민감하거나 논란의 여지가 있는 주제, 또는 감정이 격해질 문제를 다루기란 쉽지 않다. 이를 위해서는 감성 지능, 공감 능력, 그리고 적극적으로 경청하는 태도가 필요하다.

IT 리더는 많은 과제에 직면하지만, 신뢰할 수 없거나 업무를 소홀히 하는 직속 직원, 특히 팀장급 직원을 다루는 것만큼 어려운 일은 많지 않다. 

스킬소프트(Skillsoft)의 CIO 올라 달리는 관리자나 임원이 직속 직원과 솔직한 대화를 해야 하는 여러 이유가 있다면서도, “근본적으로 개인이 성과 기대치를 충족하고 팀과 전반적인 문화에 긍정적으로 기여하고 있는지 여부가 중요하다”라고 말했다.

대화의 성공 여부는 다양한 관점을 이해하고, 명확하게 소통하며, 메시지가 어떻게 받아들여지는지 관찰하는 능력에 달려 있다. 

어려운 대화를 덜 고통스럽고 더 효과적으로 만드는 6가지 방법을 소개한다.

1. 열린 태도 유지하기
달리는 열린 태도를 갖고 사실에 기반해 대화에 임하는 것이 중요하다고 강조했다. 대화에 들어가기 전에 여러 관점에서 상황을 종합적으로 파악해야 한다고 그는 조언했다. 또한 “행동이나 기대에 미치지 못한 사례를 준비하면 맥락을 제공하는 데 유용하기 때문에 이런 부분을 미리 생각하는 것이 중요하다”라고 말했다. 

대화의 성공은 다양한 관점을 이해하고, 명확하게 소통하며, 메시지가 어떻게 받아들여지는지 관찰할 수 있는 능력에 달려있다. 달리는 공감 능력과 감정 지능 등의 소프트스킬이 현대 리더에게 필수이며, 이를 통해 성공한 대화와 실패한 대화의 차이를 만들 수 있다고 언급했다. 이 기술은 하루아침에 개발되는 것이 아니라 지속적으로 공부하고 연습해야 한다.

달리에 따르면 최근 스킬소프트는 생성형 AI 기반 코치인 케이시(CAISY)를 개발했다. 이 시스템은 리더가 대인 관계 기술을 개발하고 안전한 환경에서 연습할 수 있도록 지원하며, 각 시뮬레이션 후 개인화된 피드백을 제공한다. 이 시나리오에서 팀장급 직원들은 성과가 저조한 팀원에게 건설적인 피드백을 제공해야 한다.

달리는 "시뮬레이션을 하는 동안 학습자는 공감, 인내심, 그리고 적극적이고 해결책 지향적인 접근 방식으로 어려운 상황을 효과적으로 관리하는 다양한 전략을 접하게 된다"라고 설명했다.

2. 서번트 리더십으로 접근하기
ISG의 파트너인 올라 차우닝은 대화에 앞서 다뤄야 할 행동이나 성과에 대한 명확한 예시를 준비해야 한다고 조언했다. 이를 위해 지표, KPI, 개인적 관찰 등 가능한 한 객관적인 정보를 확보해야 한다. 

차우닝은 “회의 전에 팀원이나 동료들과 일상적인 대화를 나누는 것도 도움이 될 수 있다”라고 말했다.

그는 행동 문제와 관련해 구성원을 섬기는 자세로 접근하는 서번트 리더십이 효과적일 수 있다고 설명했다. 그는 “직속 직원의 집중력, 주의력, 정신 건강에 영향을 미치는 외부 요인이 있는지 물어보라. 성과 문제는 일반적으로 사실에 근거하겠지만, 성과를 저해하는 내부 요인이나 제약이 있는지 물어보는 것이 적절할 수 있다. 이후의 대화는 결과, 사례, 기대되는 변화로 이어질 수 있다”라고 말했다. 

3. 상대방의 관점 고려하기
의료 소프트웨어 및 IT 자문 기업 리버액스(Riveraxe)의 CEO 데이비드 펌프리는 대화의 목표를 검토하고 개인의 관점을 이해해 대화를 준비해야 한다고 조언했다. 그는 적극적으로 경청하고 개방적으로 질문할 것을 제안했다. 

