Lights On Data 창업자 George Firican과 배호 대표가 데모에서는 잘 되던 AI가 실제 회사 데이터에서 막히는 이유를 이야기했습니다.
대화는 "AI-ready는 무엇을 위한 준비인가"라는 질문에서 시작합니다. 같은 데이터셋도 어떤 AI 업무에는 맞고 어떤 업무에는 맞지 않습니다. 서비스 문의 후속 조치 판단, 이탈 예측, 식품 공급 견적 프로젝트 등 실제 사례를 다룹니다.
주요 내용
- 01AI-ready의 의미와 업무마다 기준이 다른 이유
- 02DTS로 빠진 사례 채우기와 단순 합성 데이터의 한계
- 03LLM Capsule로 민감한 값을 맥락을 유지하는 대체값으로 바꿔 AI에 전달하기
- 04준비한 데이터의 업무 효과 확인, 지표보다 승인 기준
- 05직접 개발과 도입, 쓸 수 있는 자산의 재사용
