AWS AI 리그 통한 AI 교육 혁신 Atos 사례

AWS AI 리그를 통한 AI 교육 혁신: Atos의 사례

들어가기

인공지능(AI) 트랜스포메이션을 추진하는 조직은 실무적으로 AI를 다루고 활용하기 위한 직원 교육에 대한 도전을 마주합니다. 전통적인 AI 교육 방식인 온라인 강좌, 인증 프로그램, 교실 수업은 기초 지식을 쌓는 데 필수적이지만, 실무 경험과의 간극이 존재합니다. 이로 인해 많은 팀이 인증은 받았지만, 실제 비즈니스 문제에 AI를 활용할 자신감이나 경험을 얻지 못하는 경우가 잦습니다.

본문

Atos는 AWS와의 파트너십을 통해 AI 활성화에 효과적인 학습 모델이 실습이라는 결론에 도달했습니다. 이를 위해 AWS AI 리그라는 손길을 맞댄 게이미피케이션 학습 경험을 조직 내 400명 이상의 참가자에게 제공했습니다. 이 프로그램은 단순 이론에 그치지 않고, 실질적인 AI 문제에 참가자들을 몰입시키는 데 목표를 두었습니다. Atos의 직원들은 Amazon SageMaker와 SageMaker JumpStart를 통해 대규모 언어 모델을 미세 조정하는 실무 경력을 쌓게 되었습니다.

Fine-tuning은 큰 언어 모델을 특정 도메인에 맞게 적은 데이터셋으로 재구성하는 기술입니다. 비즈니스 팀에게 이는 훈련 시간과 비용을 절감하고, 모델을 특정 지식이나 용어에 맞출 수 있는 실질적인 방법입니다.

AWS AI 리그의 작동 원리

AWS AI 리그는 AI 기술을 손쉽게 습득할 수 있는 구조로 설계되었습니다. 참가자들은 Amazon SageMaker Studio를 통해 모델을 선택하고 데이터를 제공, 미세 조정을 수행하며 결과를 평가합니다. 프로그램의 마지막에는 라이브 대회가 열리며, 이 과정이 실용적이며 생산 지향적인 AI 기술을 쌓는 데 도움을 줍니다.

Atos의 보험 언더라이팅 사례

Atos는 AWS AI 리그에서 지능형 보험 언더라이터라는 현실성 있는 사용 사례를 선택했습니다. 이는 복잡한 보험 상황을 분석하고 전문가 수준의 조언을 제공하도록 설계되었습니다. 이 과정에서 생성형 AI가 언더라이팅 전문가를 지원하며 보험 제품 라인의 일관성과 효율성을 향상하였습니다.

결론

AWS AI 리그를 통한 Atos의 경험은 AI 훈련 프로그램의 혁신 가능성을 보여주었습니다. 3B 파라미터 모델이 90B 파라미터 모델을 능가하는 결과를 보이며, 도메인에 특정화된 모형 개발이 비용 효율적인 방법임을 입증했습니다. 또한, 참가자들이 AI 솔루션을 고객과 논의하고 구현할 자신감을 갖도록 했습니다.

더 알아보기

AWS AI 리그와 같이 실습적이고 게이미피케이션된 학습 방식으로 AI 능력을 구축하고자 한다면, AWS AI 리그 공식 사이트를 방문하세요.

[1] https://aws.amazon.com/blogs/machine-learning/aws-ai-league-atos-fine-tunes-approach-to-ai-education/