빠르게 변화하는 2023년 환경에서 조직은 인공지능(AI)과 관련 기술을 수용하여 다양한 AI 애플리케이션이 급증하는 것을 경험했습니다. 의 데이터에 따르면 맥킨지, 글로벌 산업 전반에 걸쳐 직원의 AI 채택률은 55%로 상당히 높았습니다. 그러나 2024년에 들어서면서 조직은 AI가 경쟁력과 운영 효율성에 중요하지만 AI의 실용적이고 일상적인 통합에는 미묘한 고려가 필요하다는 점을 인식하고 있습니다. 내년에는 AI 기술이 발전과 확장의 새로운 단계에 진입하는 것을 보게 될 것입니다. 그러나 일상적인 비즈니스 운영에 원활하게 통합되는 데 중요한 특정 구성 요소와 실제 응용 프로그램에 초점이 옮겨질 것입니다.

다음은 AI가 조직의 일상 업무 내에서 지속적으로 발전하고 확산됨에 따라 새해에 대한 세 가지 예측입니다.

더 작고 전문화된 LMM(대형 다중 모드 모델)이 더욱 대중화될 것입니다.

2024년에는 LMM과 텍스트 기반 인터페이스가 거의 모든 소프트웨어 제품의 필수 구성 요소가 될 것입니다. 이러한 LMM에 의해 구동되는 대화형 텍스트, 음성 및 이미지 기반 인터페이스는 다양한 애플리케이션 전반에 걸쳐 근본적인 통합을 겪게 됩니다. 이러한 인터페이스는 애플리케이션 제어부터 챗봇을 통해 애플리케이션 자체에 대한 사용자 문의에 대한 답변 제공까지 모든 것에 사용됩니다. 곧 LMM은 사용자가 디지털 환경에 참여하고 가치를 추출하는 방법을 재정의하게 될 것입니다. 이러한 데이터 제어와 대화 기능의 융합은 사용자 경험을 근본적으로 변화시켜 인터페이스를 다양한 사용자 요구를 원활하고 지능적으로 충족하는 직관적인 대화형 플랫폼으로 변환합니다. 

구체적으로 내년에는 조직이 큰 언어 모델 (LLM)은 단순한 텍스트를 넘어 다양한 유형의 사용자 입력을 조합할 수 있는 다중 모드 모델을 지향합니다. 이러한 모델은 더 많은 비즈니스 사용 사례에서 생성 AI의 사용을 확대하고 단순화하는 새로운 유형의 상호 작용을 가능하게 합니다. 그러나 LLM이 여전히 혁신에서 큰 역할을 하지 않을 것이라는 말은 아닙니다. 최근 Apple은 LLM의 로컬 실행을 도입했습니다. 메모리 용량이 제한된 환경에서 플래시 메모리를 효율적으로 사용하여 대규모 언어 모델을 실행하는 혁신적인 접근 방식입니다. 데이터 윈도우화 및 번들링에 대한 접근 방식을 통해 LLM을 모바일 장치에서 로컬로 실행할 수 있습니다. 더 많은 장치가 LLM을 로컬로 실행할 수 있는 능력이 더 많아지고 결국에는 LMM을 실행할 수 있게 됨에 따라 이와 같은 기술을 사용하면 혁신과 광범위한 사용이 급증할 수 있습니다.

또한 더 작고 목적 중심의 생성 모델이 더 많은 비즈니스에 초점을 맞출 것입니다. 이러한 전환을 통해 모델 교육을 위한 대규모 데이터 요구 사항이 간소화되어 개인 정보 보호, 보안 및 사용자 정의가 향상됩니다. 오픈 소스 기술과 같은 클라우드 기반 협업이 일반적으로 추진되면서 이러한 전문화된 LMM 구축이 더 쉬워지고 팀이 기술의 모든 이점을 얻을 수 있습니다. 의료, 교육 또는 지속 가능성과 같은 특정 목적을 위해 설계된 LMM은 맞춤형 도메인별 전문 지식과 기능을 제공하여 이러한 각 도메인에 서비스를 제공하는 것을 목표로 합니다. 반면 오픈 소스 솔루션은 소프트웨어 개발에 대한 투명성, 접근성 및 집단적 기여를 옹호합니다. 이 두 개념이 교차하는 경우 오픈 소스의 협업 정신을 활용하여 목적 중심 이니셔티브를 강화하는 것입니다.

목적 중심 LMM을 오픈 소스 프레임워크에 통합하거나 자체적으로 오픈 소스로 만들면 전문 도구와 지식에 더 폭넓게 액세스할 수 있습니다. 이러한 조합은 도메인 전문 지식이 필요한 영역에서 혁신과 커뮤니티 중심 개발을 촉진하여 보다 접근하기 쉽고 적응성이 뛰어나며 윤리적으로 조정된 솔루션을 만들 수 있도록 합니다. 이를 보여주고 잘 문서화된 정보 소스 계보를 자랑하는 모델이 가장 인기가 있을 것입니다. 이러한 소싱에 대한 강조는 높은 수준의 신뢰와 신뢰성을 보장하고 AI 기반 솔루션 영역 내에서 투명성과 책임의 문화를 조성할 것입니다.

