earticle

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.