필요할 때 건설적인 지침을 제공하는 것도 중요하다. 펌프리는 “직속 팀의 한 팀장이 프로세스 간소화에 어려움을 겪고 있을 때, 먼저 약속 일정의 자동화부터 시작해 점진적으로 확장해 나가라고 제안했다. 이런 조언과 경험은 해당 직원을 다시 정상 궤도에 올리는 데 도움이 됐다”라고 회상했다.

추가 지원이 필요해 보일 경우 핌프리는 코칭이나 교육과 같은 단계를 권장했다. 그는 “한번은 직원의 의사 소통 기술을 돕기 위해 컨설턴트를 초빙한 적도 있다”라고 말했다. 

다른 모든 방법이 실패할 경우 직원의 재능과 능력에 더 잘 맞는 직책으로 재배치하는 것도 고려해야 하지만, 핌프리는 이 방법이 마지막 수단으로 사용돼야 한다고 언급했다. 그는 “지원이 있으면 많은 직원이 개선되지만, 때로는 팀과 비즈니스의 성공을 위해 변화가 필요할 수 있다. 하지만 역할 교체 전에 해당 직원을 정상 궤도에 올리는 것이 목표여야 한다”라고 설명했다. 

팀과 목표는 항상 우선시돼야 한다. 대화의 목표는 직속 직원에게 개선을 위한 기회와 리소스를 제공하는 것이지만, 필요할 때는 어려운 결정도 내려야 한다. 펌프리는 “강력한 리더십과 의사 소통이 핵심”이라고 덧붙였다. 

4. 명확한 목표 설정하기
지니어스 솔루션(Genius Solutions)의 사장 겸 CIO인 진 마그니는 공식적인 대화 일정을 잡기 전에 직속 직원과 비공식적으로 만나 회의의 구체적인 목표를 설정할 필요가 있다고 제안했다. 

마그니는 회의가 시작되면 전체적인 맥락을 파악하고 직속 직원의 관점을 이해하기 위해 경청해야 한다고 말했다. 그는 “개방적인 질문을 통해 전체적인 상황을 파악한 뒤에 지침을 제공하라. 해결해야 할 문제를 파악했다면 구체적인 예시와 개선을 위한 제안을 통해 직접적이면서도 건설적인 태도를 취하라”라고 조언했다. 

초기 논의 후 추가 조치가 필요한 경우 코칭, 교육 또는 역할 변경 등 적절한 다음 단계를 결정해야 한다. 직원의 능력에 확신이 서지 않는다면 최후의 방법으로 인사 담당자를 개입시키거나 역할을 재배치해야 한다고 마그니는 덧붙였다. 

마그니는 "열린 의사소통과 지원으로 많은 문제를 해결해 팀이 다시 잘 작동하게 할 수 있다. 하지만 어떤 경우에는 팀과 프로젝트 또는 비즈니스 목표의 성공을 위해 역할 교체가 필요할 수 있다"라고 말했다.

5. 마음가짐을 갖추기
IT 서비스 기업 어센던트 테크놀로지스(Ascendant Technologies)의 비즈니스 개발 매니저인 매튜 프란지센은 대화에 임할 마음가짐이 갖춰졌는지 점검하는 것이 중요하다고 말했다. 그는 "객관적으로 대화에 접근할 수 있는 마음가짐을 갖춰 사실에 집중하고 전문적인 태도를 유지할 수 있어야 한다"라고 설명했다.

프란지센은 "직원을 사무실로 부르기 전에 예의 바르고, 전문적이며, 협력적인 방식으로 대화에 접근할 계획을 세워야 한다. 대화의 목표에 집중해야 한다. 그들의 행동을 바꾸고 싶은 것인가, 직면한 문제에 대한 설명을 듣고 싶은 것인가, 아니면 둘 다인가?"라며 대화를 시작하기 전에 목표를 아는 것이 중요하다고 말했다.

6. 성급한 판단 피하기
디지털 컨설팅 에이전시 디비사(DIVISA)의 CEO 디터 샤오는 직속 직원의 관점을 완전히 이해하기 위해 판단 없이 경청해야 한다고 말했다. 그는 "성과 부진의 근본 원인을 파악하기 위해 심도 있는 질문을 하고 구체적이고 건설적인 피드백과 권장 사항을 제공하라"라고 조언했다.

