기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 에서 생성형 AI를 채택하기 위한 성숙도 모델 AWS
*Amazon Web Services*([기여자](contributors.md))
*2025년 *6월([문서 기록](doc-history.md))
[생성형 AI](https://aws.amazon.com/what-is/generative-ai/)는 대량의 데이터에 대해 훈련된 AI 모델의 하위 집합으로, 텍스트, 이미지, 음악, 비디오를 포함한 새 콘텐츠를 생성할 수 있습니다. 모델은 사전 훈련된 [파운데이션 모델](https://aws.amazon.com/what-is/foundation-models/), 사용자 지정 모델, 증강 또는 독점 데이터 세트를 사용할 수 있습니다. 생성형 AI가 산업에 미치는 영향. 창의성을 높이고 생산성을 높이며 새로운 비즈니스 모델을 활성화할 수 있습니다. 조직이 운영을 개선하고, 혁신을 주도하고, 비즈니스 성장을 실현하기 위해 생성형 AI를 원하는 경우 채택 여정을 탐색하려면 구조화된 단계별 접근 방식이 중요합니다.
[CIO 기사](https://www.cio.com/article/3850763/88-of-ai-pilots-fail-to-reach-production-but-thats-not-all-on-it.html)에 따르면 AI 파일럿의 88%가 프로덕션에 도달하지 못합니다. 이로 인해 *파일럿 피로*가 발생합니다. 이 문서에서는 “기업은 프로덕션으로 빠르게 또는 전혀 진행되지 않는 파일럿을 지원하기 위해 더 많은 시간, 비용 및 에너지를 소비하는 데 지루합니다.”라고 언급합니다. 이러한 피로는 혁신을 방해하고 생성형 AI를 사용한 추가 실험을 방해할 수 있습니다. 또한 [McKinsey 보고서에](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai) 따르면 조직은 AI 구현에서 상당한 데이터 품질 및 통합 문제를 겪고 있습니다.
이 전략 문서는 조직이 생성형 AI 솔루션을 구현하는 데 도움이 되는 구조화된 프레임워크를 제공합니다. 이 프레임워크는 기술 채택의 복잡성을 탐색하고 중요한 단계나 모범 사례를 간과하지 않도록 하기 위해 설계되었습니다. 이 가이드의 권장 사항을 사용하여 생성형 AI 성숙도를 포괄적으로 이해합니다. 성숙도를 평가하여 각 수준의 중점 영역을 식별하고 end-to-end 생성형 AI 채택 여정을 시작할 수 있습니다. 이 프레임워크는 초기 인식부터 전체 규모 변환까지 네 가지 성숙도를 살펴봅니다. 각 수준에 대한 주요 활동과 필수 사례를 간략하게 설명합니다.
## 수강 대상
이 문서는 조직에서 생성형 AI를 채택하여 가치를 창출하려는 경영진, 기술 책임자, 비즈니스 리더, 데이터 과학자, 생성형 AI 및 AI/ML 전문가, IT 전문가 및 의사 결정자를 대상으로 합니다.
## 목표 비즈니스 목표
생성형 AI 성숙도 수준을 통한 체계적인 발전을 통해 조직은 다음과 같은 주요 비즈니스 성과를 달성할 수 있습니다.
+ 검증된 생성형 AI 사용 사례를 통한 전략적 비즈니스 프로세스 혁신
+ 강력한 프로덕션 지원 AI 솔루션을 통한 운영 우수성
+ 표준화되고 재사용 가능한 AI 구성 요소를 통한 전사적 효율성
+ 전략적 혁신 및 확장 가능한 AI 기능을 통한 경쟁 우위