더 빠르고 전략적 의사결정을 위해 AI 활용

생성 AI에 관한 정보는 너무 많아서 사실과 허구를 구분하기가 어렵습니다. 저는 생성 AI를 전문으로 하는 Logility의 연구 개발팀의 일원으로서 인공 지능 기술의 급속한 확장을 가장 먼저 목격하고 있습니다. AI는 조직 전체에서 AI의 잠재력을 활용하여 효율성을 개선하고 수익성을 높이려는 비즈니스 리더에게 과제와 기회를 제시했습니다. 이 블로그에서는 이 흥미로운 기술의 가치를 보여주기 위해 10가지 일반적인 생성 AI 신화를 다루겠습니다.

오해 1: 생성적 AI는 지난 몇 년 동안 최근에 개발되었습니다.

생성적 AI(Generative AI)는 지난 1950~XNUMX년 동안 대중의 인식의 최전선으로 떠올랐습니다. 그러나 AI는 XNUMX년대 이후 지속적으로 발전해온 인공지능과 머신러닝 방법론을 기반으로 한다. 이 기간 동안 신기술을 뒷받침하는 동일한 AI 도구는 효율성을 향상하고 예측, 공급 계획, 재고 관리, 제조, 네트워크 최적화 등을 포함한 물류 및 공급망 프로세스의 모든 영역을 최적화하는 데 핵심이었습니다.

오해 2: 생성 AI는 데이터를 비공개로 유지할 수 없습니다.

우리의 가장 큰 관심사 중 하나는 고객이 자신의 데이터가 안전하고 안전하다는 완전한 확신을 갖고 있다는 것입니다. 생성적 AI는 개인 정보 보호를 위한 조치를 통해 절대적으로 구축될 수 있습니다. 예를 들어, Logility GenAI 귀하의 데이터는 고급 암호화 프로토콜과 강력한 액세스 제어로 보호되어 민감한 정보의 기밀이 유지되고 보호됩니다.

오해 3: 생성 AI는 블랙박스로서 최고다

언뜻 보면 100% 자동화된 워크플로를 지원하는 생성적 AI의 전망은 공급망 프로세스에서 원하는 목표처럼 보일 수 있습니다. 그러나 숙련된 일상 기획자는 전략 결정, 예측 개발, 공급 계획 수립 및 재고 관리 시 좋은 결과를 얻으려면 사람의 감독이 중요하다는 것을 알고 있습니다. 생성적 AI의 원활한 통합 해당 분야 전문가와 함께하는 기술 예외, 막바지 요청, 예상치 못한 중단이 발생한 경우 특히 중요합니다.

오해 4: 생성 AI는 항상 인간보다 똑똑하다

그렇습니다. 생성 AI는 인간의 능력을 넘어서는 강점을 가지고 있습니다. 인간보다 빠르게 학습할 수 있으며 훈련 데이터, 알고리즘, 통계 모델을 기반으로 엄청난 양의 정보를 처리하고 분석하도록 훈련되었습니다. 그러나 생성 AI는 상황에서 상황에 맞는 정보를 추론하거나 인간의 이해, 감정, 직관 개념을 사용할 수 없습니다.

예를 들어 주요 고객의 주문이 지연될 예정이라고 가정해 보겠습니다. 개인적인 관계로 인해 공급망 관리자는 소싱 담당 동료에게 전화하여 공급업체에 연락하여 배송을 신속하게 받을 수 있다는 것을 알고 있습니다. 생성적 AI는 훈련 데이터에서 배운 내용을 토대로만 행동할 수 있는 반면, 공급망 관리자는 상황의 맥락에 따라 직관을 사용하여 결정을 내리고 행동할 수 있습니다. 

오해 5: 생성 AI가 회사의 인력을 감소시킬 것이다

생성적 AI는 작업을 더 쉽게 만들고 작업자가 지루하고 반복적인 노동 대신 전략적 의사 결정에 더 집중할 수 있도록 하여 인력을 대체하는 것이 아니라 보완합니다.

격주 S&OP 회의를 준비할 때 분석가가 가장 중요한 보고서 및 KPI와 함께 추가 조사가 필요한 제품을 결정해야 한다고 상상해 보십시오. 미세 조정된 생성 AI 도우미 회의 전에 분석가를 위해 이 데이터를 자동으로 생성하므로 분석가는 최신 지표를 해석하고 계획을 세우는 데 집중할 수 있습니다. 이제 분석가의 책임은 데이터를 분석하는 것에서 핵심 요소를 기반으로 한 의사 결정으로 높아졌습니다.

