AI 기반 ADM 대상 운영 모델 구현 - AWS 권장 가이드
AI 기반 ADM TOM 구현을 위한 로드맵 모든 구현 단계의 모범 사례

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

AI 기반 ADM 대상 운영 모델 구현

구조화된 단계별 접근 방식을 사용하여 생성형 AI 애플리케이션 개발 및 유지 관리(ADM) 대상 운영 모델(TOM)을 구현합니다. 다음 접근 방식은 빠른 성공과 장기적인 전환 변화 간의 균형을 맞추는 동시에 현재 운영 중단을 최소화합니다. 각 단계는 TOM의 특정 구성 요소를 다루며 구현 프로세스 전반에 걸쳐 상호 종속성과 진화를 강조합니다.

다음 다이어그램과 같이 구현 전략은 12개월 동안 기본 복잡성에서 고급 복잡성으로 진행되는 단계로 구성됩니다.

  • 1단계: 파운데이션 설정 -이 단계는 1~3개월 후에 발생합니다. 기본 거버넌스 구조를 설정하고 빠른 성공을 달성하면서 필수 AI 도구를 도입합니다.

  • 2단계: 기능 구축 -이 단계는 3~6개월 후에 수행됩니다. AI 채택을 확장하고 복잡성이 중간인 프로세스를 해결합니다. AI COE를 시작하고, AI 채택을 프로젝트 관리 및 운영 역할로 확장하고, ADM 파트너와 협력하여 생성형 AI를 사용하여 주요 SDLC 프로세스를 재설계합니다.

  • 3단계: 변환 조정 -이 단계는 6~12개월(및 그 이후) 후에 발생합니다. 고급 솔루션을 구현하고 더 복잡한 문제를 해결합니다. 예를 들어 아키텍처 설계, 풀 스택 개발 및 보안 모니터링을 위한 고급 AI 솔루션을 구현합니다. AI 거버넌스를 엔터프라이즈 수준으로 성숙시키고 새로운 AI 기반 현실을 반영하도록 ADM 파트너와의 계약 관계를 발전시킵니다.

AI 기반 ADM 운영 모델을 구현하기 위한 전략의 여러 단계입니다.
참고

구현을 시작하기 전에 AI 기반 SDLC 준비 상태 평가를 수행하여 조직의 현재 SDLC 기능의 기준을 설정하고 개선이 필요한 주요 영역을 식별합니다. 자세한 내용은 다음 단계를 참조하세요.

실제 타임라인은 조직 컨텍스트, 구현 접근 방식, 구현 크기 및 규모와 같은 기타 요인에 따라 달라질 수 있습니다. 일부 조직은 특정 상황 및 성숙도 수준에 따라 더 짧거나 긴 기간으로 결과를 달성할 수 있습니다.

이러한 단계를 진행하면 AI를 사용하여 혁신, 효율성 및 경쟁 우위를 추진함으로써 조직의 ADM 관행을 체계적으로 혁신할 수 있습니다. 조직에서 단계별 접근 방식을 사용하는 방법에 대한 자세한 내용은 AI 기반 ADM TOM 구현을 위한 로드맵 및 모든 구현 단계의 모범 사례를 참조하세요.

조직은이 혁신 여정을 통해 사내 역량을 강화할 수 있습니다. 또한이 여정에는 지속적인 조정과 모든 이해관계자와의 명확한 커뮤니케이션이 필요합니다. 그 결과 컨설팅 및 기술 서비스 공급자와 AI 기반 소프트웨어 개발 및 유지 관리를 위한 통합된 글로벌 ADM 대상 운영 모델이 생성됩니다.

AI 기반 ADM TOM 구현을 위한 로드맵

다음 표에는 현재 작업 중단을 최소화하면서 단계적 접근 방식을 사용하여 ADM TOM을 구현하는 참조 로드맵이 나와 있습니다. 각 ADM 구성 요소에 대해 로드맵은 각 구현 단계에서 발생하는 관련 활동을 설명합니다.