참여와 지원에도 불구하고 어려움이 지속되다면 개인의 역할을 재평가해야 할 수 있다. 샤오는 "역할 교체는 엄청난 혼란을 초래할 수 있기 때문에, 그 단계를 밟기 전에 개선을 위한 기회와 자원을 제공하기 위해 모든 노력을 기울인다. 대부분의 문제를 해결하는 열쇠는 열린 의사 소통과 협력적인 접근 방식이지만, 팀과 비즈니스 목표의 성공이 최우선이어야 한다”라고 말했다. 

다른 이해관계자의 개입은 직속 직원이 추가적인 코칭, 교육 또는 독립적인 중재로부터 이익을 얻는 경우에만 있어야 한다. 샤오는 "성과와 역량을 다시 정상 궤도에 올리기 위해 가능한 한 투명하고 지원적으로 문제를 해결하는 데 목표를 둬야 한다"라고 덧붙였다. 

https://www.ciokorea.com/news/350844

[python] Generate Captcha Using Python

https://www.geeksforgeeks.org/generate-captcha-using-python/

In this article, we are going to see how to generate a captcha using Python package captcha to generate our own CAPTCHA (Completely Automated Public Turing Test to Tell Computers and Humans Apart) in picture form. CAPTCHA is a form of challenge-response authentication security mechanism. CAPTCHA prevents automated systems from reading the distorted characters in the picture.

Installation:

pip install captcha

Generating image captcha: 

Here we are going to generate an image captcha:

Stepwise implementation:

Step 1: Import module and create an instance of ImageCaptcha().

image = ImageCaptcha(width = 280, height = 90)

Step 2: Create image object with image.generate(CAPTCHA_Text).

data = image.generate(captcha_text)  

Step 3: Save the image to a file image.write().

image.write(captcha_text, 'CAPTCHA.png')

Below is the full implementation:

Output:

Image CAPTCHA

Generating Audio captcha:

Here we are going to generate an audio captcha:

Stepwise implementation:

Step 1: Import module and create an instance of AudioCaptcha().

image = audioCaptcha(width = 280, height = 90)

Step 2: Create an audio object with audio.generate(CAPTCHA_Text).

data = audio.generate(captcha_text)  

Step 3: Save the image to file audio.write().

audio.write(captcha_text, audio_file)

Below is the full implementation:

Output:

IT 프로젝트는 점차 추진력과 지원을 잃을 수 있다. 만약 그런 징후를 감지한다면, 지금 바로 진행 방향을 바로잡거나 중단하기 위한 조치를 취해야 한다.
 
Y2K 날짜 변환은 기록상 최장 IT 프로젝트 중 하나였다. 장기간의 일정과 막대한 자원이 투입된 이 프로젝트가 끝까지 이어질 수 있었던 유일한 이유는 세기 말에 시스템이 중단되지 않도록 모든 날짜 형식을 변경해야 한다는 절대적인 필요성 때문이었다.

다시 말해 Y2K 프로젝트는 시급성 때문에 성공했다. 모두가 무엇이 위험한지, 그리고 프로젝트가 왜 그렇게 오래 걸리는지 알고 있었다.

다른 IT 프로젝트는 그렇지 않다. 프로젝트가 지연되거나 열정이 식어가기 시작하면 CIO와 프로젝트 매니저는 점검해야 한다. 죽어가는 프로젝트를 진행하고 있는 것은 아닌가?

프로젝트 실패로 인한 비용은 상당하다. 생성형 AI 이니셔티브, 소프트웨어 프로젝트 또는 대규모 디지털 트랜스포메이션 등 IT 프로젝트는 여전히 놀라울 정도로 높은 비율로 실패하고 있다. 실패한 프로젝트를 언제 복구할지 알아내는 것은 IT 리더가 개발해야 할 핵심 기술이다. 육감 같은 것이다. 때로는 프로젝트를 중단하는 것이 최선의 방법일 수 있다.

한때 열정적으로 지지받던 프로젝트가 흔들리기 시작하는 데에는 여러 가지 이유가 있다. IT 프로젝트가 위기에 처했음을 나타내는 몇 가지 주요 위험 신호를 소개한다.

벤더가 투자를 철회할 조짐을 보일 때
벤더 기반 시스템에 대한 일련의 자체 보고서를 작성하고 있으며, 이러한 보고서를 작성하기 위해 벤더 도구를 활용하는 경우가 있다. 프로젝트가 진행되고 있을 때 벤더의 수정 및 개선 사항 제공 속도가 느려지기 시작하는 것을 알게 된다. 벤더의 소프트웨어 릴리스 주기는 점점 길어진다. 심지어 벤더에서 감원이 임박했다는 소식도 들린다.