오해 6: 클수록 좋다

생성 AI 모델에 있어서 "더 클수록 좋다"는 생각은 일반적인 오해입니다. 여기서 너무 기술적으로 설명하지 않고도 생성 AI 모델은 수십억 개의 매개변수, 즉 모델에 대한 수학적 가중치와 편향을 가질 수 있습니다. 예를 들어 Meta의 Llama2에는 최대 70억 개의 매개변수가 있고, OpenAI의 G PT-4에는 1.7조 XNUMX천억 개의 매개변수가 있다는 소문이 있습니다. 이 모델은 부분적으로는 전문가로 알려져 있기 때문에 규모가 매우 큽니다. 모두. 작은 모델은 매우 특정한 영역에서 훈련되고 미세 조정될 때 이러한 거대한 모델과 동일하거나 더 나은 성능을 발휘할 수 있습니다. 이는 더 큰 모델의 광범위한 주제 대신 심층적인 주제에 초점을 맞추기 때문입니다.

오해 7: 생성적 AI 솔루션은 100% 신뢰할 수 있습니다. 일관된

놀라운 기능이 있더라도 인간의 검증 없이 생성적 AI 예측에만 의존하면 결과가 좋지 않을 수 있습니다. 챗봇이 실제 데이터를 기반으로 하지 않은 답변을 만들어내는 '환각'이라는 말을 들어본 적이 있을 것입니다. 생성 AI 모델에서 사용되는 입력 및 접근 방식의 투명성을 보장함으로써 이러한 종류의 나쁜 결과를 방지할 수 있습니다. GenAI의 기능은 사용자가 묻는 각 질문에 대한 답변에 해당하는 데이터 소스를 사용자에게 보여줍니다. 이를 통해 사용자는 응답에 대한 확신을 갖게 될 뿐만 아니라 부정확한 내용이 있는 경우 이를 식별할 수 있는 기회도 얻게 됩니다.

오해 8: 생성 AI는 훈련 데이터에 존재하는 편견에 영향을 받지 않습니다.

Generative AI는 훈련 데이터를 기반으로 예측을 생성합니다. 훈련 데이터가 "편향적"이거나 현실을 부정확하게 표현하는 경우 결과는 이러한 편향에 따라 결정됩니다.

예를 들어, 재고 관리자는 재고 비용을 줄여야 한다는 엄청난 압력을 받고 있습니다. 이를 위해 초기 최적화 계획을 무시하고 재고 정책을 설정하여 재고를 소폭 줄입니다. AI 모델은 이러한 편향된 정책을 사용하여 재고 부족 및 판매 손실로 이어지는 재고 계획을 생성할 수 있습니다. 이 예에서는 AI 재고 모델 입력의 고유한 편향으로 인해 수익성이 저하됩니다. 올바른 솔루션을 사용하면 모델 입력 및 가정을 조사하고 모델을 교육하여 편향을 감시하고 수정함으로써 이러한 문제를 해결할 수 있습니다.

오해 9: 생성 AI에는 생각과 감정이 있다

생성 AI는 지각이 없습니다. 때로는 그럴 것 같지만 생성 AI에는 감정이나 공감이 없으며 인간이 이해하는 것과 같은 방식으로 말하는 내용을 실제로 이해하지 못합니다. 챗봇에게 질문을 하면 복잡한 예측 모델에 의해 생성된 일련의 단어나 문구로 응답됩니다. 응답은 대개 매우 신뢰할 수 있고 정확하지만 감정이나 감정이 아니라 통계적으로 "가능한" 단어와 문자의 조합을 기반으로 합니다.

오해 10: 생성적 AI가 인간의 직관과 의사결정을 대체할 수 있다

위에서 논의한 것처럼 신뢰할 수 있는 의사결정을 위해서는 인간의 직관이 필요한 경우가 많습니다. 생성적 AI 모델과 인간 경험 간의 협업을 통해 우리는 공급망 계획 및 관리 분야에서 강력한 솔루션을 만드는 데 있어 두 분야 모두에서 최고의 이점을 얻을 수 있습니다.

마무리하기 위해, 생성적 AI에 대한 약간의 통찰력을 얻고 생성적 AI에 대한 몇 가지 신화와 오해를 해소할 수 있었기를 바랍니다. Logility는 플랫폼 전반에 걸쳐 이러한 강력한 기능을 통합하는 데 중점을 두고 있습니다. 우리는 기술 및 주제별 전문 지식을 결합하여 귀하의 비즈니스가 계획 질문에 답하고 원활하고 효율적이며 수익성 있는 비즈니스 운영을 유지하는 데 필요한 도구를 갖추고 있는지 확인합니다.

생성적 AI의 성능과 속도, 사람의 공감, 직관, 관계를 통해 기업은 새로운 차원의 성공에 도달할 수 있습니다.