ADM 구성 요소

파운데이션 설정: 1~3개월

기능 구축: 3~6개월

변환 규모 조정: 6~12개월 이상

전략적 정렬

  • AI 조향 위원회를 활성화합니다.

  • 비즈니스 조정을 통해 비전, 미션 및 목표를 설정합니다.

  • AI 기술 및 도구 전략과 로드맵을 개발합니다.

  • KPIs 및 비즈니스 목표를 AI 기능과 지속적으로 조정합니다.

  • 영향을 미치는 AI 이니셔티브에 대한 명확한 이해관계자 커뮤니케이션을 유지합니다.

  • 비즈니스 성과 및 ROI를 검토합니다.

  • KPIs 및 비즈니스 목표를 AI 기능과 지속적으로 조정합니다.

  • 영향을 미치는 AI 이니셔티브에 대한 명확한 이해관계자 커뮤니케이션을 유지합니다.

  • 비즈니스 성과 및 ROI를 검토합니다.

  • AI 거버넌스를 EA와 통합합니다.

  • AMS 파트너와 함께 부서 간 AI 거버넌스를 설정합니다.

  • 사내 및 AMS 파트너 팀에서 AI 도구를 전 세계적으로 표준화합니다.

조직 구조

  • 부서 간 AI 챔피언을 식별합니다.

  • AI 통합을 위한 주요 역할을 식별합니다.

  • 전담 팀과 함께 AI COE를 시작합니다.

  • AI 기반 조직 및 지속적 최적화를 구현합니다.

인재 및 기술

  • 기본 AI 훈련 프로그램을 구현합니다.

  • 소프트웨어 개발자 및 테스트 엔지니어와 같은 성향이 높은 역할을 위한 AI 도구를 채택합니다.

  • 고급 AI 훈련 프로그램을 구현합니다.

  • 역할별 AI 훈련 프로그램을 구현합니다.

  • 역할별 AI 훈련 프로그램을 구현합니다.

  • AI 중심의 진로와 발전을 개발합니다.

  • 육상 및 해상 팀을 위한 공유 훈련 프로그램을 구현합니다.

  • 역할별 AI 훈련 프로그램을 구현합니다.

  • AI 채택을 제품 소유자, BA, SA 및 도메인 SMEs.

  • AI 혁신 인센티브 프로그램을 수립합니다.

  • 조직과 AMS 파트너 간에 지속적인 AI 지식 공유를 위한 메커니즘을 설정합니다.

 

거버넌스 및 규정 준수

  • AI 원칙 지침을 개발합니다.

  • AI 관련 IP 및 데이터 사용에 대한 지침을 설정합니다.

  • 위험 평가 프레임워크를 생성합니다.

  • 규정 준수를 위해 규제 기관과 협력합니다.

  • AI 거버넌스 정책 및 절차를 구현합니다.

  • AI 자동화와 인적 감독의 균형을 맞춰 품질을 보장하고 제어를 유지합니다.

  • AI 자동화와 인적 감독의 균형을 맞춰 품질을 보장하고 제어를 유지합니다.

  • AMS 파트너를 위한 AI별 프로젝트 및 계약 템플릿과 SLAs를 개발합니다.

  • ADM의 AI 사용 부분에서 데이터 프라이버시 및 보안 문제를 지속적으로 검토하고 해결합니다.

성능 측정

  • ADM에 대한 AI 목표 및 주요 성공 지표를 설정합니다.

  • 대규모 언어 모델(LLMs)에 대한 주요 성공 지표를 설정합니다.

  • ADM 프로세스에 대한 AI별 KPIs.

  • ADM 파트너 성능을 위한 AI별 KPIs.

  • AI 비용 할당 및 ROI 추적을 구현합니다.

 

  • KPIs.

  • ADM 글로벌 제공 모델의 지속적인 개선을 위한 AI 기반 인사이트를 구현합니다.

  • 피드백과 결과에 따라 지속적으로 모니터링하고 조정합니다.

파트너 에코시스템

  • 변환 계획을 위해 AMS 파트너를 참여시킵니다.

  • AI 통합 역할을 AMS 파트너와 조정합니다.

  • AMS 및 CloudOps 파트너와 함께 AI 준비 상태를 평가합니다.

