AI 거버넌스 및 확장을 위해 IBM Watsonx를 활용하는 방법
AI는 이를 둘러싼 안전장치보다 더 빠른 속도로 확장되고 있습니다.
IBM의 ‘AI at the Core’ 연구에 따르면, 설문조사에 참여한 조직의 약 74%가 기술, 제3자 및 모델 위험 전반에 걸친 AI 위험 및 거버넌스 프레임워크의 적용 범위가 ‘보통’이거나 ‘제한적’이라고 보고한 것으로 나타났습니다.
다시 말해, 모델을 출시하는 팀은 많지만, 출시 직후 제기되는 질문들에 자신 있게 답할 수 있는 팀은 훨씬 적습니다:
🤔 누가, 어떤 근거와 증거를 바탕으로 이를 승인했는지, 그리고 운영 환경에서 모델이 편차를 보일 경우 어떻게 되는지 궁금하신가요?
이것이 바로 IBM Watsonx 거버넌스가 주로 해결해 주는 과제입니다. 책임감 있는 확장을 지원하도록 설계된 워크플로우, 모니터링 및 위험 관리 기능을 통해 AI의 전체 수명 주기에 걸쳐 거버넌스를 수립하고, 보안을 강화하며, 모델을 모니터링할 수 있도록 지원합니다.
이 가이드에서는 watsonx.governance를 사용하여 사용 사례를 문서화하고, 검토 및 승인 절차를 표준화하며, 정확한 모델 정보를 수집하고, 규모를 확장함에 따라 운영 중인 모델을 모니터링하는 방법을 단계별로 안내합니다.
IBM watsonx. governance란 무엇일까요?

IBM Watsonx Governance는 IBM이 Watsonx AI 및 데이터 플랫폼의 일환으로 개발한 기업급 AI 거버넌스 플랫폼입니다. 이 플랫폼은 조직이 AI 라이프사이클 전반에 걸쳐 AI 활동을 책임감 있게 주도, 관리, 모니터링 및 확장할 수 있도록 지원합니다.
이 솔루션은 IBM watsonx.ai 기반으로 구축되었거나 지원되는 타사 플랫폼에 배포된 대규모 언어 모델 및 애플리케이션을 포함하여, 기존 머신 러닝(ML) 모델과 최신 생성형 AI(gen AI) 모델 모두를 거버넌스하기 위한 통합 솔루션 역할을 합니다.
📚 자세히 알아보기: 규정 준수 및 투명성을 보장하는 최고의 AI 거버넌스 도구
IBM Watsonx 거버넌스의 작동 방식
watsonx. governance는 IBM이 다음과 같이 설명하는 통합 기능 세트로 구성되어 있습니다:
리스크 및 규정 준수를 위한 OpenPages
OpenPages는 Watsonx 거버넌스 내의 구성 요소로, 중앙 집중식 위험 및 규정 준수 엔진 역할을 합니다. 이 솔루션은 귀사의 정책을 모든 /AI 모델에 대해 구체적이고 추적 가능한 메트릭으로 변환하도록 설계되었습니다.
이를 통해 공식적인 위험 평가를 수행하고, 모델을 특정 규정에 매핑하며, 규제 당국을 위해 변경 불가능한 감사 추적을 생성할 수 있는 tools를 제공합니다.
- 리스크 점수 산정: 사용하는 데이터의 민감도나 의사결정의 영향도 등의 요소를 바탕으로 모든 /AI 사용 사례에 리스크 수준을 할당하고 추적할 수 있습니다.
- 규정 준수 매핑: 이를 통해 모델을 EU AI 법이나 NIST AI 위험 관리 프레임워크와 같은 규제 프레임워크에 매핑하고, 검토 과정 전반에 걸쳐 규정 준수 증빙 자료와 상태를 추적할 수 있습니다.
- 감사 추적 기록: OpenPages는 누가, 무엇을, 언제 승인했는지에 대한 영구적인 기록을 유지하며, 이는 감사 시 규정 준수를 입증하는 데 필수적입니다.
모델 모니터링을 위한 OpenScale
OpenScale은 모델이 실제 환경에 배포된 후 이를 지속적으로 감시하는 실시간 모니터링 엔진입니다. 이 엔진은 모델이 실제 세계의 비정형적이고 예측 불가능한 데이터와 상호작용할 때 발생하는 문제를 조기에 감지해 주는 조기 경고 시스템 역할을 합니다.
