개요
지능형 애플리케이션은 인공지능(Artificial Intelligence, AI)을 통합하여 인간의 워크플로우를 강화하는 소프트웨어 애플리케이션입니다. 지능형 애플리케이션은 특정 비즈니스 문제에 AI를 적용하고 데이터를 사용하여 문제를 효율적으로 해결합니다. 이처럼 AI로 강화된 데이터 기반 애플리케이션은 일상적인 태스크를 자동화함으로써 오류가 발생하기 쉬운 수동 작업을 줄여줍니다. 또한 시간이 지나면서 학습과 개선이 가능하여 사용자와의 상호작용에 맞게 조정하고 변화하는 상황에 적응할 수 있습니다.
지능형 애플리케이션의 일반적인 예는 AI 모델을 적용하여 의심스러운 활동을 감지하는 신용카드 사기 감지 시스템입니다. 또 다른 예는 AI를 사용하여 사용자가 관심을 가질 가능성이 가장 높은 메시지의 우선순위를 정하는 이메일 애플리케이션입니다.
지능형 애플리케이션의 장점
AI 툴은 특별히 그에 맞게 프로그래밍되거나 이전에 접해보지 않은 질문에 답변할 수 있습니다. AI 기능을 활용함으로써 지능형 애플리케이션은 전적으로 룰 기반 논리에만 의존하는 애플리케이션보다 더 많은 장점을 제공할 수 있습니다. 지능형 애플리케이션의 몇 가지 주요 장점을 살펴보겠습니다.
적응성
지능형 애플리케이션은 새로운 정보를 통해 학습하고 시간이 지남에 따라 정확성을 높일 수 있습니다. 이러한 장점은 환경이 변화할 때 유용합니다. 신용카드 사기 감지를 예로 들어보겠습니다. 지능형 애플리케이션은 새로운 유형의 사기에 대한 새로운 데이터에 대응하여 권장 사항을 실시간으로 개선할 수 있습니다.
또한 지능형 애플리케이션은 사용자와의 상호작용을 통해 학습하여 사용자가 소통할 가능성이 가장 높은 콘텐츠를 더 잘 인식하는 등 반응성을 개선할 수 있습니다.
정보 처리
AI 기반 지능형 애플리케이션은 수신 메시지, 프레젠테이션 또는 재무 데이터 등 비즈니스 환경에서 들어오는 정보를 처리하는 데 도움을 줄 수 있습니다.
메시지에 대한 응답을 작성할 때 제안 사항을 제공하는 채팅 애플리케이션처럼 일부 지능형 애플리케이션에서는 생성형 AI와 대규모 언어 모델(Large Language Model, LLM)을 사용하여 해결해야 할 문제에 대응하는 콘텐츠를 생성합니다.
자동화
지능형 애플리케이션은 이벤트 기반 자동화를 통해 주변 소프트웨어 에코시스템의 변화에 따라 조치를 취할 수 있습니다. 예를 들어 IT 자동화에 적용된 지능형 애플리케이션은 운영 중단에 신속하게 대응하거나, 수요가 증가할 때 더 많은 시스템을 온라인으로 전환할 수 있습니다.
적응형 경험
지능형 애플리케이션은 사용자의 요구에 반응하여 질문에 정확하게 답변하고 태스크를 수행할 수 있습니다. 사용자가 이미지를 요청할 때 이를 이해하고 텍스트가 아닌 그림을 생성하여 응답할 수 있는 챗봇을 떠올려 보세요.
지능형 애플리케이션 활용 사례
기업과 소프트웨어 개발자는 지능형 애플리케이션을 사용할 새로운 활용 사례를 계속 찾고 있습니다. 다음은 몇 가지 예시입니다.
IT 자동화
IT 시스템 관리에는 특정 프로세스의 종료 또는 시작처럼 조정을 통해 이벤트에 대응하는 작업이 수반됩니다. 지능형 애플리케이션은 데이터를 분석하고 파이프라인 또는 워크플로우의 일부로 특정 작업을 트리거할 수 있습니다.
고객 경험
스트리밍 동영상 서비스부터 온라인 쇼핑에 이르기까지, AI 기반 맞춤형 추천은 우리가 자주 사용하는 많은 제품에 적용되고 있습니다. 이러한 아이디어는 산업 전반의 상호작용에도 적용될 수 있습니다. 지능형 애플리케이션을 활용하여 고객이 무엇을 기대하는지 인식하고 이를 적시에 제공하면 고객 충성도와 유지율을 높이고 상당한 경쟁 우위를 확보할 수 있습니다.
