Earticle

초록

영어

As generative artificial intelligence (AI) is used in various industries, it is important to secure high-quality data, which is a key factor in the performance and reliability of generative AI. In order to effectively train AI models, it is essential to build large-scale training data and secure data quality, and it is important to improve quality through objective quality checks for each data construction procedure through data quality audits. In this study, we present guidelines for audit and detailed review items from the perspective of procedures, outputs, and outcomes for each step of data construction and each activity to secure AI training data quality for generative AI-based information systems.

한국어

생성형 인공지능(AI)이 다양한 산업 분야에서 활용됨에 따라, 생성형 AI의 성능과 신뢰성의 핵심 요소인 양질의 데이터 확보가 중요하다. AI 모델을 효과적으로 학습시키기 위해서는 대규모 학습데이터의 구축과 데이터의 품질 확보 가 필수적이며, 데이터 품질에 대한 감리(Audit)를 통해서 데이터 구축 절차별로 수행하는 작업에 대해서 객관적인 품질 점검을 통한 품질개선이 중요하다. 본 연구에서는 생성형 AI 기반 정보시스템을 위한 AI 학습데이터 품질 확보를 위해 서, 데이터 구축 단계와 단계별 활동에 대해서, 절차, 산출물 및 성과의 관점으로 감리 점검항목과 세부 검토항목을 제시 한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 생성형 AI 데이터 품질에 대한 감리관점및 감리 점검항목
1. 감리 관점 및 기준
2. 준비 계획단계 절차에 대한 감리 점검항목
3. 구축단계 절차에 대한 감리 점검항목
4. 운영·활용 절차에 대한 감리 점검항목
Ⅳ. 결론
References

키워드

저자

• 송춘광 [ Chun-Kwang Song | 숭실대학교 IT정책경영학과 ] Corresponding Author
• 장문석 [ Moon-Seok Jang | 숭실대학교 IT정책경영학과 ]
• 박유리 [ Yu-Ri Park | 숭실대학교 IT정책경영학과 ]
• 전삼현 [ Sam-Hyun Chun | 숭실대학교 IT정책경영학과 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국인터넷방송통신학회 논문지 [The Journal of the Institute of Internet, Broadcasting and Communication]

• 간기

  격월간

• pISSN

  2289-0238

• eISSN

  2289-0246

• 수록기간

  2001~2025

• 십진분류

  KDC 326 DDC 380