높은 기술 부채를 저렴한 비용으로 전환

장기적 계획은 건전한 지혜처럼 보일 수 있습니다. 그러나 빠르게 변화하는 기술 세계에서 장기적으로는 결코 오지 않을 날처럼 느껴집니다. 새로운 기술이나 디지털 경험은 항상 운영상의 이점을 원하는 관리자의 관심을 끌고 있습니다. 토론은 종종 조직의 현재 시스템을 교체하는 것으로 전환됩니다.

많은 경우 관리자는 새로운 기술을 채택하기 전에 기술적 부채에 직면해야 하는 경우가 많습니다. 기술 부채는 즉각적인 출시 또는 예산 목표를 달성하기 위해 현재 시스템을 유지 관리하는 데 따른 트레이드오프 비용입니다. 부채는 소프트웨어 엔지니어링 프로젝트의 프로그래밍 결정이나 오래된 시스템에 대한 업그레이드를 연기하는 비용 절감 결정 등 다양한 사례에서 발생합니다. 예를 들어, 앱 개발에서 더 간단한 버전의 제품을 출시하여 신속하게 출시하면 기능이 생략되어 새로운 기능이 추가될 때 해결해야 하는 기술적 부채가 발생합니다. 때때로 기술 부채는 장기적으로 기술적으로 더 나은 선택과 비교할 때 비용 절감 조치처럼 "느껴집니다".

기술 부채는 엔터프라이즈 솔루션 출시로 인한 잠재적인 근본 원인의 수가 증가함에 따라 관리자들 사이에서 점점 더 커지고 있는 주제입니다. 기업에서는 현재 서비스와 프로세스를 관리하는 많은 오래된 시스템을 대체하기 위해 기계 학습, AI 및 클라우드 솔루션을 채택하고 있습니다. 오래된 시스템과 관련된 기술 부채는 시간이 지남에 따라 증가하고 해결해야 하는 숨겨진 운영 비용으로 드러납니다.

많은 기술 혁신은 소프트웨어 설계 선택만큼이나 데이터 관리 결정의 영향을 받습니다. 데이터 개인정보 보호 규정을 준수하세요. 개인 정보 보호 규정 준수 요구 사항을 충족하려면 시스템 내 데이터 보존을 식별해야 합니다. 데이터 관리에서는 규정 준수가 어떻게 관찰되고 있는지 강조해야 합니다.

실제로 IT 전문가들 사이에서는 일종의 기술 부채, 즉 데이터 부채가 등장했습니다. 데이터 부채는 데이터 관리 상충관계의 축적입니다. 데이터 부채는 일반적으로 품질 관리나 사이버 보안을 위한 위협 인텔리전스 등 데이터가 운영을 뒷받침하는 곳에서 발생합니다. 기술 부채와 마찬가지로 데이터 부채는 디지털 자산(이 경우 운영 데이터) 유지 또는 관리에 대한 투자가 지연되면서 발생합니다.

데이터 부채는 기술 부채의 경우와 비교하여 친숙하면서도 뚜렷한 상충 관계의 차이를 만듭니다. 하는 동안 기술 부채는 제품과 서비스를 제공하는 데 사용되는 기술을 다루는 포괄적인 용어에 가깝고, 데이터 부채는 사일로, 관찰 중복, 소스의 불일치와 같은 데이터 접점을 다루는 포괄적인 용어입니다. 현재 세간의 이목을 끄는 AI 채택과 함께 머신 러닝의 부상으로 인해 제대로 투자되지 않은 데이터 관리로 인한 잠재적 위험을 피하기가 더욱 복잡해졌습니다.

IT 관리자는 AI에 대한 투자가 증가함에 따라 더 많은 데이터 부채 문제를 보게 될 것입니다. LangChain 프레임워크 및 Meta가 새로 출시한 Llama2와 같은 오픈 소스 대형 언어 모델(LLM)은 ChatGPT의 학습 모델보다 더 적은 매개변수와 결과적으로 더 작은 모델 크기로 AI 모델 및 애플리케이션을 생성할 수 있는 기능을 도입합니다. 오픈 소스 LLM은 독점 데이터로 작동하는 AI 강화 앱을 위해 보다 관리하기 쉬운 AI 개발을 제공합니다. 이를 통해 훈련 및 테스트 데이터에 대한 투명성이 향상되어 모델 성능을 변경하고 방해할 수 있는 타사 서버 및 API의 데이터 액세스에 대한 의존도가 제거됩니다.

내부 AI 플랫폼을 관리하면 데이터 사용에 따른 과제도 전환됩니다. 많은 LLM은 구조화되지 않은 데이터 및 문서를 색인화하기 위한 데이터 저장 매체인 벡터스토어를 사용하여 개발되었습니다. 벡터 저장소는 내장된 데이터(LLM을 사용하여 구조화되지 않은 데이터에서 생성된 데이터 세트)를 보관합니다. Vectorstore는 모델 교육 및 테스트를 위한 문서 액세스를 쉽게 하기 위해 특별히 설계되었습니다. 그러나 모델을 계획하는 기업에서는 오래된 매체에 저장된 문서를 사용할 수도 있습니다. 따라서 고급 개발에서는 오래된 데이터 스토리지에서 액세스되는 데이터에 대한 데이터 부채 상황이 드러나는 경우가 많습니다.