의사 결정
공급망, 물류, 재무 및 기타 여러 영역에 대한 비즈니스 의사 결정을 내리기 위해서는 실시간으로 많은 양의 정보를 분석해야 합니다. 지능형 애플리케이션은 이러한 데이터를 처리하는 데 도움을 주며, 신뢰할 수 있고 정확한 권장 사항을 제공할 수 있습니다.
데이터 분석
AI는 인간이 놓칠 수 있는 데이터 패턴을 찾아낼 수 있으므로 지능형 애플리케이션은 과학 연구자 및 비즈니스 애널리스트를 포함해 데이터를 다루는 모든 사용자에게 유용합니다.
산업용 엣지
엣지 컴퓨팅(데이터의 물리적 위치에서 또는 그 근처에서 수행되는 컴퓨팅)에 지능형 애플리케이션을 적용하면 가장 필요한 곳에 더 빠르게 인사이트를 제공할 수 있습니다. 이미지 인식 알고리즘을 사용하여 조립 라인에서 이동하는 제품을 검사하는 모습을 상상해 보세요. 공장에서 결함을 즉시 감지할 수 있다면 제품 품질을 향상할 수 있습니다.
지능형 애플리케이션 구현에 따르는 과제
지능형 애플리케이션을 구축하려면 표준 논리 기반 애플리케이션에 필요한 것보다 많은 리소스가 필요합니다.
지능형 애플리케이션을 제공하기 위해 소프트웨어 개발 팀은 일반적으로 다음을 수행해야 합니다.
- 데이터 수집 및 준비
- AI 모델 개발 또는 튜닝
- 모델의 오케스트레이션, 통합, 테스트, 임베드
- 애플리케이션 개발 프로세스에 모델 통합
- 필요한 경우 모델 모니터링, 관리, 재학습
첫 번째 단계는 데이터를 수집하고 준비하는 작업으로, 지능형 애플리케이션의 성공에 큰 역할을 합니다.
데이터 사이언티스트가 모델을 학습시키거나 튜닝하여 데이터 기반 예측을 수행하는 과정에서 머신 러닝(Machine Learning, ML) 단계가 있는 경우가 많습니다. 다음은 테스트로, 모델이 책임감 있게 작동하고 유용한 결과를 제공하는지 확인하기 위한 중요한 단계입니다. MLOps 사례는 데이터 사이언티스트, 엔지니어, IT 팀이 이러한 단계를 수행하는 동안 동기화된 상태를 유지하는 데 도움이 됩니다.
그런 다음 이 모델을 필요로 하는 지능형 애플리케이션에서 해당 모델에 액세스할 수 있어야 합니다. AI 모델을 최적화하고 제공할 때 개발자는 새로 학습된 모델과 기존 모델을 모두 포함해 다양한 모델과 아키텍처 중에서 선택할 수 있습니다.
AI 환경은 복잡합니다. 클라우드 네이티브 애플리케이션 개발 방법론은 지능형 애플리케이션에 적합합니다. 마이크로서비스, 서버리스 아키텍처, DevOps 프로세스는 사용자에게 지능형 애플리케이션을 더 효율적으로 제공하는 데 도움이 될 수 있습니다.
Red Hat이 지능형 애플리케이션을 지원하는 방법
Red Hat은 팀이 투명성과 제어 기능을 갖춘 지능형 애플리케이션을 빌드하고 배포할 수 있는 공통 기반을 제공합니다.
Red Hat® Enterprise Linux® AI는 엔터프라이즈 애플리케이션에서 LLM을 사용할 수 있는 플랫폼을 제공합니다.
Red Hat® OpenShift® AI는 조직의 자체 데이터로 고유의 활용 사례를 지원하는 AI 모델을 학습, 프롬프트 튜닝(prompt-tuning), 미세 조정(fine-tuning), 서빙할 수 있는 플랫폼입니다.
대규모로 AI를 배포하는 경우에는 주요 하드웨어 가속기에 대한 액세스 권한을 갖춘 Red Hat OpenShift가 AI 워크로드에 적합한 확장 가능한 애플리케이션 플랫폼을 제공합니다.
또한 Red Hat의 파트너 통합 제품은 오픈소스 플랫폼과 연동되도록 구축한 신뢰할 수 있는 AI 툴의 에코시스템을 활용할 수 있는 기회를 제시합니다.
