AI 모델 요청 양식

  • 릴리스 버전: Australia
  • 업데이트 날짜 2026년 03월 12일
  • 소요 시간: 4분

    • AI 모델 요청 양식은 AI 모델을 개발하거나 구매하기 위한 요청 프로세스를 간소화하도록 설계되었습니다. 이 접수 양식은 승인 프로세스를 진행하기 전에 필요한 모든 세부 정보, 지원 문서 및 규정 준수 고려 사항이 캡처되었는지 확인합니다.

    필드 값에 대한 설명은 다음 테이블을 참조하십시오.

    표 1. AI 모델 요청 양식
    필드 설명
    상세 정보
    이름 AI 모델의 고유한 이름입니다. 예를 들어 1.0입니다 ServiceNow Now LLM .
    상태 AI 모델이 초안, 개발 또는 배포된 상태인지 여부를 나타냅니다. 상태에 대한 자세한 내용은 AI asset lifecycle 문서를 참조하십시오.
    버전 AI 모델의 버전 번호입니다. 예: v1.0.
    설명 AI 시스템, 핵심 기능 및 사용 목적에 대한 간략한 설명입니다. 예를 들어 ServiceNow LLM(대규모 언어 모델)은 플랫폼 내에서 대화 기능을 개선하고 워크플로우를 ServiceNow 자동화하도록 설계된 고급 AI 기반 솔루션입니다. 자연어 처리를 활용하여 사용자 상호 작용을 개선하고 서비스 제공을 간소화하며 지능형 통찰력을 제공하여 궁극적으로 비즈니스의 운영 효율성을 향상시킵니다.
    소유권
    제공자 AI 모델 제공을 담당하는 조직입니다. 예: ServiceNow.
    관리자 AI 모델 관리를 담당하는 사용자입니다.
    외부 공급업체 모델
    모델 카드 투명성을 위한 AI 모델의 목적, 아키텍처, 성능 및 윤리적 고려 사항에 대한 자세한 문서입니다.
    모델 가중치 정보 추가 모델 정보(사용 가능한 경우). 예를 들어, 가중치 및 편향 프로젝트를 참조하십시오.
    주:
    이 정보는 주로 조직 내에서 개발된 AI 모델에 적용할 수 있습니다.
    지원되는 언어 AI 모델에서 지원하는 언어입니다. 예를 들어 영어, 프랑스어, 이탈리아어, 독일어, 스페인어입니다.
    기본 모델 기본 AI 모델과 관련된 기본 모델입니다. 기본 모델은 대규모 데이터 세트에 대해 미리 학습된 기본 AI 모델이며 특정 사용 사례에 맞게 추가로 미세 조정할 수 있습니다. 이러한 모델은 도메인별 데이터 및 요구 사항에 맞게 조정하여 특수 AI 모델을 개발하기 위한 출발점 역할을 합니다. 예를 들어 Mixtral입니다.
    주:
    기본 모델은 조직 내에서 개발된 AI 모델에만 적용할 수 있습니다.
    교육 절차 AI 모델을 교육하는 데 사용되는 절차입니다. 옵션은 다음과 같습니다.
    • 의사 결정 트리: 의사 결정에 사용되는 트리와 같은 모델로, 각 노드는 조건을 나타내고 분기는 결과로 이어집니다. 분류 및 회귀 작업에 널리 사용됩니다.
    • 준지도 학습: 학습 효율성을 향상시키기 위해 레이블이 지정된 소량의 데이터와 레이블이 지정되지 않은 많은 양의 데이터를 결합하는 기계 학습 접근 방식입니다.
    • 지침 미세 조정: AI 모델이 인간과 유사한 명령을 따르는 능력을 향상시키기 위해 작업별 지침으로 훈련되는 프로세스입니다.
    • 지도 미세 조정: 미리 학습된 모델이 특정 작업에 대한 성능을 향상시키기 위해 레이블이 지정된 데이터에 대해 추가로 학습되는 기술입니다.
    • 심층 신경망(Deep Neural Networks): 딥 러닝에 사용되는 데이터의 복잡한 패턴을 학습할 수 있는 상호 연결된 뉴런의 여러 계층이 있는 AI 모델 유형입니다.
    • 선형 회귀: 종속 변수와 하나 이상의 독립 변수 간의 관계를 직선을 사용하여 모델링하는 통계 방법입니다.
    • 로지스틱 회귀: 시그모이드 함수를 사용하여 확률을 추정하여 범주형 결과(예: 예 또는 아니요)를 예측하는 분류 알고리즘입니다.
    • Random Forest: 분류 및 회귀 작업에서 정확도를 개선하고 과적합을 줄이기 위해 여러 결정 트리를 결합하는 앙상블 학습 방법입니다.
    • 지도 학습: 모델이 레이블이 지정된 데이터에서 학습하고 입력을 올바른 출력에 매핑하는 기계 학습 접근 방식입니다.
    • 자율 학습: 모델이 미리 정의된 범주 없이 레이블이 지정되지 않은 데이터에서 패턴과 구조를 식별하는 학습 방법입니다.
    • 강화 학습: 에이전트가 환경과 상호작용하고 보상과 페널티를 통해 최적의 작업을 학습하는 학습 접근 방식입니다.
    • 전이 학습: 미리 학습된 모델을 새롭지만 관련된 작업에 적용하여 더 적은 학습 데이터로 성능을 향상시키는 기술입니다.
    컨텍스트 창 응답 또는 예측을 생성할 때 AI 모델이 처리할 수 있는 토큰 수입니다. 예: 16385
    모델 크기(MB) AI 모델이 차지하는 저장소 공간(MB)입니다.
    주:
    MB 단위 모델 크기 필드는 정수 값만 지원합니다.
    모델 매개변수 정보 AI 모델의 동작과 성능을 결정하는 교육 중에 학습한 내부 변수입니다. 예를 들어, 모델의 매개변수 수는 175개입니다.
    평가 메트릭 보고서 테스트 또는 평가 중에 AI 모델의 효과를 평가하는 데 사용되는 성능 측정 결과입니다. 예를 들어, 모델의 정확도가 85%이고 환각률이 15%라고 언급할 수 있습니다.
    교육 데이터 세트 AI 모델을 교육하는 데 사용되는 데이터 세트 컬렉션입니다.
    평가 데이터 세트 AI 모델을 평가하거나 테스트하는 데 사용되는 데이터 세트 컬렉션입니다. P1 인시던트 데이터 세트를 예로 들 수 있습니다.
    추가 상세 정보
    배포 가이드라인 훈련된 AI 모델을 실제 사용을 위해 프로덕션 환경에 통합하고 배포하는 프로세스입니다.
    필수 인프라 AI 모델을 배포하고 실행하는 데 필요한 하드웨어 및 소프트웨어 자원에 대한 설명입니다. 예를 들어 A100 유형의 GPU(그래픽 처리 장치) 하나가 필요하다고 언급할 수 있습니다.