관리에 대한 강력한 기술 |
▪ 학습에 사용할 수 있는 많은 양의 데이터 | ▪ 이전 프로젝트 ▪ Virtual Machines, Azure Kubernetes Service 또는 Azure Container Apps에서 대규모 생성 또는 비제전적 AI 앱 학습 및 실행 |
AI 기술 습득
AI 기술을 습득하려면 조직이 현재 인재 풀을 평가하고 외부 전문가와 함께 업스킬, 채용 또는 파트너 관계를 쌓을지 여부를 결정해야 합니다. 현재 인재 풀을 평가하여 업스킬링, 채용 또는 외부 파트너십에 대한 요구 사항을 파악합니다. 숙련된 AI 팀을 구축하면 문제에 적응하고 다양한 AI 프로젝트를 처리할 수 있습니다. AI는 지속적으로 진화하므로 지속적인 학습 문화를 유지 관리하면 혁신을 지원하고 기술을 최신 상태로 유지합니다.
AI 기술을 알아봅니다. 무료 AI 교육, 인증 및 제품 지침을 위해 AI 학습 허브 플랫폼을 사용합니다. Azure AI Fundamentals
, Azure AI 엔지니어 어소시에이트 ,, 인증을 획득하십시오., 그리고 Azure 데이터 과학자 어소시에이트 와 같은 인증을 목표로 설정합니다. AI 전문가를 모집합니다. 내부 기능을 넘어서는 전문 지식을 위해 모델 개발, 생성 AI 또는 AI 윤리에 경험이 있는 AI 전문가를 모집합니다. 이러한 전문가들은 수요가 높습니다. 교육 기관과 협력하여 새로운 인재에 액세스하는 것이 좋습니다. 진화하는 AI 요구 사항을 반영하도록 작업 설명을 업데이트하고 경쟁력 있는 보상을 제공해야 합니다. 매력적인 고용주 브랜드를 만듭니다. 혁신과 기술 발전에 대한 조직의 노력을 소개하여 AI 전문가에게 브랜드를 매력적으로 만듭니다.
Microsoft 파트너를 사용하여 AI 기술을 습득합니다. Microsoft 파트너 마켓플레이스를 사용하여 기술 부족 문제를 해결하고 시간 제약 조건을 충족합니다. Microsoft 파트너는 다양한 산업에서 AI, 데이터 및 Azure 전문 지식을 제공합니다.
AI 리소스 액세스
AI 솔루션을 개발하기 위한 전술적 단계로, AI 솔루션에 액세스할 수 있어야 합니다. 목표는 Microsoft AI 솔루션 사용을 시작하는 데 필요한 사항을 빠르게 이해하고 액세스할 수 있는 방법을 제공하는 것입니다.
Microsoft 365 Copilot에 액세스합니다. 대부분의 Microsoft SaaS 부조종사에는 라이선스 또는 추가 기능 구독이 필요합니다. Microsoft 365 Copilot에는 코필로트 라이선스에 추가하는 Microsoft 365 비즈니스 또는 엔터프라이즈 라이선스가 필요합니다.
Microsoft Copilot Studio에 액세스합니다.Microsoft Copilot Studio 는 독립 실행형 라이선스 또는 추가 기능 라이선스를 사용합니다.
제품 내 코필로트에 액세스합니다. 제품 내 코필로트는 각각 액세스 요구 사항이 다르지만 기본 제품에 대한 액세스가 필요합니다. 각각에 대한 자세한 내용은 GitHub, Power Apps, Power BI, Dynamics 365, Power Automate 및 Azure를 참조하세요.
역할 기반 코필로트에 액세스합니다. 역할 기반 코필로트에는 자체 액세스 요구 사항도 있습니다. 자세한 내용은 Microsoft 365 Copilot 및 보안용 Microsoft Copilot의 역할 기반 에이전트를 참조하세요.
Azure AI 리소스에 액세스합니다. Azure PaaS 및 IaaS 솔루션에는 Azure 계정이 필요합니다. 이러한 서비스에는 Azure OpenAI 서비스, Azure AI Foundry, Azure Machine Learning, Azure AI 서비스, Azure Virtual Machines 및 Azure CycleCloud가 포함됩니다.