이는 프로젝트 위험 신호가 될 수 있는데, 프로젝트가 벤더의 도구와 플랫폼에 의존하고 있기 때문이다. 벤더의 활동이 서서히 중단되는 것처럼 보인다면, 프로젝트에도 비슷한 종말을 알리는 신호일 수 있다.

주요 벤더의 투자 의욕을 파악하는 것은 IT 이니셔티브가 장기적으로, 때로는 단기적으로 어떻게 진행될지 파악하는 데 필수적이다.

사용자가 프로젝트 플랫폼에 자주 접속하지 않는 경우
사내 시스템을 대폭 개선했지만, 지난 몇 달 동안 사용량이 꾸준히 감소했다는 것을 알게 된다. 사용자들이 이 시스템을 예전만큼 가치 있게 여기지 않는다는 신호일까? 사용자와 상의할 때다.

사용량 지표를 추적하고, 사용자 기반과 협력 관계를 구축해 요구 사항과 관심사를 더 잘 파악하는 것이 사용자 관심 저하를 확인하는 2가지 핵심 방법이다.

프로젝트 마감일이 계속 재협상되는 경우
프로젝트는 시작부터 순조롭게 진행되고 사용자와 IT 부서는 흥분하고 참여한다. 3개월이 지나자, 프로젝트 스폰서가 문을 두드리며 급한 일로 직원을 다른 곳으로 이동시켜야 하니 프로젝트 마감일을 미룰 수 있는지 묻는다. 스폰서는 모든 사람이 여전히 프로젝트를 지지하고 있다면서 일정을 미루게끔 한다. 그러나 프로젝트가 다시 시작될 즈음 스폰서는 또 찾아와 프로젝트 연기를 요청한다. 한때 높았던 프로젝트의 열정이 식어가고 있는 것일까?

잠재적인 비즈니스 이해관계자의 ‘무관심’ 신호를 읽는 법을 배우고, 이해관계자를 프로젝트 파트너로 변화시켜 위험에 처한 프로젝트를 바로잡거나, 다른 IT 우선순위를 방해하거나 더 많은 시간, 예산 및 자원을 소모하지 않고 프로젝트를 보류하기로 상호 결정할 수 있도록 해야 한다.

예산 지원이 축소되거나 연기될 때
지난 예산 편성 과정에서는 모든 사람이 프로젝트를 매우 기대했기 때문에 요청한 자금을 모두 지원받았다. 이제 새로운 예산 회의에서 CEO와 CFO는 초기 프로젝트 자금의 일부를 축소하거나, 적어도 회사가 프로젝트를 추진하기에 더 나은 재정 상태가 될 때까지 연기할 것을 요청한다.

모든 비즈니스 환경에서 긴축은 이해할 만한 일이지만, 프로젝트 긴축 요청이 두 분기 연속 발생하면 프로젝트의 실행 가능성에 의문을 제기할 때다.

CFO와 긴밀한 관계를 구축하면 도움이 될 수 있으며, 프로젝트 예산을 잘 관리하는 것도 중요하다.

프로젝트 지지자가 퇴사할 때
프로젝트의 슈퍼유저, 프로젝트 관리자 또는 기술 전문가 중 한 명 이상이 다른 직장을 위해 회사를 떠나기로 결정하면, 원래 프로젝트를 홍보하고 경영진에게 판매했던 리더의 부재로 타격을 입을 수 있다. 이러한 빈자리를 메울 수 있는 사람이 남아 있지 않다는 것은 프로젝트에 여전히 미래가 있는지 건강 상태를 측정해야 할 중요한 시기라는 의미다.

물론 직원 유지 노력이 도움이 될 수 있으며, 우수한 인재가 떠나는 일반적인 이유를 파악하는 것도 중요하다.

벤더 또는 회사에서 경영진이 바뀔 때
처음에 프로젝트를 지지했던 회사 또는 벤더의 주요 관리자가 떠나면 해당 프로젝트 지원이 그대로 유지될지 확인해야 한다.

벤더 영역에서는 회사가 합병되거나 인수될 때 경영진이 바뀌는 경우가 많다. 이 경우 프로젝트 기반이 되는 벤더 소프트웨어가 폐기 대상이 될 수도 있다.

