Devavrat Shah 박사는 Ikigai Labs의 공동 창립자이자 CEO입니다. MIT 교수이자 통계 및 데이터 과학 센터 소장. 그는 소매업체를 위한 예측 분석 플랫폼인 Celect를 공동 창립했습니다. 그가 나이키에 팔았던 것. Devavrat는 인도 공과대학(Indian Institute of Technology)과 스탠포드 대학교(Stanford University)에서 각각 컴퓨터 공학 학사 및 박사 학위를 취득했습니다.
Ikigai Labs 기업의 표 형식 및 시계열 데이터를 예측 가능하고 실행 가능한 통찰력으로 변환하도록 설계된 AI 기반 플랫폼을 제공합니다. 특허를 활용한 대형 그래픽 모델이 플랫폼을 통해 다양한 업계의 비즈니스 사용자와 개발자가 계획 및 의사결정 프로세스를 향상할 수 있습니다.
Ikigai Labs의 창립 비하인드 스토리를 공유해 주실 수 있나요? 학계에서 창업으로 전환하게 된 계기는 무엇인가요?
저는 실제로 몇 년 동안 학계와 비즈니스 세계를 오가며 살아왔습니다. 저는 MIT의 전 학생인 Vinayak Ramesh와 함께 Ikigai Labs를 공동 창립했습니다. 이전에 저는 소매업체가 AI 기반 수요 예측을 통해 재고 결정을 최적화하는 데 도움을 주는 Celect라는 회사를 공동 설립했습니다. Celect는 2019년 Nike에 인수되었습니다.
LGM(대형 그래픽 모델)이란 정확히 무엇이며, 더 널리 알려진 LLM(대형 언어 모델)과 어떻게 다릅니까?
LGM 또는 대형 그래픽 모델은 데이터에 대한 확률적 관점입니다. LLM 등 ‘Foundation 모델’ 기반 AI와는 극명한 대조를 이룬다.
기초 모델은 매우 큰 데이터 모음에서 관련된 모든 “패턴”을 “학습”할 수 있다고 가정합니다. 따라서 새로운 데이터 조각이 제시되면 데이터 코퍼스의 관련 부분을 기반으로 추정할 수 있습니다. LLM은 구조화되지 않은(텍스트, 이미지) 데이터에 매우 효과적이었습니다.
대신 LGM은 데이터 조각이 주어지면 이러한 패턴의 대규모 “우주”에서 적절한 “기능 패턴”을 식별합니다. LGM은 구조화된(표 형식, 시계열) 데이터와 관련된 모든 관련 “기능 패턴”을 사용할 수 있도록 설계되었습니다.
LGM은 매우 제한된 데이터를 사용하여 정확한 예측과 예측을 학습하고 제공할 수 있습니다. 예를 들어, 동적으로 변화하는 중요 추세 또는 비즈니스 결과에 대한 매우 정확한 예측을 수행하는 데 활용할 수 있습니다.
LGM이 구조화된 표 형식 데이터를 분석하는 데 특히 어떻게 적합한지, 그리고 이 분야에서 다른 AI 모델에 비해 어떤 이점을 제공하는지 설명해 주시겠습니까?
LGM은 구조화된 데이터(즉, 표 형식, 시계열 데이터)를 모델링하기 위해 특별히 설계되었습니다. 결과적으로 더 나은 정확성과 더 신뢰할 수 있는 예측을 제공합니다.
또한 LGM은 LLM보다 적은 데이터를 필요로 하므로 컴퓨팅 및 스토리지 요구 사항이 낮아 비용이 절감됩니다. 이는 또한 조직이 제한된 교육 데이터로도 LGM으로부터 정확한 통찰력을 얻을 수 있음을 의미합니다.
LGM은 또한 더 나은 데이터 개인 정보 보호 및 보안을 지원합니다. 필요할 때 선별된 외부 데이터 소스(날씨 데이터, 소셜 미디어 데이터 등)를 보완하여 기업 자체 데이터만을 교육합니다. 민감한 데이터가 공개 모델과 공유될 위험은 전혀 없습니다.
LGM은 어떤 유형의 비즈니스 시나리오에서 가장 큰 가치를 제공합니까? 예측, 계획 또는 의사결정을 개선하는 데 이러한 방법이 어떻게 사용되었는지에 대한 몇 가지 예를 제공해 주시겠습니까?
LGM은 조직이 비즈니스 결과를 예측하거나 전략을 안내하기 위해 추세를 예측해야 하는 모든 시나리오에서 가치를 제공합니다. 즉, 광범위한 사용 사례에 걸쳐 도움이 됩니다.
할로윈 의상과 품목을 판매하고 더 나은 상품화 결정을 내리기 위한 통찰력을 찾고 있는 기업을 상상해 보십시오. 계절성을 감안할 때 그들은 엄격한 선을 따릅니다. 한편으로 회사는 과잉 재고를 피하고 매 시즌 말에 초과 재고가 발생하는 것을 피해야 합니다(이는 판매되지 않은 제품과 낭비되는 CAPEX를 의미함). 동시에 재고가 조기에 소진되는 것을 원하지 않습니다(이는 판매 기회를 놓치는 것을 의미함).
LGM을 사용하면 기업은 완벽한 균형을 이루고 소매 판매 노력을 이끌 수 있습니다. LGM은 다음과 같은 질문에 답할 수 있습니다.
- 이번 시즌에는 어떤 의상을 구입해야 할까요? 각 SKU 전체에 대해 얼마나 많은 재고를 확보해야 합니까?
- 특정 SKU가 특정 위치에서 얼마나 잘 팔리나요?
- 이 액세서리는 이 의상과 얼마나 잘 팔릴까요?