개인 정보 보호 규정은 기업의 최우선 사항이 될 것입니다 

미국과 국제적으로 데이터 개인 정보 보호 환경은 점점 더 복잡해지고 관리하기 어려워지고 있습니다. 개인 정보 보호 규정은 주 수준 플로리다, 델라웨어, 텍사스에서 바이든 대통령의 새로운 행정 명령 AI 보안 및 개인 정보 보호를 감독하면서 데이터 개인 정보 보호 규칙을 탐색하는 것은 대부분의 조직에서 중요한 업적이 될 것입니다. 국제적으로 이것은 훨씬 더 복잡할 것이다. 12월 EU 임시 협정 인공지능법 전 세계 국가에서 모방할 수 있는 매우 상세한 프레임워크를 제공했습니다.

바이든 대통령의 행정명령과 EU 인공지능법 외에도 국가별 법률과 다양한 국가에서 시행하는 다양한 데이터 주체 권리 규정이 결합되어 있어 AI를 자사 운영에 통합하려는 기업은 고려해야 할 사항이 많습니다. 많은 사람들이 여러 시스템에 분산된 풍부한 데이터와 콘텐츠로 인해 어려움을 겪고 있습니다. GDPR, CCPA 등의 규정을 준수하면서 어려움을 겪고 있습니다. 새해에는 이러한 조직이 풍부한 데이터를 관리하는 데 어려움을 겪으면서 이러한 개인 정보 보호 규정을 완전히 수용하는 데 시간이 걸릴 것입니다. 이는 더 많은 기업이 뒤처지고 규정 준수 위반의 결과를 처리하는 위험한 현실입니다.

AI는 구조화되지 않은 데이터의 가치를 변화시킵니다.

올해 AI의 진정한 가치는 사람들이 다양한 내부 사용 사례에서 구조화되지 않은 정보로부터 더 많은 가치를 얻을 수 있도록 돕는 능력, 즉 방대한 양의 문서를 분석하고, 보다 간결하고 유익한 요약을 생성하고, 이러한 문서와의 Q&A 상호 작용을 촉진하는 능력에 있을 것입니다. AI는 다양한 기술과 알고리즘을 활용하여 귀중한 통찰력을 추출하고 겉보기에 혼란스러워 보이는 정보를 이해함으로써 구조화되지 않은 데이터를 처리하는 데 중요한 역할을 합니다. 이러한 AI 도구의 혁신적인 힘은 정보를 깊이 이해하고 요약하여 사용자에게 간결하면서도 포괄적인 개요를 제공하는 능력에서 나타납니다. 그 결과 계약서, HR 정책 문서, 제품 설계도, 실제 공급망 문서와 같은 중요한 콘텐츠를 HR, 법률, 규정 준수 부서의 지식 전문가가 번역할 필요 없이 일상적인 직원이 쉽게 쿼리하고 이해할 수 있게 됩니다.

LLM은 AI 처리 능력의 핵심입니다. 비정형 데이터, 인간 언어의 뉘앙스와 맥락을 해독할 수 있습니다. LLM은 구조화되지 않은 텍스트를 조사하여 핵심 아이디어, 데이터 및 테마를 추출할 수 있습니다. 이를 통해 분류, 감정 분석 및 요약이 용이해지며 원시 텍스트 데이터를 체계적이고 실행 가능한 통찰력으로 변환할 수 있습니다. 또한 문서를 이해하는 AI의 기능은 정보를 더욱 심층적으로 분석하고, 패턴을 식별하고, 중요한 데이터 포인트를 추출하는 데 도움이 되어 신속한 정보 검색을 가능하게 합니다. AI는 이러한 기능을 활용하여 구조화되지 않은 데이터를 실행 가능한 통찰력으로 변환하고, 정보에 입각한 의사 결정을 내리고, 프로세스를 자동화하고, 고객 경험을 향상하고, 산업 전반에 걸쳐 혁신을 촉진할 수 있습니다.

AI의 회오리바람이 계속되면서 앞으로 훨씬 더 변혁적인 한 해를 위한 무대가 마련되었습니다. 2024년을 정의할 임박한 발전의 물결은 AI의 지속적인 진화와 사용을 의미할 뿐만 아니라 책임 있는 통합, 혁신적인 역량 및 윤리적 고려의 시대를 예고하며 아직 상상하지 못한 방식으로 기술 환경을 재정의할 준비가 되어 있습니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.dataversity.net/three-ways-ai-will-change-in-the-new-year/