조직에서 주요 비즈니스 스폰서가 떠나고 새로운 관리자가 들어올 경우, 새로운 사람은 자신이 사용하고 싶은 제품이나 소프트웨어에 대한 자신만의 아이디어를 가질 수 있으며, 여기에는 해당 프로젝트가 포함되지 않을 수 있다. 좋은 방법은 당사자에게 프로젝트를 계속 지원하는지 직접 묻는 것이다. 외부 종속성이 바뀌는 경우 벤더 관리 모범 사례를 참고하는 것도 도움이 될 수 있다.

비즈니스 방향이 변화할 때
고객이 온라인, 전화, 오프라인 매장에서 원활하게 소통할 수 있는 옴니채널 판매 플랫폼으로 전환하려는 기업은 이런 모든 판매 채널을 통합하는 IT 통합 프로젝트를 시작한다. 그러나 프로젝트가 진행됨에 따라 회사는 예상치 못한 극도의 시장 압박을 경험한다. 경영진은 통합이 불가능하더라도 방향을 바꿔 온라인 판매 채널을 즉시 운영해야 한다는 결론을 내린다. 이는 채널 통합 프로젝트에 어떤 영향을 미칠까?

변화를 항상 예측할 수는 없지만, 다른 주요 임원들과 긴밀한 관계를 구축하면 조기 경고 신호와 필요한 방향 전환을 위한 가치 있는 대화를 나누는 데 도움이 될 수 있다.

30여 년 전 하버드 비즈니스 리뷰(Harvard Business Review)는 "전략은 무엇을 할 것인가에 대한 선택만큼이나 무엇을 하지 않을 것인가에 대한 선택도 중요하게 만든다”라고 언급했다. 기술과 프로젝트 접근 방식은 상당히 변화했지만, 이 오래된 격언은 여전히 유효하다.

순조롭게 진행되던 프로젝트가 갑자기 진흙탕에 빠져 움직이지 않거나, 비즈니스 또는 환경 조건이 급변해 프로젝트의 미래가 의심스러울 때는 한 걸음 물러서서 실행 가능성을 고려할 때이자 프로젝트 이해관계자에게도 동일한 질문을 던져야 할 때다. 프로젝트를 갱신, 연기 또는 취소해야 할 수 있지만, 솔직한 대화를 통해 적어도 합의와 명확한 전략적 방향을 얻을 수 있다.

https://www.ciokorea.com/news/350137

생성형 AI의 가능성은 부인할 수 없다. 그러나 기업에서 이를 적용하는 데 대규모 언어 모델(LLM)을 꼭 선택해야 하는 건 아니다. IT 리더가 제어권을 유지할 수 있는 특정 데이터를 기반으로 하는, 그리고 에너지 소비가 적은 소규모 언어 모델이 뜨는 배경이다.

구글의 GPT-4가 튜링 테스트를 통과했다. 마이크로소프트가 AI 비서 코파일럿을 기업용 제품에 적용했다. 구글이 이탈리아에서 스마트폰용 제미니 앱을 출시했다. 이러한 가운데 CIO들은 기술적 흥분이나 상업적 현혹에 휘둘리지 않고 최신성을 확보하기 위해 생성형 AI 기술을 연구하고 있다.

이탈리아 연구 및 교육 커뮤니티 전용 광대역 네트워크인 GARR의 CTO이자 인프라 부서 책임자인 마시모 카보니는 "생성형 AI는 많은 이점을 제공할 수 있지만 적절한 검토가 필수적이다. 가능성을 과대평가할 위험도 몹시 높다. AI와 생성형 AI에 대한 첫 번째 위험은 이를 지나치게 믿는 것이다”라고 말했다.

최근 가트너는 생성형 AI 기술에 대한 전 세계 기업의 지출이 아직까지는 그다지 크지 않다고 추정했다. 또 올해 예상되는 총 5조 달러(2023년 대비 8% 증가) 규모의 IT 투자 중에서도 생성형 AI가 차지하는 비중은 크지 않을 것으로 전망했다. 오히려 전통적인 IT 서비스와 같은 전통적인 세력이 지출을 주도한다는 관측이다.