AI 사용 사례 우선 순위 지정
기술, 리소스 및 AI 완성도를 평가한 후 AI 전략에서 식별된 AI 사용 사례의 우선 순위를 지정합니다. 이 우선 순위를 지정하면 가장 큰 가치를 제공하고 비즈니스 목표에 부합하며 현재 기능과 일치하는 프로젝트에 집중할 수 있습니다. 다음 단계를 수행합니다.
기술 및 리소스를 평가합니다. AI 기술을 습득한 후 현재 AI 완성도, 사용 가능한 데이터 및 리소스 액세스를 검토합니다. 이 평가는 가능한 사항에 따라 우선 순위를 다시 설정하는 데 도움이 됩니다.
사용 사례를 평가합니다. 조직에 추가하는 타당성 및 전략적 가치에 따라 프로젝트의 우선 순위를 지정합니다. AI 사용 사례를 전략적 목표에 맞게 조정하여 노력이 전반적인 성공에 기여하도록 합니다.
상위 사용 사례를 선택합니다. 추가 탐색 및 테스트의 기초가 되는 우선 순위가 높은 AI 사용 사례의 명단을 만듭니다.
AI 개념 증명 만들기
PoC(AI 개념 증명)를 개발하면 우선 순위가 지정된 사용 사례의 타당성 및 잠재적 가치를 더 작은 규모로 확인할 수 있습니다. PoC 프로세스는 본격적인 배포로 이동하기 전에 사용 사례 우선 순위를 구체화하고, 위험을 줄이고, 문제를 식별하는 데 도움이 됩니다. 이 반복적인 접근 방식을 사용하면 실제 인사이트를 기반으로 AI 계획을 조정할 수 있습니다.
올바른 기회를 선택합니다. AI 사용 사례의 후보 명단에서 AI 완성도 수준에 맞는 고부가가치 프로젝트를 선택합니다. 이상적으로는 고객이 마주하는 것이 아니라 내부 프로젝트로 시작하는 것이 좋습니다. 내부 프로젝트는 위험을 최소화하고 워크로드를 테스트하기 위한 토대를 제공합니다. PoC를 사용하여 접근 방식의 유효성을 검사하고 구체화한 후 프로덕션으로 확장합니다. A/B 테스트를 수행하여 작동하는 작업을 설정하고 기준 데이터를 수집합니다.
Azure 빠른 시작 가이드로 시작합니다. Azure는 AI 플랫폼을 사용하여 기본 애플리케이션을 만들기 위한 단계별 지침을 제공합니다. 빠른 시작이라고 하는 이러한 가이드는 애플리케이션을 배포하고 나중에 삭제하기 위한 지침을 포함하는 데 도움이 됩니다. 빠른 시작은 조직에 기술을 숙지하는 간단한 방법을 제공합니다.
AI 유형 Azure AI 빠른 시작 가이드 생성 AI Azure AI Foundry , Azure OpenAI , Copilot Studio 기계 학습 Azure Machine Learning 분석 AI Azure AI 서비스: Azure AI Content Safety, Azure AI Custom Vision, Document Intelligence Studio, Face Service, *Azure AI Language, Azure AI Speech, *Azure AI Translator, Azure AI Vision.
* 이 AI 서비스의 각 기능에는 고유한 빠른 시작 가이드가 있습니다.AI 기회의 우선 순위를 다시 지정합니다. PoC에서 얻은 인사이트를 사용하여 AI 사용 사례 목록을 구체화합니다. PoC가 예기치 않은 과제를 제시하는 경우 우선 순위를 조정하고 보다 실현 가능한 프로젝트에 집중합니다.
책임 있는 AI 구현
책임 있는 AI 채택을 위해서는 윤리적 프레임워크 및 규제 관행을 AI 구현 계획에 통합해야 합니다. 이 접근 방식을 통해 AI 이니셔티브는 조직의 가치에 부합하고, 사용자 권한을 보호하며, 법적 표준을 준수할 수 있습니다.
