GPT-4와 같은 巨大言語모델(LLM)은
意思決定 向上, 運營 簡素化, 革新
을 約束하며 비즈니스 리더들의 마음을 사로잡았다.
젠데스크
Zendesk
와
슬랙
Slack
같은 企業은 顧客 支援을 改善하고, 滿足度를 높이며, 費用 節減을 위해 LLM을 使用하기 始作했다. 한便
골드만삭스
와
깃허브
GitHub
는 開發者의 코드 作成을 支援하기 위한 目的으로 AI를 使用한다.
유니레버
는 顧客 메시지 應答, 製品 目錄 作成이나 甚至於 飮食物 쓰레기를 最少化하기 위해 LLM을 使用한다. 하지만 旣成 LLM은 企業이 바라는 水準의 卽刻 活用 可能한 솔루션을 提供하지 못하며 組織이 特定 狀況에 處하면 性能이 低下되는 境遇도 많다.
이런 課題를 克服하기 위해 비즈니스 리더들은 組織別 데이터로 學習된 LLM을 微細 調整해 各 組織의 差異와 固有한 特性을 把握하도록 하고 있다. 더 많은 脈絡을 理解하고 組織의 要求 事項에 맞게 微細 調整된 모델은 組織 成果를 劃期的으로 向上시키는 强力한 맞춤型 AI 經驗을 提供한다. 블룸버그GPT는 블룸버그의 獨占 데이터로 微細 調整된 AI 리서치 모델이다. 이는 企業이
産業別 데이터로 맞춤化된 AI 모델을 活用해
戰略的 利點을 얻는 事例에 該當한다.
그러나 微細 調整된 모델을 학습시키려는 企業에는 세 가지 當面 課題가 있다. 첫째, 微細 調整된 모델은 많은 企業에 不足한 資源인 廣範圍한 高品質 데이터가 必要하다. 둘째, LLM은 인터넷에 公開된 使用 데이터로 學習되기 때문에
特定 커뮤니티나 使用者의 뉘앙스
를 考慮하지 않는다. 따라서 答辯이 偏向되거나 生成된 콘텐츠의 多樣性과 多元性이 不足할 수 있다. 셋째, 元來는 다른 目的으로 蒐集된 使用者의 個人情報로 微細 調整된 모델을 學習시키면 個人情報 侵害가 發生할 수 있다.
아티클을 끝까지 보시려면
有料 멤버십에 加入하세요.
첫 달은 無料입니다!