그럼에도 불구하고 대형 서비스 제공업체들은 생성형 AI 기술에 대한 지출을 늘리고 있다. 2024년에 하이퍼스케일러들이 지출하는 서버 비용 중 거의 60%가 AI 애플리케이션 서버에 집중될 전망이다. 하지만 기업들은 좀 더 신중한 입장이다. 가트너는 2023년에 논의, 2024년에 구현 계획, 2025년에 실행될 것으로 예상되는 생성형 AI의 주기를 '스토리, 계획, 실행'으로 보고 있다. 

CIO가 면밀히 검토하는 생성형 AI
바이오가스 및 바이오메탄 생산과 에너지 효율 분야에서 활동하는 이네바의 CIO 에도아르도 에스포지토에 따르면, 현재 이네바의 IT는 모두 마이크로소프트 시스템으로 구성되어 있고 이 생성형 AI 제품이 오피스 제품군과 완벽하게 통합된다. 회사가 현재 코파일럿을 테스트하는 배경이다. 그는 CFO, 법무 책임자, 기관 관계 및 규제 책임자 등 다른 관리자들과 함께 실험을 진행하고 있다고 전했다.

"우리는 수입과 지출에 대한 재무 분석과 같은 재무 분야에서의 사용을 테스트하고 있다. 가장 큰 기회가 있는 분야라고 생각한다. 아직은 법률 분야에서의 활용이 제한적이라고 보지만, 계약 관리와 법률 연구에 대해서도 생성형 AI를 사용하려고 시도 중이다"라고 그는 말했다. AI가 법률 자문을 제공하지는 않지만, 지속적으로 업데이트되거나 변경되는 방대한 양의 규칙을 탐색하는 데 도움이 되기 때문이다. 

그는 "AI로 생성된 새로운 법률에 대한 간단한 글머리 기호 요약본을 경영진에게 보내 검토를 요청하는 것만으로도 도움이 된다. 결국, 한 달에 30달러를 지불하는 소규모 기업 입장에서는 사무실에 사람이 한 명 더 있는 것과 마찬가지다"라고 설명했다.

하지만 에스포지토는 생성형 AI가 복잡한 업무를 완전히 자동화할 수 있을지에 대해서는 확신하지 않고 있다. "지속가능성이 한 이유다. 매개변수가 방대하고 훈련하는 데 많은 에너지가 필요하기 때문이다"라고 그는 말했다.

AI의 지속 불가능성
GARR의 카보니에 따르면 AI는 이미 몹시 에너지 집약적이며, 기술 비용의 부담을 더욱 늘린다. 그는 "전 세계 ICT는 2023년에 전체 에너지 비용의 9%, 즉 약 3,000억 달러어치의 에너지를 소비한다. 이 비중은 지난 10년 동안 최대 60% 증가했으며 앞으로 더 늘어날 것"이라고 말했다.

카보니에 따르면 훈련 측면에서도 문제가 있다. "생성형 AI는 기존의 인간 중심 접근 방식을 뒤집고 있다. 이제는 인간들이 시장에서 나온 모델에 적응해야 한다. 만약 생성형 AI 플레이어가 줄어들면 줄어들수록 기업 입장에서는 의존성이 커지고 통제력을 잃게 된다"라고 말했다.

또한, 생성형 AI의 진입 문턱이 높고 대부분의 기업이 제품간 차이를 구분할 지식 없이 서비스를 구매할 수 있기 때문에 소수가 결정을 주도할 가능성이 높다. 선택의 여지가 협소하고 기업 내 맞춤형 구축이 어렵다는 문제도 있다. "따라서 내 생각에는 사내에서 무언가를 구축하려는 접근법이 확산될 가능성이 크다"라고 그는 말했다.

빅 테크와 경쟁하는 기업
기업 간 경쟁이 치열해지고 있는 가운데, 카보니를 비롯한 많은 기업의 IT 임원들은 대형 공급업체의 모델 판매 방식이 여러 측면에서 불공평하다고 바라본다. "마이크로소프트와 구글 같은 기업은 제품 생태계를 보유하고 있으며, 데이터 시장의 최대 80%를 장악하고 있다. 이들은 또 지배력을 강화할 수 있도록 스타트업을 인수하려 한다. 따라서 경쟁할 수 있는 새로운 플레이어의 진입을 기대하기 어려운 상황이다”라고 그는 말했다.

