우리는 생성적 AI(GenAI) 혁명의 목전에 서 있습니다. 약 98%의 조직이 2024년에 구체적인 GenAI 목표를 가지고 있으며, 이는 작년과 2024년 디지털 현대화 지출의 거의 3분의 1을 차지할 것으로 예상됩니다. 새로운 연구 의 설문조사 결과를 발표했습니다. 설문조사에 따르면 CIO들은 생산성 향상, 신속한 프로토타이핑, 고객 경험(CX) 개선 등 여러 가지 이점을 기대하는 것으로 나타났습니다. 하지만 기존 IT 인프라가 대규모 AI 프로젝트를 지원할 수 있을까요?
많은 CIO의 대답은 "아니오"입니다. GenAI 기반의 새로운 시대를 열기 위해 적응형 애플리케이션조직은 먼저 데이터 관리 전략을 현대화하여 AI가 점점 더 많이 요구하는 고속 데이터 분석 및 처리를 제어할 수 있어야 합니다.
성장의 한계
조사에 따르면 2023년 조직당 디지털 현대화에 대한 평균 투자액은 1억 4,800만 달러였으며, 올해는 2억 7,100만 달러로 증가하여 1억 4,500만 달러를 넘어설 것으로 예상됩니다. 하지만 기술, 리소스, 조직의 동의는 여전히 주요 장벽으로 남아 있습니다. 평균적으로 조직은 실패, 축소 또는 지연된 프로젝트로 인해 매년 1조 4천 4백만 달러를 낭비하고 있는 것으로 조사되었습니다. 거의 3분의 2(63%)가 IT 현대화 문제로 인해 3개월 이상의 지연을 겪었습니다.
GenAI의 경우 단 몇 달이 장기적인 비즈니스 성공과 실패를 가를 수 있습니다. 기업은 경쟁력을 유지하기 위해 매년 생산성을 3분의 1 이상 향상시켜야 합니다. 프로젝트가 실패하거나 지연되는 것을 감당할 수 없습니다.
그리고 도전 대부분의 조직은 초개인화 및 실시간 업데이트를 통해 사용자 경험을 혁신할 차세대 적응형 AI 앱을 지원할 준비가 되어 있지 않다는 것입니다. 필요한 보안 및 개인정보 보호 장치가 마련되어 있지 않습니다. 빠른 데이터 액세스, 공유 및 사용에 필요한 짧은 지연 시간을 제공하지 못합니다. 또한 다음을 지원하는 다목적 데이터베이스가 없습니다. 감소 GenAI 환각 신뢰할 수 있는 단일 데이터 풀을 생성하여 외부 모델과 상호 작용할 수 있습니다.
GenAI의 성공을 이끌고 싶어 합니다. 이를 위해서는 고위 경영진의 참여를 유도하고 프로젝트의 성공 가능성을 높이기 위해 기술이 무엇을 할 수 있는지에 대한 현실적인 목표와 기대치를 설정해야 합니다.
속도도 중요합니다. 최고의 성능을 발휘하려면 데이터 공유와 액세스가 빠르게 이루어져야 합니다. 그렇지 않으면 앱이 오래된 정보를 제공하게 되고 환각의 위험이 커집니다. 보안과 개인정보 보호도 중요합니다: CIO는 민감한 지적 재산이 실수로 노출되는 것을 방지해야 합니다. 마지막으로, 기술의 최종 사용자를 잊지 않는 것이 중요합니다. 직원들은 GenAI를 최적으로 안전하게 사용할 수 있도록 교육을 받아야 합니다.
다른 영역에 대한 투자를 줄이지 않고 GenAI 기능을 유지 및 개선하는 것은 어려운 일입니다. 하지만 할 수 있습니다. 데이터 아키텍처에 집중하는 것이 좋은 출발점입니다. 주목할 만한 점은 기업의 절반 이상(54%)이 현재 포괄적인 GenAI 지원 데이터 전략을 보장하기 위한 모든 요소를 갖추지 못했다고 인정한다는 것입니다. 고려해야 할 여러 측면이 있습니다.
