ACC+ 2024

참여 링크: https://itsight.zdnet.co.kr/conference/ACC2024

참여 후기

학생, 신입, 주니어보단 시니어 이상에게 적합한 컨퍼런스였습니다. 각 기업별로 만든 솔루션 홍보와 대략적인 아키텍쳐, 기능 명세 등에 대해서 발표하는 곳이여서 새로운 기술, 이론 설명, 사용 방법 등은 잘 나오지 않아서 많이 아쉬웠습니다. 하지만 비싼만큼 점심도 맛있었네요...

• 점심밥!
  

프로그램 구성

저에겐 잘 와닿지 않아 그나마 이해가 되는 부분들 위주로 정리하였습니다.

[Keynote 1] 유럽의 선두 기업이 제안하는 AIoT 여정

• 성능 집약적 컴퓨팅 시장이 대세로 자리 잡으며 디지털 비즈니스라고 규정하는 기업들이 많아지고 있음
• 생성형 AI는 현재 부풀려진 기대치의 정점(peak of inflated expectations)에 도달

[Keynote 2] 물리적 세계와 가상의 융합, 증강현실과 AI가 주도하는 혁신 (Feat. Apple Vision Pro)

• 공간 컴퓨팅와 AI를 주제로 발표
• AI의 발전으로 인한 문제의 복잡성과 인간의 역량 차이를 인간과 Ai의 결합인 Augmented Human (인간과 AI의 긴밀한 협업)으로 해결

[Keynote 3] AI 역량과 속도의 극대화 : Pure Storage의 최적화된 솔루션으로 AI 비즈니스 효율성 향상

• IT 환경의 변화: 4종류의 과정 변화는 거의 동시에 발생함
  
• OpenShift Virtualization: 기존의 레거시 VM을 최신 MSA로 변경하기 위해 RedHat의 OpenShift에서 Container에 VM을 넣는 기능 제공
• KubeVirt: 쿠버네티스용 가상화 API 구축

[Track C] Data로부터 시작되는 LLM 도입 전략

LLM 모델의 역할/특징

• 기존에 사람이 하는 일에 대한 효율을 높임
• 동일한 문제라도 각 고객의 "업무 방식"에 따라 정답이 다름
• "정답"과 "품질"이 일치하지 않는 경우가 있음
• 예상치 못한 "정답"이나 더 나은 결과가 나올 수 있음

일반적인 AI 모델의 역할/특징

• 보통 기존에 사람이 하기 어렵거나 못 하던 일을 함
• 동일한 문제와 요건이면 고객에 따른 "정답"의 차이가 없음
• "정답" 기준에 부합 여부가 "품질"을 직접 설명함
• 예상치 못한 "정답"은 엄밀하게 말하면 "오답"

LLM을 회사에 도입하려면 데이터에 대해 "잘" 알아야 한다.

• 업무의 흐름과 내용에 대해서 잘 알아야하며 이는 데이터의 맥락(Context, Meta data), 데이터의 내용과 구성을 잘 알아야 한다.
  • 대분류, 소분류 등의 분류
  • 문서 네이밍 규칙
  • 메뉴얼 데이터의 작성 원칙
  • RAG 정확도 확인을 위한 정답 데이터셋 구축
  • 특정 산업에서만 사용하는 단어들
• 업무에 대한 이해를 기반으로, 데이터 필드는 모델이 데이터 추론에 필요한 힌트가 될 수 있는 데이터를 세분화하어 정의

지표 설계

비즈니스 성과에 연결된 경험 차언, 접점, 운영 드라이버를 미리 파악하여 어디서 어떤 경험을 축정하고 그 결과에 따라 무엇을 개선할지 미리 파악해 두는 것이 필요