의료와 같은 규제 산업에서 정확하고 신뢰할 수 있는 AI를 구축하는 것은 상당한 엔지니어링 과제를 제시합니다. AI 케어 파트너인 Heidi는 전 세계적으로 임상의 행정 업무를 자동화하는 Heidi Scribe 제품으로 성공적인 현대화를 보여줍니다. Heidi의 CTO인 Yu Liu는 의료 AI에서 작은 오류율조차도 중요한 안전 문제이며, 강력한 아키텍처가 필요하다고 강조합니다. 데이터 상주성은 Heidi의 근본적인 요구 사항으로, 환자 데이터가 지역 규제 경계 내에 유지되도록 보장합니다. 이는 전 세계적으로 논리적으로 격리된 프로덕션 배포를 통해 달성됩니다.감사 가능성은 모델 입력, 출력 및 사용자 수정을 추적하는 기능을 요구하는 핵심 구성 요소입니다. Heidi는 빠른 반복보다는 엄격한 테스트 및 배포 프로세스를 통해 기본적으로 안전한 변경을 우선시합니다. 이 회사는 AI 워크플로와 원활하게 연결되는 다양하고 진화하는 의료 데이터를 관리하기 위해 문서 데이터베이스인 MongoDB를 선택했습니다. MongoDB의 유연성은 지속적인 데이터베이스 재구조화 없이 변화하는 데이터 형태를 수용합니다.MongoDB Atlas는 별도의 벡터 데이터베이스의 필요성을 없애는 Vector Search와 같은 통합 AI 기능을 제공합니다. 이는 의미론적 검색을 가능하게 하고 의료 용어를 외부 지식 기반에 연결하며, 지역 격리는 규정 준수를 보장합니다. MongoDB의 전역적으로 분산된 플랫폼으로 구동되는 Heidi의 아키텍처는 확장 가능하고 규정을 준수하는 AI 배포를 촉진합니다.