책임 있는 AI 계획 도구를 사용합니다. 책임 있는 AI 원칙을 채택 프로세스에 통합하려면 윤리적 AI 사례를 지원하는 도구와 프레임워크를 사용합니다. Microsoft는 여러 리소스를 제공합니다.
책임 있는 AI 계획 도구 설명 AI 영향 평가 템플릿 AI 이니셔티브의 잠재적인 사회적, 경제적, 윤리적 영향을 평가합니다. Human-AI eXperience Toolkit 사용자 복지의 우선 순위를 지정하고 긍정적인 상호 작용을 촉진하는 AI 시스템을 디자인합니다. 책임 있는 AI 완성도 모델 책임 있는 AI 사례를 구현할 때 조직의 완성도를 평가하고 개선합니다. 워크로드 팀을 위한 책임 있는 AI Azure에서 워크로드를 빌드할 때 책임 있는 AI를 구현하는 워크로드 팀에 대한 권장 사항입니다. AI 거버넌스 프로세스를 시작합니다. 책임 있는 AI 채택에는 AI 프로젝트를 안내하고 AI 시스템 동작을 모니터링하는 거버넌스 정책을 만드는 작업이 포함됩니다. 먼저 AI 이니셔티브와 관련된 조직의 위험을 식별합니다. 책임, 규정 준수 요구 사항 및 윤리적 표준을 간략하게 설명하는 거버넌스 정책을 문서화합니다. 이 프로세스에 대한 자세한 내용은 거버넌스 AI에 대한 문서를 참조하세요.
AI 관리 프로세스를 시작합니다. GenAIOps 또는 MLOps와 같은 AI 관리 프레임워크는 AI 시스템이 발전함에 따라 책임 있는 AI 원칙을 지속적으로 준수하는 데 도움이 됩니다. 이러한 사례에는 프로덕션 환경에서 AI 모델에 대한 배포 관리, 지속적인 모니터링 및 비용 최적화가 포함됩니다. 이 프로세스에 대한 자세한 내용은 AI 관리 문서를 참조하세요.
AI 보안 프로세스를 시작합니다. 보안은 책임 있는 AI 채택의 중요한 부분을 형성합니다. 정기적인 보안 평가는 AI 시스템의 기밀성, 무결성 및 가용성을 보호하는 데 도움이 됩니다. 악의적인 공격 또는 데이터 침해와 같은 AI와 관련된 잠재적인 보안 위협을 해결하는 위험 평가를 수행합니다. 이 프로세스에 대한 자세한 내용은 보안 AI에 대한 문서를 참조하세요.
배달 타임라인 예측
배달 타임라인을 예측하려면 AI 프로젝트 구현을 위한 현실적인 일정 및 마일스톤을 설정해야 합니다. 명확한 타임라인을 사용하면 조직에서 리소스를 효과적으로 할당하고 이해 관계자의 기대치를 관리할 수 있으므로 개념 증명에서 프로덕션으로의 구조적 진행을 지원합니다. 조직은 특정 마일스톤을 설정하여 진행 상황을 측정하고, 잠재적인 지연을 식별하고, 프로젝트를 추적 및 예산 내에서 유지할 수 있도록 조정할 수 있습니다.
PoC에 따라 AI 기회에 대한 배달 타임라인을 할당합니다. 선택한 사용 사례를 구현하기 위한 명확한 중요 시점 및 결과물이 포함된 타임라인을 만듭니다. 팀을 할당하고 역할을 정의하며 필요한 도구 또는 파트너십을 보호합니다. Microsoft AI SaaS 솔루션은 투자 수익률을 보기 위한 가장 짧은 타임라인을 제공합니다. Azure PaaS 및 IaaS 솔루션에서 AI 앱을 빌드하기 위한 타임라인은 사용 사례 및 AI 완성도에 따라 달라집니다. 대부분의 경우 프로덕션 준비 AI 워크로드가 생성되기까지 몇 주 또는 몇 달이 걸립니다.
다음 단계
Azure PaaS 또는 IaaS 서비스를 사용하여 AI 워크로드를