조직은 먼저 데이터가 저장되는 위치, 액세스 권한이 있는 사람, 데이터 사용 방법을 통제하여 부적절하게 액세스하거나 사용하지 못하도록 해야 합니다. 또한 독점 데이터와 고객 정보가 조직 외부로 노출되는 것을 방지하기 위한 전문적인 도구와 절차를 마련해야 합니다. 개발자에게는 데이터를 안전하고 효과적으로 사용할 수 있도록 명확하고 상세한 모범 사례 조언을 제공해야 합니다.
다음으로 데이터 아키텍처 자체를 고려하세요. 앞서 설명했듯이 모든 시스템은 최소한의 지연 시간으로 데이터에 액세스, 공유 및 사용할 수 있도록 보장함으로써 실시간 GenAI 애플리케이션을 지원할 수 있어야 합니다. 비정형 데이터를 고속으로 관리할 수 있는 고성능 데이터베이스는 GenAI가 데이터를 쿼리하는 방식에 제한을 받지 않도록 해줍니다. 또한 다음을 지원합니다. 실시간에 가까운 데이터 분석 - GenAI가 사용자에게 정확한 답변을 제공하기 위한 또 다른 필수 요건입니다. 벡터 데이터를 효율적으로 저장, 관리 및 인덱싱할 수 있는 벡터 데이터베이스를 보유한 기업은 18%에 불과하지만, 이는 GenAI 성능 향상에도 도움이 될 것입니다.
그러나 GenAI는 종종 다양한 수준의 데이터 처리를 필요로 한다는 점을 기억할 필요가 있습니다. 따라서 IT 인프라는 불필요한 지출 없이 즉각적인 수요를 충족할 수 있도록 확장할 수 있어야 합니다. 마지막으로 환각의 문제를 고려해야 합니다. 조직은 데이터베이스 아키텍처를 통합하여 AI 애플리케이션이 여러 버전의 데이터에 액세스하여 혼동하는 것을 방지해야 합니다. 1/3 미만(31%)의 기업만이 이러한 투자를 하고 있습니다.
이제 만들 시간입니다.
이러한 요소를 갖추고 나면 조직은 GenAI 기반 적응형 애플리케이션을 만드는 것에 대해 진지하게 생각해 볼 수 있습니다. 이러한 앱은 단일 작업을 수행하지만 AI를 사용하여 변화하는 상황과 사용자의 특정 선호도에 따라 지능적이고 동적이며 자동으로 적응하는 앱입니다. 예를 들어, 예약 앱은 실시간 여행 정보, 이벤트 및 사용자의 이력을 기반으로 정기적으로 업데이트하여 여행 및 개인화된 거래를 제안할 수 있습니다.
기업이 제공하는 애플리케이션이 더 이상 기대에 부응하지 못하면 절반(46%)의 기업이 고객을 잃고 36%의 직원이 경쟁업체로 유출될 것으로 추정됩니다. 이러한 기대치가 계속 높아지는 상황에서 기업은 가만히 있을 수 없습니다. 이러한 사용자가 요구하는 고도로 개인화되고 상황에 맞는 경험을 제공하지 않으면 비즈니스에 심각한 위협이 될 수 있습니다.
데이터에서 시작됩니다.
이를 달성하는 것은 쉽지 않을 것입니다. 하지만 현재 이러한 야망을 지원할 수 있는 데이터베이스 기술이 나와 있습니다. 이러한 다목적 플랫폼은 데이터 저장 및 액세스를 제어하고, 정형 및 비정형 데이터를 고속으로 관리하며, 필요에 따라 확장할 수 있고, 다음과 같은 기술을 지원합니다. 벡터 기반 검색 및 실시간 분석을 지원합니다. 또한 다음을 지원합니다. 엣지 컴퓨팅 고속의 경우 데이터 공유 및 액세스 보안을 강화했습니다.
과거의 단일 기능 데이터베이스가 아니라 조직이 적응형 애플리케이션을 추진하는 데 필요한 모든 것을 제공합니다. 미래는 곧 다가올 것입니다.
방법에 대해 자세히 알아보기 엣지에서의 카우치베이스 벡터 검색 를 통한 실시간 분석 카우치베이스 컬럼형 는 조직이 새로운 종류의 AI 기반 적응형 애플리케이션 고도로 개인화되고 상황에 맞는 방식으로 고객의 참여를 유도합니다.