카보니에게 이는 직접 탐구할 필요성을 의미한다. "활용할 수 있는 데이터가 많기 때문에 GARR에서 이를 직접 연구할 방침이다. 내부 지식 기반을 더 잘 정의하기 위해 생성형 AI 모델을 도출하는 것이 목적이다. 이를 위해 작은 언어 모델을 눈여겨보고 있다”라고 말했다.

SLM과 CIO의 통제권
소규모 언어 모델(SLM)은 GPT와 같은 제품의 기반이 되는 대규모 딥러닝 모델인 LLM보다 훨씬 더 작고 구체적인 데이터 세트에 대해 학습된 ML 알고리즘을 의미한다. 초기 테스트 결과, 더 효율적이고 비용이 적게 들며 작업 정확도가 부족하지 않은 것으로 나타나기도 한다. 에스포지토는 또한 SLM을 탐색한 결과 비즈니스 용도로 훨씬 더 유망하고 지속 가능하다고 보고 있다.

에스포지토는 "API를 통해 대규모 생성형 AI 모델을 사용하여 자체 데이터로 자체 생성형 AI 제품을 학습시키려면 상당한 에너지 자원이 필요하다. 비용이 많이 드는 디지털 동료다. 또 전기도 막대하게 공급해야 한다. 그래서 나는 소규모 언어 모델에는 매우 흥미를 느낀다. 기업들은 편견과 개인정보 누출의 위험이 적고 보다 타깃화된 무언가가 필요하다"라고 말했다.

예를 들어, 에스포지토는 IT 부서가 SLM을 가져와 클라우드에 배치하고 기업 문서 데이터베이스에만 액세스 권한을 부여할 수 있다며, 이를 통해 모델에 해당 문서와 관련된 질문만 할 수 있다고 설명했다.

"첫 번째 실험에서 에너지 소비가 줄어들었을 뿐만 아니라 환각 확률도 감소함을 확인했다. 결국 기업의 AI 모델은 모든 것을 알 필요는 없고 특정 애플리케이션에만 응답하면 된다. SLM 또한 번역, 시장 동향 분석, 고객 서비스 자동화, IT 티켓 관리, 비즈니스 가상 비서 생성 등의 작업을 수행할 수 있다. 도메인을 제한하고 전문화하여 IT 관리 하에 두는 것이 더 효율적이라고 본다"라고 말했다.

생성형 AI 비즈니스와 소규모 모델 저울질
일부 IT 리더에게는 통제권이 핵심이다. 브루노 케슬러 재단(FBK)의 증강 센터 책임자인 알레산드로 스페르두티는 AI 분야에서 민간 기업이 지배하는 현상에 부정적이다 "과거에는 주요 AI 시스템이 대학에서 개발되었지만 오늘날에는 그렇지 않다. 그 이유는 민간 기술 대기업이 공공을 넘어서는 자본력을 갖췄기 때문"이라고 그는 말했다.

사실 물리학 실험을 위해 여러 국가가 협력해 설립한 기관인 CERN처럼 공공 분야가 AI를 다시 통제할 수 있어야 한다는 관점이 있다. 그러나 유럽 연합의 AI 법처럼 정부가 AI 도구의 사용을 규제하는 한, 몇몇 민간 조직의 지배적 입지가 그리 문제되지 않는다는 시각도 있다.

스페르두티는 "물리학계과 다른 점이 있다. 물리학계에는 큰 사업성이 없는 반면 AI 분야에는 엄청난 이익이 걸려있다는 점이다. 이것이 바로 오늘날 마이크로소프트와 구글 같은 기업들이 치열하게 경쟁하는 이유다. 이 분야에 스타트업이 존재하지만 다른 분야에 비해 그 수가 적은 이유는 필요한 투자가 막대하기 때문이다. 스타트업들이 기존 플레이어의 우위를 위협하고 강력한 경쟁 구도를 만들기란 거의 불가능하다"라고 말했다.

이러한 관점에서 스페르두티는 검색 증강 생성(RAG) 시스템의 존재를 강조했다. 소규모 모델에서 로컬 데이터베이스에 저장된 문서에 대한 질문에 답하기 위해 LLM을 사용하는 방식으로 요긴하다는 평가다. 문서의 누출을 막을 수도 있다. RAG를 통해 기업은 데이터에 대한 통제력을 높이고 비용을 절감할 수 있다고 그는 강조했다.