- 드리프트 감지: 모델의 입력값이나 출력값이 훈련에 사용된 데이터와 달라지기 시작하는 시점을 식별합니다. 이는 모델의 성능이 저하되고 있을 수 있다는 신호입니다.
- 공정성 모니터링: 연령이나 성별과 같은 민감한 그룹에 대한 예측 결과를 추적하여, AI 편향이 체계적인 문제로 발전하기 전에 조기에 포착합니다.
- 설명 가능성: 모델 유형 및 구성에 따라 모델의 동작과 예측 결과에 대해 사람이 이해할 수 있는 설명을 생성할 수 있으며, 이는 감사 및 고객 문의 처리 시 매우 중요합니다.
- 성능 메트릭: 정확도 및 응답 시간과 같은 핵심 성능 메트릭을 지속적으로 모니터링하여 모델이 비즈니스 요구 사항을 지속적으로 충족하도록 보장합니다.
라이프사이클 추적을 위한 AI 팩트시트
AI 팩트시트는 모든 모델의 문서 수명 주기 관리의 일부입니다. 팩트시트는 AI 수명 주기의 모든 단계에서 다음과 같은 주요 세부 정보를 자동으로 추적합니다:
- 훈련 데이터 소스 및 알고리즘 선택과 같은 개발 메타데이터
- 테스트 메트릭 및 편향 평가와 같은 평가 결과
- 모델이 실행되는 위치 및 액세스 권한이 있는 사용자를 포함한 배포 세부 정보
- 성능 추세 및 과거 인시던트와 같은 운영 이력
🔍 ClickUp Brain MAX: 거버넌스 심사 단계 이전에 더 빠르게 다중 모델 테스트 수행
모델, 프롬프트 또는 에이전트가 IBM Watsonx 거버넌스에 도달하기 전에, 팀은 대개 마찰 없이 구상하고, 테스트하고, 비교할 수 있는 공간이 필요합니다.
바로 이 부분에서 ClickUp Brain MAX가 진가를 발휘합니다 .
Brain MAX는 팀이 동일한 작업 공간 환경에서 여러 주요 모델(예: GPT, Claude, Gemini)을 자유롭게 전환할 수 있게 해주는 독립형 데스크톱 AI 앱입니다. 여러 모델에서 동일한 프롬프트, 의사 결정 논리 또는 초안 출력을 나란히 실행하고, 응답을 즉시 비교하며, 전체 추론 과정을 작업물과 함께 저장할 수 있습니다.
이를 통해 Brain MAX는 특히 다음 분야에서 강력한 성능을 발휘합니다:
- 정식 평가 전 초기 단계 모델 및 프롬프트 비교
- 스트레스 테스트 결과를 통해 모델 전반에 걸쳐 어조, 추론 품질 또는 극한 사례를 분석합니다.
- “이 접근 방식을 선택한 이유”를 작업 및 문서와 바로 나란히 기록하고 저장하기
팀들이 올바른 행동 방식, 프롬프트 또는 모델 선택에 합의하면, watsonx. governance가 공식 기록 시스템의 역할을 수행합니다. 이후 팩트시트, 승인 절차 및 모니터링은 이미 실전 테스트를 거쳐 문서화되고 합의된 결정 사항을 반영하게 됩니다.
👉 실제로 Brain MAX는 학습과 반복을 가속화하는 반면, watsonx. governance는 통제와 책임성을 보장합니다. 이 두 가지가 결합되어 거버넌스로 인해 혁신이 지연되거나, 혁신이 거버넌스를 우회하는 것을 방지합니다.
팀을 위한 Watsonx 거버넌스 설정 방법
이제 팀을 위한 Watsonx 거버넌스를 단계별로 설정해 보겠습니다 👇
1. 데이터베이스(데이터 마트) 연결
해당 지역의 watsonx.governance URL을 열고, 구성 → 데이터베이스로 이동한 후 DB 유형(Lite 또는 사용자 지정 DB2/PostgreSQL)을 선택하십시오.

2. AI 사용 사례 설정
- AI 사용 사례 → 설정 완료로 이동하세요.
- 이렇게 하면 다음 서비스 ID가 생성됩니다: watsonx.governance_DO_NOT_DELETE
- 기본 인벤토리가 없는 경우, 외부 모델, 첨부 파일 및 거버넌스 보고서를 관리하는 데 필요한 인벤토리를 생성하라는 프롬프트가 표시됩니다.