- 여러 매장이 있는 도시에서 어떻게 매출 잠식을 피할 수 있나요?
- 새로운 의상은 어떤 성능을 발휘하나요?
데이터가 희박하거나 일관성이 없거나 빠르게 변화하는 시나리오에서 LGM은 어떻게 도움이 되나요?
LGM은 AI 기반 데이터 조정을 활용하여 작거나 시끄러운 데이터 세트를 분석할 때에도 정확한 통찰력을 제공합니다. 데이터 조정은 데이터의 일관성, 정확성, 완전성을 보장합니다. 여기에는 불일치, 오류 또는 불일치를 식별하기 위해 데이터 세트를 비교하고 검증하는 작업이 포함됩니다. LGM은 데이터의 공간적, 시간적 구조를 결합함으로써 최소한의 결함이 있는 데이터로 좋은 예측을 가능하게 합니다. 예측에는 불확실성 정량화와 해석이 함께 제공됩니다.
AI를 민주화하려는 Ikigai의 사명은 LGM의 개발과 어떻게 일치합니까? LGM이 비즈니스에서 AI의 미래를 어떻게 형성한다고 보시나요?
AI는 우리가 일하는 방식을 변화시키고 있으며, 기업은 모든 유형의 직원이 AI를 사용할 수 있도록 준비해야 합니다. Ikigai 플랫폼은 비즈니스 사용자를 위한 간단한 로우 코드/코드 없음 환경을 제공할 뿐만 아니라 데이터 과학자 및 개발자를 위한 전체 AI Builder 및 API 환경을 제공합니다. 또한 Ikigai Academy에서는 누구나 AI의 기초를 배우고 Ikigai 플랫폼에서 훈련 및 인증을 받을 수 있도록 무료 교육을 제공합니다.
LGM은 AI를 활용하려는 기업에 더 광범위하게 큰 영향을 미칠 것입니다. 기업은 확률 예측 및 시나리오 계획과 같은 수치 예측 및 통계 모델링이 필요한 사용 사례에 genAI를 사용하기를 원합니다. 그러나 LLM은 이러한 사용 사례를 위해 구축되지 않았으며 많은 조직에서는 LLM이 genAI의 유일한 형태라고 생각합니다. 그래서 그들은 예측 및 계획 목적으로 대규모 언어 모델을 시도했지만 제공하지 못했습니다. 그들은 포기하고 genAI가 이러한 애플리케이션을 지원할 수 없다고 가정합니다. LGM을 발견하면 실제로 생성 AI를 활용하여 더 나은 예측과 계획을 추진하고 더 나은 비즈니스 결정을 내리는 데 도움이 될 수 있다는 사실을 깨닫게 될 것입니다.
Ikigai의 플랫폼은 eXpert-in-the-loop 기능을 통해 LGM을 인간 중심 접근 방식과 통합합니다. 이 조합이 기업에서 AI 모델의 정확성과 채택을 어떻게 향상시키는지 설명해 주시겠습니까?
AI에는 가드레일이 필요합니다. 조직은 당연히 기술이 정확하고 효과적으로 수행될 것이라는 점을 경계하기 때문입니다. 이러한 가드레일 중 하나는 인간의 감독으로, 이는 중요한 도메인 전문 지식을 주입하고 AI 모델이 비즈니스에 관련되고 유용한 예측을 제공하도록 보장할 수 있습니다. 조직이 AI를 모니터링하는 역할에 인간 전문가를 배치할 수 있으면 AI를 신뢰하고 정확성을 검증할 수 있습니다. 이는 채택에 대한 주요 장애물을 극복합니다.
현재 시장에 나와 있는 다른 AI 솔루션과 차별화되는 Ikigai 플랫폼의 주요 기술 혁신은 무엇입니까?
우리의 핵심 LGM 기술은 가장 큰 차별화 요소입니다. Ikigai는 이 분야에서 독보적인 개척자입니다. 공동 창업자와 저는 MIT에서 학업을 수행하는 동안 LGM을 발명했습니다. 우리는 대규모 그래픽 모델과 구조화된 데이터에 대한 genAI 사용 분야의 혁신가입니다.
소매, 공급망 관리, 금융 등 정확한 예측과 계획에 크게 의존하는 산업에 LGM이 어떤 영향을 미칠 것으로 예상하시나요?
LGM은 모든 회사의 생명선인 표 형식의 시계열 데이터에 사용하도록 특별히 설계되었으므로 완전히 혁신적일 것입니다. 거의 모든 산업 분야의 모든 조직은 수요 예측 및 비즈니스 계획을 위한 구조화된 데이터 분석에 크게 의존하여 이러한 결정이 상품화, 채용, 투자, 제품 개발 또는 기타 범주와 관련되어 있는지 여부에 관계없이 장단기적으로 건전한 결정을 내립니다. LGM은 최선의 결정을 내릴 수 있도록 수정구슬에 가장 가까운 것을 제공합니다.
LGM의 역량을 발전시키기 위한 Ikigai Labs의 다음 단계는 무엇입니까? 파이프라인에서 특히 기대되는 새로운 기능이나 개발이 있습니까?
기존 aiPlan 모델은 가정(what-if) 및 시나리오 분석을 지원합니다. 앞으로 우리는 이를 더욱 발전시키고 운영 팀을 위한 모든 기능을 갖춘 강화 학습을 활성화하는 것을 목표로 하고 있습니다. 이를 통해 운영팀은 단기 및 장기적으로 AI 기반 계획을 수행할 수 있습니다.
훌륭한 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자들은 방문하시기 바랍니다. Ikigai Labs.
게시물 Devavrat Shah 박사, Ikigai Labs의 공동 창립자 겸 CEO – 인터뷰 시리즈 처음 등장한 Unite.AI.