  • AI 통합을 위한 기존 AMS 계약을 검토합니다.

  • AMS 및 CloudOps 파트너와 공동 AI COE를 설정합니다.

  • ADM 파트너와 협력하여 TOM에 AI를 통합합니다.

  • AMS 파트너와 협력하여 ADM용 고급 AI 솔루션을 구현합니다.

  • AMS 파트너와 협력하여 ADM용 고급 AI 솔루션을 구현합니다.

  • AMS 파트너와 함께 AI 도구 및 환경을 표준화합니다.

  • AI가 AMS 아웃소싱 가치 제안에 미치는 영향을 정기적으로 평가합니다.

  • AI 강화 서비스의 유연한 참여 모델과 결과 기반 요금을 고려하세요.

기술 및 도구

  • 더 빠른 문제 해결을 위해 AI 기반 지식 기반을 구현합니다.

  • AI 기반 협업 도구를 구현합니다.

  • AI 지원 코딩 및 테스트 도구를 채택합니다.

  • AI 기반 프로젝트 계획 및 위험 평가 도구를 통합합니다.

  • AI 기반 릴리스 관리 및 예측 유지 관리를 구현합니다.

  • AI 지원 프로젝트 예측기 도구를 구현합니다.

  • AI 기반 아키텍처 의사 결정 지원 도구를 구현합니다.

  • AI 기반 풀 스택 코드 생성 및 최적화 도구를 채택합니다.

  • 모든 전송 위치에 클라우드 기반 AI 증강 플랫폼을 구현합니다.

프로세스

  • AI 생성 코드와 수동 코드를 통합하기 위한 지침을 설정합니다.

  • AI 기반 도구에 대한 프로세스 및 SOPs 설정합니다.

  • LLMs의 지속적인 개선을 위한 피드백 루프를 설정합니다.

  • ADM 프로세스를 재설계하여 TOM에 AI를 통합합니다.

  • 육상, 근해 및 해상 위치 간에 AI 기반 SOPs를 개발합니다.

 

  • AI 기반 아키텍처 결정 및 풀 스택 코드 생성을 위한 프로세스를 설정합니다.

  • AI 지원 규정 준수 검사 및 보안 모니터링 프로세스를 수립합니다.

  • AI 기반 ADM 운영 모델에서 프로세스 개선을 위한 메커니즘을 설정합니다.

미션 스테이트먼트, 목표 및 전략적 이니셔티브를 포함하는 ADM용 AI 비전의 프레임워크에 대한 자세한 내용은 부록 A: ADM용 AI 비전의 샘플 프레임워크를 참조하세요. 세 단계 모두에서 거버넌스, 조직 구조, 역할, 프로세스 및 도구를 다루는 자세한 구현 체크리스트는 부록 B: ADM TOM의 구현 체크리스트를 참조하세요.

모든 구현 단계의 모범 사례

다음 모범 사례는 모든 구현 단계에서 염두에 두는 것이 중요합니다. 각 모범 사례에 대해 관련 운영 모델 구성 요소가 표시되어 모델의 어떤 측면이 가장 영향을 받는지 나타냅니다.

  • 피드백과 결과를 기반으로 접근 방식을 지속적으로 모니터링하고 조정합니다. (성능 측정)

  • 다양한 AI 이니셔티브와 그 영향에 대해 모든 이해관계자와 명확하게 소통합니다. (전략적 정렬)

  • AI 자동화와 인적 감독의 균형을 맞춰 품질을 보장하고 제어를 유지하세요. (정부 및 규정)

  • AI 이니셔티브의 투자 수익률(ROI)을 정기적으로 평가하고 그에 따라 전략을 조정합니다. (성능 측정, 전략적 정렬)

  • 글로벌 제공 모델에서 AI 사용과 관련된 데이터 프라이버시 및 보안 문제를 해결합니다. (정부 및 규정)

  • AI가 아웃소싱 가치 제안에 미치는 영향을 정기적으로 평가하고 필요에 따라 참여 모델을 조정합니다. (파트너 에코시스템, 전략적 조정)