3. 액세스 정책 생성(팀원 초대)
IBM 클라우드에서 관리 → 액세스(IAM) → 사용자 → 사용자 초대 → watsonx 서비스에 대한 액세스 정책을 할당하고, 적용 범위(계정/리소스 그룹/특정 인스턴스)를 지정합니다.
📌 서비스에 액세스하려면 Reader/Writer+ 권한이 필요합니다. Writer+ 권한을 가진 사용자는 여러 프로젝트와 배포 스페이스에 걸친 정보를 확인할 수 있습니다.
4. Watsonx에서 사용자 및 역할 관리. 거버넌스
각 담당자의 역할에 따라 평가 관련 작업(관리자/에디터/열람자/운영자)에 대한 협업 역할을 할당하십시오.
👀 알고 계셨나요? 요즘 발생하는 단 한 건의 정보 유출 사고만으로도 그 크기가 경기장만큼 클 수 있습니다! 2026년 1월에 추가된 언더아머(Under Armour) 정보 유출 사례의 목록에는 7,270만 개의 계정이 피해를 입은 것으로 기록되어 있습니다.
ClickUp을 사용하여 AI 거버넌스 라이프사이클을 운영하는 방법
IBM Watsonx Governance는 AI를 위한 공식 거버넌스 시스템으로, 모델, 프롬프트, 평가 및 승인 내역을 체계적이고 추적 가능한 방식으로 공식적으로 관리합니다.
하지만 거버넌스는 여전히 부서 간에 걸쳐 운영되어야 합니다. 누군가는 초기 맥락을 파악하고, 의사결정을 추적하며, 증거를 일관되게 관리하고, 일이 복잡한 업무 이관 과정의 미로가 되지 않도록 진행시켜야 합니다. 막대한 일이 여기저기로 뻗어나가는 상황이 바로 이것입니다!
ClickUp을 소개합니다. 세계 최초의 통합 AI 작업 공간인 ClickUp은 문서, 작업, 채팅, 워크플로우, 지식, AI, 경영진의 가시성 등 운영 계층을 하나로 연결하여, 팀이 거버넌스 라이프사이클을 매우 원활하게 수행할 수 있도록 지원합니다.
어떻게 하는지 함께 살펴보겠습니다. 👇
AI 사용 사례를 생성하고 문서화하세요
사용 사례는 한 번만 문서화하면 됩니다. 어려운 부분은 위험 관리, 법무, 보안, 운영 팀이 해당 아이디어를 철저히 검증하는 과정에서 그 문서의 일관성을 유지하는 것입니다.
ClickUp Docs를 사용하여 이 문제를 해결하세요. 예시: 새로운 AI 사용 사례가 생길 때마다 ClickUp 문서 템플릿을 사용하여 각 프로젝트가 표준화된 입력 사항으로 시작되도록 하세요:
- 학습 목표
- 이해관계자
- 데이터 컨텍스트
- 예상 결과
- 제약 사항
- 성공 기준

또한, @멘션과 ClickUp 할당 댓글 기능을 활용하여 문서 내에서 사용 사례에 대한 논의와 의사 결정을 관리하세요. 검토가 진행됨에 따라 문서에서 바로 다음 단계를 ClickUp 작업으로 전환할 수 있습니다.
워크플로우에 적합하다면 ClickUp Brain을 활용하여 일반적으로 시간이 많이 소요되는 부분을 가속화하세요. 이를 통해 경영진 요약본을 다듬거나, 검증이 필요한 가정을 파악하거나, 팀이 이미 작성한 내용을 바탕으로 거버넌스 고려 사항(예: 공정성 또는 프라이버시 점검 항목)의 초안을 작성할 수 있습니다.
사용 사례가 완전히 완료되면, 이를 IBM Watsonx 거버넌스에 공식화하여 라이프사이클 추적 및 팩트시트 문서화를 위한 관리 대상 기준점으로 삼으십시오.
watsonx.governance에서 인벤토리에 AI 사용 사례를 생성합니다:

- 카탈로그 → AI 사용 사례로 이동하세요.
- '새로운 AI 사용 사례'를 클릭하세요.
- 이름을 입력하고 인벤토리를 선택하십시오.
