Azure AI 서비스로 개발 시간을 단축하는 방법 알아보기 - Siemens 성공 사례
Azure AI 환경의 주요 장점 중 하나는 솔루션을 더 빠르고 효율적으로 개발할 수 있다는 것입니다. Siemens의 환경은 Microsoft 제품 덕분에 AI 업계 프로세스를 간소화하는 방법에 대한 좋은 예를 제공합니다.
조직
Siemens는 1847년에 설립된 독일 제조 회사입니다. 유럽 최대의 제조 회사이자 업계 자동화 및 업계 소프트웨어 분야의 글로벌 시장 리더입니다. Siemens는 에너지, 의료, 모바일, 인프라 등 다양한 업계에 혁신적인 솔루션을 제공합니다.
역사적으로 회사는 기술 혁신에 중요한 역할을 담당해 왔습니다. 최초의 대량 생산 컴퓨터, 어플라이언스, 텔레비전 및 기타 여러 어플라이언스의 개발에 깊이 관여했습니다. 이제 Siemens는 경쟁 우위를 유지하기 위해 AI를 비즈니스 프로세스에 통합하고 있습니다.
과제
Siemens는 모든 부서를 지원하기 위해 AI를 대규모로 도입해야 한다는 것을 깨달았습니다. 예를 들어, 그들은 오랫동안 프로덕션 및 판매 계획을 더 잘 조정하기 위해 예측 AI 모델을 사용하여 수요 증가를 예측했습니다.
그러나 이러한 AI 시스템의 개발 프로세스는 비용이 많이 들고 느리며 혼란스러웠습니다. AI 솔루션이 필요한 비즈니스 사용자는 이를 개발하기 위해 데이터 분석가에게 의존했고, 이들 간의 협업은 종종 잡음과 오해로 가득 찼습니다. 데이터 분석가에게는 코드와 구성 요소를 재사용할 수 있는 플랫폼이 없었기 때문에 모든 새로운 모델을 처음부터 빌드해야 했습니다. 이 프로세스는 매우 비효율적이었고 몇 달이 걸릴 수도 있었습니다.
Siemens는 AI 개발 프로세스를 변경해야 한다는 것을 깨달았습니다. 확장 가능한 방식으로 모델을 개발, 테스트 및 배포하려면 강력하고 빠르며 신뢰할 수 있는 AI 플랫폼이 필요했습니다.
솔루션
확장 가능한 공유 AI 플랫폼을 빌드하기 위해 Siemens는 Microsoft Azure 인프라를 활용했습니다. [ai:attack]으로 알려진 결과는 Azure Machine Learning을 기반으로 빌드되었으며 다른 Azure 서비스를 통합합니다.
이 솔루션은 회사 전체를 위한 사용자 지정 가능한 템플릿을 제공합니다. 모든 데이터 과학 프로젝트가 따라야 할 표준을 제공하므로 자산을 더 쉽게 재사용할 수 있습니다. Azure 인프라는 모든 관련자에 대한 쉬운 액세스를 보장하여 팀 간 협업도 개선시킵니다.
Azure AI 서비스 덕분에 여러 표준화된 AI 서비스가 포함되어 있습니다. 예를 들어, 손상된 디바이스를 검색하는 품질 제어를 위한 Azure AI 비전 모델이 포함되어 있습니다. 게다가 플랫폼은 Azure Machine Learning 기능을 사용하여 AI 모델을 자동으로 학습합니다. 이러한 기능은 모든 팀의 성과를 개선시키고 많은 시간을 절약해 줍니다.
결과
[ai:attack] 이니셔티브는 이미 긍정적인 결과를 낳고 있습니다. AI 모델 개발 시간 단축이 상당합니다. 새로운 AI 솔루션을 구현하는 데에는 몇 달이 걸렸지만 이제는 몇 주밖에 걸리지 않습니다.
마찬가지로, 표준화 덕분에 이제 코드 유지 관리가 훨씬 더 쉽고 빨라졌습니다. 이전에는 세 가지 프로젝트의 코드를 유지 관리하려면 세 명의 데이터 분석가가 필요했지만 지금은 한 명의 작업자가 여러 프로젝트의 코드를 유지 관리할 수 있습니다.
다음으로, 다른 제조 회사가 생성 AI를 자사 제품에 어떻게 통합하는지 살펴보겠습니다.