비즈니스, 운영, 윤리적 고려사항
비즈니스를 위한 Large Language Models
Iason Prassides
Content Developer, DataCamp
투명성
LLM의 투명성
기업은 LLM의 응답 도출 과정을 알아야 함
신뢰 형성에 필수
책임소재
LLM의 권고가 효과가 없을 때
누가 책임을 질까?
모델을 설계한 소프트웨어 개발자?
이를 배포한 회사?
LLM의 위험
허위정보 확산의 내재적 위험
기업에 미치는 파급효과:
잘못된 데이터에 근거한 의사결정
손익에 영향
평판 훼손
LLM의 악용 위험:
이해관계자를 속이거나 조작, 오도
평판·운영 리스크 초래
LLM과 환경
LLM 학습에는 막대한 연산력이 필요해 에너지 소모가 큼
큰 탄소 배출을 유발
기업은 환경 영향을 파악하고 완화해야 함
LLM은 어떻게 구축할까?
기업은 실용적 고려사항을 검토해야 함
자체 LLM 구축 vs. 서드파티 사용?
기술 자원
자체 구축
막대한 자원 필요: 연산 인프라와 데이터
투자 가능성? 비용과 시간?
서드파티
즉시 액세스와 확장성 제공
개발 오버헤드 없음
맞춤형 LLM
자체 구축
필요에 맞게 LLM 맞춤화
사내 데이터로 파인튜닝
서드파티
높은 성능
커스터마이즈 없으면 일반적 모델
업데이트와 유지보수
자체 구축
유지보수로 효과와 보안 유지
지속 비용 발생
서드파티
기업은 책임 없음
공급자가 업데이트·유지보수 담당
데이터 처리
자체 구축
데이터 통제 유지
민감정보 사용 시 중요
서드파티
데이터 공유 요구 가능
보안·프라이버시 위험 가능
비용 효율성
자체 구축
반복 비용을 균형화해 비용 효율성 확보
초기 비용이 큼
서드파티
반복 비용 발생
초기 비용이 낮음
선택은 여러분의 몫입니다!
Lass uns üben!
비즈니스를 위한 Large Language Models
Preparing Video For Download...