- 다음과 같이 필요한 필드를 입력하세요: 설명 (비즈니스 문제 + 배경) 위험 수준 지원 데이터 소유자 상태 태그
- 설명 (비즈니스 문제 + 배경)
- 위험 수준
- 지원 데이터
- 소유자
- 상태
- 태그
- 설명 (비즈니스 문제 + 배경)
- 위험 수준
- 관련 데이터
- 소유자
- 상태
- 태그
이를 통해 해당 사용 사례는 라이프사이클 추적(개요/라이프사이클/액세스)을 보기 위해 사용하고, 거버넌스가 적용된 자산을 해당 팩트시트에 연결할 수 있는 공간이 됩니다.
또한 팩트시트를 통해 개발 및 배포 과정에서 수행된 조치의 목적/중요도 및 계보 정보를 포함하여, 라이프사이클 전반에 걸친 거버넌스 및 규정 준수 메타데이터를 파악할 수 있습니다.
📮 ClickUp 인사이트: 조직의 53%는 AI 거버넌스가 전혀 없거나 비공식적인 지침만 갖추고 있습니다. 또한 데이터가 어디로 전송되는지, 또는 특정 도구가 규정 준수 위험을 초래할 수 있는지 여부를 알지 못하면 사람들은 주저하게 됩니다. AI 도구가 신뢰할 수 있는 시스템 외부에 위치하거나 데이터 처리 방식이 불분명할 경우, “이것이 보안이 되지 않는다면 어떻게 될까?”라는 우려만으로도 도입이 중단될 수 있습니다.
ClickUp의 완벽하게 거버넌스가 적용된 안전한 환경에서는 그렇지 않습니다. ClickUp AI는 GDPR, HIPAA, SOC 2를 준수하며 ISO 42001 인증을 획득하여, 귀하의 데이터가 비공개로 유지되고 보호되며 책임감 있게 관리되도록 보장합니다.
타사 AI 제공자는 ClickUp 고객 데이터를 기반으로 모델을 훈련하거나 해당 데이터를 보유하는 것이 금지되며, 다중 모델 지원은 통합된 권한, 프라이버시 제어 및 엄격한 보안 표준에 따라 운영됩니다. 여기서는 AI 거버넌스가 작업 공간 자체의 일부가 되므로, 팀은 추가적인 위험 없이 안심하고 AI를 사용할 수 있습니다.
AI 모델 및 프롬프트 평가
모델 평가는 매우 중요하지만, 다양한 요소가 얽혀 있어 복잡한 단계입니다. 성능 테스트를 수행하고, 편향을 확인하며, 오류 모드를 테스트하는 동시에 여러 이해관계자에게 지속적으로 정보를 제공해야 합니다.
반복 가능한 워크플로우를 구축하려면 ClickUp DMAIC 템플릿을 사용하세요.
ClickUp DMAIC 템플릿을 사용하여 단계별 맞춤형 상태를 기반으로 평가 파이프라인을 구축하세요
이 템플릿 내에서 ClickUp 맞춤형 상태를 사용하여 평가 파이프라인을 생성할 수 있습니다. 즉, 상태를 평가 대기 중, 편향성 테스트, 성능 검토, 및 승인 준비 완료와 같은 평가 단계에 맞춰 설정할 수 있습니다.
또한 ClickUp 자동화 기능을 통해 수동으로 작업을 인계하는 과정을 없앨 수 있습니다. 예를 들어, 작업이 편향성 테스트 단계로 이동하면, 설정해 둔 자동화 기능이 해당 작업을 규정 준수 검토 담당자에게 배정하고, 테스트 체크리스트와 링크가 포함된 코멘트를 추가할 수 있습니다.
워크플로우가 구축되면 watsonx에서 기술 평가를 수행할 수 있습니다:
- 프롬프트 템플릿 및 생성형 AI의 경우: 프롬프트 템플릿 자산에서 프롬프트 평가를 실행하고, 메트릭 점수를 검토하며, 평가 요약 정보를 활용하여 임계값 위반 사항을 파악하세요.
- 외부 또는 IBM이 호스팅하지 않는 모델의 경우: 요약, 분류, 질문 응답, 엔티티 추출, 콘텐츠 생성, RAG 등 지원되는 작업 유형 전반에 걸쳐 ‘분리된’ 프롬프트 템플릿을 평가할 수 있으며, 메트릭은 모델 및 작업에 따라 다릅니다.
AI 모델 승인 및 배포
ClickUp Super Agents를 사용하여 승인 프로세스를 처음부터 끝까지 자동화하세요.
