2020년(2021년에 추가 업데이트) IBM은 기업 애플리케이션을 위한 7개 차원의 AI 성숙도 프레임워크를 소개했습니다.
생성형 AI의 등장과 함께 IBM은 IBM GenAI 아키텍처를 "생성형 AI 도입을 위한 IBM 성숙도 모델"에 맞추었습니다.
단계
특성
권장 사항
1
- 범용 모델 활용
- 예측 불가능하고 대응적인 접근 방식
- 국지적 노력
- 제한된 이해
- 기본 인식 개발
- 파일럿 프로젝트 시작
2
- 주요 생성형 AI 환경에서 목적에 맞는 모델 활용
- 일관되지 않은 프로세스
- 초기 문서화
- 데이터 품질 요구 사항 인식
- 중앙 집중식 전략 수립
- 기본 교육
- 데이터 표준 평가
3
- 생성형 AI 환경에서 기업 전반의 데이터 활용
- 조직 전반의 표준
- 확립된 거버넌스
- 윤리 중심 접근
- 협업 강화
- 생성형 AI 문제 해결
- 지속적인 피드백 메커니즘
4
- 컴퓨팅 및 비용 확장을 위해 생성형 AI 모델 실행 및 추론 수행
- 활발한 지표 추적
- 정량적 평가
- 데이터 기반 의사 결정
- 고급 분석
- 비즈니스 목표와 연계
- 강력한 위험 관리
5
- 최적의 비용으로 여러 환경에서 모델을 안전하게 구축 및 사용
- 지속적 개선
- 확립된 피드백 루프
- 선제적 접근 방식
- 혁신 촉진
- 전문가와 상담하기
- 거버넌스 프레임워크 검토
생성형 AI의 능력 모델에 매핑된 기능
IBM 생성형 AI 아키텍처 역량 모델이 이 성숙도 모델에 매핑되는 방식은 다음과 같습니다.
단계
생성형 AI 역량
거버넌스 성숙도
1
- 생성형 AI 리소스: 하드웨어 및 플랫폼 기본 요소
- 기본 데이터 관리: 데이터의 초기 저장 및 관리
AI 라이프사이클 거버넌스 없음
2
- 모델 허브: 기본 모델 가져오기 및 데이터 가져오기 기능
- 지원 역량: 생성형 AI를 위한 기본 IT 운영
- 생성형 AI 애플리케이션 개발의 초기 단계: 파운데이션 모델 조정 시작
AI 라이프사이클을 안내하기 위한 일부 AI 정책 존재
3
- 모델 호스팅: 모델을 API 서비스로 배포하고 모델 액세스 정책 관리 수행
- 모델 사용자 지정: 특정 요구 사항에 맞게 모델을 조정하고 학습하는 단계
- 생성형 AI 튜닝: 프롬프트 엔지니어링 및 모델 미세 조정을 통한 기본 사용자 지정
AI 라이프사이클을 관리하기 위한 공통 지표 세트
4
- 모델 거버넌스: 편향 발생, 규제 및 규정 준수와 같은 위험 관리
- 모델 모니터링: 편향 탐지 및 HAP 탐지를 포함한 실시간 모니터링 기능
- 생성형 AI 애플리케이션 역량: 오케스트레이션 및 의도 감지와 같은 고급 기능 포함
자동화된 검증 및 모니터링
5
- 고급 모델 사용자 지정: 동적 요구 사항을 위해 클라우드 플랫폼을 활용합니다.
- 프롬프트 모니터링 및 보안: 고급 위협으로부터 모델 보호
- 고급 생성형 AI 튜닝: 기업 특화 용어와 프로세스에 맞게 모델을 정밀하게 사용자 지정
- 고급 생성형 AI 애플리케이션 개발: 전체 기능을 갖춘 생성형 AI 애플리케이션 개발 및 필요 시 모델을 처음부터 생성
완전 자동화된 AI 라이프사이클 거버넌스