스페르투티는 "로컬에서 오픈소스 언어 모델을 사용할 수도 있다. LLM보다 규모는 작지만 성능이 낮으므로 SLM으로 간주할 수 있다"라고 말했다.

비용 측면의 지속 가능성에 대해서도 의미를 지닌다. LLM과 달리 SLM을 사용하면 전력 관리 부담이 덜하다. 그는 "경제성 평가 작업을 반드시 해야 한다. 전력 비용, 모델 비용, 업데이트, 모델에 투입되는 인력 등을 고려하여 신중하게 선택해야 한다”라고 말했다.

주도권을 쥔 CIO: 거버넌스와 전문성
한편 카보니 SLM 선택에 따라 감당해야 할 부담이 있다고 지적했다. "하이퍼스케일러 LLM에서는 데이터 작업의 대부분이 통계적으로 수행되고 IT 부서는 특정 주제에 대해 모델을 학습시켜 오류를 수정함으로써 목표에 맞는 양질의 데이터를 제공하게 된다. SLM은 훨씬 적은 비용으로 더 적은 데이터를 필요로 하지만, 바로 이러한 이유로 통계적 효율성이 떨어진다. 매우 높은 품질의 데이터가 필요하다. 그렇지 않으면 일반 데이터를 사용하면 모델에 많은 오류가 발생할 위험이 있다"라고 말했다.

SLM은 구글, 마이크로소프트와 같은 거대 기술 기업에서도 이를 제안하고 광고하는 기술이다. 그러나 에스포지토는 기업이 이를 폐쇄형 시스템으로 유지하는 게 낫다는 입장이다. 그는 "SLM은 관리가 더 쉬우며 AI에서 부가가치를 창출하기 위해 회사의 중요한 자산이 된다. 나는 SLM을 맞춤형으로 개발하고 내부 폐쇄형 시스템으로 구축할 수 있도록 시스템 통합업체와 협력하는 것을 선호한다. 데이터 및 AI 거버넌스는 기업에게 필수적이다”라고 말했다.

결국 CIO의 역량이 중요하다는 언급도 있었다. 카보니는 "서비스 액세스 비용뿐만 아니라 서비스에 영향을 미칠 수 있는 능력을 평가하는 것도 중요하다. CIO는 제품을 구매하고 성과를 기대하는 데 그치지 않고 해당 제품이나 서비스에 영향을 미칠 수 있어야 한다"라고 말했다.

https://www.ciokorea.com/news/346364

https://ipython.org/install.html

Installing IPython

There are multiple ways of installing IPython. This page contains simplified installation instructions that should work for most users. Our official documentation contains more detailed instructions for manual installation targeted at advanced users and developers.

If you are looking for installation documentation for the notebook and/or qtconsole, those are now part of Jupyter.

I already have Python

If you already have Python installed and are familiar with installing packages, you can get IPython with pip:

pip install ipython

I am getting started with Python

For new users who want to install a full Python environment for scientific computing and data science, we suggest installing the Anaconda or Canopy Python distributions, which provide Python, IPython and all of its dependences as well as a complete set of open source packages for scientific computing and data science.

1. Download and install Continuum’s Anaconda or the free edition of Enthought’s Canopy.
2. Update IPython to the current version using the Terminal:

Anaconda:

conda update conda
conda update ipython

https://pypi.org/project/ipython/

 pip install sympy

https://pypi.org/project/sympy/

2차 방정식은 2차 다항식 방정식으로, 일반적인 형태는 다음과 같습니다:

Python으로 2차 방정식 풀기

아래는 Python을 사용하여 2차 방정식의 해를 구하는 예제 코드입니다:

import cmath  # 복소수 계산을 위해 cmath 모듈 사용

def solve_quadratic(a, b, c):
    # 판별식 계산
    discriminant = b**2 - 4*a*c
    
    # 근의 공식 사용
    root1 = (-b + cmath.sqrt(discriminant)) / (2 * a)
    root2 = (-b - cmath.sqrt(discriminant)) / (2 * a)
    
    return root1, root2

# 예시: a, b, c 값 입력
a = 1  # x^2의 계수
b = -3  # x의 계수
c = 2  # 상수항

# 함수 호출하여 근 구하기
roots = solve_quadratic(a, b, c)

# 결과 출력
print(f"방정식의 근: {roots[0]} 과 {roots[1]}")