이들은 AI 기반의 팀원으로, 작업 공간의 전체 컨텍스트를 활용하여 작업하며 다단계 워크플로우를 안전하게 실행할 수 있습니다. 뿐만 아니라, 지침, 트리거, 도구 및 지식을 통해 이들의 동작 방식을 구성하여 정해진 범위 내에서 작동하도록 보장할 수 있습니다.

예를 들어, 평가가 마무리될 때 슈퍼 에이전트(Super Agent)는 검토자가 필요로 하는 정보(예: 현재 사용 사례의 맥락, 의사 결정 노트, 거버넌스 대상 증거에 연결된 링크 등)를 한곳에 정리할 수 있습니다.
또한, ClickUp 대시보드를 사용하면 ClickUp 작업 공간의 작업 데이터를 진행 상황을 한눈에 파악할 수 있는 개요 보기로 변환할 수 있으므로, 경영진은 검토 대기 중인 모델의 수, 어떤 단계에서 작업이 밀려 있는지, 그리고 유효 기간이 만료되는 모델이 무엇인지 확인할 수 있습니다.
ClickUp에서 나만의 프로젝트 관리 대시보드를 만들어 보세요 ⬇️
그런 다음 운영 워크플로우를 Watsonx와 다시 연동할 수 있습니다:
- watsonx.governance에서 IBM은 AI 모델을 여러 단계를 거쳐 배포 승인 단계까지 이끄는 ‘모델 라이프사이클’ 워크플로우를 제공합니다. 이는 거버넌스가 적용된 기록 시스템이 팀이 ClickUp에서 운영적으로 실행하는 것과 동일한 게이트를 반영하도록 보장하기 위함입니다.
- 승인 후에는 모니터링이 이어집니다. Watson OpenScale은 사용자가 지정한 임계값(예시: 공정성 또는 정확도/편차 임계값)을 기준으로 배포된 자산을 평가하는 모니터링 기능을 구성할 수 있습니다.
🚀 ClickUp의 장점: 경영진용 대시보드를 생성하고, 승인 지연 사유를 요약해 주는 ClickUp AI 카드를 추가하세요(예: ‘법무팀에서 검토 중인 사항은 무엇인가요?’ 또는 ‘검토 기간이 가장 긴 모델은 무엇인가요?’).

AI 거버넌스 및 확장성을 위한 Watsonx 사용의 한계
어떤 도구도 만능 해결책은 아니므로, 도입을 결정하기 전에 플랫폼의 한도를 파악하는 것이 중요합니다.
Watsonx 거버넌스를 활용할 때 고려해야 할 몇 가지 사항입니다. 👀
| 한도 | 영향 |
| IBM 생태계의 변화 | 타사 모델도 지원하지만, 가장 긴밀한 통합은 IBM 자체 tools와 이루어집니다. 다른 클라우드 플랫폼에 상당한 투자를 한 팀은 사용상의 불편을 겪을 수 있습니다. |
| 소규모 팀이 직면하는 복잡성 | 이 플랫폼은 기업 규모의 운영을 위해 구축되었습니다. 소규모 팀의 경우, 필요한 수준보다 과도한 관리 부담과 복잡성을 느낄 수 있습니다. |
| OpenPages 학습 곡선 | 리스크 관리 모듈은 원래 금융 분야를 위해 설계되었기 때문에, AI 중심 팀에게는 그 개념과 인터페이스가 직관적으로 느껴지지 않을 수 있습니다. |
| 맞춤형 제한 사항 | 사전 구축된 규정 준수 템플릿은 훌륭한 출발점이 되지만, 귀사의 고유하거나 특수한 규제 요구 사항을 완벽하게 충족시키지 못할 수도 있습니다. |
| 생성형 AI 거버넌스는 아직 발전 단계에 있습니다 | 대규모 언어 모델 (LLM) 을 관리하기 위한 tools는 업계 전반에서 빠르게 발전하고 있으며, 거버넌스 기능도 새롭게 등장하는 최고의 실행 방식과 함께 지속적으로 성숙해 가고 있습니다. |
사용할 수 있는 다른 대안 tools들
IBM Watsonx 거버넌스가 적합하지 않다고 생각된다면, 클라우드 네이티브 거버넌스 스택을 원하느냐, 아니면 클라우드에 구애받지 않는 모니터링 계층을 원하느냐에 따라 몇 가지 대안이 있습니다.
