RSS VentureBeat
팔로우
왜 주도적인 기업이 학습 시스템으로 거듭나야 하는가
조직은 매일 귀중한 지식을 생성하지만 AI 시스템은 이를 활용하지 못하는 경우가 많습니다. 다양한 형식으로 캡처된 이 지식은 미래 AI 결정에 거의 영향을 미치지 않습니다. 조직의 다음 개척지는 단순히 AI를 사용하는 것이 아니라 AI를 통해 학습하는 "에이전트형 엔터프라이즈"입니다. 차별화 요소는 모델 재훈련뿐만 아니라 운영 경험을 통해 학습하는 에이전트의 능력입니다. 이 캡처된 지식은 핵심 AI 모델을 반드시 변경하지 않고도 미래 에이전트 성능을 향상시킵니다.
피드백 루프는 모든 에이전트 상호 작용과 그 결과를 학습 기회로 전환하는 데 중요합니다. AI 관찰 가능성은 에이전트 행동에 대한 가시성을 제공하지만, 진정한 가치는 이러한 관찰을 제도적 기억으로 전환하는 데 있습니다. 이를 통해 조직은 단순히 AI를 모니터링하는 것에서 적극적으로 AI를 가르치는 것으로 나아갈 수 있습니다. 포괄적인 학습 시스템은 보안, 관찰 가능성 및 네트워크 에이전트의 통찰력을 통합할 수 있습니다.
사고가 발생하면 인간 전문가가 이를 해결하며, 이 해결 과정에는 캡처될 수 있는 중요한 지식이 포함됩니다. 이 캡처된 지식은 에이전트가 과거 사건으로부터 학습하여 미래 문제 해결 능력을 향상시킬 수 있도록 합니다. 학습 에이전트형 엔터프라이즈의 아키텍처에는 메모리, 지식 기반, 데이터 패브릭, AI 관찰 가능성 및 제어 평면이 포함됩니다. 이 통합 시스템은 AI가 지속적으로 개선되고 엔터프라이즈가 더욱 지능화될 수 있도록 합니다. 이러한 학습 생태계를 구축하는 조직은 AI 시대에 탁월할 것입니다.
