고성능 솔루션 썸네일형 리스트형 AI가 틀리는 이유, 결국 ‘데이터’ AI 도입을 검토하는 기업들은 이런 상황과 자주 마주한다. 최신 거대언어모델(LLM)을 채택했고, 컴퓨팅 자원도 충분한데 결과물이 기대에 한참 미치지 못하는 경우다. 원인을 추적하다 보면 결국 같은 지점에 도달한다. 문제는 모델이 아니라 ‘데이터’라는 것이다. 기업들은 내부 정보를 AI와 연결하기 위해 RAG(Retrieval-Augmented Generation) 등의 아키텍처를 구축한다. 그러나 실제 도입 과정에서 AI의 최종 성능을 좌우하는 것은 모델 자체의 성능만이 아니라 내부 데이터의 정제 상태와 품질이라는 사실을 알게 된다. 기초 데이터나 정보가 잘못되면 그 결과물 역시 아무런 가치가 없다는 ‘GIGO(Garbage In, Garbage Out)’는 오래된 말이지만, AI 시대에 더 강조되고 .. 더보기 이전 1 다음 What Inspires Sustainable Technology?