- Amazon SageMaker Model Monitor + Amazon SageMaker Model Cards: 이미 AWS를 사용하고 있다면 훌륭한 선택지입니다. Model Monitor는 운영 환경 모니터링(예: 드리프트/이상 현상과 같은 품질 문제 감지 및 알림)에 중점을 두는 반면, Model Cards는 감사 및 거버넌스 보고를 위해 모델 세부 정보를 표준화된 방식으로 문서화하는 데 도움을 줍니다.
- Azure Machine Learning Responsible AI: 워크플로우가 이미 Azure에 구축되어 있고, 단일 인터페이스에서 모델의 공정성, 오류 분석, 설명 가능성(및 ‘가상 시나리오’/반사실적 분석)을 평가할 수 있는 내장 기능을 원할 때 가장 적합합니다.
- Google Vertex AI 모델 모니터링: GCP에 배포하는 팀을 위한 Google Cloud의 대응 솔루션입니다. 이 솔루션은 일정대로 또는 필요에 따라 모니터링 작업을 실행하고, 모델/데이터 품질 신호(드리프트/특성 편향 등)를 추적하며, 임계값을 초과할 경우 경고를 발령하는 데 중점을 둡니다.
- Fiddler AI + Arthur AI: 모델 전반에 걸쳐 벤더 중립적인 가시성 계층을 원할 때 적합하며, 더 심층적인 설명 가능성, 신속한 근본 원인 분석, 팀 및 환경 전반에 걸친 일관된 모니터링을 위해 자주 선택됩니다.
- MLflow: 오픈소스의 유연성을 원하는 팀에 가장 적합합니다. MLflow는 강력한 기반(추적 기능 + 메타데이터/태그 및 라이프사이클 단계가 포함된 모델 레지스트리)을 제공하지만, 일반적으로 조직의 요구 사항에 맞춰 정책 적용, 검토/승인 및 거버넌스 워크플로우를 추가하려면 노력이 필요합니다.
ClickUp으로 AI 거버넌스를 구체화하세요
IBM Watsonx Governance와 같은 플랫폼은 위험 관리 및 규정 준수를 위한 기술적 기반을 제공할 수 있지만, 거버넌스는 이를 뒷받침하는 팀들이 일관된 방향을 유지하고 책임을 다할 때 비로소 제대로 작동합니다.
ClickUp은 이러한 실행 계층을 연결합니다. 문서는 정책과 모델 기록을 표준화합니다. 대시보드는 검토 현황과 병목 현상을 가시화합니다. 또한 AI 에이전트가 승인 및 업무 인계를 원활하게 진행함으로써, 거버넌스가 이론에 그치지 않고 실제로 운영될 수 있도록 합니다.
무엇보다 중요한 점은, 이를 통해 AI 거버넌스가 단순한 주기적 검토 절차에서 벗어나 살아 숨 쉬는 시스템으로 거듭난다는 것입니다. 이 시스템에서는 의사결정이 문서화되고, 조치가 추적되며, 라이프사이클의 모든 단계에서 책임 소재가 명확하게 드러납니다.
ClickUp을 무료로 시작하고, 처음부터 끝까지 명확하게 거버넌스 프로세스를 운영해 보세요. ✅
자주 묻는 질문
IBM Watsonx 거버넌스와 일반적인 AI 거버넌스 관행의 차이점은 무엇입니까?
일반적인 AI 거버넌스는 조직이 채택하는 광범위한 원칙과 정책을 의미하는 반면, Watsonx 거버넌스는 이러한 관행을 구현하고 자동화하는 데 도움을 주는 특정 소프트웨어 플랫폼입니다.
Watsonx Governance는 AWS나 Azure와 같은 IBM 외부의 tools와 통합할 수 있습니까?
네, 이 플랫폼은 AWS SageMaker나 Azure ML과 같은 다른 클라우드에 배포된 모델도 모니터링하고 거버넌스를 적용할 수 있지만, 통합 과정에서 IBM 자체 모델보다 더 많은 수동 구성이 필요할 수 있습니다.
AI 거버넌스 워크플로우에는 어떤 팀 역할이 참여해야 할까요?
효과적인 거버넌스는 팀워크가 필요한 작업으로, 일반적으로 데이터 과학자, 머신러닝 엔지니어, 규정 준수 담당자, 리스크 관리자, 비즈니스 이해관계자 및 IT 보안 담당자가 참여하여 전체 라이프사이클을 포괄합니다.
